自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

原创 直方图均衡化

参考链接:https://blog.csdn.net/timeless_2014/article/details/80389433 先统计每个像素值value的出现频数 然后转成概率值 注意hp怎么计算的,hp(1)=hp(0)+hs(1) hp(2)=hp(1)+hs(2...

2019-09-02 21:07:37 94 0

原创 顺/逆时针 数组旋转 两行代码搞定

顺/逆时针 数组旋转 两行代码搞定: # coding=utf-8 # 顺时针 def rotate1(A): A[:] = zip(*A[::-1]) return A # 逆时针矩阵旋转 def roate2(A): A[:] = zip(*A)[::-1]...

2019-09-02 19:46:04 149 0

原创 dp动态规划、递归、矩阵最大路径、最大限制路径、路径可能情况数、有障碍物下的路径可能情况数

# coding=utf-8 # 矩阵路径最大值 左上角到右下角 def fun(M): m = len(M) n = len(M[0]) dp = [[0]*n for i in range(m)] dp[0] = [sum(M[0][:i+1]) for ...

2019-08-06 10:04:37 203 0

原创 两个有序数组的第k大数

这道题百度上的答案真的是各种互抄,我自己写了版

2019-08-05 20:53:44 685 0

原创 leetcode medium 是否二分?

参考链接:https://www.cnblogs.com/grandyang/p/10317141.html #### 版本一 递归 class Solution(object): # cur为index,color表示这个节点被染的色 def helper(self, g...

2019-07-25 21:23:35 38 0

原创 Z字型打印矩阵 python实现

渣渣的代码,最近秋招期间,攒人品吧~~~ # coding=utf-8 # Z 字型打印矩阵 # s = [[1,3,4,10,11],[2,5,9,12,19],[6,8,13,18,20],[7,14,17,21,24],[15,16,22,23,25]] # s = [[1,3,4,1...

2019-07-23 17:41:28 271 0

原创 github内删除某(几)个文件夹

参考:https://blog.csdn.net/jsd581/article/details/79569691 需要用git命令实现,不然你是没办法把文件夹干掉的! 首先保证已经为github生成了key,不然是没办法同步的~ (自行百度哈,很简单的~) 可能出现的问题: sign_a...

2018-12-17 21:57:43 118 1

原创 SSD、Faster-rcnn Loss

     一点细节疑惑: 其中VGG16中的Conv4_3层将作为用于检测的第一个特征图。conv4_3层特征图大小是 ,但是该层比较靠前,其norm较大,所以在其后面增加了一个L2 Normalization层(参见ParseNet),以保证和后面的检测层差异不是很大,这个和Batch...

2018-11-11 18:39:44 232 0

转载 object_detector MAP:

转载自:目标检测中的mAP是什么含义? - Wentao MA的回答 - 知乎 https://www.zhihu.com/question/53405779/answer/419532990 对于上述PR值,如果我们采用: VOC2010之前的方法,我们选取Recall >...

2018-11-01 13:09:51 205 0

转载 ssd

https://blog.csdn.net/huangbo10/article/details/62048168

2018-09-25 15:25:36 120 0

原创 linux 后台挂命令

招不在多,一招够用就行: nohup command >logfilename.log 2>&1& example: nohup sh run_pascal.sh >baseline.log 2>&am...

2018-09-20 16:02:44 894 0

原创 deeplab evaluate.py

#coding=utf-8 # import scipy.io import numpy as np # from skimage.io import imread from PIL import Image # data = scipy.io.loadmat('1.mat'...

2018-09-13 15:59:04 248 2

原创 caffe 跑deeplab_v2

传送门:传送门 排坑:传送门 传送门 matio安装参考:传送门 排坑记录: 因为没有权限的原因(比较严格,敏感的情况,如公司服务器啥的...),在安装matio的时候遇到生成不了libmatio.so.2的问题(就是make install 时候就报出不是sudoer的bug...),...

2018-09-13 13:33:43 803 9

转载 全连接层与卷积层的区别

传送门 一.全连接层:                 全连接层需要把输入拉成一个列项向量,如下图所示:          比如你的输入的feature map是2X2,那么就需要把这个feature map 拉成4X1的列向量,如果你的feature map 的channels是3,也就是...

2018-09-07 14:43:23 11308 1

转载 MobileNet_V1

传送门: mobilenet_v1

2018-08-28 11:19:59 593 0

转载 Deformable Conv

参考链接: 传送门 细节见链接,总结下我的理解: 形变的不是卷积的 kernel,而是 feature map 上的每个pixel。 并没有对conv函数做什么变化,而是在普通的input map 和 conv之间,多做了一次conv得到input_offset map,再加上原input ...

2018-08-26 10:09:11 1307 2

原创 caffe源码实践

REGISTER_LAYER_CLASS(DeforConvolution);  // 实现将指定Layer注册到全局注册表中     base_conv_layer.cpp 中,LayerSetUp函数内进行各种 变量、数据的声明。必要的话也在这初始化。(初始化在这里是自由的,可在...

2018-08-20 18:18:33 110 0

转载 caffe-backward之梯度计算

传送门: 传送门 backward是利用代价函数求取关于网络中每个参数梯度的过程,为后面更新网络参数做准备。求取梯度的过程也是一个矩阵运算的过程,后面会有详细介绍,本身求取梯度的过程并不是很复杂,而且网络中的各层求取梯度的过程都是相似的。下面就按照backward的运行顺序,从最后一层向前介绍c...

2018-08-09 09:54:28 835 0

原创 caffe源码解读整理

传送门: 传送门1 传送门2 传送门3 传送门4 传送门5 传送门6 传送门7 blob解析:传送门 比较全的: 传送门 caffe权重更新: 传送门 caffe中的正则: 传送门 修改caffe.proto文件:传送门   传送门 param:传送门 backward:...

2018-08-06 16:59:15 533 0

转载 cuda入门

传送门:传送门 CUDA从入门到精通(零):写在前面 在老板的要求下,本博主从2012年上高性能计算课程开始接触CUDA编程,随后将该技术应用到了实际项目中,使处理程序加速超过1K,可见基于图形显示器的并行计算对于追求速度的应用来说无疑是一个理想的选择。还有不到一年毕业,怕是毕业后这些技术也就...

2018-08-01 16:21:19 104 0

原创 tf中文文档

tf中文文档

2018-08-01 09:29:34 337 0

转载 tensorflow 源码解读之三

传送门:传送门 深度学习大讲堂是由中科视拓运营的高质量原创内容平台,邀请学术界、工业界一线专家撰稿,致力于推送人工智能与深度学习最新技术、产品和活动信息!   4. TF – Kernels模块   TF中包含大量Op算子,这些算子组成Graph的节点集合。这些算子对Tensor实现相应...

2018-07-31 22:50:35 1164 0

原创 tensorflow 和 caffe 中的 padding "same" "valid"

tensorflow: "same":   outsize = [ insize / stride ]           其中,[ * ] 向上取整   padding zero 按照左奇右偶 "valid": outsize = [ insize...

2018-07-28 18:58:49 898 0

转载 tensorflow conv 源码解析

参考链接:传送门

2018-07-28 13:55:48 681 0

转载 bazel tf 使用问题

参考链接:传送门官方文档:官方文档1. Bazel must be invoked from a directory containing a WORKSPACE file. It reports an error if it is not. We call this the workspace ...

2018-07-15 10:29:08 1054 0

转载 --trusted-host mirrors.aliyun.com 安装镜像的问题......

传送门:传送门pip升级到7.0以后,在使用http镜像进行包安装及升级的时候往往会有如下提示:Collecting beautifulsoup4 The repository located at mirrors.aliyun.com is not a trusted or secure hos...

2018-07-12 20:44:05 2521 0

原创 Object Detection.... (更新中....)

gengxinzhong....

2018-06-03 23:12:25 670 0

原创 Squeeze-and-Excitation Networks SE-net

ImageNet 2017夺冠架构:SENet   paper传送门参考链接:传送门1               传送门2核心思想我认为是:不再使用传统的对输入通道经卷积后的结果通道们,进行简单的叠加,而是去寻找各通道间的相关性,给予各通道不同的权值,然后再进行加权求和。这个通道间的权值,通过学...

2018-06-01 20:27:05 593 0

转载 BP反向传播算法推导

传送门传送门输出层梯度求解过程如上图所示,为一个输出层神经元,在计算输出层梯度的时候,我们不用去考虑前一层是如何输入的。所以我们用y来表示,图中的y(n)表示第n个样本在前一层的输出值,这一层的输入值。我们将当前节点定义为j。那么当前节点j的输入值之和为  这里的m是节点j前一层的输入节点的个数,...

2018-06-01 14:18:11 1039 0

原创 Semantic segmentation paper reading notes... (更新中...)

参考:知乎传送门           csdn传送门1. 逐渐摒弃对每个 pixel 进行类别分类的分割思想,而是把一个物类所包含的所有 pixels 看作一个整体。 尽量的实现类内一致和类间差别。(Face++的DFN:SN+BN)  paper 还加入了全局语境和高层特征引导底层特征学习的思想...

2018-05-31 11:36:25 248 0

原创 寻找数组中最大递增子序列

参考博客:寻找数组中最大递增子序列#coding=utf-8 # 寻找list中的最长递增子序列.. 不要求元素必须彼此相邻.. 如:[1,-1,2,-3,4,-5,6,-7] >> [1,2,4,6] # https://wax8280.github.io/2016/...

2018-05-28 22:26:09 761 0

原创 《剑指offer》所有py版本代码

纯手撸,参考了很多网上的优秀答案。。算是二手整理吧,或许对像我一样的coding菜鸟有点小帮助~传送门:剑指offer_python_all

2018-05-24 21:30:21 615 0

原创 剑指offer62: 圆圈中最后剩下的数---python

#coding=utf-8 import numpy as np # 环形的n个值(0~n1),一直减去第m个数,求最后剩下的数 def last_reaining_number(n, m): s = [x for x in range(n)] # 产生等差数列 p = m -...

2018-05-24 15:46:32 357 0

转载 剑指offer 机器人的运动范围 python实现

传送门:传送门#coding=utf-8 class Solution: def judge(self, threshold, i, j): # sum(map(int, str(i) + str(j)))这一句简直精髓! 直接得到坐标位置的 位和! i,j是超过1位的数也...

2018-05-14 22:11:18 1693 0

转载 LR推导及与SVM的区别

传送门:简书-传送门1、逻辑斯谛分布介绍逻辑斯谛回归模型之前,首先看一个并不常见的概率分布,即逻辑斯谛分布。设X是连续随机变量,X服从逻辑斯谛分布是指X具有如下的累积分布函数和概率密度函数:式中,μ为位置参数,γ>0为形状参数。逻辑斯谛的分布的密度函数f(x)和分布函数F(x)的图形...

2018-05-13 23:43:53 670 0

原创 linux 查看端口被占用命令

lsof -i更多内容有待补充...

2018-05-13 23:28:08 76 0

原创 对 反/转置 卷积的“浅显”理解...

参考了知乎的一点答案:传送门可以很简单的就理解为是一个使图像尺寸变大的操作。首先看一个卷积,在实际代码实现的时候,其实是转化为矩阵乘法计算实现的:如3x3的img,卷积后变成2x2了,其实是这么来的:3x3reshape变1x9,卷积核用的是[9, 4],1x9与9x4相乘得1x4。reshape...

2018-05-13 21:35:49 274 0

转载 BP算法推导

传送门:传送输出层梯度求解过程如上图所示,为一个输出层神经元,在计算输出层梯度的时候,我们不用去考虑前一层是如何输入的。所以我们用y来表示,图中的y(n)表示第n个样本在前一层的输出值,这一层的输入值。我们将当前节点定义为j。那么当前节点j的输入值之和为  这里的m是节点j前一层的输入节点的个数,...

2018-05-13 17:42:57 1100 0

转载 RF、GBDT、XGBoost面试级整理

传送门:传送门  RF、GBDT和XGBoost都属于集成学习(Ensemble Learning),集成学习的目的是通过结合多个基学习器的预测结果来改善单个学习器的泛化能力和鲁棒性。   根据个体学习器的生成方式,目前的集成学习方法大致分为两大类:即个体学习器之间存在强依赖关系、必须串行生成的序...

2018-05-13 14:24:12 349 0

转载 clip gradients 算法介绍

转载自:传送门1.梯度爆炸的影响在一个只有一个隐藏节点的网络中,损失函数和权值w偏置b构成error surface,其中有一堵墙,如下所示   损失函数每次迭代都是每次一小步,但是当遇到这堵墙时,在墙上的某点计算梯度,梯度会瞬间增大,指向某处不理想的位置。如果我们使用缩放,可以把误导控制在可接受...

2018-05-11 19:20:47 3718 0

提示
确定要删除当前文章?
取消 删除