- 博客(20)
- 收藏
- 关注
RSS订阅原创 数字图像处理（持续更新）
数字图像处理图像插值算法最近邻插值双线性插值插值算法参考图像插值算法了解插值算法原理掌握OpenCV框架下插值算法API的使用设h(x,y)h(x, y)h(x,y)为原图像， f(x,y)f(x, y)f(x,y)为目标图像f(dstX,dstY)=h(dstXsrcWidthdstWidth,dstYsrcHeightdstHeight)\begin{array}{c}f(dst_{X}, dst_{Y}) = h(\frac{dst_{X}src_{Width}} {dst_{W
2021-09-14 11:07:59
209
原创 Nesterov加速算法
8.2 最优化 Nesterov加速算法理论介绍Lipschitz 连续Lipschitz 连续： 在一个连续函数fff上面额外施加了一个限制，要求存在一个常数K≥0K \geq 0K≥0使得定义域内的任意两个元素x1x_1x1 和 x2x_2x2 都满足∣f(x1)−f(x2)∣≤K∣x1−x2∣|f(x_1) - f(x_2)| \leq K |x_1 - x_2|∣f(x1)−f(x2)∣≤K∣x1−x2∣此时称函数 fff的Lipschitz常数为 K。简单理解，就是 f
2021-07-29 12:57:45
3684
原创 CTF-Hgame_accuracy_writeup
把相关的代码记录一下， 方便以后使用accuracy石碑上的文字,究竟隐藏着怎样的秘密……Write Up题目给出两个文件， chars.csv dataset.csv，简单查看之后，dataset是数据集， chars是测试集数据集是由784个pixel， 即 28 * 28df.iloc[:,0].unique()#array([10, 11, 12, 13, 14, 15, 1, 0, 4, 7, 3, 5, 8, 9, 2, 6])查看标签，共有1
2021-07-29 12:21:38
439
原创 2021-07-28百度Paddle直播回顾
一、数据集获取1. 公开数据集 AiStudio、Kaggle、天池、DataFountain、科大讯飞、COCO数据集、VOC数据集2. 完整流程2.1 数据处理流程图片数据获取图片数据清洗图片数据标注图片数据预处理Data Processing：标准化（中心化、归一化）中心化：加快收敛速度归一化：提高收敛效率图片数据准备（训练集、验证集、测试集）图片数据增强Data Augmentation（训练阶段）paddle.vision.transform
2021-07-28 21:00:20
129
原创 Hands-on-data-analysis 动手数据分析
动手数据分析笔记第一章第一节 数据载入及初步观察数据载入df = pd.read_csv('file_path')df2 = pd.read_table('file_path')read_csv 函数见CSDN 博客： https://blog.csdn.net/weixin_39175124/article/details/79434022问：read_csv 和 read_table 区别？函数说明read_csv从文件、URL、文件型对象中加载带分隔符的
2021-07-27 23:56:48
484
原创 Gradient_Algorithm
《最优化理论》 课程作业， 梯度类算法 解决 LASSO问题LASSO问题对于 LASSO问题minx12∥Ax−b∥22+μ∥x∥1.\displaystyle\min_x \frac{1}{2}\|Ax-b\|_2^2 + \mu \|x\|_1.xmin21∥Ax−b∥22+μ∥x∥1.此问题为回归问题，而对于回归问题其实本质就是一个函数拟合的过程，模型不能太过复杂，否则很容易发生过拟合现象，所以我们就要加入正则化项，而对于LASSO问题，采用L1正则化，会使得部分学习到的特征
2021-07-26 14:54:42
502
原创 LightGBM_Learning
LightGBM 原理LightGBM 由微软提出，主要解决 GDBT 在海量数据中遇到的问题，可以更好更快地用于工业实践中。LightGBM的贡献单边梯度抽样算法；直方图算法；互斥特征捆绑算法；深度限制的 Leaf-wise 算法；类别特征最优分割；特征并行和数据并行；缓存优化；LightGBM超参数解析https://lightgbm.readthedocs.io/en/latest/Parameters.htmlimport lightgbm as lgbfrom sk
2021-07-24 14:07:43
250
原创 LaTeX 快速开始
基本格式\documentclass[UTF8]{ctexart} % 为了使用中文 \documentclass{article}% 导言区 %为注释符\begin{document} % 内容\end{document}第一行\documentclass{article}中包含了一个控制序列（或称命令 / 标记）。所谓控制序列，是以反斜杠\开头，以第一个空格或非字母 的字符结束的一串文字，他们并不被输出，但是他们会影响输出文档的效果。这里的控制序列是documentclass
2021-07-22 09:44:41
620
原创 IntegratedLearning_Task03集成学习
优化模型基础回归问题中使用训练集估计模型的参数的原则一般都是使我们的损失函数在训练集中达到最小值。我们完全可以拟合一个曲线满足所有样本，但是建立机器学习模型的目的不是为了在已有的训练集中表现的非常优异，而是希望在测试集，未知的数据集上获得良好的效果。a) 训练均方误差与测试均方误差：MSE=1N∑i=1N(yi−f^(xi))2MSE = \frac 1N\sum\limits_{i=1}^N (y_i - \hat{f}(x_i))^2MSE=N1i=1∑N(yi−f^(xi))2,如
2021-07-21 16:35:32
131
原创 Pytorch-Lightning基本使用步骤
发现了一个神器，减少代码量，界面优美。于是乎，开撸Pytorch Lightning导入下列包：import osimport torchfrom torch import nnimport torch.nn.functional as Ffrom torchvision import transformsfrom torchvision.datasets import MNISTfrom torch.utils.data import DataLoader, random_spl.
2021-07-19 22:26:25
2984
原创 讯飞AI开发者大赛-人脸情绪识别Baseline分享
各框架Baseline地址Kears and Pytorch：https://gitee.com/coggle/competition-baseline/tree/master/competition/科大讯飞AI开发者大赛2021/人脸情绪识别挑战赛Paddle: https://aistudio.baidu.com/aistudio/projectdetail/2194725?shared=1本项目给出Paddle在组网时应用Paddlehub模型。目前网上均未找到此种方法，所以这里给出本人所
2021-07-19 17:20:52
536
原创 Project_Euler_30-40
题目描述In the United Kingdom the currency is made up of pound (£) and pence §. There are eight coins in general circulation:1p, 2p, 5p, 10p, 20p, 50p, £1 (100p), and £2 (200p).It is possible to make £2 in the following way:1×£1 + 1×50p + 2×20p + 1×5p +
2021-07-19 00:18:41
120
原创 IntegratedLearning_Task02集成学习
Datawhale 集成学习 Task02 笔记一个完整的机器学习项目分为以下步骤：明确项目任务： 回归 / 分类收集数据集并选择合适的特征。选择度量模型性能的指标。选择具体的模型并进行训练以优化模型。评估模型的性能并调参。数据约定如下：第i个样本：xi=(xi1,xi2,...,xip,yi)T,i=1,2,...,Nx_i=(x_{i1},x_{i2},...,x_{ip},y_i)^T,i=1,2,...,Nxi=(xi1,xi2,...,xip,yi)T,i=1,2
2021-07-18 19:49:46
153
原创 Project_Euler_20-30
Amicable numbers题目描述Let d(n) be defined as the sum of proper divisors of n (numbers less than n which divide evenly into n).If d(a) = b and d(b) = a, where a ≠ b, then a and b are an amicable pair and each of a and b are called amicable numbers.For exa
2021-07-17 15:41:17
164
原创 Linux 与 IMX6 动态与静态 内核加载
静态内核加载1. 进入交叉编译内核目录cd /home/uptech/fsl-6dl-source/kernel-4.9.88/drivers/char2. 构建简单测试驱动 1 #include <linux/init.h> 2 #include <linux/module.h> 3 //声明GPL版权 4 MODULE_LICENSE("Dual BSD/GPL"); 5 //驱动程序入口函数 6 static int mytest_init(vo
2021-07-17 13:41:30
284
原创 IntegratedLearning_Task01
Datawhale 集成学习 Task01 笔记本次学习内容：了解sklearn中读取数据、生成数据。并简单介绍回归与分类。以下案例内容采用Datawhale资料，所有函数并不在此过多赘述，详情查看下方API。sklearn 中 所有内置数据集封装在datasets对象中，返回的对象中：data: 特征X的矩阵(ndarray)target: 因变量的向量 (ndarray)feature_names: 特征名称 (ndarray)from sklearn import bost
2021-07-16 22:04:58
155
2
原创 Project_Euler_10-20
会随着刷题不断更新。。。。前面的没想着要写笔记，就没有存下代码，故从Problem11来记录代码全由Python实现。 10～20题Largest product in a grid题目描述In the 20×20 grid below, four numbers along a diagonal line have been marked in red.08 02 22 97 38 15 00 40 00 75 04 05 07 78 52 12 50 77 91 0849 49 99 4
2021-07-16 21:55:54
140
原创 虚拟机Linux 和 IMAX6设备 NFS通信
虚拟机Linux 和 IMAX6设备 NFS通信服务端安装NFS服务器，sudo即可，不过多赘述感觉只能对根目录下的文件夹进行通信1. 根目录建立共享文件夹sudo mkdir /imax72. 修改配置sudo vim /etc/exports在最后一行添加/imax7 *(rw,sync,no_root_squash,no_subtree_check)/imax7 为共享文件夹3. 重启NFS服务```bashsudo /etc/init.d/rpcbind resta
2021-07-16 13:44:16
208
原创 Bit_operation
n & 1 # 取最低位， 判断奇偶数n & (n - 1)判断奇偶数 ： x & 1 取最低位获取二进制位是1还是0交换两个整数变量的值：a = a ^ bb = a ^ ba = a ^ b异或，可以理解为不进位加法例题：找出数组中唯一重复的数字1 2 2 3# input : nums = [1,2,2,3]nums.extend(set(nums))tmp = nums[0]for i in range(1, length): tmp =
2021-07-15 18:01:48
59
原创 线性筛求约数个数
author: “xingyu”author_link: “”title: “线性筛求约数个数”date: 2021-01-20T16:59:56+08:00lastmod: 2021-01-20T16:59:56+08:00draft: falsedescription: “”show_in_homepage: truedescription_as_summary: falselicense: “”tags: [“Algorithm”]categories: [“Algorithm.
2021-07-14 14:08:27
260
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