True Truth

之前再pdf中接触到 pbm pgm ppm等文件格式, 于是做了一些分析. 这类文件相当于bmp格式,将图片数据完全用一对一的方式进行保存, 而不是压缩.最近在处理一批mask文件, 想到了p*m这类文件的存储方式.下面是我做的一些实验:$ ll aa* bb* cc*-rw-rw-r-- 1 hocker hocker 443 1月 21 11:09 aa.7z-rw-rw-r-- 1 hocker hocker 122955 1月 21 11:07 aa.pbm-rw-rw-r-

python 解码 音频:import timeimport audioreadimport matplotlib.pyplot as pltimport numpy as npimport sys, os filename = '~/Music/a.mp3'with audioread.audio_open(filename) as f: print(f.channels...

之前服务器环境使用的是NVIDIA的Tesla P4的环境，程序运行没有问题，但是换成Tesla M40，程序就算就出现较大的偏差。大致原因是M40是单精度的浮点数的运算，P4是双精度，在双精度上的计算结果用在单精度上运行，运算精度不一样，所以计算偏差比较大，导致的结果不一致。特别是乘除法的矩阵运算，结果运算偏差会很大。解决方式是模型训练时，指明单精度运算做训练：如：grayPix = (...

上面讲了DQN的类的实现， 下面还有CnnDQN， 这个类是针对另外一个gym项目做的， “PongNoFrameskip-v4”,截图为：[外链图片转存失败(img-EAVizKF5-1568784025441)(pong.png)]重新定义了一个 CnnDQN 类：class CnnDQN(nn.Module): def __init__(self, input_shape, n...

第一篇的代码，经过调试，运行没得问题了，我们来看看作者想让我们了解一些什么。启动一个车竿实验env_id = "CartPole-v0" env = gym.make(env_id) epsilon_start = 1.0epsilon_final = 0.01epsilon_decay = 500epsilon_by_frame = lambda frame_idx: ep...

其实，看开源项目，有一个不好的地方，就是维护相对比较不太友好。特别是依赖的环境版本一直在变动的时候，这个弊端就非常明显。好了，万事都有两面，我们可以通过这些版本的更迭，来看到深度学习的发展方向。拿过来就用，没得挑战性。我这次对项目第一节进行了维护，并上传到gitee上面，然后就来将我的计算机环境分享出来。由于pytorch需要cuda这些环境，其实其他环境变动不太大，但是cuda的cudn...

接下来可能就要涉及编程， 机器学习， 我建议用python。 当然，我不建议你把python当成一门课程来折腾， 建议能够敲abc就可以开始了。[题外话：tou疼, 我现在都还在吐嘈我们将英语当成了理工科的公式来学习， 请问表达需要啥语法， 只要对面能够听懂就好了呀，我想说从发出了a b c的读音，你就懂英语了]其实人工智能的教材现在网上比较多，但是国内的很多要收费，比如床长的教程。 我对技术...

在理想状态下，你看到这里，应该头脑还比较清晰。由于我是从应用上一点一点的了解这个的，所以，我也想让大家从应用上来看人工智能，不要认为这些只是数学公式， 而是有一个这样做更好的实践运用的思路。其实现在很大一部分研究就是在找上面公式的简化，而且能够准确的解决实际问题。其实这个过程很折腾，直到倦积被提出来。那应该是上世纪的九十年代，大概的原理就是，一个图像的像素点只和该图像的相邻像素点有关系。反...

好了，大概就是遇到这些问题，我们来看看人工智能的解决方案。首先我们不能将问题想得太复杂，我们不看啥五颜六色图片，我们只看到一个x和y坐标和一个R，G，B的颜色描述。其实在实际运算中，我们将RGB颜色组换算成了一个G的颜色值，就是根据人眼对颜色的敏感程度，将彩色图片变成灰度图像。然后我们建立，Wxy=GxyW_{xy}=G_{xy}Wxy​=Gxy​ 的位置信息，寻找几何信息就对了。如果要进...

其实一直在接触人工智能方面的资料。很多人都是在趁着人工智能的兴起，褥新来人的羊毛。 将人工智能不断的变成人工智障。其实这个问题，本身是一个简单的大规模运算。比如我们人工识别一张图片中识别其中是否有某某菜，只需要判断是否其中包含某某菜的特征，比如说某某菜的脸或者妖艳的投球姿势。在人的眼中，这些特征 五彩缤纷，充满几何意义。但是在计算机读取到的信息，是这些组成五彩缤纷的数字信息，比如1080...