机器学习
generalAI
热爱计算机深度学习人工智能精通经济学的物理学家
展开
-
Opencv特征点检测
前面描述角点检测的时候说到,角点其实也是一种图像特征点,对于一张图像来说,特征点分为三种形式包括边缘,焦点和斑点,在OPENCV中,加上角点检测,总共提供了以下的图像特征点检测方法FASTSURFORBBRISKKAZEAKAZEMESRGFTT good feature to tackBob斑点STARAGAST 接下来分别讲述这是一种图像特征检测算法,但是首先,需要了解OPENCV的一种数据...转载 2018-05-15 14:19:55 · 6883 阅读 · 0 评论 -
深度学习(14):Control
控制原创 2017-03-06 21:41:15 · 319 阅读 · 0 评论 -
深度学习(13):Audio
语音原创 2017-03-06 21:39:21 · 361 阅读 · 0 评论 -
深度学习(12):Vision
视觉原创 2017-03-06 21:38:31 · 500 阅读 · 0 评论 -
深度学习(11):Transfer Learning
转移学习原创 2017-03-06 21:37:04 · 410 阅读 · 0 评论 -
深度学习(10):Reinforcement Learning
强化学习原创 2017-03-06 21:35:54 · 361 阅读 · 0 评论 -
深度学习(9):Unsupervised Learning
非监督学习原创 2017-03-06 21:34:13 · 360 阅读 · 0 评论 -
深度学习(8):Supervised Learning
监督学习原创 2017-03-06 21:32:08 · 471 阅读 · 0 评论 -
生成式对抗网络GAN汇总
关于生成式对抗学习(Generative Adversarial Network, GAN)相关文章的阅读整理以及资源汇总。文章:Generative Adversarial Nets (2014)[paper][code] Ian Goodfellow第一篇提及生成式对抗学习的文章,开创性的工作。 – 提出了通过对抗网络来估计生成模型。 – 理论阐述了模型转载 2017-02-25 17:35:33 · 619 阅读 · 0 评论 -
深度学习caffe:最优化方法
上文提到,到目前为止,caffe总共提供了六种优化方法:Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta"),Adaptive Gradient (type: "AdaGrad"),Adam (type: "Adam"),Nesterov’s Accelerated Gradient (type: "Ne转载 2017-02-14 18:17:49 · 6669 阅读 · 0 评论 -
深度学习(16):Induction
归纳原创 2017-03-06 21:45:22 · 308 阅读 · 0 评论 -
深度学习(17):无人机
无人机原创 2017-03-06 21:46:15 · 1949 阅读 · 0 评论 -
深度学习(18):无人汽车
无人汽车原创 2017-03-06 21:47:19 · 1021 阅读 · 0 评论 -
国内物联网平台初探(二) ——阿里云物联网套件
架构数据通道为设备和物联网应用程序提供发布和接收消息的安全通道。数据通道目前支持CCP协议和MQTT协议。用户可以基于CCP协议实现Pub/Sub异步通信,也可以使用远程调用(RPC)的通信模式实现设备端与云端的通信。用户也可以基于开源协议MQTT协议连接阿里云IoT,实现Pub/Sub异步通信。 安全认证&权限策略为每个设备颁发阿里云IoT的凭证,依赖凭证才能连接阿里云IoT。提供设备级...转载 2018-04-02 23:42:38 · 1701 阅读 · 0 评论 -
面向物联网的21个开源软件项目
面向物联网的21个开源软件项目物联网市场呈现碎片化、无定形、不断变化的特点,其性质需要不仅仅像平常那样关注互操作性。开源在这方面表现不俗也就不足为奇了——客户犹豫不决,不敢将物联网的未来寄托在一种可能销声匿迹或变得难以定制、互联的专有平台上。本文介绍了主要的开源产品及项目、面向物联网的开发板、安全和隐私问题及更多内容。作者:布加迪/编译来源:51CTO.com|2016-09-26 10:05 收...转载 2018-04-01 22:58:22 · 1813 阅读 · 0 评论 -
物联网开源系统
物联网(Internet of Things, IoT)是最近被频频提及,也涌现出许多的想法。这个社区持续地在发展,所以需要有一个对大众开放的物联网平台,让每个人都能来实现自己的想法,让大家的生活或多或少变得更便捷!!根据InternetOfThingsWiki.com的消息,物联网社区的用户想要一个开放的消费器件市场,不是被单个零售商所垄断。另一个原因是培养一个物联网设备和应用产品的生态圈,使得...转载 2018-04-01 22:53:20 · 2590 阅读 · 0 评论 -
用Portainer或UI for Docker可视化管理树莓派容器
用Portainer或UI for Docker可视化管理树莓派容器2016-11-24 分类:Docker实践分享/开发实战 阅读(2612) 评论(0) 翻译:高洪涛 我在家用树莓派弄了一些家庭网络服务,并且将它们运行在Docker容器内。我不时地想看看或管理其中一个容器。但我太懒了,不想到我的笔记本电脑去用Docker命令行界面。现在有两个很好的Docker UI可以通过Web浏览器访问你的...转载 2018-04-01 22:24:23 · 2007 阅读 · 0 评论 -
树莓派上的Docker集群管理
树莓派上的Docker集群管理【编者的话】随着IOT市场的火热发展,Docker天然的轻量级以及帮助业务快速重构的特性,将会在IOT领域迎来巨大发展潜力,甚至有可能会比它在云端的潜力更大。本文将致力于构建一个利用Rancher&RancherOS来管理运行在树莓派上的容器集群。目前业界主流基本都是在x86架构上使用Docker,除了因为Intel在服务器领域的绝对领导地位之外,x86 CP...转载 2018-04-01 22:14:25 · 2019 阅读 · 0 评论 -
mesos集群部署
是一个托管于Apache基金会的项目。旨在抽象了传统机房中全部服务器的CPU、内存存储资源,并提供了一系列的方法支持任务在多机器之间的调度和故障转移。用他们自己的话说“A distributed systems kernel”也就是说是一个分布式的内核。(就当前来说还远)。这一次我们就从部署一个典型的Mesos集群开始,顺便提一下Mesos的几个框架类型。改日再弄一个将某某框架整合进Mesos的文...转载 2018-04-01 18:52:45 · 1385 阅读 · 0 评论 -
Python源码剖析笔记3-Python执行原理初探
之前写了几篇源码剖析笔记,然而慢慢觉得没有从一个宏观的角度理解python执行原理的话,从底向上分析未免太容易让人疑惑,不如先从宏观上对python执行原理有了一个基本了解,再慢慢探究细节,这样也许会好很多。这也是最近这么久没有更新了笔记了,一直在看源码剖析书籍和源码,希望能够从一个宏观层面理清python执行原理。人说读书从薄读厚,再从厚读薄方是理解了真意,希望能够达到这个境地吧,加了个油。1 ...转载 2018-03-24 20:25:02 · 217 阅读 · 0 评论 -
强化学习
前言深度强化学习可以说是人工智能领域现在最热门的方向,吸引了众多该领域优秀的科学家去发掘其能力极限。而深度强化学习本身也由于其通用性备受各个应用领域推崇,从端对端游戏控制、机器人手臂控制、推荐系统,甚至也来到了自然语言对话系统。然而如何在日新月异,几乎每日都在更新迭代的深度强化学习的进展中保持好节奏,那是这篇文章带给大家的建议和思考。我们首先简要介绍一下深度学习和强化学习技术,以及转载 2017-03-20 16:56:32 · 14888 阅读 · 0 评论 -
深度学习(20):General Intelligence
通用智能原创 2017-03-06 21:49:08 · 560 阅读 · 0 评论 -
深度学习(19):机器人
机器人原创 2017-03-06 21:48:05 · 453 阅读 · 0 评论 -
深度学习:Pre-Training的理解
转自(非常感谢原文作者) http://www.cnblogs.com/neopenx/p/4575527.htmlLogistic回归、传统多层神经网络1.1 线性回归、线性神经网络、Logistic/Softmax回归线性回归是用于数据拟合的常规手段,其任务是优化目标函数:线性回归的求解法通常为两种:①解优化多元一次方程(矩阵)的传统方法,在数值分析里通常被称作转载 2017-02-28 14:02:00 · 14208 阅读 · 0 评论 -
深度学习:Imagenet Object Classification方法
(文/Alfredo Canziani 等)深度神经网络自出现以来,已经成为计算机视觉领域一项举足轻重的技术。其中,ImageNet 图像分类竞赛极大地推动着这项新技术的发展。精确计算水平取得了稳步的增长,但颇具吸引力的模型应用尚未得到合理的利用。 本文将综合分析实际应用中的几项重要指标:准确度、内存占用、参数、操作时间、操作次数、推理时间、功耗,并得出了以下几项主要研究结论:功转载 2017-03-03 09:54:00 · 1545 阅读 · 0 评论 -
深度学习:Image Object Detection方法
这里搜集了一些关于物体检测的方法分析和介绍,看好哪个可以去详细研究一下,基本都有论文或代码的链接。这里是简述各种方法,下面有详细叙述========DPM=========使用传统的slider window的方法 计算量非常大========OverFeat====改进了Alex-net,并用图像缩放和滑窗方法在test数据集上测试网络;提出了一种图像定位的方法;最后通过一个转载 2017-03-03 09:41:13 · 5782 阅读 · 0 评论 -
基于Bayes和KNN的newsgroup 18828文本分类器的Python实现
基于Bayes和KNN的newsgroup 18828文本分类器的Python实现向@yangliuy大牛学习NLP,这篇博客是数据挖掘-基于贝叶斯算法及KNN算法的newsgroup18828文本分类器的JAVA实现(上)的Python实现。入门为主,没有太多自己的东西。1. 数据集Newsgroup新闻文档集,含有20000篇左右的Usenet文档,平均分配转载 2016-06-21 17:45:30 · 1387 阅读 · 0 评论 -
python之sklearn
Scikit Learn: 在python中机器学习Warning警告:有些没能理解的句子,我以自己的理解意译。翻译自:Scikit Learn:Machine Learning in Python作者: Fabian Pedregosa, Gael Varoquaux先决条件Numpy, ScipyIPythonmatplotlibscik转载 2016-06-13 09:27:17 · 9350 阅读 · 0 评论 -
python之scipy
SciPy-数值计算库SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。由于其涉及的领域众多、本书没有能力对其一一的进行介绍。作为入门介绍,让我们看看如何用SciPy进行插值处理、信号滤波以及用C语言加速计算。3.1 最小二乘拟合假设有一组实验数据(x[i], y[i]转载 2016-06-13 09:25:12 · 4933 阅读 · 0 评论 -
python之numpy
NumPy-快速处理数据标准安装的Python中用列表(list)保存一组值,可以用来当作数组使用,不过由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3],需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。此外Python还提供了一个array模块,array对象和列表不同,它直接保存数值,和C语转载 2016-06-13 09:22:39 · 474 阅读 · 0 评论 -
Linux下网站搭建(2)---Mysql安装和基本操作
1. 打开"终端窗口",输入"sudo apt-get update"-->回车-->"输入系统root用户的密码"-->回车,就可以了。 如果不运行该命令,直接安装mysql,会出现"有几个软件包无法下载,您可以运行apt-get update------"的错误提示,导致无法安装。2. 安装mysql 打开"终端窗口",输入"sudo apt-get ins原创 2016-04-30 11:16:12 · 369 阅读 · 0 评论 -
cuda浅析
CUDA 是 NVIDIA 的 GPGPU 模型,它使用 C 语言为基础,可以直接以大多数人熟悉的 C 语言,写出在显示芯片上执行的程序,而不需要去学习特定的显示芯片的指令或是特殊的结构。”编者注:NVIDIA的GeFoce 8800GTX发布后,它的通用计算架构CUDA经过一年多的推广后,现在已经在有相当多的论文发表,在商业应用软件等方面也初步出现了视频编解码、金融、地质勘探转载 2016-04-16 15:40:35 · 1828 阅读 · 0 评论 -
cuda二维数组内存分配和数据拷贝
因为cuda具有高效利用GPU进行科学计算的优势,而人工智能的重点之一就是复杂的计算任务,因此学好GPU计算是学习AI的重点任务。这里,我们即将进行利用共享内存的矩阵运算。我们看一个例子,如何对矩阵进行分配显卡内存以及元素赋值操作。通常来讲,在GPU中分配内存使用的是cudaMalloc函数,但是对于二维或者三维矩阵而言,使用cudaMalloc来分配内存并不能得到最好的性能,原因是对于2原创 2016-04-20 10:54:45 · 2917 阅读 · 0 评论 -
CPU+GPU异构集群搭建的总结说明
前面我们介绍了单机单GPU下的驱动安装,cuda Toolkit 和 SDK的安装,以及cuda基本编程我们还介绍了SSH安全通信,NFS共享存储,MPICH安装以及MPI基本编程,这样二者的结合基本实现了一个简单的CPU+GPU异构集群的搭建,下面我们在梳理一下,做一些总结性的说明。 CPU+GPU集群是一个异构系统,包括CPU节点和GPU节原创 2016-04-28 23:15:13 · 7168 阅读 · 0 评论 -
Linux高性能集群搭建(2)---NFS共享文件系统安装配置
参考:http://www.linuxidc.com/Linux/2013-08/89154.htm http://www.linuxidc.com/Linux/2014-04/100496.htm1、在本地机执行nfs安装命令:sudo apt-get install nfs-kernel-server ;2、执行命令:mkdir /home/liu/c原创 2016-04-27 16:26:13 · 1998 阅读 · 0 评论 -
Linux高性能集群搭建(3)---MPICH2安装测试
注意:保证各节点系统用户名和mpich2安装路径文件名相同一. MPICH安装1. 下载MPICH 网址:http://www.mpich.org/static/downloads/ 下载 mpich2-1.0.2p1,因为高级版本已经不支持mpd(mpi管理器),可以下载到任意目录2、解压缩 tar -zxvf mpich2-1.0.2p1.原创 2016-04-28 15:14:38 · 1510 阅读 · 0 评论 -
sklearn,SVM 和文本分类
之前做过一些文本挖掘的项目,比如网页分类、微博情感分析、用户评论挖掘,也曾经将libsvm进行包装,写了一个文本分类的开软软件Tmsvm。所以这里将之前做过一些关于文本分类的东西整理总结一下。1 基础知识1. 1 样本整理文本分类属于有监督的学习,所以需要整理样本。根据业务需求,确定样本标签与数目,其中样本标签多为整数。在svm中其中如果为二分类,样本标签一般会设定为-1和1,转载 2016-06-22 19:01:20 · 23258 阅读 · 1 评论 -
Ubuntu 14.04 安装Octave
安装依赖首先使用apt-get install安装依赖。(以下包括所有推荐的可选包)libjack0 libjack-dev libarpack2-dev libcurl4-gnutls-dev epstool libfftw3-dev transfig libfontconfig1-dev libfreetype6-dev libgl2ps-dev libglpk-dev lib转载 2016-11-13 09:59:09 · 2525 阅读 · 0 评论 -
caffe 安装(only cpu)
对于使用深度学习进行图像处理,Caffe是一个不错的框架选择。但是安装起来,并不是如想象中容易,稍不注意就会出错。网上关于Ubuntu14.04下配置Caffe的资料很多,但是总是要自己亲自配置才能获得自己的心得。从操作系统的版本转换到cuda的版本等变换,加上一下bug,中途浪费了许多时间,折腾了一两天,终于还是配置成功了。具体参照的链接是:http://blog.csd转载 2016-11-21 09:57:56 · 486 阅读 · 0 评论 -
google Inception v1 - v4 papers 发展历程
先上Paper列表:[v1] Going Deeper with Convolutions, 6.67% test error, http://arxiv.org/abs/1409.4842[v2] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift, 4.转载 2017-03-02 23:31:08 · 306 阅读 · 0 评论