![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
学习
半夜起来敲代码
小学毕业
展开
-
linux task的五大状态
这里我们说的五大状态实际上是针对task_struct里面的state成员取值的long state;这里整理了一下五种状态介绍:statecommentsrunning(R)该状态表示task运行,具体来说可分为running和runnable,一个表示正在CPU上运行,一个表示挂载RQ上准备就绪,等待分配CPUinterruptible(S)该状态表示进程因为等待一些条件而被阻塞而所处的状态,常见的就是资源、锁什么的,一旦就绪那么立即转为running态uni原创 2022-01-27 22:56:27 · 1217 阅读 · 0 评论 -
linux screen进阶使用之如何确定当前screen
之前用了screen非常好用,不仅能够实现多终端操作,还能够保证就算关闭终端,执行的任务也不会中断PS:一般来说如果我们关闭了当前的终端,那么相对应在该终端仍然执行的任务也会被杀死(相当于父进程都没了,其相应子进程也没了)但是有个问题哈,我开多个screen,怎么知道当前是哪个呢?下面就说一下如何知道当前是哪个首先还是先找到screen的配置文件/etc/screenrc在后面找到这么一条被注释的内容:然后我们恢复,这样在每个screen窗口下方就有当前存在的screen信息栏并且在创建sc原创 2021-05-25 10:46:04 · 2511 阅读 · 1 评论 -
windows terminal工具
Windows Terminal 将会通过 Windows 10 的 Microsoft Store 提供,并且会定期更新,以始终保持最新状态。Windows Terminal主要功能多标签支持「终端」用户最常见的需求就是多标签支持。所以,应广大用户的需求,Windows Terminal 工具也提供了多标签支持。用户可以在交互窗口中打开多个选项卡,不同的选项卡会连接到用户选择的命令行 Shell 或应用程序,例如:「命令提示符」、PowerShell 或者 WSL 上的 Ubuntu,甚至...转载 2020-10-30 11:56:00 · 265 阅读 · 0 评论 -
darknet使用心得
实际上很简单,网络配置加载进去,然后进行检测就行了1.darknet.py需要依赖 libdarknet.so文件,.so就在darknet目录下,打开darknet.py可以看到:lib = CDLL("/home/xxx/文档/darknet-master/libdarknet.so", RTLD_GLOBAL)这句话,第一个参数变成.so的绝对路径就行了2.看load_net,load...原创 2019-04-29 15:18:07 · 1195 阅读 · 1 评论 -
卷积层小结
每一层卷积网络都在前一层的信息基础上提取更加抽象的特征。第一层通常学习到简单的边缘,第二层寻找目标边缘的模式,以激活后续卷积网络中更加复杂的形状。最终,我们得到一个在空间维度上比原始图片小很多,但表征更深的卷积特征图。特征图的长和宽会随着卷积层间的池化而缩小,深度会随着卷积层滤波器的数量而增加。卷积特征图将图片的所有信息编码到深度的维度上,同时保留着原始图片上目标物体的相对位置信息。例如,如果图...原创 2019-04-24 14:21:47 · 237 阅读 · 0 评论 -
darknet .cfg文件内容
根据各个参数的作用可以将网络配置文件中的配置项分为两类:与训练直接相关的项, 以 [net] 行开头的段. 其中包含的参数有: batch_size, width,height,channel,momentum,decay,angle,saturation, exposure,hue,learning_rate,burn_in,max_batches,policy,steps,scales;不...原创 2019-05-04 15:19:59 · 455 阅读 · 0 评论 -
ML模型检测
模型训练出来了要进行检测,采用valid dataset来进行模型检验通常利用learning curve来进行模型的处理,看出来模型欠拟合/过拟合过拟合方法:首选正则化然后是增加数据量提取特征...原创 2019-04-19 10:43:40 · 599 阅读 · 0 评论 -
ML数据分析
数据准备->数据清洗->数据重构->数据分析典型的重构就是归一化1.拿到数据首先转换成.csv格式的,然后利用pandas读取,并且转换成DataFrame格式的数据(其他.txt格式的可以先变成dataframe格式的然后再dataframe.to_csv写成.csv文件)2。观察两个特征之间的关系,采用散点图表示pairplot,对于存在明显线性关系的特征可以绘制出来其...原创 2019-04-17 20:20:35 · 1306 阅读 · 0 评论 -
ML方法比较
朴素贝叶斯的优点:对小规模的数据表现很好,适合多分类任务,适合增量式训练。缺点:对输入数据的表达形式很敏感。决策树的优点:计算量简单,可解释性强,比较适合处理有缺失属性值的样本,能够处理不相关的特征;缺点:容易过拟合(后续出现了随机森林,减小了过拟合现象);Logistic回归优点:1、实现简单;2、分类时计算量非常小,速度很快,存储资源低;缺点:1、容易欠拟合,一般准确度...转载 2019-04-17 20:35:47 · 1894 阅读 · 0 评论 -
ML实例:titan和house prise
首先第一步是先对数据有个整体的认识data = pd.read_csv('train.csv')dataframe = pd.DataFrame(data)dataframe.info()dataframe.isnull().any()然后先不管存在有缺失值的属性特征,先把全的特征给分析一波redataframe.info()redataframe.describe()然后剔除...原创 2019-04-22 10:21:17 · 175 阅读 · 0 评论 -
特征因子化
对于类别型特征,例如特征性别:{男人,女人},数据读取不容易,把它进行数值化。特征因子化就是把这个特征所有类别都展开变成:特征 男人、女人如果性别为男人,那么就是1,0反之为0,1...原创 2019-04-17 10:09:56 · 2084 阅读 · 0 评论 -
faster rcnn 的 anchor
anchor是由feature映射到原始image上的!anchor实际上就是anchor box,假设尺寸初始大小为16 *16,三种scale,三种aspects ratios会对应9种尺寸,每种尺寸就是一个anchor!贴一下曾经看到的一个理解:feature map 上再用3 * 3的窗口去卷积特征。当3 * 3的卷积核滑动到特征图的某一个位置时,以当前滑动窗口中心为中心映射到原图的一...原创 2019-03-22 15:07:42 · 338 阅读 · 0 评论 -
RCNN fast RCNN faster RCNN
一、基于Region Proposal(候选区域)的深度学习目标检测算法Region Proposal(候选区域),就是预先找出图中目标可能出现的位置,通过利用图像中的纹理、边缘、颜色等信息,保证在选取较少窗口(几千个甚至几百个)的情况下保持较高的召回率(IoU,Intersection-over-Union)。图1 IoU定义Region Proposal方法比传统的滑...转载 2019-03-22 13:55:34 · 196 阅读 · 0 评论 -
Face Detection
深度智心关注2019.01.28 11:27*字数 848阅读 29评论 0喜欢 01、MTCNN_face_detection_alignment来源:自荐项目地址:https://github.com/kpzhang93/MTCNN_face_detection_alignment项目描述:MTCNN出自2016年ECCV一篇论文https:...转载 2019-03-16 19:07:02 · 391 阅读 · 0 评论 -
视频人数统计
首先整体思想用yolo进行人检测,统计人数如果对于拥挤人群: (人头检测)https://www.52cv.net/?p=1415提出了两种方法作者称拥挤人群计数目前主要有两种实现路径:1.使用回归的算法思路,直接根据图像回归出拥挤人群密度热图,它的缺点是只能得到场景整体的一个拥挤指数,不能获知人群个体的具体位置,而且这种方法对图像分辨率很敏感。2.使用目标检测的方法,比如直接使用Fa...原创 2019-05-09 10:07:29 · 3461 阅读 · 1 评论 -
anaconda使用
http://python.jobbole.com/86236/conda类似与pip并且最重要的一点:Conda的环境管理Conda的环境管理功能允许我们同时安装若干不同版本的Python,并能自由切换。对于上述安装过程,假设我们采用的是Python 2.7对应的安装包,那么Python 2.7就是默认的环境(默认名字是root,注意这个root不是超级管理员的意思)。假设我们需要安装...原创 2019-05-09 10:10:53 · 169 阅读 · 0 评论 -
labelme使用心得
首先labelme可以标注实例分割也可以语义分割权在怎么标,如果不分person1,person2这样的,那就是语义分割还是不明白,语义分割,实例分割是不是都是一副mask图像,就是由不同的像素值对应的目标注:labelme标注的PIL读取为0,1,2这种像素值,对应的opencv读得就不一样是不是因为PIL读取的不是像素值,而是像素的种类啊标注完成,会生成.json文件,利用批量处理文...原创 2019-06-15 19:46:42 · 2822 阅读 · 6 评论 -
Cython 使用指南
Cython用的就是生成的.so文件首先,把要封装的.py文件变成.pyx文件然后新建一个setup.py文件,通用:from distutils.core import setupfrom Cython.Build import cythonizesetup( name='xxx pyx', #这里xxx是要变成.os的文件名称 ext_modules=cytho...原创 2019-06-13 19:06:51 · 1134 阅读 · 0 评论 -
python *args和**kwargs
*args 用来将参数打包成tuple给函数体调用def function(x, y, *args): print(x, y, args)function(1, 2, 3, 4, 5)output: 1,2,(3,4,5)**kwargs 打包关键字参数成dict给函数体调用 def function(**kwargs): print( kwargs, type(k...转载 2019-05-23 16:10:07 · 191 阅读 · 0 评论 -
L1正则化,L2正则化
L1正则化:又称为lasso回归,主要作用就是数据降维,起到特征简化的作用不仅适用于线性情况,也适用于非线性情况。Lasso是基于惩罚方法对样本数据进行变量选择,通过对原本的系数进行压缩,将原本很小的系数直接压缩至0,从而将这部分系数所对应的变量视为非显著性变量,将不显著的变量直接舍弃。PS:这里说一下PCA主成分分析是在保留所有原变量的基础上,通过原变量的线性组合得到主成分,选取少数主成分...原创 2019-02-28 16:57:05 · 434 阅读 · 0 评论 -
python argparse
argparse是python标准库里面用来处理命令行参数的库命令行工具,可以允许添加其他设置内容命令行参数分为位置参数和选项参数使用步骤:(1)import argparse 首先导入模块(2)parser = argparse.ArgumentParser() 创建一个解析对象(对象实例化)(3)parser.add_argument() 向该对象中添加你要关注的...原创 2019-05-15 16:20:14 · 133 阅读 · 0 评论 -
faster rcnn 程序
boxtool.pyloc2box:np.zeros((3,3), dtype=float), 用于生成array零矩阵,默认float形式array.astype() 转换数组的数据类型np.dot 完成向量之间的点乘box2loc:eps = xp.finfo(height.dtype).eps 假如height是float类型,那么eps = 2.220446049250313...原创 2019-05-15 13:48:29 · 225 阅读 · 0 评论 -
目标分类与目标检测
<p align="center"><a href="http://file.elecfans.com/web1/M00/51/55/o4YBAFsGYrSAaQIOAAT8lBXvioo705.gif" rel="lightbox-img"><img src="http://file.elecfans.com/web1/M...转载 2019-05-10 11:00:29 · 15017 阅读 · 1 评论 -
fine-tune实际操作
预训练模型,以vgg16为例首先vgg16有在imagenet上预训练好的模型,加载模型并省略最后分类层(进行分离)然后对这个模型选择前面一定数目的层参数冻结(就是参数不变了),然后再加上自己需要的层对加上的层进行单独训练(因为之前的层已经冻结了),重新训练组合的新模型,仍然保持 VGG16设定的处于冻结状态。对这个组合进行整体训练!!保持前面冻结参数仍然不变实际上可以直接采用预训练模型的...原创 2019-05-07 10:33:59 · 396 阅读 · 1 评论 -
图像分类&图像检索
图像检索图像检索(指基于内容的图像检索,即以图搜图)则是给定一幅查询图像,搜索与之相似(视觉或语义上)的图像。图像检索一般是提取图像特征后直接基于相似性(距离)度量标准计算查询图特征和数据库中图像特征之间的相似性,然后根据相似性大小排序输出结果。就是以图找图...原创 2019-05-09 10:36:26 · 3694 阅读 · 0 评论 -
anaconda使用
http://python.jobbole.com/86236/conda类似与pip并且最重要的一点:Conda的环境管理Conda的环境管理功能允许我们同时安装若干不同版本的Python,并能自由切换。对于上述安装过程,假设我们采用的是Python 2.7对应的安装包,那么Python 2.7就是默认的环境(默认名字是root,注意这个root不是超级管理员的意思)。假设我们需要安装...原创 2019-05-09 10:32:43 · 178 阅读 · 0 评论 -
anaconda使用
http://python.jobbole.com/86236/conda类似与pip并且最重要的一点:Conda的环境管理Conda的环境管理功能允许我们同时安装若干不同版本的Python,并能自由切换。对于上述安装过程,假设我们采用的是Python 2.7对应的安装包,那么Python 2.7就是默认的环境(默认名字是root,注意这个root不是超级管理员的意思)。假设我们需要安装...原创 2019-05-09 10:11:54 · 204 阅读 · 0 评论 -
Object Detection
转自:七月在线实验室一、目标检测常见算法object detection,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别。所以,object detection要解决的问题就是物体在哪里以及是什么的整个流程问题。然而,这个问题可不是那么容易解决的,物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的任何地方,更何况物体还可以是多个类别。目前学术和工业界出现的目标检测算...转载 2019-03-16 14:44:54 · 535 阅读 · 0 评论 -
联合概率分布
在统计学习方法中,监督学习假设的是数据样本满足独立同分布,样本具有一定的统计规律。样本x,y服从联合概率分布P(x,y)(其实这个就是F(x,y)),也就是满足同一概率密度f(x,y)。...原创 2019-02-18 09:00:37 · 1561 阅读 · 0 评论 -
决策树剪枝
决策树的生成实际上就是利用数据来构造模型,这个模型对于training data的判断正确率相当高,但是对于位置模型就很差了,这样的模型是过拟合状态!必须要经过全局最优的剪枝来进行优化。实际上剪枝就是策略和优化过程!(S&amp;A)损失函数:...原创 2019-02-22 19:02:31 · 225 阅读 · 0 评论 -
机器学习中的独立同分布
机器学习中要求数据满足独立同分布定义:输入空间中的所有样本服从一个隐含未知的分布,训练数据所有样本都是独立地从这个分布上采样而得。 首先看看百度百科对于独立同分布的解释:独立同分布independent and identically distributed (i.i.d.)在概率统计理论中,指随机过程中,...转载 2019-01-30 21:52:02 · 5537 阅读 · 0 评论 -
极大似然估计
可见,离散的就是所有样本P的连乘,而连续的就是所有f的连乘。PS:F就是P,是概率分布函数,f是概率密度范数。注意:ML对于数据的要求最重要的一点就是独立同分布!!那我们来看这个极大似然估计是啥,就是找出来一个值使得L(x,位置参数)最大因为要最大,因此就求导呗,让导数等于零就行对于不止一个未知参数的,那就求偏导,让所有偏导都等于零完事。因为L定义是f连乘,那么我们就拿出来Ln来简化...原创 2019-02-16 09:30:27 · 230 阅读 · 0 评论 -
似然与似然函数
似然和概率两者是互为相反关系的,概率描述了已知参数时的随机变量的输出结果;似然则用来描述已知随机变量输出结果时,未知参数的可能取值概率是已知参数来求解P(针对事件发生)似然是已知样本来求解参数(针对参数,是给定联合样本值X=x下关于(未知)参数theta 的函数一种方便区别是概率还是似然的方法是,根据定义,&amp;amp;amp;amp;quot;谁谁谁的概率&amp;amp;amp;amp;quot;中谁谁谁只能是概率空间中的事件,换句话说,我们只能说,事件(原创 2019-02-16 08:34:56 · 2311 阅读 · 0 评论 -
决策树--信息增益,信息增益比,Geni指数的理解
文章转载自张小呱 决策树--信息增益,信息增益比,Geni指数的理解 决策树 是表示基于特征对实例进行分类的树形结构 从给定的训练数据集中,依据特征选择的准则,递归的选择最优划分特征,并根据此特征将训练数据进行分割,使得各子数据集有一个最好的分类的过程。 决策树算法3要素:特征选择决...转载 2019-02-21 19:41:47 · 442 阅读 · 0 评论 -
train validaton test
一般来说,数据可以分成三种类型data:train:用于模型的训练,确定模型的参数validation:在超参数取多个值对应的多个模型,选择cross validation较小的作为最终的模型(也就是用来选择最优的超参数)test:模型确定,用于实际检测,验证模型的好坏PS:validation和test中的模型都是已经固定了的,也就是说参数都不变了,唯一参数变化的就是在train训练过程...原创 2019-02-15 16:09:28 · 259 阅读 · 0 评论 -
参数与超参数
模型参数是模型内部的配置变量,可以用数据估计模型参数的值;模型超参数是模型外部的配置,必须手动设置参数的值。具体来讲,模型参数有以下特征:进行模型预测时需要模型参数。模型参数值可以定义模型功能。模型参数用数据估计或数据学习得到。模型参数一般不由实践者手动设置。模型参数通常作为学习模型的一部分保存。通常使用优化算法估计模型参数,优化算法是对参数的可能值进行的一种有效搜索。模...转载 2019-02-15 10:22:20 · 760 阅读 · 0 评论 -
欠拟合与过拟合
欠拟合:高偏差欠拟合是指在训练数据中不能得到我们想要的低误差,在未知环境里预测能力不足的表现。过拟合:高方差过拟合则是指的训练误差和测试误差之间的差距太大,对已有的数据(train data)预测准确度非常高,但是对于新的数据(也就是test data)准确性相当低。...原创 2019-02-25 19:19:06 · 225 阅读 · 0 评论 -
空间
输入空间+输出空间监督学习中,输入与输出所有可能的取值集合称为输入空间与输出空间。通常输出空间远小于输入空间特征空间每一条样本被称作是一个实例,通常由特征向量表示,所有特征向量存在的空间称为特征空间。特征空间有时候与输入空间相同,有时候不同(例如word embbeding),不同的情况是输入空间通过某种映射生成了特征空间。联合概率分布两个以上随机变量所组成的随机向量的概率分布称作是...转载 2019-02-14 19:55:43 · 252 阅读 · 0 评论 -
决策树剪枝
从优化目标:结构风险函数来看前半部分中针对的是每个叶子节点,Nt是每个节点中的样本数,Ht(T)是对应此节点的熵(混乱程度),之后对每个叶子节点求和。...原创 2018-12-24 15:08:41 · 135 阅读 · 0 评论 -
python array使用技巧
在进行python处理[…]时先要注意用np.array(x)转换一下形式,这样之后才能进行操作,要不很容易出现tuple操作不了x=[1,2,3,4,5]1.x[m:n] 指x中元素从m项到n-1项2.x[m:] 从m项开始直到最后一项3.x[:n] 开始一直到n-1项4.x[1]=2注意,这些仅在一维数据中使用x[[1,2,3,4,5,6]]1.x[0,1]=22.x[n,...原创 2018-12-21 20:37:49 · 474 阅读 · 0 评论