JNing

算法策略分治：自顶向下，分而治之。常用递归。动态规划（DP）：类似于分治，但会存储每个子问题的解，避免重复计算。常用迭代。贪心：类似于DP，但每步都求局部最优。计算次数往往会比DP少。凡是用贪心能解决的，DP都能解决。实现手段递归：A调用A自身。所有的递归都可以转化成迭代。迭代：A循环调用B，并不断更新变量的旧值。...

代码实现：class solution(object): def solveNQueens(self, n): self.helper([-1]*n, 0, n) def helper(self, columnPosition, rowindex, n):#ding # print(rowindex) if rowindex == n: self.printSolution(columnPosition, n)

动态规划def cut(n): if n < 2: return 0 elif n == 2: return 1 elif n == 3: return 2 else: lst = [0, 1, 2, 3] for i in range(4, n+1): max = 0 for j in range(1, i//2+1):

思路一般用动态规划（DP）。输入参数W:各个物品的重量；V:各个物品的价值；carry:最大承重为carry的背包；N：物品件数。0-1背包每件物品只能选一次。def bag_01(V, W, carry, N): res = [0] * (carry+1) for i in range(N): for j in range(carry, W[i]-1, -1): res[j] = max(res[j], res[j-W[i]

继承子类直接继承一个父类（基类），包括父类的所有属性和函数。多态同一个函数在多个类中都有（可能实现方法各有不同），最后哪个类作为传入对象，就调用谁家的该函数。封装：隐藏实现过程，只提供现成的调用接口给外部。...

本篇针对所记的所有blog做一个汇总。

def quick_sort(x, low, high): if len(x) <= 1 or low >= high: return x base, l, r = x[low], low, high while l < r: while l < r and x[r] >= base: r...

tensor是如何命名的Tensorflow中，tensor的名字是op的名字加上 :0 （如果有多个，这又会有 :1 、:2 。。。。）打印所有nodefor n in tf.get_default_graph().as_graph_def().node: print(n.name)...

net.load vs saver.restore.load() 只能加载.npy文件，.restore() 只能加载 ckpt（checkpoint）文件。net.load 会增加assign节点一定会改图，所以要在 sess.graph.finalize() 之前。 saver.restore 不会改图，可以放到 sess.graph.finalize() 之后。Assign节点只会在...

Tensorflow通过tf.gfile.FastGFile(filename,’rb’).read()读取的图像，是图像的原始数据，还需要经过解码，才能获取图像的数据，数据的格式为RGB(三通道图像)，这一点是与Opencv不同。Tensorflow提供了对jpeg和png格式图片的解码函数，例如“decode_jpeg”对jpeg格式的图片进行解码，使用encode_jpeg编码，将图像...

尽量不要这么写：from lib import *可能会导致重复压入。而且万一遇上重命名，就会出现覆盖而导致的出错。所以最好避免这种写法。

通过设置镜像目录来扩容本地存储空间：在对应磁盘上新建要用来存储的文件夹：sudo mkdir /home/磁盘名称/用户名指定文件夹的拥有者：sudo chown -R 用户名:users /home/磁盘名称/用户名创建从存储文件夹到本地镜像目录的软链接：ln -s /home/磁盘名称/用户名 ~/镜像目录...

tf中的op就是node。所有tensorflow操作，都会生成tf node。打印所有node：for n in tf.get_default_graph().as_graph_def().node: print(n.name)train时的graph往往会比test时的graph多很多node（例如：tf预处理操作，甚至包括读tfrecord）。但是output node在tra...

定义反色又叫补色。例如：黑与白、红与青等。反色是与原色叠加可以变为白色的颜色，即用白色（RGB：255，255，255）减去原色的颜色。比如（RGB：255，0，0）的反色是（0，255，255）。实验原图：代码：import cv2def reverse_color(img): img = 255 - img.copy() return imgif __...

import timefrom tqdm import tqdmimport multiprocessing as mpdef pickle_process(_class, *args): return _class.proc_func(*args)class OP(): def __init__(self): self.length = 64 ...

python2下的写法import timefrom tqdm import tqdmimport multiprocessing as mpdef picklable_op(_class, *args): """ 多进程之间要使用pickle来序列化并传递一些数据。 由于py2下实例方法并不能像py3一样直接被pickle。 所以需要对多进程对象进行封...

推荐以下两种万能标注工具：labelme精灵标注

import tensorflow as tffrom tensorflow.python.platform import gfilepb_file = ‘xxx/xxx/xxx.pb’pb_log_dir = ‘xxx/xxx/log/’def show_pb_graph(): graph = tf.get_default_graph() graph_def = ...

获取shapeimport tensorflow as tftensor = tf.placeholder(dtype=tf.float32, shape=[200, 200, 3])print('
=========== get shape ============')print('tensor : ', tensor)print('tenso...

参数参数作用l以长格式显示，即列出文件详细信息s降序排列h将文件大小转为我们习惯的M、K等为单位的大小t按修改时间对文件进行排序，默认是最近修改的在前r对结果逆序常用操作按文件大小排序降序：ls -lsh升序：ls -lrsh按文件修改时间查看文件降序：ls -lt升序：ls -lrt参考文献[1] l...

共同点作用域函数 包括：命名域：tf.name_scope()变量域：tf.variable_scope()对于使用 tf.Variable()方式创建的变量，具有相同的效果。即：都会在变量名称前面，加上域名称。都可用于：变量共享tensorboard画流程图进行可视化封装变量但是，tf.Variable() 每次都会新建变量。如果希望重用（共享）一些变量，必须用到...

feed array1：预设placeholder：self.xxx = tf.placeholder(dtype=tf.float32, shape=[xxx, xxx], name='xxx')2：喂numpy.ndarray格式的矩阵进去：xxx = sess.run(self.xxx, feed_dict={self.xxx: xx_array})feed variable...

加密压缩：zip -r -P <密码> <压缩包> <源文件>

查看各块硬盘的整体占用情况：df -h查找文件夹下的超大文件：find {要查找的文件夹} -type f -size +10000k

配置visdom用visdom记录pytorch训练过程时，需要在本地打开visdom：python -m visdom.server -env_path "... .../visdom_data/"如果pytorch训练进程在服务器上，而本地又想同步查看visdom，则需要同时在本地和服务器执行上面的指令。建议把指令放到screen里面去执行，这样不会被误kill。...

查看所有带有python字样的进程信息：ps aux | grep "python"

将终端显示全部保存到log：python/sh 命令 > log.txt 2>&1 其中，2>&1是指将错误信息重写入标准输出中。

快捷键命令说明control + a + d退出screenscreen -m有作业情况下，建立新的screen作业screen -r {PID}进入指定的screen作业screen -ls显示当前所有的screen作业screen无作业情况下，建立新的screen作业ctr a + ctr a单screen中切换viewct...

配置修改当前用户的Vim配置：vim ~/.vimrc填写信息如下：set ts=4set expandtabset autoindent使之生效：source ~/.vimrc快捷键命令说明0行首$ (shift+6)行尾gg文首G（shift+g）文尾A（Shift+a)文尾，并编辑ctrl + f向上翻整...

配置iterm2完全参照这篇文章即可：Mac OS 终端利器 iTerm2iterm2操作命令说明command + t新建标签command + w关闭标签command + 数字、command + 左右方向键切换标签command + enter切换全屏command + f查找command + d垂直分屏comma...

法一specified_var_lst = [v for v in tf.global_variables() if "conv_1/" in v.name]print(specified_var_lst)法二for i, v in enumerate(specified_var_lst): print('
{}/{} {} :
{} '.format(i, len(sp...

注意事项注意graph一定要用 sess.graph.finalize()，相当于把整个图冻住，使图变为只读的形式，不再允许增加节点。注意循环循环中禁用如下可能会改变图节点的函数： tf.convert_to_tensor() tf.reshape() tf.cast() tf.zeros_like() tf.ones_like() tf.assign() tf.train....

tfrecord，写的时候是一行一行地写的，读的时候是每batch个行地读的。写的时候，通过for循环（例如：img_path, cls_label = img_paths[i], cls_labels[I]）往tf.train.Example里面喂feature。因此，tf.train.Example中的feature喂入的是单行的数据（包括一个img_path、及其对应的encod...

安装通过condaconda install pytorch torchvision -c pytorch通过pippip install torch torchvision

选取Python解释器使用 Ctrl+Shift+P打开命令板：输入 Python: Select Interpreter进行搜索。接下来会显示VSCode所能找到的全部解释器，选择你需要的哪个就好。...

安装ompi准备ompi安装包下载ompi：https://github.com/open-mpi/ompi/releases版本建议大于4.0.0。因为发现openmpi-4.0.0里面没有configure，只找到config，因此我自己用的是openmpi-4.0.1.tar.gz。把ompi压缩包上传到要安装horovod的服务器。安装ompi我没有完全按照ho...

安装TensorFlow有Cuda检查可安装的tensorflow-gpu版本范围：安装：pip install tensorflow-gpu无Cuda检查可安装的tensorflow版本范围：安装：pip install tensorflow

查看查看protobuf版本protoc --version查看protobuf安装路径which protocNote：虽然 pip show protobuf也可以看到protobuf的相关信息，但是所指向的可能不是同一个protobuf，通过 which protobuf可看出。问题遇到protobuf版本不对卸载原有protobufpip uninstall p...

安装根据实际安装需要，选择 “仅安装python接口” 或 “同时安装python/c++接口” 其中一种即可。仅安装python接口仅支持TensorFlow、PyTorch，不支持Caffe。pip install opencv-python若pip不能正常使用，则去 清华大学镜像站 中找到最新版的opencv包（.whl文件），下载之。直接pip install下好的安装包p...

安装Linux以安装0.2.20版本的OpenBLAS举例。直接下载或上传 OpenBLAS-0.2.20.tar.gz 到待安装目录。解压tar -zxvf OpenBLAS-0.2.20.tar.gz编译make -j8安装sudo make install判断安装成功：/opt/OpenBLAS/ 目录存在cd /opt/OpenBLAS/...

永久性指定源编辑 ~/.pip/pip.conf：mkdir ~/.pipvim ~/.pip/pip.conf写入如下内容：[global]trusted-host = xxxxindex-url = xxxx立即生效：source ~/.pip/pip.conf临时性指定源pip install {库名} --index='xxxx' --trusted-host=...

安装Linux下bash {anaconda的.sh安装包}MacOS下点击解压，根据提示来装路径配置将anaconda的路径写入到 $PATH 中vim ~/.bashrcsource ~/.bashrc检查当前的python路径which python...

检查DriverNote:一台机器只能对应一个nvidia driver，而一个nvidia driver可以对应多个cuda。只要在自己的路径下把cuda指定成特定版本就行。尽量不要使用/usr/local/下面的默认cuda/，防止因为ln对象会发生变化而造成影响。nvidia driver版本 决定了 可用的cuda范围，进而决定了 可用的tensorflow-gpu版本。所以，每...

关闭应用点击要关闭的应用command + q

关闭Finder一共有三种方法。通过killall指令在命令行输入：killall Finder通过快捷键点击要关闭的文件夹command + option + w通过活动监视器在启动台搜 活动监视器，找到 “Finder” 并 “强制退出” 。...

前言在使用tkinter的时候经常会不知道某个键盘具体对应的 event.char和event.keycode是什么，上网去查找又很麻烦。Code以下是我总结的模板，专门用于辨识键盘输入：import sysif sys.version_info.major >= 3: from tkinter import *else: from Tkinter import ...

前言博主之前没接触过Web开发，只是想用Python Web框架开发一个小工具。临时上网调研了一下常用的三大python web框架（Django、Flask、Tornado），记录如下：Django：大而全；Flask：短小灵活，但就是太灵活了其实对新手来说不好控制；Tornad：短小灵活，天生异步处理强。较为原始。因为我只需要开发一个小工具，所以肯定不选Django。看了一下Fl...

问题Python2已经停止维护，但由于历史原因，我们不得不在接下来的几年中，习惯两种语言依然共存的状况。如果能习惯性地写出同时兼容py2与py3的代码，就可以减少很多不必要的踩坑。前言博主研一时用py2，研二后改用py2。现在工作了，每次都要在本地写适配py3的代码，放到只能适配py2的服务器上去跑。对于如何写出兼容py2与py3的代码，积累了一点踩坑心得。下文是我总结的一些个人经验。...

问题一般大家在跑tf时，单个程序往往会占满整块GPU的所有显存。但是实际上，程序很可能并不需要那么大的显存空间。改进方案通过 tf.ConfigProto().gpu_options.allow_growth=True来告诉程序，只需占用实际所需的显存即可：# ---------------- session ----------------config = tf.ConfigProt...

py3下，__file__返回的是文件的 绝对地址 ；而在py2下，__file__返回的是文件的 相对地址 。想在py2下获取文件的绝对地址，可以借助 os.path.abspath()：import osprint(os.path.abspath(__file__))即可获取绝对地址。...

问题Mac显示已连接Wifi，但是无法正常使用网络。解决方案清空现有DNS：mac -> 系统偏好设置 -> 网络 -> 高级 -> DNS -> 手动清空所有的IP

Public Member Funcchannels()Mat矩阵元素拥有的通道数。depth()用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关。depth数值越大，精度越高。Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F...

OpenCV使用Mat存图像，有专门的图像格式。命名规则通用的参数命名格式为：CV_{元素比特数}{元素类型}C{通道数}例如，最常见的 CV_8UC3 中：8U：8bit unsigned ；C3：通道数为 3 。因此，CV_8UC3 就表示为 3通道Unsigned 8bits 格式的矩阵，也就是我们常说的 BGR3通道 。类似的还有：CV_8UC1，CV_8UC2...

作用图像在OpenCV中都是通过Mat类来存储的，Mat可以用来表示N维矩阵。Public Attributes主要包含两部分：用来描述矩阵的头信息；data指针，指向Mat中存储的数据。typeattr备注MatAllocator *allocatorconst uchar *dataendconst uchar *datalimit...

需要调用到opencv的什么功能，就在代码头提前引用好对应的头文件。所有的头文件都可以在include/opencv2/文件夹找到。以下列举比较重要的：#include "opencv2/core/core_c.h"#include "opencv2/core/core.hpp"#include "opencv2/flann/miniflann.hpp"#include "opencv...

问题对于特别大的仓库，直接clone需要耗时很久很久。解决方法建议直接新建一个空仓库，然后pull特定的分支即可。具体操作建议直接mkdir相应的仓库名称：mkdir {repo名称} 转为git仓库（即：新建.git/）：git init配置好remote origin：git remote add origin {repo上游地址}只拉取特定分支即...

以下是我在2018年7月份找工作时，根据个人所学总结出的基础网络 (basemodel) 综述。其中，仅仅挑出我认为比较重要的一系列基础网络，按照时间顺序进行简要概述。如有阐述不对的地方，恳请指出。LeNet时间1998意义标志着 CNN 的真正面世。优点在字符识别上取得了高于 99%的准确率。缺点当时没有 GPU，训练LeNet 极耗时；非 OCR 的任务上，甚...

以下是我在2018年7月份找工作时，总结个人所学写出的目标检测算法综述。其中，仅仅挑出我认为比较重要的一系列算法，按照时间顺序进行简要概述。如有阐述不对的地方，恳请指出。R-CNN：【时间】2013【意义】鼻祖级CNN detector。真正实现了“将检测任务转换为分类任务”。检测算法的主流由传统模型转为CNN模型。CVPR2014。【创新点】解决了两大问题：1. 如何定位；2.如何在...

冒泡排序def bubble_sort(x): for i in range(len(x)): for j in range(1, len(x)-i): if x[j-1] &gt; x[j]: x[j-1], x[j] = x[j], x[j-1] return x插入排序def insert_sor...

DifficultyMedium.ProblemSerialization is the process of converting a data structure or object into a sequence of bits so that it can be stored in a file or memory buffer, or transmitted across a ne...

DifficultyMedium.ProblemFind the kth largest element in an unsorted array. Note that it is the kth largest element in the sorted order, not the kth distinct element.Example 1:Input: [3,2,1,5,6...

DifficultyEasy.ProblemReverse a singly linked list.Example:Input: 1-&gt;2-&gt;3-&gt;4-&gt;5-&gt;NULLOutput: 5-&gt;4-&gt;3-&gt;2-&gt;1-&gt;NULLFollow up:A linked list can be reversed either ...

DifficultyMedium.ProblemGiven a binary tree, return the preorder traversal of its nodes' values.Example:Input: [1,null,2,3] 1 \ 2 / 3Output: [1,2,3]Follow up: Recursive so...

DifficultyEasy.ProblemGiven a linked list, determine if it has a cycle in it.Follow up:Can you solve it without using extra space?AC# Definition for singly-linked list.# class ListNode(objec...

DifficultyEasy.ProblemSay you have an array for which the ith element is the price of a given stock on day i.Design an algorithm to find the maximum profit. You may complete as many transactions ...

DifficultyEasy.ProblemSay you have an array for which the ith element is the price of a given stock on day i.Design an algorithm to find the maximum profit. You may complete as many transactions...

DifficultyEasy.ProblemSay you have an array for which the ith element is the price of a given stock on day i.Design an algorithm to find the maximum profit. You may complete as many transactions...

DifficultyEasy.ProblemSay you have an array for which the ith element is the price of a given stock on day i.If you were only permitted to complete at most one transaction (i.e., buy one and sel...

DifficultyMedium.ProblemGiven a triangle, find the minimum path sum from top to bottom. Each step you may move to adjacent numbers on the row below.For example, given the following triangle[ ...

DifficultyEasy.ProblemGiven a non-negative index k where k ≤ 33, return the kth index row of the Pascal's triangle.Note that the row index starts from 0.In Pascal's triangle, each number is th...

DifficultyEasy.ProblemGiven a non-negative integer numRows, generate the first numRows of Pascal's triangle.In Pascal's triangle, each number is the sum of the two numbers directly above it.Ex...

DifficultyMedium.ProblemGiven a binary treestruct TreeLinkNode { TreeLinkNode *left; TreeLinkNode *right; TreeLinkNode *next;}Populate each next pointer to point to its next right node. ...

DifficultyMedium.ProblemGiven a binary treestruct TreeLinkNode { TreeLinkNode *left; TreeLinkNode *right; TreeLinkNode *next;}Populate each next pointer to point to its next right node. I...

DifficultyMedium.ProblemGiven a binary tree, flatten it to a linked list in-place.For example, given the following tree: 1 / \ 2 5 / \ \3 4 6The flattened tree should look li...

DifficultyMedium.ProblemGiven a binary tree and a sum, find all root-to-leaf paths where each path's sum equals the given sum.Note: A leaf is a node with no children.Example:Given the below b...

DifficultyEasy.ProblemGiven a binary tree and a sum, determine if the tree has a root-to-leaf path such that adding up all the values along the path equals the given sum.Note: A leaf is a node w...

DifficultyEasy.ProblemGiven a binary tree, find its minimum depth.The minimum depth is the number of nodes along the shortest path from the root node down to the nearest leaf node.Note: A leaf ...

DifficultyEasy.ProblemGiven a binary tree, determine if it is height-balanced.For this problem, a height-balanced binary tree is defined as:a binary tree in which the depth of the two subtrees ...

DifficultyMedium.ProblemGiven a singly linked list where elements are sorted in ascending order, convert it to a height balanced BST.For this problem, a height-balanced binary tree is defined as ...

DifficultyEasy.ProblemGiven an array where elements are sorted in ascending order, convert it to a height balanced BST.For this problem, a height-balanced binary tree is defined as a binary tree ...

DifficultyEasy.ProblemGiven a binary tree, return the bottom-up level order traversal of its nodes' values. (ie, from left to right, level by level from leaf to root).For example:Given binary t...

DifficultyMedium.ProblemGiven inorder and postorder traversal of a tree, construct the binary tree.Note:You may assume that duplicates do not exist in the tree.For example, giveninorder = [9...

DifficultyMedium.ProblemGiven preorder and inorder traversal of a tree, construct the binary tree.Note:You may assume that duplicates do not exist in the tree.For example, givenpreorder = [3...

DifficultyEasy.ProblemGiven a binary tree, find its maximum depth.The maximum depth is the number of nodes along the longest path from the root node down to the farthest leaf node.Note: A leaf ...

DifficultyMedium.ProblemGiven a binary tree, return the zigzag level order traversal of its nodes' values. (ie, from left to right, then right to left for the next level and alternate between).Fo...

DifficultyMedium.ProblemGiven a binary tree, return the level order traversal of its nodes' values. (ie, from left to right, level by level).For example:Given binary tree [3,9,20,null,null,15,7...

DifficultyEasy.Problem# Given a binary tree, check whether it is a mirror of itself (ie, symmetric around its center).## For example, this binary tree [1,2,2,3,4,4,3] is symmetric:## 1# ...

Introduction文章开篇即指出，现有的三种 Scale handling 方法都不好。Featurized image pyramid 计算开销和存储开销都太大： 基于深度网络的检测算法出来之前，检测算法基本都是基于这种scale handling；后来出现的SNIP、SNIPER也是基于Image Pyramid。Single feature map 框不出小物体： ...

ResNet之前在ResNet (2015.12) 出来之前，basemodel经历了从AlexNet一家独大，到VGG和GoogleNet平分天下的时期。ResNet之后ResNet出来后，由于其简单和强大，成为了basemodel的绝对标杆。如今从业者一般遵循以下流程：先用ResNet-50来验证算法的有效性；当该算法在ResNet-50上切实有效后，如果要追求算法速度...

Introduction传统的Non-Maximum Supression去重过程如下： 但是对于两个“高度重合的object”，却容易“误杀”，导致只剩下一个bbox： Innovation针对传统的NMS计算公式： Bharat Singh等人提出了soft版的NMS： 即： 不再删除所有与highest-score的bbox大于IoU阈值的框，而改为降...

前言该篇blog会持续更新，不断记录我对Detection算法的新总结。目的性“去重”&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;“加重” “去重”的算法 具体阐述 SPPNet 去除卷积的重复抽取 Fast R-CNN 去除卷积的重复抽取 R-FCN 去除RoI-wise network的重复

Introduction传统的CNN中，convolution 和 pooling 的操作已被定死。只能在方正死板的区域内按部就班地映射操作： 这种设计显然对于现实场景中遇到ratio(比例)和rotation(旋转角度)多变的的非刚体object，是不够general的。那么怎么办呢？传统的回避途径有以下两个：根据先验 加数据：根据先验信息，增加training datase...

[1] Wikipedia-距离函数 [2] DistLearnKit [3] 基于深度学习的Person Re-ID（度量学习） [4] 度量学习 [5] 度量学习（Distance Metric Learning）介绍

IntroductionInnovationResultThinking[1] R-FCN-3000 at 30fps: Decoupling Detection and Classification

IntroductionInnovationResultThinking[1] Light-Head R-CNN: In Defense of Two-Stage Object Detector

IntroductionInnovationResultThinking[1] R-FCN: Object Detection via Region-based Fully Convolutional Networks [2] [3] [4]

IntroductionGoogleNet论文中研究 group size 而搞出了Inceptionv1(即多group的CNN分支)。此后，Inception不断迭代，group size被越玩越复杂，一直发展到了v4版本。这时，Inception的鼻祖Google团队又提出了 Extreme Inception ，即赫赫有名的 Xception 。只不过，这次不再是之前的 并行式gr...

Introduction传统的Faster R-CNN结构如下： 在train阶段，其最终的输出结果是通过如下一个简单的IoU阈值判断来决定哪些proposal作为output： 对IoU阈值设置的探索由于早前VOC只以 mAP50mAP50mAP_{50} 作为唯一的性能衡量标准，为了overfit该数据集，算法的IoU阈值在train阶段和inference阶段常被简单...

IntroductionInnovationResultThinking[1] Speed/accuracy trade-offs for modern convolutional object detectors