- 博客(12)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 opencv的CV_EXPORT
CV_EXPORTS 出现的用法：class CV_EXPORTS MatExpr;template class CV_EXPORTS Size_;CV_EXPORT的定义：#if (defined WIN32 || defined WIN64) && defined CVAPI_EXPORTS #define CV_EXPORTS __declspec(dl
2016-04-30 15:04:49
4568
原创 Caffe傻瓜系列(11)：caffe中的lr_policy选择
在自己配置训练网络时的solver文件中这个参数选择有好多种策略。接下来看看caffe.proto文件的这个参数：// The learning rate decay policy. The currently implemented learning rate// policies are as follows:// - fixed: always return base_lr
2016-04-28 15:10:55
17448
原创 梳理caffe代码python_layer(十五)
这一层使用python来调用数据什么的，先看看一些科普知识：boost::python库是pyhon和c++相互交互的框架，可以再python中调用c++的类和方法，也可以让c++调用python的类和方法python自身提供了一个Python/C API用来实现python和c++的交互，boost::python是Python/C API的包装，所以用起来更简单一些。Python对
2016-04-18 15:57:14
5511
原创 Ubuntu14.04安装PyCharm
1. 下载http://www.jetbrains.com/pycharm/download/选择Linux Tab，选择下载免费的Community Edition.2. 安装PyCharm按照官网给出的安装指导【2】进行安装。（1） Copy the pycharm-*.tar.gz to the desired installation location (make sure you hav...
2016-04-16 10:58:42
20626
转载 分类模型的性能评估——以SAS Logistic回归为例(3): Lift和Gain
跟ROC类似，Lift（提升）和Gain（增益）也一样能简单地从以前的Confusion Matrix以及Sensitivity、Specificity等信息中推导而来，也有跟一个baseline model的比较，然后也是很容易画出来，很容易解释。以下先修知识，包括所需的数据集：分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵分类模型的性能评估——以SAS
2016-04-11 09:54:36
4205
转载 分类模型的性能评估——以SAS Logistic回归为例(2): ROC和AUC
ROC上回我们提到，ROC曲线就是不同的阈值下，以下两个变量的组合（如果对Sensitivity和Specificity两个术语没有概念，不妨返回，《分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵》，强烈建议读者对着看）：Sensitivity（覆盖率，True Positive Rate）1-Specificity (Specificity,
2016-04-11 09:45:43
2801
转载 分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵
跑完分类模型（Logistic回归、决策树、神经网络等），我们经常面对一大堆模型评估的报表和指标，如Confusion Matrix、ROC、Lift、Gini、K-S之类（这个单子可以列很长），往往让很多在业务中需要解释它们的朋友头大：“这个模型的Lift是4，表明模型运作良好。——啊，怎么还要解释ROC，ROC如何如何，表明模型表现良好……”如果不明白这些评估指标的背后的直觉，就很可能陷入这样
2016-04-11 08:41:18
2632
转载 glog简单分析
项目组一直使用google的glog开源库进行日志输出, 花时间研究了一下, 做些分享.这里就不分析它的使用方式了, 还是比较简单的, 几乎可以不用配置就直接使用了.另外, 如果真的需要配置的话, glog和一般的日志系统(如log4系列)是不太一样的, 后者一般使用配置文件, 而glog是在命令行参数中指定的.对比优缺点, 配置文件做的配置可能更加强大一些, 不过命令行配置虽然简单但是也
2016-04-10 23:04:02
5545
1
原创 梳理caffe代码solver（十四）
之前有一篇介绍solver的求解，也可以看官网的介绍：here ，和翻译版的介绍。solver.hpp头文件的简单解析：#ifndef CAFFE_SOLVER_HPP_#define CAFFE_SOLVER_HPP_#include #include #include #include "caffe/net.hpp"#include "caffe/solver_fac
2016-04-09 12:36:50
10875
原创 梳理caffe代码image_data_layer、data_layer、window_data_layer(七)
第七个现在才更新，因为有诸多头文件需要先梳理一下（八到十三），不管是新版旧版的caffe，数据成这一块，继承关系是不会变得，可能里面只是一些文件的名字和文件路径修改过了，更加层次化便于以后的开发应用。先看一张继承图就明白了：然后按照这个图layer所派生出的这几个类，以新版caffe为例，梳理一遍（每层从左向右梳理）：首先是后面梳理的internal_thread，这里就不多说了。
2016-04-05 10:13:07
9285
9
原创 梳理caffe代码io（十三）
io包含了创建临时文件临时目录操作，以及从txt文件以及bin文件读取proto数据或者写入proto的数据到txt或者bin文件。io其实就是提供如何读取如何写入的一些读取图像或者文件，以及它们之间的一些转化的函数。hpp文件：#ifndef CAFFE_UTIL_IO_H_#define CAFFE_UTIL_IO_H_#include #include #include
2016-04-03 16:25:19
9962
2
原创 梳理caffe代码data_transformer（十二）
data_transformer详细注释看头文件和实现部分：头文件：/////////////////TransformationParameter的caffe消息定义/*// Message that stores parameters used to apply transformation// to the data layer's datamessage Transform
2016-04-03 14:22:56
12343
1
Tensorflow 实战Google深度学习框架&&TensorFlow;实战(二)
2017-10-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人