Sun7_She的专栏

转载 DL学习笔记【12】caffe参数调节-数据层

转自：http://www.cnblogs.com/denny402/p/5070928.html要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。

转载 DL学习笔记【11】caffe参数调节-loss层

转自：http://www.cnblogs.com/lutingting/p/5240688.html在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍loss层 1. loss层总述下面首先给出全

转载 DL学习笔记【10】caffe参数调节-CNN常用参数记录

转自：http://www.cnblogs.com/lutingting/p/5240688.html1. epoch在代码中经常见到n_epochs这个参数，该参数到底是什么意思呢？答案如下：在一个epoch中，所有训练集数据使用一次one epoch = one forward pass and one backward pass of all

转载 DL学习笔记【9】caffe参数调节-全连接层

转自：http://www.cnblogs.com/lutingting/p/5240714.html在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍全连接层该层是对元素进行wise to wise的运算1.

转载 DL学习笔记【8】caffe参数调节-激活函数层

转自：http://www.cnblogs.com/lutingting/p/5240688.html在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍激活函数层 1. 激活函数层总述下面首先给出激活函

转载 DL学习笔记【7】caffe参数调节-Pooling层

转自：http://www.cnblogs.com/lutingting/p/5240677.html在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍pooling层1. Pooling层总述下面首先给出

转载 DL学习笔记【6】caffe参数调节-卷积层（convolution）

转自：http://www.cnblogs.com/lutingting/p/5240629.html在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍卷积层参考1. 卷积层总述下面首先给出卷积层的结构

转载 DL学习笔记【5】caffe参数调节-solver文件

solver文件：# 定义网络结构的文件net: "deblurring_train_test.prototxt"# test_iter 测试集向前传递多少次# batch size * test_iter = 测试集图片数test_iter: 100  # 每100次迭代执行一次测试test_interval: 100# 基础学习速率，动量，网络权重衰减bas

原创 DL学习笔记【4】caffe+win10+VS2013+cuda6.5+python安装过程

首先，按照这个教程，一步一步安装~http://blog.csdn.net/happynear/article/details/45372231当然，默认在这之前已经安装过VS2013+cuda6.5+Anaconda2了为了防止有些同学（比如：我）偷懒（懒得看教程就随意跳过几步，这是绝对不可以的！！！一把辛酸泪。。。），我可以再重复写一下步骤1. 下载caff

原创 DL学习笔记【3】keras安装使用注意事项

keras超级简易版教程：https://github.com/wxs/keras-mnist-tutorial/blob/master/MNIST%20in%20Keras.ipynb你只要保证你电脑上没有安装神马乱七八糟的东西，按照这里边的命令，一句一句敲到terminal和后边用到的网页中去，一切顺利得不要不要的～但是本人的电脑之前装过python，这就出问题了当

原创 机器学习---EM算法(分类)

很多时候算法没有搞明白其实是一堆符号没有明白是神马意思...所以本文，着重告诉大家，这堆符号，到底都，代表神马！以下使用到的图片来自上海交大杨旸老师的课件，网址如下：http://bcmi.sjtu.edu.cn/~yangyang/ml/我们首先来宏观认识一下EM算法。其实EMs就是K-means的升级版，也是

原创 机器学习---分类和测度

本文没有讲：GMM和GGM以下使用到的图片来自上海交大杨旸老师的课件，网址如下：http://bcmi.sjtu.edu.cn/~yangyang/ml/ 分类比较简单，就简单写写了。分类就是我们拿到一堆数据，怎么把它们分到不同的类别中呢？训练过程可以是监督或者非监督的。主要思想就是：距离近的就是一类，距离远的就分为别的类了。 那么什么是距离？距离需要满足以下特性：

原创 机器学习---过拟合和模型选择

以下内容主要在讲：我们怎样选取一个好的模型，判断模型好坏的指标或者选取策略是神马到目前为止我觉得下边说了这么多分割线前边有用的就一句——我们选取模型的时候需要考虑两个条件，1、error（基于约束条件）尽可能小，2、d（模型维数）尽可能小分割线后边还是比较有用的以下使用到的图片来自上海交大杨旸老师的课件，网址如下：http://bcmi.sjtu.edu.cn/~yangyang/

原创 机器学习---计算学习理论

如果你不是数学系的，就不要看这个了。因为以下内容全都在证明机器学习的方法是有效的，你可以用机器学习来得到你想要的结果。然而对于编程或者使用这个方法的人来说，你只要放心大胆地用就行了。就像你知道1+1=2，你并不需要知道它为什么等于，反正你可以用。以下使用到的图片来自上海交大杨旸老师的课件，网址如下：http://bcmi.sjtu.edu.cn/~yangyang/ml/写在前边，

原创 神经网络学习（不定期更新）

该笔记记录了一些知识点，只是为了提醒自己相关的概念，并不适合学习来用。1、监督学习：有一种学习方式是输入特征，输出是分类，采用监督学习，负反馈调节算法，调节每层权重2、非监督学习：举例：比如网络一共有10层，第一层输入20个节点，第二层18个，第三层16个......以此类推。由于层数太多，我们需要一层一层训练权重，当我们想要得到第一层和第二层节点之间的连接权

原创 机器学习---支持向量机（SVM）

很久之前就学了SVM，总觉得不就是找到中间那条线嘛，但有些地方模棱两可，真正编程的时候又是一团浆糊，参数随意试验，毫无章法。既然又重新学到了这一章节，那就要把之前没有搞懂的地方都整明白，再也不要做无用功了，嗯~以下使用到的图片来自上海交大杨旸老师的课件，网址如下：http://bcmi.sjtu.edu.cn/~yangyang/

原创 人脸美化随笔3——常见名词解释

看论文感觉差不多思路都理清了，但是总也不知道差在哪里，其实是很多看似不起眼，其实很重要的基本概念。比如你说你看懂了论文，它用了QQQ方法，做了WWW操作，然后得到了比EEE更好的结果。然而QQQ\WWW\EEE都不知道是啥，哎~也是难过。先大约知道它们都是用来干嘛的，然后至于要不要编程实现...还没想好，需要再说咯。下面我就来记录一下我看论文时遇到的某些概念：1、AAM：主动表

转载 目标检测随笔1——目标检测简要综述

本文转自：http://imbinwang.github.io/blog/object-detection-review目标检测任务可分为两个关键的子任务：目标分类和目标定位.目标分类任务负责判断输入图像中是否有感兴趣类别的物体出现,输出一系列带分数的标签表明感兴趣类别的物体出现在输入图像的可能性.目标定位任务负责确定输入图像中感兴趣类别的物体的位置和范围,输出物体的包围盒

原创 人脸美化随笔2——美化算法总结

想要站在巨人的肩膀上，首先要找的巨人。我可能是属狗熊的，在玉米地里掰一个扔一个，走到最后发现手里神马也木有。最近终于决定做一个现代化的狗熊，将这些玉米串起来打包带走，虽然并不知道这和现代化有神马关系，但是这不重要。重要的是！我的移动硬盘坏了，所有资料瞬间清空，所以我发现硬件略不靠谱啊，写在网上的才是真爱~相信CSDN会越办越好（——深情脸——）1. 对人脸美丽评分，SVR拟合（特征

原创 人脸美化随笔1——研究方向总结

照片总是需要修的，那么多种模型和算法各有各的优势，但仔细一想还是一团浆糊，按照理科生分类的思想，索性写个总结吧。现在手机里的美颜相机、修图软件数量超多的。但是设计嘛审美嘛，因人而异，各有各的观点，所以总有提升空间，这也是当时姐我没有选设计的原因，每个人都能对你的作品指(zhi)点(shou)一(hua)二(jiao)，特别是在我知道自己审美不咋地的情况下就更难过了，超佩服搞设计类的大神，言归正

原创 学术论文写作1——abstract，句型

之前一直以为自己勉强过了六级，顺带还学了一段时间雅思知道了几个短语就能愉快地写学术论文了呢。其实图样图森破啊，有木有！这里边需要注意的多着呢，看着老师在课堂上展示的神一样的流畅不带任何杂质的文章竟然仅仅是acceptable，而不是perfect，终于决定承认自己写的就是一堆rubbish了——下边就勉强展示一下我所记不多的内容：写论文，首先开头除了题目作者等信息之外，我们

原创 算法总结1——贪婪算法，动态规划

该文章所用的图片取自上海交大电院高晓沨老师上课所用的课件~顺便说一句，高老师的英语简直太棒了！网址：http://cs.sjtu.edu.cn/~gao-xf/algorithm/正值期中，即将考试，总结一下之前学的算法还是很有必要的，一方面记录以备之后用到，一方面防止自己在复习的过程中走神...本次先把刚刚学的动态规规划写清楚，因为下周要交作业啊摔...贪婪算法和递归

原创 解读——OpenCV Tutorials - Best of - Into Robotics

http://www.intorobotics.com/opencv-tutorials-best-of/本文为该网站各个程序的中文解读，为本人个人理解，如有错误，还望指正，谢谢^_^

原创 机器学习---线性回归

本节我们讲3种求解线性回归问题的方法：梯度下降法，牛顿法，正规方程法

原创 客观评测视频质量好坏的软件

一般来说评价视频和图像质量好坏，有两种方式：主观和客观主观就是找人对所给图像打分，按照人的主观感受来评价图像客观：会有一些算法或软件评价下边介绍两种客观评价方法：http://blog.csdn.net/leixiaohua1020/article/details/11729257http://blog.csdn.net/leixiaohua1020/art

原创 Mac编程配置基础和opencv2&python2配置方法

安装xcode：直接去App Store里找，然后安装就好，可能需要4～5个小时～安装home-brew 安装命令行程序home-brew cask 安装ui程序item2 更好用的命令后工具OhMyZsh 更好用的终端Sublime 或者 Atom文本编辑器，写代码很方便关于命令行的相关操作，可以看这个：

原创 DL学习笔记【2】caffe使用步骤详解

http://blog.csdn.net/u012878523/article/details/416982091、准备图片路径 所有图片在以下两个文件夹中分别放好E:\F\study\VC2012\DL\Caffe_VS2012\data\verifycode\trainE:\F\study\VC2012\DL\Caffe_VS2012\data\verifyco

原创 win7 64位 python3.4&opencv3.0配置安装教程

一、安装Python下载Python3.4.2网址：https://www.python.org/downloads/注意：1、之前下载Python3.5后安装numpy出现了安装错误，尝试了各种解决办法，还是不能成功。看到网上有一条评论说是3.5版本不稳定，然后我就换成了3.4。2，之后的步骤就很顺利了2、安装过程中需要勾选：add python3.4 to PATH

原创 交大研究生去日本签证攻略

1、护照：---拿着身份证去出入境管理局         ---交20元照照片         ---填写申请表，在大厅填写就好         ---然后到柜台办理         ---交200元钱，采集指纹         ---回家等着收快递（EMS，到付，我当时是4天就到了） 2、暂住证：         ---如果户口不是本地的话，需要办理这个

原创 MATLAB下使用libsvm （三）

编写程序的基本步骤~1、将数据中心化，是每一组特征中心化，而不是每个样本的数据中心化哦。原因就是之后要进行PCA降维，这个过程之前如果不将数据中心化，那么之后测试数据集映射出来的点就不对啦~具体看图啦~至于是否要归一化，这个并不是必要的步骤，所以看心情咯2、PCA降维，这个最好是以矩阵短的那一边进行SVD分解，这样可以提速啦，转换的公式可以推导一下哈X:28

原创 MATLAB下使用libsvm （二）

详解例子程序[heart_scale_label,heart_scale_inst]=libsvmread('heart_scale'); model = svmtrain(heart_scale_label,heart_scale_inst, '-c 1 -g 0.07');  [predict_label,accuracy, dec_values] = svmpredict(h

原创 MATLAB下使用libsvm

1、首先下载libsvmhttp://www.csie.ntu.edu.tw/~cjlin/libsvm/2、打开MATLABfile--setpath--add with subfolders选择之前下载解压的libsvm文件夹如：D:\Program Files\libsvm-3.203、运行clc;[heart_scale_label,he

原创 DL学习笔记【1】_运行CAFFE程序

http://blog.csdn.net/happynear/article/details/45372231 按照大神的网址中的教程安装就好啦~然后我这里简要写一点点自己安装过程中的问题和简要的安装过程~1、安装VS20122、安装CUDA6.53、按照教程配置各种变量等~其中系统目录是指环境变量\系统变量\Path然后成功安装之后就是闪退啦，用命令行

原创 算法讲解—【4】—Fisher准则&感知准则&最小错误分样本数准则

原创 算法讲解—【3】—模式识别简介&贝叶斯决策理论

==============================================================================1、模式识别简介============================================================================== 模式识别的定义：将某一具体事务正确地归入某一类别的

原创 算法讲解—【2】—遗传算法&群智能

==============================================================================1、遗传算法==============================================================================这种算法只是介绍一种思想，具体操作时要根据实际问题来决定具体算法

原创 算法讲解—【1】—决策树&神经网络

原创 MATLAB中添加SVM包

在本人最近无意中修改了MATLAB自带的svmtrain.m文件其实就是之前这个文件要修改的话，会显示只读，不让修改，但是我强行修改之后程序就报错，重装MATLAB也没有用于是便重新从网上下载安装最新的svm工具包~安装之后原本的问题就好了，很神奇使用方法：1、下载该工具包 : http://www.csie.ntu.edu.tw/~cjlin/libsvm/#down

原创 模式识别简介&贝叶斯决策理论

模式识别简介，贝叶斯决策理论，概率密度估计

原创 人工智能知识点记录

1．构成产生式系统的基本元素有(综合数据库) (产生式规则) (控制系统),控制策略按执行规则的方式分类,分为(搜索策略) (冲突消解策略) (正向反向双向推理)三类。2．归结过程中控制策略的作用是给出控制策略，以使仅对选择合适的子句间方可做归结，避免（多余的、不必要的归结式出现）。常见的控制策略有（推理方向）（求解策略）（限制策略）（冲突消解策略）。3．公式G和公式S的子句集并不等值，但