Joson_yuan的博客

Caffe2预测代码：bool FingerprintDNNLocating::initCaffe2(void){ string mdPath = map_mgr_.getCaff2ModelPath(); if ("" == mdPath) return false; string initNetPath = mdPath + "/init_net.pb"; string pred...

1. python model traing:you should add this to your python code when constract the model:    logits = tf.add(tf.matmul(hidden4, weights), biases, name='classify')    out = tf.nn.softmax(logits, n

cmake_minimum_required(VERSION 3.9)add_definitions(-D_GLIBCXX_USE_CXX11_ABI=1)project(tensorflowTest)set(CMAKE_CXX_STANDARD 11)include_directories(        /usr/local/include/tf       

难得的周末，貌似很久没有更博了。。。女友昨日跟我说诉说了一些在科研上的苦恼，她说她写的代码改原本好好的，自己手残改了一些地方，想改回来时却怎么也不记得自己改了哪儿。我突然想到自己以前也貌似有过同样的苦恼，因为自己平时懒得进行版本管理，结果出了问题时，浪费了一个周末才改回到以前的版本。女友用Matlab开发，探索了一番，因此今天教大家如何方便的对Matlab中的代码进行版本管理，我会尽量写得清晰

我使用的是win10系统，由于需要使用linux来执行神经网络的代码，遂在自己的pc上安装了vmware 12，并添加了centos 7.0。当我想使用vm-tools提供的共享文件夹功能来在centos中访问host中的文件时，发现在centos中根本找不到共享文件夹。那么问题来了，找不到文件夹该怎么做？

原文地址 http://blog.csdn.net/carson2005/article/details/7540936仿射变换（Affine Transformation或 Affine Map）是一种二维坐标到二维坐标之间的线性变换，它保持了二维图形的“平直性”（即：直线经过变换之后依然是直线）和“平行性”（即：二维图形之间的相对位置关系保持不变，平行线依然是平行线，且直线上点的位置顺

作为Java开发人员，在Linux下安装一些开发工具是必备技能，本文以安装jdk为例，详细记录了每一步的操作命令，以供参考。0.下载jdk8登录网址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html选择对应jdk版本下载。（可在Windows下下载完成后，通过文件夹共享

1简介2简单编译2.1预处理2.2编译为汇编代码(Compilation)2.3汇编(Assembly)2.4连接(Linking)3多个程序文件的编译4检错5库文件连接5.1编译成可执行文件5.2链接5.3强制链接时使用静态链接库1简介GCC 的意思也只是 GNU C Compiler 而已。

5.4   DEM数据的获取与预处理DEM高程数据用栅格像元值的方式来存储地表的高程信息，我国目前以黄海的平均海水面为高程基准，图像中的每个栅格值代表该位置与黄海水平面的相对高度，即海拔高度。在网上免费下载的DEM高程数据的空间参考为记录经纬度的地理坐标系，基准面为WGS_1984，其分辨率为90m，这与所给的研究区的TM影像的空间参考和分辨率无法匹配，故下面需要对下载的DEM数据进行投影

5.      处理流程5.1   TM数据的获取与预处理由于需求方所提供的TM遥感数据已经经过几何校正、辐射校正等预处理工作，故不需要再对其进行处理。国内的TM数据可在中国科学院遥感与数字地球研究所的门户网站上下载（http://cs.rsgs.ac.cn/cs_cn/cshome.asp），该网站提供海量共享数据免费下载，下载的数据基本经过了预处理等操作。5.2   非

基于ENVI下的土地利用信息提取1.        前言对于土地利用信息的提取的研究，国内外各类文献资料中介绍的方法十分繁多，可大致分为：基于监督分类法、基于非监督分类法、基于决策树分类法、基于面向对象分类法、以及基于人工神经网络分类法5种。对于不同区域以及不同时相的数据，选取的方法不尽相同。提取土地利用信息的首要目标是选取最合适的分类方法来提取需求方最关注的信息。本文采取的分类方

一般情况下，整形数据占4个字节，其范围在-32768-32767之间。当我们遇到两个巨大的数的时候，直接利用整形来计算，往往无法满足要求。例如计算：123456789与987654321。这里便需要设计特定的算法来计算两个大位数的乘积。算法设计的大致思路为将两个大位数看成两个整形的数组，即int bigNum1[ ]和int bigNum2[ ]。这里为了方便计算直接使用int型，但为了节省空

1、格雷编码简介在一组数的编码中，若任意两个相邻的代码只有一位二进制数不同，则称这种编码为格雷码（Gray Code）。例如7的格雷码为0101，8的格雷码为0100，9的格雷码为1100。相邻两个数字的编码只需变动一位。其余普通的二进制编码相比，虽然自然二进制码可以直接由数/模转换器转换成模拟信号，但在某些情况，例如从十进制的3转换为4时二进制码的每一位都要变，能使数字电路产生很大的

由于前段时间太忙，很久没有更新过内容了，直奔主题吧。有下面一个文本文件，其存储的内容为：第一列代表天数，第二列代表时刻，第三列代表各天的值。现在需要统计各天数值的平均值及该天出现的个数，其中文件是已经按天数排好序的。例如，如上图所示，第152天出现的个数为3，平均值为第三列前三个数之和除以个数3。那么怎样用C++去做这样一个统计呢？可以预想到这其中肯定要访问文件和分割字

之前在网上看到一篇利用向量内积来判断线段是否相交的例子，自己也曾尝试过去书写这样的算法，但是在书写过程中发现，由于该算法涉及的知识包括向量叉乘和点乘公式以及行列式计算等，导致算法的可读性不强，有些地方难于理解。故利用中学的几何知识重新书写判断线段相交的算法，新的算法运算快捷且简单易懂。下面便是详细介绍：如题：书写算法判断线段p1p2与线段p3p4是否相交。核心思想其实非常的简单：这里将

数据结构学习（C++）—二叉树 happycock（原作)【1】这些天参与了CSDN论坛的讨论，改变了我以前的一些看法。回头看我以前的东西，我虽对这本书很不满，但我还是按照它的安排在一点点的写；这样就导致了，我过多的在意书中的偏漏，我写的更多是说“这本书怎样”，而偏离了我写这些的初衷——给正在学习数据结构的人一些帮助。正像我在前面所说的，虽然现有的教科书都不是很合理，但如果仅仅是抱怨这

先来看一个TopK题目： 搜索引擎会通过日志文件把用户每次检索使用的所有检索串都记录下来，每个查询串的长度为1-255字节。     假设目前有一千万个记录（这些查询串的重复度比较高，虽然总数是1千万，但如果除去重复后，不超过3百万个。一个查询串的重复度越高，说明查询它的用户越多，也就是越热门。），请你统计最热门的10个查询串，要求使用的内存不能超过1G。 如何解答？Topk之前已经说过，寻找

作者：Vamei 出处：http://www.cnblogs.com/vamei 欢迎转载，也请保留这段声明。谢谢！HASH哈希表(hash table)是从一个集合A到另一个集合B的映射(mapping)。映射是一种对应关系，而且集合A的某个元素只能对应集合B中的一个元素。但反过来，集合B中的一个元素可能对应多个集合A中的元素。如果B中的元素只能对应A中的一个元素，这样的

问题描述：在利用C#程序中，拼接两个字符可以直接用 “+”， 比如string str = str1 + "Hello World"。那么在C中， 如何将Char *与字符串“Hello World”拼接起来，得到新的字符串呢？解答：对于像我一样习惯了写C#程序的同学来说，习惯了利用“+”拼接，转到C时便懵B了，哈哈。其实很简单，代码如下： char p[10] = "linux"