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

-+
  • 博客(49)
  • 收藏
  • 关注

原创 环境配置——把Ubuntu 20.04系统电脑变成一台服务器,并用win10的电脑进行访问

https://blog.csdn.net/SSG18829575503/article/details/83660096https://blog.csdn.net/gentlemanman/article/details/85847568

2020-11-26 16:55:11 13

原创 安装 visual studio Code

1、进官网,下载安装文件: visual studio Code官网我的电脑的win10,64位的2、开始安装:3、安装完成4、配置使用配置插件(必须联网)修改vsc软件变成中文如何安装扩展  如python用VS打开项目文件夹首先,创建一个空文件夹’‘hello’’,然后使用VS Code打开它。通过VS Code打开文件夹,该文件夹就变成了你的”工作区“。VS Code在.vscode/settings.json中存储该工作去的特殊配置,与用户的全局设定相分开。

2020-11-22 11:46:34 34 1

原创 Visual Studio 编辑器的有关问题总结

工具–>选项–>环境–>键盘----Visual Studio快捷键不能使用解决办法Visual Studio 快捷键更改和设置

2020-11-09 19:54:09 60

原创 亲测有效:VS Code报错Module ‘xx‘ has no ‘xx‘ member pylint(no-member)

VS Code报错Module ‘xx’ has no ‘xx’ member pylint(no-member)pylint是vscode的python语法检查器,pylint是静态检查,在用第三方库的时候有些成员只有在运行代码的时候才会被建立,它就找不到成员,在设置(settings.json)里添加:"python.linting.pylintArgs": ["--errors-only","--generated-members=numpy.* ,torch.* ,cv2.* , cv.*"

2020-10-26 21:40:00 28

原创 深度学习+图像处理相关试题日常总结

20201021 1、提高泛化能力提高模型泛化能力,减小过拟合,提升鲁棒性的几种方法:1.batch_size越大,样本整体噪声均值保持不变但是方差减小,而样本的噪声有助于SGD规避局部最优点,从而提高整体的泛化能力,所以batch_size越小,泛化能力越好。2.正则化,Batch Normalize3.提早结束训练4.droupout5.数据增强6.模型深度和模型泛化能力的关系。模型的泛化能力和模型的复杂度有关,模型复杂度越低,泛化能力更好。一般的训练方法是在高复杂度的模型(模型深度越

2020-10-21 17:18:23 291

原创 算法:关于树的知识点总结

100. 相同的树(简单)给定两个二叉树,编写一个函数来检验它们是否相同。如果两个树在结构上相同,并且节点具有相同的值,则认为它们是相同的。分析:方法一:深度优先搜索如果两个二叉树都为空,则两个二叉树相同。如果两个二叉树中有且只有一个为空,则两个二叉树一定不相同。如果两个二叉树都不为空,那么首先判断它们的根节点的值是否相同,若不相同则两个二叉树一定不同,若相同,再分别判断两个二叉树的左子树是否相同以及右子树是否相同。这是一个递归的过程,因此可以使用深度优先搜索,递归地判断两个二叉树是否相同

2020-10-16 21:05:04 30

原创 算法——C++语法积累

20201016队列#include <iostream>#include <queue>using namespace std;/** * C++ : STL中的队列(queue)的演示程序。**/int main (){ int tmp=0; //创建队列,int为队列中元素的数据类型 queue<int> iqueue; // 将10, 20, 30 依次加入队列的末尾 iqueue.push

2020-10-16 20:36:19 21

原创 tensorboard 可视化的最详细介绍

TensorBoard是TensorFlow下的一个可视化的工具,能够帮助我们在训练大规模神经网络过程中出现的复杂且不好理解的运算。TensorBoard能展示你训练过程中绘制的图像、网络结构等。1.构建简单的TensorBoard日志输出import tensorflow as tf input1 = tf.constant([1.0, 2.0, 3.0], name="input1") input2 = tf.Variable(tf.random_uniform([3], name="inp

2020-10-14 21:29:21 234 1

原创 tensorflow实现迁移学习

用 win10 快速安装 wget步骤一,右击“命令提示符”,选择“以管理员身份运行”。步骤二 安装choco。输入这行代码 @"%SystemRoot%\System32\WindowsPowerShell\v1.0\powershell.exe" -NoProfile -InputFormat None -ExecutionPolicy Bypass -Command “iex ((New-Object System.Net.WebClient).DownloadString(‘https:.

2020-10-13 21:51:43 51

原创 C++:创建链表的过程详解

创建链表的过程详解本人是一名刚开始学习算法的小白,今天遇到了一些关于链表的创建问题,查了一些资料,我把它们整理了一下,希望大家多多指教。整体的代码:#include<iostream>using namespace std;struct Node { int val; Node* next;};#创建Node* creatlist(int n) { Node* Head=new Node; //头节点 不存储数据 Head->next = NULL;

2020-10-06 17:25:23 99

原创 算法的时间复杂度和空间复杂度

一、算法执行时间需通过依据该算法编制的程序在计算机上运行时所消耗的时间来度量。而度量一个程序的执行时间通常有两种方法。(1)事后统计的方法这种方法可行,但不是一个好的方法。该方法有两个缺陷:一是要想对设计的算法的运行性能进行评测,必须先依据算法编制相应的程序并实际运行;二是所得时间的统计量依赖于计算机的硬件、软件等环境因素,有时容易掩盖算法本身的优势。(2)事前分析估算的方法因事后统计方法更多的依赖于计算机的硬件、软件等环境因素,有时容易掩盖算法本身的优劣。因此人们常常采用事前分析估算的方法。二、

2020-10-03 13:41:01 28

原创 损失函数

神经网络是通过某个指标来表现现在的状态,然后,以这个指标为基准,寻找最优参数。神经网络中的指标称为损失函数(loss function)。这个损失函数可以使用任意函数,但是一般用均方差误差和交叉熵误差。均方差误差(mean squared error):均方误差是最有名的损失函数。式子如下:其中yky_{k}yk​是输出神经第k个神经元的输出;tkt_{k}tk​是输出神经第k个神经元的监督数据;kkk表示输出的神经元的个数比如:在手写数字识别中,yyy,ttt分别表示如下:y是so

2020-09-29 21:25:38 16

原创 神经网络输出层的设计

输出层的设计:1、恒等函数回归问题用恒等函数,恒等函数会将输入按原样输出,对于输入的信息,不加以任何改动地直接输出。2、softmax函数分类问题用softmax函数:exp(x)exp(x)exp(x) 是表示exe^{x}ex的指数函数(e=2.7182…)。假设输出层共有n个神经元,计算第k个神经元的输出yky_{k}yk​。如式所示,softmax函数的分子是输入信号aka_{k}ak​,分母是所有输入信号的指数函数的和。输出层的输入信号aka_{k}ak​是上一层隐藏层的输出。实

2020-09-29 19:35:18 39

原创 贝叶斯变换

基础概念:(1)联合概率P(AB)或者P(A,B):在整个事件中,A,B同时发生的概率。(2)条件概率P(A|B):在B发生的情况下,A发生的概率。P(B|A):在A发生的情况下,B发生的概率。(3)边缘概率P(A):整个事件中,A发生的概率P(B):整个事件中,B发生的概率(4)联合概率、条件概率、边缘概率的关系在整个事件中,共有以下五种情况:X=1,Y=1;X=2,Y=1;X=1,Y=2;X=2,Y=2X=3,Y=1;定义:A事件为X=1;B事件为Y=2P(A|B)=1

2020-09-28 19:22:52 672

原创 C++:随机数

srand函数是随机数发生器的初始化函数。原型: void srand(unsigned seed);用法:它需要提供一个种子,这个种子会对应一个随机数,如果使用相同的种子后面的rand()函数会出现一样的随机数。如: srand(1); 直接使用 1 来初始化种子。不过为了防止随机数每次重复,常常使用系统时间来初始化,即使用 time 函数来获得系统时间,它的返回值为从 00:00:00 GMT, January 1, 1970 到现在所持续的秒数,然后将 time_t 型数据转化为(unsigned

2020-09-24 22:37:13 10

原创 C++:Lambda 函数与表达式

C++11 提供了对匿名函数的支持,称为 Lambda 函数(也叫 Lambda 表达式)。Lambda 表达式把函数看作对象。Lambda 表达式可以像对象一样使用,比如可以将它们赋给变量和作为参数传递,还可以像函数一样对其求值。Lambda函数的语法定义如下:[capture](parameters) mutable ->return-type{statement}其中:[capture]:捕捉列表。捕捉列表能够捕捉上下文中的变量供 lambda 函数使用。(parameters

2020-09-24 22:01:26 7

原创 C++ 引用调用、指针调用、传值调用

1、C++ 引用调用引用可以看成是一种特殊类型的变量可以被认为是另一个变量的别名,就好比人的绰号一样,虽然名字不同,但所指向的人是一样的,所以引用还与指针有类似的地方,修改形式参数会影响实际参数。int &x=a; //建立一个int型的引用x,并将其初始化为变量a的一个别名向函数传递参数的引用调用方法,把引用的地址复制给形式参数。在函数内,该引用用于访问调用中要用到的实际参数。这意味着,修改形式参数会影响实际参数。按引用传递值,参数引用被传递给函数,就像传递其他值给函数一样。因此相

2020-09-24 21:33:22 10

原创 AlexNet

ImageNet Classification with Deep Convolutional Neural NetworksFull(Simplified) AlexNet architecture:[277x277x3] INPUT[55x55x96] CONV1:96层、11x11卷积核、步长为4、pad为0[27x27x96] MAX POOL1:3x3卷积核、步长为2[27x27x96]NORM1:Normalization layer[27x27x256] CONV2:256通道 、

2020-09-21 19:31:39 13

原创 神经网络高效学习的相关技巧

目录1、参数的更新:1.1SGD(随机梯度下降法):1.2 Momentum1.3 AdaGrad1.4 Adam1.5 使用哪种优化方法呢?2、权重的初始值2.1可以直接把权值初始值设置为0吗?2.2隐藏层的激活值的分布2.3ReLu的权重初始化3、Batch Normalization(批标准化)4、正则化4.1 过拟合4.2 权值衰减4.3 Dropout5、超参数的验证:5.1验证数据5.2超参数的最优化:小结:本章将介绍神经网络的学习中的一些重要观点,主题涉及寻找最优权重参数的最优化方法、权重参

2020-09-21 15:27:18 18

转载 归一化、标准化、正则化的区别

**归一化(Normalization)**是为了消除不同数据之间的量纲,方便数据比较和共同处理,比如在神经网络中,归一化可以加快训练网络的收敛性;把数据变为(0,1)之间的小数,主要是为了方便数据处理,因为将数据映射到0~1范围之内,可以使处理过程更加便捷、快速。把有量纲表达式变换为无量纲表达式,成为纯量。经过归一化处理的数据,处于同一数量级,可以消除指标之间量纲和量纲单位的影响,提高不同数据指标之间的可比性。主要算法:线性转换,即min-max归一化(常用方法)y=(x-min)

2020-09-21 11:27:46 25

原创 SSD(ECCV 2016)

SSD的英文全名是Single Shot MultiBox Detector,Single shot说明SSD算法属于one-stage方法,MultiBox说明SSD算法基于多框预测。SSD是一种非常优秀的one-stage目标检测方法,one-stage算法就是目标检测和分类是同时完成的,其主要思路是利用CNN提取特征后,提取不同大小的特征层,均匀地在图片的不同位置进行密集抽样,抽样时可以采用不同尺度和长宽比,物体分类与预测框的回归同时进行,整个过程只需要一步,所以其优势是速度快。但是均匀的密集采样

2020-09-20 16:16:13 25

原创 20. 有效的括号

题目:题目类别:栈难度:容易给定一个只包括 ‘(’,’)’,’{’,’}’,’[’,’]’ 的字符串,判断字符串是否有效。有效字符串需满足:1、 左括号必须用相同类型的右括号闭合。2、左括号必须以正确的顺序闭合。注意空字符串可被认为是有效字符串。示例 1:输入: "()"输出: true示例 2:输入: "()[]{}"输出: true示例 3:输入: "(]"输出: false示例 4:输入: "([)]"输出: false示例 5:输入: "{[]}"

2020-09-20 11:38:31 15

转载 plt.figure、plt.subplot、plt.subplots、add_subplots、add_axes详解

1、plt.figurefigure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)num:图像编号或名称,数字为编号 ,字符串为名称figsize:指定figure的宽和高,单位为英寸dpi参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张facecolor:背景颜色edgecol

2020-09-10 17:10:24 71

原创 修改python版本,安装tensorflow、设置jupyter notebook

官网显示,2020年安装Tensorflow2 的python需要的版本为 3.5-3.7,但是我的anaconda的python版本是3.8,所以需要进行降级。在anaconda的环境中将python3.8降到python3.7(1)为了防止安装不成功以及加快安装速度,所以将conda源更改为:conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --

2020-09-09 16:59:34 84

原创 范数(norm)的简单理解

当P取值不同,表示的范数也不同:(1)当P=1时:图中正方形上的点的L1范数大小都为1(2)当P=2:圆上任一点的L2范数都为1wjw_{j}wj​是w1w_{1}w1​到wnw_{n}wn​中最大的数,那么L无穷范数就等于∣x∣|x|∣x∣或者∣y∣|y|∣y∣,正方形上的任意一点的L无穷范数为K...

2020-09-08 20:20:40 24

原创 有效增加增加谷歌colab的RAM的方法

获得超过12 GB内存的唯一方法是复制以前分配的25 GB内存的笔记本。打开链接:https://colab.research.google.com/drive/155S_bb3viIoL0wAwkIyr1r8XQu4ARwA9?usp=sharing(1)按图操作,在谷歌云盘中保存副本(2)在谷歌云盘中用Google Colab打开副本(3)成功获得25GRAM...

2020-09-07 09:31:43 285 1

转载 colab常见问题解答

Colaboratory常见问题解答基础知识Colaboratory 是什么?Colaboratory 简称“Colab”,是 Google Research 团队开发的一款产品。在 Colab 中,任何人都可以通过浏览器编写和执行任意 Python 代码。它尤其适合机器学习、数据分析和教育目的。从技术上说,Colab 是一种托管式 Jupyter 笔记本服务。用户无需进行设置,就可以直接使用,同时还能获得 GPU 等计算资源的免费使用权限。它真的可以免费使用吗?是的。Colab 可以免费使用。

2020-09-07 09:06:49 223

原创 关于cmd打开时提示“系统找不到指定的路径”问题

不知道我删错了什么东西还是什么原因,我只要打开 cmd 哪怕不输入任何指令,也会出现一条「系统找不到指定的路径」错误提示。于是我就去查资料,查到了一种可行方法:解决方案首先regedit打开注册表,找到计算机\HKEY_CURRENT_USER\Software\Microsoft\Command Processor路径下Autorun注册表项,删除即可。...

2020-09-06 21:24:56 755 1

原创 卸载和安装anaconda、CUDA、cuDNN

我写这个博客的目的主要是为了让自己记住安装过程,仅供大家参考。如果安装使用之后有问题出现,我会及时更新。卸载:因为之前安装的anconda出现一些问题,所以想卸载再安装一遍,就是这样的暴脾气,穷卸载的方式也非常粗暴,直接进aanaconda安装文件,双击Uninstall-Anaconda3.exe,卸载完会发现有一些参与文件,我就用everthing软件查找和anaconda有关的文件,再一一删掉,c盘里面有些文件不敢删就留着。Anaconda安装1、进入anaconda 官网2、安装文件下

2020-09-06 21:18:11 429

原创 张量tensor

张量tensor几何代数中定义的张量是基于向量和矩阵的推广,通俗一点理解的话,我们可以将标量视为零阶张量,矢量视为一阶张量,那么矩阵就是二阶张量。那TensorFlow里面的张量(Tensor)是什么,流动(Flow)是什么?是什么?本教程中,我将使用Python,Keras,TensorFlow和Python库Numpy。在Python中,张量通常存储在Numpy数组,Numpy是在大部分的AI框架中,一个使用频率非常高的用于科学计算的数据包。我们为什么想把数据转换为Numpy数组?很简单。因为

2020-09-02 10:16:37 42

转载 一篇文章搞懂Batch Normalization批标准化

Batch Normalization 是近些年深度学习的重要成果,实践证明其优先性和重要性,深度学习是一个经验领先于理论分析的偏经验的一门学问。本文是对论文《 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》的导读。首先介绍机器学习的一个重要概念:IID独立同分布假设,就是假设训练数据和测试数据是满足相同分布的,这是通过训练数据获得的模型在测试数据上表现良好的一个保

2020-09-01 22:12:52 44

转载 目标检测 | YOLOV1

参考: 目标检测|YOLO原理与实现.一、两大类目标检测算法:(1)two-stage:基于Region Proposal的R-CNN系算法(R-CNN,Fast R-CNN, Faster R-CNN),它们是two-stage的,需要先使用启发式方法(selective search)或者CNN网络(RPN)产生Region Proposal,然后再在Region Proposal上做分类与回归。**优缺点:**准确度高一些,但是速度慢,无法满足实时应用。(2)one-stage而另一类是Y

2020-08-31 22:38:43 56

原创 CNN中的padding参数和卷积后图片的大小

padding参数的作用是决定在进行卷积或池化操作时,是否对输入的图像矩阵边缘补0,‘SAME’ 为补零,‘VALID’ 则不补,其原因是因为在这些操作过程中过滤器可能不能将某个方向上的数据刚好处理完,如下所示:当步长为5,卷积核尺寸为6×6时,当padding为VALID时,则可能造成数据丢失(如左图),当padding为SAME时,则对其进行补零(如右图)出处:https://www.cnblogs.com/White-xzx/p/9497029.html...

2020-08-27 14:47:56 52

原创 一篇文章搞懂非极大值抑制(non-maximum suppression,NMS)

https://zhuanlan.zhihu.com/p/64423753https://blog.csdn.net/xiexu911/article/details/80609298?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.add_param_isCf&depth_1-utm_source=distribute.pc_relevant_t0.none-task-b.

2020-08-26 14:20:15 41

原创 Faster R-CNN

Faster R-CNNRPN没搞懂为什么要分成两路?18是什么?36是什么?如何获得proposal?每个网格获得9个anchors之后应该怎么再精选?遍历Conv layers计算获得的feature maps,为每一个点都配备这9种anchors作为初始的检测框。这样做获得检测框很不准确,不用担心,后面还有2次bounding box regression可以修正检测框位置。为什么数值是这么大呢?下面一条用于计算对于anchors的bounding box regression偏移

2020-08-24 19:48:12 58

转载 Visual Studio Code 小白使用介绍

https://www.jianshu.com/p/95c4c869bff1

2020-08-23 19:19:25 43

转载 SVD(奇异值分解)

https://www.cnblogs.com/endlesscoding/p/10033527.html奇异值分解(SVD)在数据降维中有较多应用。一、特征值分解实对称矩阵在理角奇异值分解之前,需要先回顾一下特征值分解,如果矩阵A是一个m×m的实对称矩阵(即A=ATA=A^{^{T}}A=AT),那么它可以被分解成如下的形式:其中Q为标准正交阵,即有Q=QTQ=Q^{T}Q=QT,Σ为对角矩阵,且上面的矩阵的维度均为m×m。λi\lambda_{i}λi​称为特征值,qiq_{i}qi​是Q.

2020-08-23 19:17:08 22

原创 Windows10+NVIDIA GeForce 940MX+tensorflow-gpu1.12.0+cuda9.2.148+cudnn7.0.5

Windows+NVIDIA GeForce 940MX+Kerashttps://blog.csdn.net/wangyjfrecky/article/details/55100963?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.add_param_isCf&depth_1-utm_source=distribute.pc_relevant_t0.none-task-

2020-08-23 18:44:39 194

原创 一个例子搞懂x86_64 x86_32代表什么?

1) 指令集架构==设计规范开发CPU就像修一栋楼一样,建楼要按照不同的国家设计规范(比如窗户的大小朝向,排水管的设计等等)来设计,X86 、ARM是指不同的指令集架构,也就相当于不同的设计规范。2)X86和ARM指令集架构是指机器的语言,包含各种各样的指令,电脑的CPU(Intel和AMD)采用的是X86的指令集架构,而手机、平板等移动设备采用的是ARM指令集架构。X86属于复杂指令集(CISC,很多个操作步骤都集合在一个指令中),ARM属于精简指令集(RISC)。3)微架构当选定不同的设计规范

2020-08-23 18:18:58 113

转载 R-CNN,Fast R-CNN,Faster R-CNN对比

http://imgtec.eetrend.com/blog/2020/100049323.html一、设计思路今天介绍的 R-CNN 系列算法,都基于深度学习,它们把目标检测大致分为四部分完成:1、先从整幅图里选取最可能有物体的一些候选区域,这些区域一般用长方形框表示,这一步能缩小寻找范围2、既然用到深度学习,那就需要学习图像的深层特征,这里我们只关心上一步选出区域的图像特征,提取的特征可用于分类回归任务3、分类就是常规的分类方法,不过这里是多分类4、第一步给的候选框经过筛选后,不一定精准.

2020-08-18 21:07:10 42

空空如也

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人 TA的粉丝

提示
确定要删除当前文章?
取消 删除