silence2015的专栏

背景：视频帧序列逐个跑一遍CNN模型，发现CPU被占满了经过debug发现问题出在torchvision transorms.totensor上经过搜索，torch在设计多线程加速计算时候会默认占满所有core，因此cpu会飙满，这对别的应用程序速度影响非常大，因此需要控制一下。解决方法：1）torch.set_num_threads(1)手动控制一下torch占用的线程数2）设置环境变量export OMP_NUM_THREADS=1 or export MKL_NUM_THREADS=1

Region Proposal by Guided Anchoring 出自mmlab的陈凯，作者提出一种模型自己生成anchor的策略来替换常规的RPN层，起到获取更加稀疏更高质量Proposal的目的。痛点：不同数据集需要人手工调整anchor的尺度和比例参数，这些anchor参数极大影响后续的检测结果。想要获取更高的proposal召回率，需要铺设更多的anchor，但这无疑拖慢了模型计算，同时更多的anchor会一定程度干扰训练优化因此，模型自己生成anchor成为一个很好解决方

CNN能在规则结构数据上取得惊人成绩归功于规则结构数据的平移不变性，因此CNN利用参数共享完成规则数据的特征抽取，这里的规则数据有如图片等数据。但图结构数据不具备结构规则性，CNN因此失效了，图数据上的节点受到周边乃至更远节点的影响，因此我们需要一种方法能够考虑节点以及它所相关的节点相互影响的模型来完成节点特征抽取。GCN和CNN一样，可以理解为一种特征提取器，GCN可以完成节点分类，图分类，边预测，图嵌入等。在GCN中，有几个重要的概念需要清楚（这儿以无向图为例）度矩阵D：表示节点的度邻接矩阵

首先介绍一下GCN实现人脸聚类这篇论文，然后记录一下作者开源代码的阅读心得（代码写的很nice！）Learning to Cluster Faces via Confifidence and Connectivity Estimation CVPR2020一图胜千言，图2即作者提出的GCN网络来实现人脸聚类的全流程，其实本文的重点不在于GCN模型的构建，而是一种GCN思想在人脸聚类上的应用。GCN实现人脸聚类主要分为四个部分：图的构建，GCN-V实现节点置信度预测，GVN-E实现边连接预测，通过基于

ArcFace可以说是现在人脸识别损失函数中应用最为成功也最为有效的损失之一，在各大人脸数据集上可谓屠榜。论文：ArcFace: Additive Angular Margin Loss for Deep Face Recognition常规交叉熵损失如下：当我们将W和X都通过L2归一化，设置偏执b为0，则可将矩阵相乘的结果logit看成一个余弦距离与缩放因子S的乘积，这两者在结果上是等价的，那么logit就与w和x无关了，仅与θ和s有关，如果固定s，那仅与θ有关。...

看论文前可先看下作者自己在知乎的总结：https://zhuanlan.zhihu.com/p/51806059这篇论文简称CDP，利用监督方式训练一个度量模型判别图片对判别进而实现人脸聚类，使用聚类的人脸来训练人脸识别模型。open-setandclose-set类似ImageNet识别这种，明确知道类别范围的分类问题称为close-set问题，但人脸方面基本都属于open-set问题（测试类别不一定在训练集范围内），因此测试过程通常是提取人脸特征进行比对，而非直接通过网络推理...

DSFD为CVPR2019的工作，作者提出一种双分支的人脸检测算法，网络结果如下创新点如下：1.一种新的特征增强模块（FEM）该模块可看做FPN的升级版，在特征融合后使用空洞卷积捕捉多尺度表征增强感受野对比实验发现涨点明显2.双分支结构DSFD为并行双预测分支组成，训练阶段两条分支都作预测，而测试阶段仅使用第二条分支（特征增强分支）。为什么使用双分支呢？作者提到可以将第一条预测分支看成是一种辅助监督，使得特征更符合人脸检测（个人理解：第一条分支可看成一种特征约束）。其中两条分支除了采用的a

参考：DDP使用讲解：https://zhuanlan.zhihu.com/p/113694038官方ImageNet分布式训练案例： https://github.com/pytorch/examples/blob/e49fa5846f/imagenet/main.py官方DDP使用案例： https://github.com/pytorch/examples/blob/e49fa5846f/distributed/ddp/main.py...

2017年的文章了，作者对已有基于anchor的人脸检测算法在感受野不匹配、小脸特征少、anchor匹配不均、以及浅层预测出现大量FP等问题分别分析并提出改进。S3FD模型结构如上图可见为SSD的改进版，分别针对现有的不足，作者分别作了以下改进。1.在模型结构上的改进这一块作者称为scale-equitable framework，在vgg16模型基础上新增卷积层，并在6层特征图上分别做预...

百度2018年出品，霸榜wider face一段时间，性能小怪兽。对于遮挡、小、模糊的人脸，仅仅靠人脸那点信息较为判别那是人的脸，得借助头啊，上半身这些上下文信息来辅助判别才能较好判定那些很难看出来的人脸。这就是本文作者提出的pyramidanchors的核心思想，如下图所示，借助人头，上半身能较好判别人脸。作者主要有以下贡献：提出一个FPN的改进版，LFPN。作者分析较高层的特征可...

找了个开源的实现，这个实现版本将NMS结果与优化框一起作为输出参考：https://github.com/sfzhang15/SFD/blob/c1abcf014d430354ce3a61c7f33de0dcf2021186/sfd_test_code/WIDER_FACE/wider_test.py#L41https://github.com/facebookresearch/Dete...

assign和sample是在anchor target中的核心操作。assign一般基于IOU，mmdet中也有基于atss和基于point的等。sample一般为随机，也有ohem的，基于伪标签的。MaxIoUAssigner这是常用的assign方法，下面为mmdet中该类介绍及构造函数参数说明"""Assign a corresponding gt bbox or backgro...

anchor_target函数解读该函数输入参数："""Compute regression and classification targets for anchors.Args: anchor_list (list[list]): Multi level anchors of each image. valid_flag_list (list[list]): Multi ...

mmdet中anchor_head为预测分支的基类，包含了_inti_layers, init_weights, forward_single,forward, get_anchors, loss，get_bboxes这些功能，囊括了训练用到的loss计算以及预测用到的get_bboxes方法。1、forward_single and forward单尺度预测，得出分类，边框预测def fo...

anchor是一组先验框，在faster rcnn中被提出，再次记录mmdetection anchor生成思路。mmdet中的AnchorGenerator类负责生成anchor，该类构造函数接收三个参数：base size，ratios，scalesbase size：anchor大小ratios：anchor 高宽比scales：anchor缩放比例每一处生成ratios*scal...

内网穿透意思就是使用某种技术实现外网访问到内网比如公司内网只能在公司局域网内访问，在家里无法直接访问到公司的电脑。那么使用frp搭建一个内网穿透服务就能实现在家远程访问公司内网电脑。所需设备：一个有公网ip的设备整个frp的搭建流程很简单，将家里电脑（内网内设备）称为客户端，即想要访问的对象；将有公网ip的设备叫服务器。我们需要分别在公网服务器上起一个frp服务器，然后在客户端上起一个frp...

keras可以方便画出网络结构图，但在使用过程中有两个库需要先安装 pydot 和graphvizos： unbantupydot使用pip很容易安装graphviz直接用pip装没问题，但是使用时候遇到环境变量问题。这儿需要将graphviz/bin添加到环境变量，但是我装完发现graphviz文件下无bin文件。。。另寻他路，apt-get install graphviz直接安装成功...

给定一个非空字符串 s 和一个包含非空单词列表的字典 wordDict，判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词。说明：拆分时可以重复使用字典中的单词。你可以假设字典中没有重复的单词。示例 1：输入: s = “leetcode”, wordDict = [“leet”, “code”]输出: true解释: 返回 true 因为 “leetcode” 可以被拆分成...

dabadcmnm最长回文子串为dabad此题有多种解法，暴力法就是逐个子串来比较，记录最长子串，复杂度太高。动态规划当子串是回文子串时候，我们只需要看两遍新添的两个字符是否相等，若相等则最新串也是最长子串；若不等，则新串不是回文子串。这也是此题的状态转移方程。例如，aba是回文子串，当aba子串两端新添的两个字符相等时候，新串dabad也是回文子串。我们可以用一个二维数组dp记录所有的...

You are a professional robber planning to rob houses along a street. Each house has a certain amount of money stashed, the only constraint stopping you from robbing each of them is that adjacent house...

Determine if a 9x9 Sudoku board is valid. Only the filled cells need to be validated according to the following rules:Each row must contain the digits 1-9 without repetition.Each column must contain...

You are given coins of different denominations and a total amount of money amount. Write a function to compute the fewest number of coins that you need to make up that amount. If that amount of money ...

The demons had captured the princess § and imprisoned her in the bottom-right corner of a dungeon. The dungeon consists of M x N rooms laid out in a 2D grid. Our valiant knight (K) was initially posit...

数组中有一个数字出现的次数超过数组长度的一半，请找出这个数字。例如输入一个长度为9的数组{1,2,3,2,2,2,5,4,2}。由于数字2在数组中出现了5次，超过数组长度的一半，因此输出2。如果不存在则输出0。这个题目看到了首先会想到排序，然后统计个数。O（nlogn）了，不够快超过一半的数字肯定会是中位数，尝试快排的思想，找到中位数即可。这儿遇到一个坑，就是写partition函数的时候nu...

给个链表1->2->3->4->5->6把它变成1->6->2->5->3->4先把后半段链表反转，然后交叉链接前后半段链表即可#include <iostream>#include <iomanip>#include <vector>#include <algorithm>#...

快排的核心在于根据哨兵将节点二分，使用双指针分别从头和尾开始遍历即可完成。可是链表的访问时单向的，无法使用一个指针从后往前访问节点。换个思路来解，我们的目的还是要将数据二分嘛。还是用双指针，慢指针 i 指向头结点，快指针 j 从第二个节点开始遍历，一旦遇到节点值小于哨兵的key，那说明 j 指向的节点应该在哨兵前，这时候我们将慢指针后移一步，然后替换 i 和 j 的值。替换后保证了 j 的值大于...

牛客最近来了一个新员工Fish，每天早晨总是会拿着一本英文杂志，写些句子在本子上。同事Cat对Fish写的内容颇感兴趣，有一天他向Fish借来翻看，但却读不懂它的意思。例如，“student. a am I”。后来才意识到，这家伙原来把句子单词的顺序翻转了，正确的句子应该是“I am a student.”。Cat对一一的翻转这些单词顺序可不在行，你能帮助他么？这道题用栈来解非常简单，坑在于牛客...

八皇后问题，太经典了。这儿记录一个回溯写法。回溯法适用于求解含有多个步骤的问题，且每个步骤都有多个选择，每次我们只选一个选择去求解，若达到解的条件则为一个解，若无解那么回到上一步换一个选择继续求解。八个皇后在水平竖直对角方向都不能共线，那这肯定作为求解过程中的限制。我们用一个数组记录每个皇后在对应行上的位置。假设棋盘有n格，每个皇后就有n个选择，每次选一个，然后判断该皇后在这儿会不会与已有皇...

Given an unsorted array of integers, find the length of the longest consecutive elements sequence.Your algorithm should run in O(n) complexity.Example:Input: [100, 4, 200, 1, 3, 2]Output: 4Explan...

字符串“liulishuo”，我们需要对该字符串每个字符编码，使得编码后的字符串总长度最小。我们可以通过哈夫曼树来对字符编码，累积树中非叶子节点的和即为所求总长度。总长度也等于词频1字符长度1+词频2字符长度2+…/*liulishuo23对字符串编码，使得编码后的总长度最短；哈夫曼编码，总长度=字符长度1*频数1+字符长度2*频数2利用最小堆找最小元素*/int MinLe...

Implement pow(x, n), which calculates x raised to the power n (xn).Example 1:Input: 2.00000, 10Output: 1024.00000Example 2:Input: 2.10000, 3Output: 9.26100该题简单的循环累乘会超时，时间复杂度O(n).不够快！可以用分治法将复杂度...

Given a binary search tree (BST), find the lowest common ancestor (LCA) of two given nodes in the BST.According to the definition of LCA on Wikipedia: “The lowest common ancestor is defined between t...

Given a binary tree, determine if it is a valid binary search tree (BST).Assume a BST is defined as follows:The left subtree of a node contains only nodes with keys less than the node’s key.The rig...

前序遍历：root，left，right用栈实现非递归遍历，访问root，将right先存栈，然后left再存栈vector<int> preorderTraversal(TreeNode* root) { stack<TreeNode*> s; vector<int> res; if (!root) retu...

Given an array nums of n integers, are there elements a, b, c in nums such that a + b + c = 0? Find all unique triplets in the array which gives the sum of zero.Note:The solution set must not contai...

Given a non-empty array of integers, return the k most frequent elements.Example 1:Input: nums = [1,1,1,2,2,3], k = 2Output: [1,2]Example 2:Input: nums = [1], k = 1Output: [1]输出数组内最重复的k个数。emmm，...

Given an array nums, there is a sliding window of size k which is moving from the very left of the array to the very right. You can only see the k numbers in the window. Each time the sliding window m...

Design a class to find the kth largest element in a stream. Note that it is the kth largest element in the sorted order, not the kth distinct element.Your KthLargest class will have a constructor whi...

Given a linked list, return the node where the cycle begins. If there is no cycle, return null.To represent a cycle in the given linked list, we use an integer pos which represents the position (0-in...

Given a linked list, swap every two adjacent nodes and return its head.You may not modify the values in the list’s nodes, only nodes itself may be changed.Example:Given 1->2->3->4, you sho...

Given a list of daily temperatures T, return a list such that, for each day in the input, tells you how many days you would have to wait until a warmer temperature. If there is no future day for which...

Given an encoded string, return its decoded string.The encoding rule is: k[encoded_string], where the encoded_string inside the square brackets is being repeated exactly k times. Note that k is guara...

Given a string, find the length of the longest substring without repeating characters.Example 1:Input: “abcabcbb”Output: 3Explanation: The answer is “abc”, with the length of 3.Example 2:Input: ...

You are given a map in form of a two-dimensional integer grid where 1 represents land and 0 represents water.Grid cells are connected horizontally/vertically (not diagonally). The grid is completely ...

题目描述把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转。 输入一个非减排序的数组的一个旋转，输出旋转数组的最小元素。 例如数组{3,4,5,1,2}为{1,2,3,4,5}的一个旋转，该数组的最小值为1。 NOTE：给出的所有元素都大于0，若数组大小为0，请返回0。这道题是剑指offer上的题目，坑多，且想到O(logn)时间复杂度的不容易。旋转数组基本有序，那可以考虑用...

Given an array nums, we call (i, j) an important reverse pair if i < j and nums[i] > 2*nums[j].You need to return the number of important reverse pairs in the given array.Example1:Input: [1,3...

归并排序C++实现归并排序用的是分治法，分治法往往用递归来实现。分治法的核心步骤分解问题当子问题能直接求解时，求解子问题合并子问题的解#include <iostream>#include <vector> #include <string>#include <algorithm>#include <cmath>...

给定一个字符串，请将字符串里的字符按照出现的频率降序排列。示例 1:输入:“tree”输出:“eert”解释:'e’出现两次，'r’和’t’都只出现一次。因此’e’必须出现在’r’和’t’之前。此外，"eetr"也是一个有效的答案。示例 2:输入:“cccaaa”输出:“cccaaa”解释:'c’和’a’都出现三次。此外，"aaaccc"也是有效的答案。注意"cac...

给定两个字符串 s 和 t，判断它们是否是同构的。如果 s 中的字符可以被替换得到 t ，那么这两个字符串是同构的。所有出现的字符都必须用另一个字符替换，同时保留字符的顺序。两个字符不能映射到同一个字符上，但字符可以映射自己本身。示例 1:输入: s = “egg”, t = “add”输出: true示例 2:输入: s = “foo”, t = “bar”输出: false示...

编写一个算法来判断一个数是不是“快乐数”。一个“快乐数”定义为：对于一个正整数，每一次将该数替换为它每个位置上的数字的平方和，然后重复这个过程直到这个数变为 1，也可能是无限循环但始终变不到 1。如果可以变为 1，那么这个数就是快乐数。示例:输入: 19输出: true解释:12 + 92 = 8282 + 22 = 6862 + 82 = 10012 + 02 + 02 = 1...

给定一个链表，每个节点包含一个额外增加的随机指针，该指针可以指向链表中的任何节点或空节点。要求返回这个链表的深拷贝。示例：输入：{“KaTeX parse error: Expected '}', got 'EOF' at end of input: …":"1","next":{"id”:“2”,“next”:null,“random”:{“KaTeX parse error: Exp...

您将获得一个双向链表，除了下一个和前一个指针之外，它还有一个子指针，可能指向单独的双向链表。这些子列表可能有一个或多个自己的子项，依此类推，生成多级数据结构，如下面的示例所示。扁平化列表，使所有结点出现在单级双链表中。您将获得列表第一级的头部。示例:输入:1—2---3—4---5—6–NULL|7—8---9—10–NULL|11–12–NULL输出:1-2-3-7-8-11...

给定一个链表，旋转链表，将链表每个节点向右移动 k 个位置，其中 k 是非负数。示例 1:输入: 1->2->3->4->5->NULL, k = 2输出: 4->5->1->2->3->NULL解释:向右旋转 1 步: 5->1->2->3->4->NULL向右旋转 2 步: 4->5-&...

给出两个 非空 的链表用来表示两个非负的整数。其中，它们各自的位数是按照 逆序 的方式存储的，并且它们的每个节点只能存储 一位 数字。如果，我们将这两个数相加起来，则会返回一个新的链表来表示它们的和。您可以假设除了数字 0 之外，这两个数都不会以 0 开头。示例：输入：(2 -> 4 -> 3) + (5 -> 6 -> 4)输出：7 -> 0 -> ...

Given a singly linked list, group all odd nodes together followed by the even nodes. Please note here we are talking about the node number and not the value in the nodes.You should try to do it in pl...

Given a singly linked list, determine if it is a palindrome.Example 1:Input: 1->2Output: falseExample 2:Input: 1->2->2->1Output: trueFollow up:Could you do it in O(n) time and O(1)...

Merge two sorted linked lists and return it as a new list. The new list should be made by splicing together the nodes of the first two lists.Example:Input: 1->2->4, 1->3->4Output: 1->...

Reverse a singly linked list.Example:Input: 1->2->3->4->5->NULLOutput: 5->4->3->2->1->NULLFollow up:A linked list can be reversed either iteratively or recursively. ...

Given a linked list, return the node where the cycle begins. If there is no cycle, return null.To represent a cycle in the given linked list, we use an integer pos which represents the position (0-in...

Given an array, rotate the array to the right by k steps, where k is non-negative.Example 1:Input: [1,2,3,4,5,6,7] and k = 3Output: [5,6,7,1,2,3,4]Explanation:rotate 1 steps to the right: [7,1,2,...

Given an array of n positive integers and a positive integer s, find the minimal length of a contiguous subarray of which the sum ≥ s. If there isn’t one, return 0 instead.Example:Input: s = 7, nums...

Write a function to find the longest common prefix string amongst an array of strings.If there is no common prefix, return an empty string “”.Example 1:Input: [“flower”,“flow”,“flight”]Output: “fl...

Given two binary strings, return their sum (also a binary string).The input strings are both non-empty and contains only characters 1 or 0.Example 1:Input: a = “11”, b = “1”Output: “100”Example 2...

pip在windows安装包时候遇到这种PermissionError: [WinError 5] 拒绝访问，没权限的问题，可尝试加个–userpip install --user scikit-image

LeetCodeReverse Words in a String/* Reverse Words in a String Input: &quot;the sky is blue&quot;, Output: &quot;blue is sky the&quot; medium 这道题花了我接近3个小时才accepted，总结下来主要是in-place操作会改变数组的长度，所以需要动态更新指针的位置。 还有就是对带有各...

论文：NIPS2016 Improved Deep Metric Learning with Multi-class N-pair Loss Objective距离度量学习旨在学习在嵌入空间能够保使得相似数据点靠的近，不相似数据离得远的一种数据嵌入表达技术。得益于深度学习的迅速发展，深度度量学习受到广泛关注。相比于标准的距离度量学习，深度学习能够学习到一种非线性的嵌入表达，这种嵌入表达配合c...

pycharm提供了很方便的与服务器同步代码，并执行的插件。我在配置的时候遇到了个问题，后来折腾了两天，最后终于解决了，在此记录下配置的过程和怎么解决的。目的：pycharm连接远程的服务器，然后在本地写代码，自动提交服务器并且在服务器执行，结果显示在本地console。坑：设置ssh的配置没问题，本地与远程项目也同步了，远程的python解释器也指定了，但是跑代码遇到无法连接到远程con...

seaborn绘图时遇到AttributeError: ‘float’ object has no attribute ‘shape’ 问题还是出在数值类型，将类别的转为category，数值转为对应的float32就行了

这儿主要记录两个函数： threading.Thread.join(),threading.Thread.setDaemon()如果创建主线程，并且设置了Daemon（）为True，那么主线程执行完毕，不会等待子线程，直接结束程序join方法的作用是阻塞，让主线程等待子线程结束，join方法可是设置一个timeout参数，即如果主线程等待子线程timeout时间，子线程还没运行结束，那么主...

数据不均是常见且很头疼的问题，在不能增加数据量的情况下只能通过各种采样方式实现数据尽可能分布均衡。具体的可以分为：欠采样，过采样，欠采样和过采样结合本文基于imbalanced-learn实验对比了过采样的不同实现方式产生的不同效果，欠采样一般不如过采样，故未进行实验 ...

坚持每一天，加油，傻傻

参考自：https://zhuanlan.zhihu.com/p/30536717

二值图像分割结果提取主要用到skimage.measure的label和regionprops填补空洞主要用到scipy.ndimage.binary_fill_holeslabel这个函数可以用来对图像进行块的标记，比如我自己做的这个二值图像，现在我用label可以实现对图像所有块标记，其中黑色背景为0，然后块一次被标记上数字（就是所有属于某个块的像素值都被设置成一个固定的值）下面，...

jupyter中导入的包不会被重复导入，如果修改了某个包，需要重新导入咋办。import importlibimportlib.reload(utils)

对于windows平台，https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv下载对应python版本和系统版本的whl文件，然后pip install XXX.whl 就行了在centos或者ubantu上两种快速安装策略，如果有conda，那直接conda install -c menpo opencv3，没有的话可以试试下载https://p...

目标：通过椭圆拟合求出目标长短轴思路：先用canny计算出待拟合椭圆的边界坐标，opencv中fitEllipse函数可通过最小二乘法来拟合一个椭圆使得点尽量在椭圆上。如上图，右边是拖过canny计算出边界点信息，左图是拟合出来的椭圆。以下作参数说明def fit_ellipse(img): edge = cv2.Canny(img,10,150) # 求出边界 ...

图像特征分为全局特征和局部特征两种，其中全局特征代表了图像的整体表现特性，比如颜色直方图，而局部特征代表了图像的局部特性，往往能够从一幅图片中提取出若干个数量不等的局部特征， 这些局部特征组合起来代表了整幅图像的特征分布。其中局部特征提取算法（比如SIFT）提取出来的局部特征称为描述子，比如SIFT描述子的维度为128，那么如果从一张图像中提取出m个描述子， 该幅图像的描述子矩阵为m*128。...

DilatedDilatedDilated convolution/Atrousconvolution/Atrousconvolution/Atrous convolutionconvolution convolution可以叫空洞卷积或者扩张卷积。空洞卷积诞生于图像分割领域，图像输入到网络中经过CNNCNNCNN提取特征，再经过poolingpoolingpooling降低图像尺度的同时增大...

现在几个流行的图像处理库：matplotlib.pyplot,,scipy.misc,skimage,opencv以上图像默认读取的数据格式都是uint8类型(除了matplotlib)，但是请将以上库的使用与matlab中用法注意区分（matlab中默认也是uint8类型，但是处理时候方便转换成float类型，在imshow时候注意matlab是默认float类型图像在0-1之间，故有时候显...

今天写了个算法，遇到个很奇葩的BUG。就是由于数值矩阵的类型造成的！！！opencv，scipy.misc读取的图像矩阵默认是uint8类型（plt默认是float32，0-1之间），该类型是无符号整数类型，一般方便计算，我会转成float类型，问题来了，在转换成float类型后经过算法层层计算，最后输出的图像矩阵有负数，这和讲uint8类型的图像输入算法得出的结果有一定差距，我先将算法得出的...

import matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False添上上面的代码，绘图就能正常显示中文了

kernel原链接：https://www.kaggle.com/pmarcelino/comprehensive-data-exploration-with-python该比赛是针对房价预测这种回归任务开场白：生活中最难懂的是自我。kernel关于四个方面展开1. 理解问题：相对于问题而言，对每一个变量研究他们的意义和重要性2. 单变量研究：该比赛中就针对目标变量（预测的房价）

简单安装xgboost方法1、下载包https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 注：其中cp后面的35或者36对应python 3.5,3.6，后面还有系统位数2、安装pip install 你下载的xgboost.whl3.Done

在FCN，U-net,GAN中都有使用转置卷积（Transposed Convolution）的过程，转置卷积不能单纯地理解为逆卷积（deconvolution）。在CNN正向卷积过程是一个将图片变小的过程，转置卷积使得图片逐渐变大，直至与原图一样大。如何理解转置卷积呢，可以先从将卷积的计算转换成矩阵的计算来开始。 好了，到这儿大致了解了转置卷积是什么，能干什么了。也就是由卷积后得到的小图

降维问题在很久以前就接触了，那时候也会用协方差矩阵实现PCA来实现降维，可以应用在图像压缩和数据维度缩减，减少噪声数据等。但是最近在用sklearn的pca工具实现降维时候发现这儿的pca降得到的维度只能小于等于样本数和维度的最小值（降维后的维度为k,原始数据样本数为m，维度为n，则k≤min(m,n)降维后的维度为k,原始数据样本数为m，维度为n，则k\leq min(m,n)）。在这儿就不懂了，

站在巨人的肩膀上眺望远方reference： http://blog.csdn.net/zouxy09/article/details/8537620 https://en.wikipedia.org/wiki/Expectation%E2%80%93maximization_algorithm#As_a_maximization-maximization_procedure http://w

官网的解决方案：https://help.github.com/articles/connecting-to-github-with-ssh/

本文概述图像检索是图像研究领域中一个重要的话题，广泛应用于医学，电子商务，搜索，皮革等。本文主要是探讨学习基于局部特征和词袋模型的图像检索设计。图像检索概述图像检索按照描述图像不同方式可以分为两类，一类是基于文本的图像检索（Text Based Image Retrieval），另一类是基于内容的图像检索（Content Based Image Retrieval）基于文本的图像检索基于文本的图像检

今天使用opencv发现没有SIFT,一系列特征提取模块也没了。google得知opencv将特征提取啊还有一些比较新的模块放opencv_contrib这儿了，说模块不稳定，嗯我自己现在想用，那么只有自己来编译。从这儿开始踩了一天坑。具体最后按照一个歪果仁写的bolg才填完坑。下面这个歪果仁告诉你为啥没了SIFT？ http://www.pyimagesearch.com/2015/07/16/

这儿仅作为我个人学习SIFT算法的总结！算法存在的意义SIFT（Scale-Invariant feature transform）算法是一种局部特征检测的算法，该算法通过寻找图像中的特征点（interest points ,or corner points）来进行特征点匹配。它在尺度空间寻找极值点，并精确计算出其位置信息，结合尺度，方向信息进行特征描述，该算法具有尺度，旋转不变性，对图像的亮度或者

要说LSTM，那就得先从RNN说起，RNN是一种对序列型数据进行建模的工具，在语音识别，机器翻译等领域有很好的应用。LSTM可以说是RNN的改进版，简单来说，RNN对长距离序列处理时会出现梯度消失或者爆炸这种现象，使得训练不起来（注：梯度消失或者爆炸问题不光在RNN中出现，在其他神经网络中也有，比如在使用sigmoid的激活函数时就可能出现，只不过那边处理的方法可以是替换激活函数，比如为Relu）。

最近翻阅《Tensorflow实战Google深度学习框架》，在第五章总结了使用滑动平均，正则化，衰变学习率来优化了一个三层神经网络识别手写数字MNIST，最后在测试集上得到的准确率达到了0.9842，在此我自己实现了一遍，稍作组总结。功能模块分离考虑到前向传播在训练NN和在测试NN时候都会用到，故将计算前向传播的过程封装成一个函数，输入训练样本，得到前向输出结果。其中为了便于计算正则化参数，在函数

# coding: utf-8# In[2]:# 动态规划 0/1背包问题# 参考http://www.hawstein.com/posts/dp-knapsack.htmlimport numpy as np# In[3]:# 一共五个宝石，袋子一共可以放10磅宝石n=5c=10# v代表宝石的重量，w代表宝石的价值v={0:2,1:2,2:6,3:5,4:4}w={0:6,1:

# coding: utf-8# In[22]:# 分治法求和 请编写前述sum函数的代码def SUM(arr,start,end): if start==end: return arr[end] else: return arr[start]+SUM(arr,start+1,end)# In[28]:date=[x for x in ran

本文主要参考http://www.cnblogs.com/ider/p/longest-common-substring-problem-optimization.html的讲解，本人自己用python实现了一下暴力法，动态规划。# coding: utf-8# ## 最长公共子串问题# # ### 暴力法求解 VS 动态规划# # ### 参考自http://www.cnblogs.

自己实现了softmax_cross_entropy_with_logits函数的功能，算是复习下softmax和cross_entropy

回顾下最短路径的地杰斯特拉算法迪杰斯特拉算法是求从某一个起点到其余所有结点的最短路径，是一对多的映射关系，是一种贪婪算法示例： 算法实现流程思路： 迪杰斯特拉算法每次只找离起点最近的一个结点，并将之并入已经访问过结点的集合（以防重复访问，陷入死循环），然后将刚找到的最短路径的结点作为中间结点来更新相邻结点的路径长度，这样循环找到图中一个个结点的最短路径。# dists定义了图，记录着从从起点出发

之前做过关于不同版本的conda的使用总结，最后发现装一个conda的就行了（踩了无数坑）我是因为要在windows10上装tensorflow，当时装的还挺顺利，但是最后装完了，在jupyter里使用时候发现numpy又不能用了，然后改了改参数返现python3的kernel又挂了。。。最后无奈，将电脑上的python2.7,python3.6,anaconda2,anaconda3全删了，