2017年01月_code_Rocker

06月 05月 04月 03月 02月 01月

原创 Linux服务器后台继续执行程序tmux方法

通常本地连接远程linux服务器以后我们需要服务器一直执行程序，即使我们本地电脑关机或者断开连接，此时我们需要用到开后台神器tmux首先保证你的电脑安装了tmux 如果是ubuntu:apt-get install tmux然后在命令行输入tmux，这时我们就开启了一个tmux后台程序，你在这里执行所有的命令和在shell里面执行是一样的结果，但是这里所有的结果和进程在你本地断开连接后远程服务器都

2017-01-17 22:56:15 12698 2

原创 caffe的solver参数调优--caffe学习(17)

先看在python里面写solver文件需要有哪些参数：其中主要的几个参数区别test_interval，test_iter，max_iter，在这里已经介绍过caffe的solver文件参数详解–caffe学习(2) 接下来看自己跑实验室这些参数应该怎么设置，这里都以SGD为例： [1] L. Bottou. Stochastic Gradient Descent Tricks. Neura

2017-01-14 20:42:37 5234

原创 sublime打造caffe开发环境,prototxt文件语法高亮

给sublime添加python插件让开发caffe时更方便是很简单的，但是caffe开发时还需要常常和各种经常和各种train.prototxt文件打交道，怎么让sublime在我们编辑caffe的prototxt文件时提供语法高亮效果呢？1：control+shift+P键：然后输入install，选择install package 2：然后键入选择这个安装包这样我们打开pr

2017-01-14 15:56:14 2377

转载一个有趣的问题： α_β_γ_δ_ε_ζ_η_θ_ι_κ_λ_μ_ν怎么读

在http://www.cnblogs.com/yymn/p/4955988.html看到一个有趣的东西，分享如下：αβγδεζηθικλμν怎么读：大写小写中文名英文注音意义 a α 阿尔法 alpha 角度；系数 b β 贝塔 beta 磁通系数；角度；系数 γ γ 伽玛 gamma 电导系数（小写） δ δ 德尔塔 delta 变动；屈光度；方程判别式（大写）；

2017-01-14 09:21:41 4504

原创 ubuntu运行命令tee显示和保存为log

一般有三种需求：假如我要执行一个py文件python class.py1：将命令输出结果保存到文件log.logpython class.py |tee log.log结果就是：屏幕输出和直接执行python class.py输出一样，但是输出同样被保存到了log.log文件中2：将命令正确执行和错误的输出结果都保存到文件log.logpython class.py 2>&1 | tee

2017-01-12 16:03:08 8331

原创 L1归一化和L2归一化范数的详解和区别

一句话介绍就是： L1 norm就是绝对值相加，又称曼哈顿距离; L2 norm就是欧几里德距离之和L2范数：在向量范数范围内： L1范数就是等于各个值的绝对值相加，这里不贴公式了。从公式上来说： L1的公式：绝对值相加 L2的公式：欧几里德距离之和就是样本和标签之差的平方之和两个范数的简单性能对比：在正则化中二者的区别：同时注意由于L1是绝对值之和

2017-01-11 10:36:23 52115 6

原创 caffe中loss函数代码分析--caffe学习（16）

http://blog.csdn.net/u014381600/article/details/54341317接上篇：caffe中样本的label一定要从序号0开始标注–caffe学习（15） A: 1：数学上来说，损失函数loss值和label从0开始还是从1或者100开始是没有直接联系的，以欧式距离损失函数（Euclidean Loss）为例子： 2:铰链损失函数（Hinge Los

2017-01-11 09:34:32 6283

原创 caffe/tensorflow中样本的label一定要从序号0开始标注--caffe学习（15）

这两天在跑实验时思考一个问题，为什么在别的帖子里面和自己之前的实验中，对于data的标注大家都默认使用的是从0开始标注样本，之前的一次finetune中，自己的样本从34567开始标注的时候一直没有开始收敛loss，但是后来在另一个帖子中看到标注必须要从0开始，后来自己改成01234之后loss也收敛了，因此开贴记录并验证。这是序号为01234的test.txt文件内容：先看标注从0开始的样

2017-01-10 23:40:40 11591 2

原创 caffe中train_val.prototxt文件和deploy.prototxt文件区别和转换--caffe学习（14）

先放出二者的完整例子文件，然后分析： train_val.prototxt文件如下：name: "CaffeNet"layer {name: "data"type: "Data"top: "data"top: "label"include {phase: TRAIN}transform_param {mirror: truecrop_size: 227mean_file:

2017-01-10 21:43:56 7518 5

原创 A Key Volume Mining Deep Framework for Action Recognition论文学习

Zhu W, Hu J, Sun G, et al. A Key Volume Mining Deep Framework for Action Recognition[C]// IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2016:1991-1999.百度学术 1：思路：

2017-01-10 18:20:20 3095 3

原创 caffe增加自己的layer实战（下-续1）--caffe学习（13）

接上篇：caffe增加自己的layer实战（下）–caffe学习（12）构造完函数后我们就要进入proto目录。编辑caffe.proto文件，构造我们的video_data_layer的输入参数。找到：message LayerParameter { 里面有很多类似： optional PythonParameter python_param = 130; 我们要为自己的video_

2017-01-09 15:49:20 2639 4

原创 caffe增加自己的layer实战（下）--caffe学习（12）

接上篇 caffe增加自己的layer实战（中）–caffe学习（11）先放出完整的修改后的video_data_layers.cpp：#include <fstream>#include <iostream>#include <string>#include <utility>#include <vector>#include "caffe/data_layers.hpp"#inc

2017-01-09 11:24:24 2710

原创 caffe增加自己的layer实战（中）--caffe学习（11）

接上篇： caffe增加自己的layer实战（上）–caffe学习（9）实现完hpp头文件后就在cpp中实现具体的函数：目录更改到cpp文件：/caffe/src/caffe/layers 新建文件，命名为：video_data_layers.cpp1：首先包含头文件#include <fstream>#include <iostream>#include <string>#inclu

2017-01-09 11:21:02 1898

原创 caffe增加自己的layer实战（上）--caffe学习（10）

github上如何增加自己的caffe layer：这里写链接内容摘要如下：Here's roughly the process I follow. Add a class declaration for your layer to the appropriate one of common_layers.hpp, data_layers.hpp, loss_layers.hpp, ne

2017-01-09 10:52:16 2262

原创 caffe各个层layer的区别和介绍 Vision Layers,Data Layers, Common Layers--caffe学习（9）

主要有几个大类Vision Layers,Data Layers, Common Layers。其实caffe官网介绍的已经很仔细了，可以参考中文翻译版本：由CaffeCN社区志愿者共同翻译的Caffe官网教程，目前已经完成社区预览，现在对外发布。我们在此致谢所有参加此次翻译活动的朋友们！本文档版权现已贡献给Caffe官方，由CaffeCN社区负责后续维护。下载地址百度云： htt

2017-01-09 09:44:07 1417

原创 caffe增加自己的layer教程集合

两篇CSDN教程这里写链接内容这里写链接内容caffe中文社区：这里写链接内容github一篇这里写链接内容斯坦福大学大牛的博客这里写链接内容我自己实现的教程： caffe增加自己的layer实战（上）–caffe学习（10） caffe增加自己的layer实战（中）–caffe学习（11） caffe增加自己的layer实战（下）–caffe学习（12）

2017-01-08 16:45:31 760

原创常用网络模型结构LeNet,AlexNET,VGG,BN-inception,ResNet网络模型简介和资料整理--caffe学习（8）

在使用深度神经网络时我们一般推荐使用大牛的组推出的和成功的网络。如最近的google团队推出的BN-inception网络和inception-v3以及微软最新的深度残差网络ResNET。我们从简单的网络开始介绍，学习理解网络结构是如何发展到今天的，同时本文整理了自己用别人网络结构时别人的网络结构的pre-reain model和prototxt文件的资源。首先安利caffe zoo大法，可

2017-01-08 14:18:41 23242

原创 caffe安装错误总结（cuda，cudnn，ffmpeg错误，cudnn.hpp:8:34）

最近安装了caffe的Linux版本。1.操作系统最好使用ubuntu desktop 14.04 64位。2.剩下的就按caffe官网安装caffe的方法安装就行了，一路顺畅。顺便提醒一下，caffe没有说要安装opencv，这个是需要安装的，可以在所以安装完毕后，安装opencv。3.opencv安装，4.1ffmpeg：sudo add-apt-repository ppa:kirillshk

2017-01-05 10:40:15 7850

原创（Python实现）数据PCA降维白化和L2归一化-深度学习实践常用数据预处理

在深度学习网络训练之前，一般需要对数据进行预处理 1：减去均值，然后归一化 2：PCA白化本文从python代码实现的角度去实现它首先生成一个随机数组用于实验，维度是（40,500），代表有40个样本，每个样本的维度是500维。from numpy import randomX= random.random(size=(40,500))1：减去均值，然后归一化X -= np.mean(

2017-01-05 10:37:56 11940

原创 caffe将用训练好的caffemodel和train_val.prototxt文件分类新的一张图片-下篇--caffe学习（7）

接上篇caffe将用训练好的caffemodel和train_val.prototxt文件分类新的一张图片-上篇得到deploy.prototxt文件之后，我们可以自己编写python代码实现对单个图片的分类预测，先贴代码再分析：#coding=utf-8import caffeimport numpy as nproot=root='/home/dltest/caffe/' #根目录

2017-01-04 12:31:46 1887

原创 caffe将用训练好的caffemodel和train_val.prototxt文件分类新的一张图片-上篇--caffe学习（6）

经过前文介绍之后可以训练得到caffemodel文件，同时得到train_val.prototxt文件，但是我们分类时需要的是deploy.prototxt文件。因此需要手动将train_val.prototxt文件转换成deploy.prototxt文件首先将train_val.prototxt文件复制一份保存为deploy.prototxt文件cp train_val.prototxt

2017-01-04 11:33:46 2437

原创 caffe将网络模型由protot转换成变成网络结构模型图--caffe学习（5）

首先需要安装graphviz，再安装pydot 在conda命令下：conda install graphvizconda install pydotpython/draw_net.py这个文件，就是caffe官方提供的用来绘制网络模型的。也就是将网络模型由prototxt变成一张图片。安装好了，就可以调用脚本来绘制图片了 draw_net.py执行的时候带三个参数第一个参数：网络模型的p

2017-01-02 23:19:58 1991

原创 github仓库命令行下的使用-ubuntu系统

在ubuntu系统命令行下如何对自己的github仓库进行下载和上传呢？ 1·首先检查电脑是否通过github仓库的sshkey认证ssh -T [email protected]如果出现：Hi xxxx! You've successfully authenticated, but GitHub does not provide shell access. 没问题，进行下一步，但是如果你没有添加过这

2017-01-02 10:59:44 496

原创 caffe用python设置网络的Convolution层Pooling层和LRN--caffe学习(4))

1：卷积层，是卷积神经网络（CNN）的核心层。层类型：Convolution 　　lr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率，第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。在后面的convolution_param中，我们可以设定卷积层的特有参数。

2017-01-02 01:05:31 2206

原创 caffe用python加载数据，包含各类数据类型（LMDB,image,HDF5等共五种全部格式））--caffe学习(3)

caffe的数据层是网络的第一层，也就是data层，今天我们就先介绍一下数据层。数据层是每个模型的最底层，是模型的入口，不仅提供数据的输入，也提供数据从Blobs转换成别的格式进行保存输出。通常数据的预处理（如减去均值, 放大缩小, 裁剪和镜像等），也在这一层设置参数实现。数据来源可以来自高效的数据库（如LevelDB和LMDB），也可以直接来自于内存。如果不是很注重效率的话，数据也可来自磁

2017-01-02 00:39:39 2312

LATEX的教程中文版

2024-04-02

第二版Science Research Writing for Non-Native Speakers of English

2023-11-05

Science Research Writing for Non-Native Speakers of English

Science Research Writing for Non-Native Speakers of English第一版英文版pdf

2023-11-05

斯坦福机器学习编程作业machine-learning-ex5，方差与误差， Bias v.s. Variance题目，满分，2015最新作业答案

斯坦福机器学习编程作业machine-learning-ex5，方差与误差， Bias v.s. Variance题目，满分，2015最新作业答案 MATLAB代码

2015-10-22

斯坦福机器学习编程作业machine-learning-ex4，神经网络模型，Neural Networks Learning题目，满分，2015最新作业答案

斯坦福机器学习编程作业machine-learning-ex4，神经网络模型，Neural Networks Learning题目，满分，2015最新作业答案 MATLAB 满分

2015-10-18

斯坦福机器学习编程作业machine-learning-ex3，神经网络模型，非线性模型题目，满分，2015最新作业答案

斯坦福机器学习编程作业machine-learning-ex3，Multi-class Classication and Neural Networks神经网络模型，非线性模型题目，满分，2015最新作业答案 Multi-class Classication and Neural Networks MATLAB

2015-10-15