- 博客(187)
- 资源 (1)
- 收藏
- 关注
转载 C++ inner_product内积计算方法详解
两个 vector 的内积是对应元素的乘积之和。为了能够得到内积,vector 的长度必须相同。内积是矩阵算术的基本运算。两个矩阵的乘积是一个矩阵,它是由第一个矩阵的每一行乘以第二个矩阵的每一列得到的,如图 1 所示。图 1 矩阵乘法和内积运算为了使矩阵内积成为可能,左操作数(矩阵 A)的列数必须和右操作数(矩阵 B)的行数相同。如果左操作数有 m 行和 n 列(mxn 的矩阵),右操...
2018-12-28 14:34:40
9185
1
转载 C++/C++11中std::transform的使用
std::transform在指定的范围内应用于给定的操作,并将结果存储在指定的另一个范围内。要使用std::transform函数需要包含<algorithm>头文件。以下是std::transform的两个声明,一个是对应于一元操作,一个是对应于二元操作:template <class InputIterator, class OutputIterator, clas...
2018-12-28 14:28:00
1286
转载 对于Python中@property的理解和使用
重看狗书,看到对User表定义的时候有下面两行 @property def password(self): raise AttributeError('password is not a readable attribute') @password.setter def password(self, password): self...
2018-12-17 10:19:33
703
转载 CornerNet:目标检测算法新思路
1 目标检测算法概述CornerNet(https://arxiv.org/abs/1808.01244)是密歇根大学Hei Law等人在发表ECCV2018的一篇论文,主要实现目标检测。在开始介绍CornerNet论文之前,先复习一下目标检测领域的主流算法,因为作者提出的算法和主流算法很多不一样。 深度方法主要分为one-stage(e.g. SSD, YOLO)和two-stage...
2018-08-20 16:01:54
2790
1
转载 Dilated Convolutions——扩张卷积
1. 扩张卷积Dilated Convolutions,翻译为扩张卷积或空洞卷积。扩张卷积与普通的卷积相比,除了卷积核的大小以外,还有一个扩张率(dilation rate)参数,主要用来表示扩张的大小。扩张卷积与普通卷积的相同点在于,卷积核的大小是一样的,在神经网络中即参数数量不变,区别在于扩张卷积具有更大的感受野。感受野是卷积核在图像上看到的大小,例如3×33×3卷积核的感受野大小为9。...
2018-08-20 15:24:57
1913
转载 DetNet 解析
1.使用FPN等网络的缺点: 预训练不一致:传统的ResNet或者VGG的stride等于32(就是输入图片和最后的特征图大小的比例),按照每个阶段(stage)的特征图尺度减少为原来的1/2来计算,通常会有5个stage(P1-P5),而FPN中存在P6,RetinaNet中存在P6和P7,而P6和P7是没有被预训练过的。(然而P6和P7已经对任务很敏感了,还需要预训练么,会不会多余?当...
2018-08-20 15:00:25
671
转载 字节对齐的规则总结
一、什么是字节对齐,为什么要对齐?现代计算机中内存空间都是按照byte划分的,从理论上讲似乎对任何类型的变量的访问可以从任何地址开始,但实际情况是在访问特定类型变量的时候经常在特定的内存地址访问,这就需要各种类型数据按照一定的规则在空间上排列,而不是顺序的一个接一个的排放,这就是对齐。 对齐的作用和原因:各个硬件平台对存储空间的处理上有很大的不同。一些平台对某些特定类型的数据只能从某些特定地...
2018-08-07 20:53:57
689
转载 CHECK_*()宏定义的作用-caffe
个人在学习caffe源码文件时遇到了CHECK_EQ函数,不理解什么含义,经过上下文理解,明白了其中含义。 CHECK_EQ(x,y)<<"x!=y",EQ即equation,意为“等于”,函数判断是否x等于y,当x!=y时,函数打印出x!=y。 CHECK_NE(x,y)<<"x=y",NE即not equation,意为“不等于”,函数判断是否x不等于y,...
2018-08-01 11:21:09
1369
转载 Linux常用命令大全
Linux常用命令大全(非常全!!!)最近都在和Linux打交道,感觉还不错。我觉得Linux相比windows比较麻烦的就是很多东西都要用命令来控制,当然,这也是很多人喜欢linux的原因,比较短小但却功能强大。我将我了解到的命令列举一下,仅供大家参考: 系统信息 arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用...
2018-07-17 09:51:51
316
转载 CNN目标检测(一):Faster RCNN详解
Faster RCNN github : https://github.com/rbgirshick/py-faster-rcnnFaster RCNN paper : https://arxiv.org/abs/1506.01497Bound box regression详解 : http://download.csdn.net/download/zy1034092330/9940097(来源:...
2018-07-05 19:04:49
338
转载 Adaboost算法原理分析和实例+代码(简明易懂)
Adaboost算法原理分析和实例+代码(简明易懂) 【尊重原创,转载请注明出处】 http://blog.csdn.net/guyuealian/article/details/70995333 本人最初了解AdaBoost算法着实是花了几天时间,才明白他的基本原理。也许是自己能力有限吧,很多资料也是看得懵懵懂懂。网上找了一下关于Adaboost算法原理分析,大都是你复制我,我摘抄你,...
2018-06-13 20:25:32
545
转载 神经网络的类型
KNN DNN SVM DL BP DBN RBF CNN RNN ANN概述本文主要介绍了当前常用的神经网络,这些神经网络主要有哪些用途,以及各种神经网络的优点和局限性。1 BP神经网络BP (Back Propagation)神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络,中间层可扩展为多层。相邻层之间各神经元进行全连接,而每层各神经元之间无连接,网络按有教师示...
2018-06-01 14:31:30
2950
转载 BP算法双向传,链式求导最缠绵(深度学习入门系列之八)
摘要: 说到BP(Back Propagation)算法,人们通常强调的是反向传播,其实它是一个双向算法:正向传播输入信号,反向传播误差信息。接下来,你将看到的,可能是史上最为通俗易懂的BP图文讲解,不信?来瞅瞅并吐吐槽呗!更多深度文章,请关注:https://yq.aliyun.com/cloud系列文章:一入侯门“深”似海,深度学习深几许(深度学习入门系列之一)人工“碳”索意犹尽,智能“硅”来...
2018-06-01 11:13:11
1398
1
转载 迁移学习:怎样用预训练模型搞定深度学习?
引言 跟传统的监督式机器学习算法相比,深度神经网络目前最大的劣势是什么? 贵! 尤其是当我们在尝试处理现实生活中诸如图像识别、声音辨识等实际问题的时候。一旦你的模型中包含一些隐藏层时,增添多一层隐藏层将会花费巨大的计算资源。 庆幸的是,有一种叫做“迁移学习”的方式,可以使我们在他人训练过的模型基础上进行小改动便可投入使用。在这篇文章中,我将会讲述如何使用预训练模型来加速解决问题的过程。注...
2018-05-29 13:55:45
2136
转载 目标跟踪综述
作者:YaqiLYU链接:https://www.zhihu.com/question/26493945/answer/156025576来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。相信很多来这里的人和我第一次到这里一样,都是想找一种比较好的目标跟踪算法,或者想对目标跟踪这个领域有比较深入的了解,虽然这个问题是经典目标跟踪算法,但事实上,可能我们并不需要那些曾经辉...
2018-05-22 10:12:42
3993
转载 十大经典排序算法(动图演示)
十大经典排序算法(动图演示)0、算法概述0.1 算法分类十种常见排序算法可以分为两大类:非线性时间比较类排序:通过比较来决定元素间的相对次序,由于其时间复杂度不能突破O(nlogn),因此称为非线性时间比较类排序。线性时间非比较类排序:不通过比较来决定元素间的相对次序,它可以突破基于比较排序的时间下界,以线性时间运行,因此称为线性时间
2018-04-10 22:19:08
3651
4
原创 [编程题] 二叉树
时间限制:3秒空间限制:32768K有一棵二叉树,树上每个点标有权值,权值各不相同,请设计一个算法算出权值最大的叶节点到权值最小的叶节点的距离。二叉树每条边的距离为1,一个节点经过多少条边到达另一个节点为这两个节点之间的距离。给定二叉树的根节点root,请返回所求距离。强调一点:我就是被卡在这很久的:不是所有节点中的最大最小值
2018-03-27 00:05:22
681
原创 477. 被围绕的区域
解题思路:关键点是发现所有不被包围的点都与边界上的“O”点相连。给一个二维的矩阵,包含 'X' 和 'O', 找到所有被 'X' 围绕的区域,并用 'X' 填充满。您在真实的面试中是否遇到过这个题? Yes样例给出二维矩阵:X X X XX O O XX X O XX O X X把被 'X' 围绕的区域填充之后变为:X
2018-03-21 15:48:54
511
原创 192. 通配符匹配
该题创建一个矩阵 f(i,j)代表s的前i项可以和p的前j项匹配。判断两个可能包含通配符“?”和“*”的字符串是否匹配。匹配规则如下:'?' 可以匹配任何单个字符。'*' 可以匹配任意字符串(包括空字符串)。两个串完全匹配才算匹配成功。函数接口如下:bool isMatch(const char *s, const char *p)您在真实的面试中是否遇到过这个题?
2018-03-21 11:07:25
317
原创 114. 不同的路径
题目分析:创建一个M*N的数组 子问题,f(m,n)代表从(0,0)到(m,n)的路径数,则f(m,n)=f(m-1,n)+f(m,n-1);有一个机器人的位于一个 m × n 个网格左上角。机器人每一时刻只能向下或者向右移动一步。机器人试图达到网格的右下角。问有多少条不同的路径? 注意事项n和m均不超过100您在真实的面试中是否遇到过这个题
2018-03-20 22:39:47
341
原创 94. 二叉树中的最大路径和
问题分析:对每一个节点root来说,都维护左右最大子树的值,和其最大路径和max(rootVal,rootVal+leftVal,rootval+rightVal,rootval+rightVal+leftVal),也就是需要获取最大左右子树,即root1的返回值max(root1Val,root1Val+leftVal,root1val+rightVal);给出一棵二叉树,寻找一条路径使
2018-03-20 22:00:04
334
原创 29. 交叉字符串
29. 交叉字符串 描述 笔记 数据 评测给出三个字符串:s1、s2、s3,判断s3是否由s1和s2交叉构成。您在真实的面试中是否遇到过这个题? Yes样例比如 s1 = "aabcc" s2 = "dbbca" - 当 s3 = "aadbbcbcac",返回 true. - 当 s3 = "aa
2018-03-20 13:35:50
417
原创 547. 两数组的交
返回两个数组的交 注意事项Each element in the result must be unique.The result can be in any order.您在真实的面试中是否遇到过这个题? Yes样例nums1 = [1, 2, 2, 1], nums2 = [2, 2], 返回 [2].
2018-03-19 21:56:45
223
原创 457. 经典二分查找问题
在一个排序数组中找一个数,返回该数出现的任意位置,如果不存在,返回-1您在真实的面试中是否遇到过这个题? Yes样例给出数组 [1, 2, 2, 4, 5, 5].对于 target = 2, 返回 1 或者 2.对于 target = 5, 返回 4 或者 5.对于 target = 6, 返回 -1.挑战
2018-03-19 21:30:16
406
原创 104. 合并k个排序链表
合并k个排序链表,并且返回合并后的排序链表。尝试分析和描述其复杂度。您在真实的面试中是否遇到过这个题? Yes样例给出3个排序链表[2->4->null,null,-1->null],返回 -1->2->4->null/** * Definition of ListNode * class ListNode { * public:
2018-03-19 21:03:57
218
原创 lintcode 6-6. 合并排序数组
合并两个排序的整数数组A和B变成一个新的数组。您在真实的面试中是否遇到过这个题? Yes样例给出A=[1,2,3,4],B=[2,4,5,6],返回 [1,2,2,3,4,4,5,6]挑战 你能否优化你的算法,如果其中一个数组很大而另一个数组很小?标签 相关题目 class Solution
2018-01-10 21:56:51
431
原创 lintcode5-5. 第k大元素
在数组中找到第k大的元素 注意事项你可以交换数组中的元素的位置您在真实的面试中是否遇到过这个题? Yes样例给出数组 [9,3,2,4,8],第三大的元素是 4给出数组 [1,2,3,4,5],第一大的元素是 5,第二大的元素是 4,第三大的元素是 3,以此类推挑战 要求时间复杂度为O(n)
2017-12-20 15:04:54
299
原创 lintcode4-4. 丑数 II
设计一个算法,找出只含素因子2,3,5 的第 n 小的数。符合条件的数如:1, 2, 3, 4, 5, 6, 8, 9, 10, 12... 注意事项我们可以认为1也是一个丑数您在真实的面试中是否遇到过这个题? Yes样例如果n = 9, 返回 10挑战 要求时间复杂度为O(nlogn)
2017-12-18 21:50:16
405
原创 lintcode2-2. 尾部的零
设计一个算法,计算出n阶乘中尾部零的个数您在真实的面试中是否遇到过这个题? Yes样例11! = 39916800,因此应该返回 2挑战 O(logN)的时间复杂度标签 数学相关题目 这种直接数有多少个0的方法,即包含多少个5,时间复杂度是O(n)在时间上是通
2017-12-14 21:01:24
447
原创 lintcode1- 1. A + B 问题
给出两个整数a和b, 求他们的和, 但不能使用 + 等数学运算符。 注意事项你不需要从输入流读入数据,只需要根据aplusb的两个参数a和b,计算他们的和并返回就行。您在真实的面试中是否遇到过这个题? Yes说明a和b都是 32位 整数么?是的我可以使用位运算符么?当然可以样例
2017-12-14 19:54:31
293
转载 python:浅析python 中__name__ = '__main__' 的作用
有句话经典的概括了这段代码的意义:“Make a script both importable and executable”意思就是说让你写的脚本模块既可以导入到别的模块中用,另外该模块自己也可执行。这句话,可能一开始听的还不是很懂。下面举例说明:先写一个模块:12345#mo
2017-11-29 09:25:19
367
原创 PYTHON爬虫——谷歌(Google)图片关键词爬取
转载请注明出处: http://blog.csdn.net/Hk_john/article/details/78455889 给出完整代码:(请需要的自行下载,有问题请留言) http://download.csdn.net/download/hk_john/10105643 有时间会写一下百度图片和谷歌图片的python爬虫博客,先占行 google图片爬虫连接: 百度图片
2017-11-20 14:09:42
12084
转载 深度学习:卷积神经网络与图像识别基本概念
一 卷积神经网络的组成图像分类可以认为是给定一副测试图片作为输入 IϵRW×H×CIϵRW×H×C,输出该图片 属于哪一类。参数 W 是图像的宽度,H 是高度,C 是通道的个数;彩色图像中 C = 3,灰度图像 中 C = 1。一般的会设定总共类别的个数,例如在ImageNet竞赛中总共有 1000 个类别;在CIFAR10 中有 10 个类别。卷积神经网络则可以看成这样的黑匣子。输入
2017-11-17 10:40:57
19985
1
原创 【实例讲解】TensorFlow中TFRecord关键点
对于训练数据量非常大的机器学习项目,推荐使用TFRecord这种TensorFlow自带格式来制作和使用训练集,重点介绍在使用数据集时自己刚使用时有一点难以理解的地方。对于数据集的制作下面直接给出代码,具体的代码不进行详细解释,网上有很多相关的介绍。import osfrom PIL import Imageimport tensorflow as tfimport numpy as npi
2017-11-16 17:10:48
1573
转载 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
在计算loss的时候,最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits,那么它到底是怎么做的呢?首先明确一点,loss是代价值,也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)除去name参数用以指定该操作的name,
2017-11-09 13:34:40
1814
原创 PYTHON爬虫——必应图片关键词爬取
这段时间在实习,在做一些各大网站图片爬取的工作,基本告一段落,现在分别对百度图片,google图片,并应(Bing)图片三个网站的图片搜索结果进行爬取和下载。首先通过爬虫过程中遇到的问题,总结如下:1、一次页面加载的图片数量各个网站是不定的,每翻一页就会刷新一次,对于数据量大的爬虫几乎都需要用到翻页功能,有如下两种方式: 1)通过网站上的网址进行刷新,例如必应图片:url = 'htt
2017-11-06 11:38:36
20470
1
转载 python中的try/except/else/finally语句
与其他语言相同,在python中,try/except语句主要是用于处理程序正常执行过程中出现的一些异常情况,如语法错误(python作为脚本语言没有编译的环节,在执行过程中对语法进行检测,出错后发出异常消息)、数据除零错误、从未定义的变量上取值等;而try/finally语句则主要用于在无论是否发生异常情况,都需要执行一些清理工作的场合,如在通信过程中,无论通信是否发生错误,都需要在通信完成或者
2017-11-06 10:39:51
338
转载 Python 编码规范(Google)
Python 风格规范(Google)本项目并非 Google 官方项目, 而是由国内程序员凭热情创建和维护。如果你关注的是 Google 官方英文版, 请移步 Google Style Guide以下代码中 Yes 表示推荐,No 表示不推荐。分号不要在行尾加分号, 也不要用分号将两条命令放在同一行。行长度每行不超过80个字符
2017-11-02 14:08:31
434
转载 一张图总结Google C++编程规范(Google C++ Style Guide)
Google C++ Style Guide是一份不错的C++编码指南,我制作了一张比较全面的说明图,可以在短时间内快速掌握规范的重点内容。不过规范毕竟是人定的,记得活学活用。看图前别忘了阅读下面三条重要建议:1 保持一致也非常重要,如果你在一个文件中新加的代码和原有代码风格相去甚远的话,这就破坏了文件本身的整体美观也影响阅读,所以要尽量避免。2 一些条目往往有例外,比如下面这些,
2017-11-02 14:00:59
473
转载 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
浅析人脸检测之Haar分类器方法一、Haar分类器的前世今生 人脸检测属于计算机视觉的范畴,早期人们的主要研究方向是人脸识别,即根据人脸来识别人物的身份,后来在复杂背景下的人脸检测需求越来越大,人脸检测也逐渐作为一个单独的研究方向发展起来。 目前的人脸检测方法主要有两大类:基于知识和基于统计。Ø 基于知识的方法:主要利用先验知识将人脸看作器
2017-11-02 11:45:10
430
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人