学习记录
文章平均质量分 79
笃厚我无
这个作者很懒,什么都没留下…
展开
-
Visual C++基础 - 使用OLE/COM操作Excel类
将数据保存至Excel表格中,并操作对应的单元格,比如字体、颜色填充等操作。详细描述了MFC添加EXCEL的接口以及操作原创 2022-09-04 15:07:06 · 4061 阅读 · 2 评论 -
“HalconDotNet.HHandleBase”的类型初始值设定项引发异常
利用 “hSmartWindowControl1” 时报错 ““HalconDotNet.HHandleBase”的类型初始值设定项引发异常”。 如下图:利用 “hWindowControl1” 时报错 ““试图加载格式不正确的程序。 (异常来自 HRESULT:0x8007000B)”。 如下图:解决方法:1.Halcon的这两个控件只能在X64环境下使用,将AnyCpu更改为X64即可。2.Halcon 安装目录 和 VS中的 NuGet,这两个地方都可以导入..原创 2020-12-13 22:15:36 · 4507 阅读 · 1 评论 -
摄像机标定的简单理解与纪要
该文章是在阅读许多博客关于标定的说法中,结合自己理解而整理的一部分。如有雷同,纯属抄袭,请联系我删除即可。一、相机标定的方法和意义:1、什么是相机标定:图像测量和机器视觉应用过程中,为确定空间物体表妹某一点的三维几何位置与其在图像中对应点之间的相互关系,必须建立摄像机的几何模型,这些几何模型参数就是摄像机参数。在大多数条件下,这些参数必须通过实验和计算得到,这个求解的过程就称之为摄像机的标定。2、相机标定的意义“无论是在图像测量还是机器视觉应用中,摄像机参数...原创 2020-07-22 15:45:54 · 7981 阅读 · 2 评论 -
ElitesAI·动手学深度学习PyTorch版-第六次打卡
1、批量归一化和残差网络1.1 批量归一化(BatchNormalization)对输入的标准化(浅层模型)处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。标准化处理输入数据使各个特征的分布相近批量归一化(深度模型)利用小批量上的均值和标准差,不断调整神经网络中间输出,从而使整个神经网络在各层的中间输出的数值更稳定。预测时的批量归⼀化训练:以batch为单位,...原创 2020-02-21 15:23:10 · 259 阅读 · 0 评论 -
ElitesAI·动手学深度学习PyTorch版-第五次打卡
卷积神经网络基础:卷积操作卷积核卷积核为1感受野和特征图填充和池化(计算公式)多个卷积核的运算原创 2020-02-18 16:08:22 · 339 阅读 · 0 评论 -
ElitesAI·动手学深度学习PyTorch版-第四次打卡
1、机器翻译机器翻译(MT):将一段文本从一种语言自动翻译为另一种语言,用神经网络解决这个问题通常称为神经机器翻译(NMT)。 主要特征:输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。1.1 数据预处理将数据集清洗、转化为神经网络的输入minbatch.def preprocess_raw(text): text = text.replace('\u...原创 2020-02-17 14:10:33 · 273 阅读 · 0 评论 -
ElitesAI·动手学深度学习PyTorch版-第三次打卡
1、过拟合欠拟合及其解决方案1.1 模型选择、过拟合和欠拟合在解释上述现象之前,我们需要区分训练误差(training error)和泛化误差(generalization error)。训练误差指模型在训练数据集上表现出的误差;泛化误差指模型在任意一个测试数据样本上表现出的误差的期望,并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数,例如线性回归用...原创 2020-02-15 15:54:03 · 385 阅读 · 0 评论 -
ElitesAI·动手学深度学习PyTorch版-第二次打卡
1.文本预处理文本是一类序列数据,一篇文章可以看作是字符或单词的序列,本节将介绍文本数据的常见预处理步骤,预处理通常包括四个步骤:读入文本分词建立字典,将每个词映射到一个唯一的索引(index)将文本从词的序列转换为索引的序列,方便输入模型1.1 读入文本我们用一部英文小说,即H. G. Well的Time Machine,作为示例,展示文本预处理的具体过程。import co...原创 2020-02-14 15:35:11 · 320 阅读 · 0 评论 -
ElitesAI·动手学深度学习PyTorch版-第一次打卡
1、线性回归1.1 线性回归的基本要素模型为了简单起见,这里我们假设价格只取决于房屋状况的两个因素,即面积(平方米)和房龄(年)。接下来我们希望探索价格与这两个因素的具体关系。线性回归假设输出与各个输入之间是线性关系:数据集我们通常收集一系列的真实数据,例如多栋房屋的真实售出价格和它们对应的面积和房龄。我们希望在这个数据上面寻找模型参数来使模型的预测价格与真实价格的误差最小。在机器学习...原创 2020-02-12 16:29:07 · 324 阅读 · 0 评论 -
数据结构与算法学习task03
0.理论部分用数组实现一个顺序栈。0.1 栈的定义插入(入栈)和删除(出栈)操作只能在一端(栈顶)进行的线性表。即先进后出(First In Last Out)的线性表。例1 :线性表(a0,a1,…,an) 进栈与出栈演示。如上所示,栈有两种实现一种是顺序栈一种是链栈,这两种实现方式有什么区别呢,其实与顺序表和链表是一样的:顺序栈是静态分配的但是链栈是动态分配的,所以比较起来链栈...原创 2020-01-10 14:08:09 · 768 阅读 · 0 评论 -
数据结构与算法学习task02
0.理论部分理解线性表的定义与操作。实现顺序表。实现单链表、循环链表、双向链表。练习部分1. 合并两个有序链表https://leetcode-cn.com/problems/merge-two-sorted-lists/将两个有序链表合并为一个新的有序链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。示例:输入:1->2->4, 1->3->4...原创 2020-01-08 16:13:09 · 205 阅读 · 0 评论 -
数据结构与算法学习task01
Task01:数组(1天)理论部分理解数组的存储与分类。实现动态数组,该数组能够根据需要修改数组的长度。练习部分1. 利用动态数组解决数据存放问题编写一段代码,要求输入一个整数N,用动态数组A来存放2~N之间所有5或7的倍数,输出该数组。示例:输入:N = 100 输出:5 7 10 14 15 20 21 25 28 30 35 40 42 45 49 50 55 5...原创 2020-01-06 18:48:59 · 245 阅读 · 0 评论 -
Visualizing and understanding -- 论文阅读笔记
Abstract.1 Introduction1.1 Related Work2 Approach介绍的是LeNet和AlexNet的卷积神经网络的基本架构。2.1 Visualization with a Deconvnet(反卷积可视化)反池化:在最小化池中,最大池操作是不可逆的,但是我...原创 2019-08-17 16:09:52 · 494 阅读 · 0 评论 -
matlab批量处理一个文件夹内的所有图片,并且自动命名保存到另外的文件夹。
测试某一个算法对图片检测的准确率。让其在某一个文件夹一次性检测并输出准确率。简单记录!!!%%%制作脚本文件遍历文件夹测试 (运用某算法来检测某一个文件夹中的所有人脸图片,并输出一个准确率)% 如果你的图片命名方式是1.jpg 2.jpg.......,其实后来发现,好像也不用这样命名,但是这样比较整洁clear;clc;file_path = 'G:\fa...原创 2019-07-24 11:40:21 · 3927 阅读 · 0 评论