lzj50002801的博客

原创 conda常用命令使用手册

记了忘 记了忘 ，每次都想不起来，写个文档记一下！常用命令显示创建的虚拟环境conda info -e列出当前环境安装的所有包conda list安装/更新/删除第三方的包，会自动处理依赖（也有人说推荐使用pip安装，看个人喜好吧）conda install 、 conda update 、 conda remvoe创建新的虚拟环境conda create --name tf python=3.6 tensorflow激活/退出环境source activate.

原创 基尼系数和信息熵的概念和公式

一、GINI系数（基尼系数）衡量数据的不纯度或者不确定性。值越大样本集合的不确定性也越大。G=1−∑i=1kp12G= 1-\sum_{i=1}^kp1^2G=1−i=1∑k​p12GINI指标：取值范围（0-0.5）基于GINI指标的算法：Cart二、INFO (信息熵)信息熵：对信息的量化度量，反映信息所携带的信息量大小。基于INFO指标的算法：ID3、C4.5。信息增益增益率指标（C4.5）错误率（取值范围：0.5-1）...

原创 距离和相似度总结

常见的距离算法闵可夫斯基距离（Minkowski Distance）闵氏距离没有考虑特征参数间的相关性，马哈拉诺比斯距离解决了这个问题。公式： D(x,y)=(∑u=1n∣xu−yu∣p)1/pD(x,y) = (\sum^n_{u=1}|x_u-y_u|^p)^{1/p}D(x,y)=(∑u=1n​∣xu​−yu​∣p)1/p曼哈顿距离（Manhattan Distance）p =1时，闵可夫斯基距离就是曼哈顿距离公式： D(x,y)=(∑u=1n∣xu−yu∣p)1/pD(x.

原创 Ubuntu18.04下的截图快捷方式

Ubuntu18.04下的截图快捷方式总结1、 Ctrl + Shift + Print 截取选中区域并复制到剪切板2、 不按Shfit，默认存放在Pictures目录下面

原创 MNIST代码实现以及网络结构详解

ALEXNET代码实现以及网络结构from __future__ import print_functionimport argparseimport torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torchvision import datasets, transformsfrom torch.optim.lr_scheduler import Step.

原创 Ubuntu18.04 cuda10.0 pytorch开发环境搭建

开发环境安装注意事项: UBuntu环境安装比较简单，网上教程很多，就不详细讲解了，这里只是补充记录下一些差异的地方；1、建议新手不要安装太新的系统和CUDA，有些比较旧的项目使用新版本跑不起来，我装了Ubuntu20，然后退回来了；2、装系统的时候最好装精简版本的，驱动也不需要，自己安装就可以了，不然会有冲突；3、CUDA相关的安装包下载比较费时间，下面有链接，有需要的自取；4、CUDA依赖gcc和cmake，可以apt-get install 安装下；5、 Anaconda安装相对比较简单，

原创 3D重建领域综述论文-2020

论文标题：Image-based 3D Object Reconstruction: State-of-the-Art and Trends in the Deep Learning Era作者： Xian-Feng Han发表年份：2019使用深度学习的最先进的基于图像的三维物体重建的分类1、3D点云更适合使用Encoder-Decoder模型进行训练，其他模型因为结构化的数据并不适合直接使用深度学习的模型。2、Encoder-Decoder模型3、GAN模型THE ENCODING ST

原创 SLAM基本流程和算法框架

经典的SLAM框架图基本流程传感器信息读取。在视觉 SLAM 中主要为相机图像信息的读取和预处理。如果在机器人中，还可能有码盘、惯性传感器等信息的读取和同步。视觉里程计 (Visual Odometry, VO)。视觉里程计任务是估算相邻图像间相机的运动，以及局部地图的样子。VO 又称为前端（Front End）。后端优化（Optimization）。后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。由于接在 VO 之后，又称为后端（Back

原创 Comprehensive Image Processing on Browsers