- 博客(57)
- 收藏
- 关注
RSS订阅原创 Linux安装配置CGAL,OpenCV和Gurobi记录
我们会发现可用的软件包被存储在universe仓库中，因此需要添加额外的仓库，可选的仓库包括了universe和multiverse，以防万一我们可以都进行添加，此时libopencv-dev就可以正常安装。然后邮箱会收到回信（回复非常之快~）得到grbgetkey xxxxxxxxxxxxxxxxxxx，这个授权码只能一机一用，有效期一年。激活完成后在/opt/gurobi952/linux64/下输入gurobi.sh测试是否成功，就大功告成啦~~~~，查看当前的Qt版本，需要至少满足v5.12。
2024-05-12 15:21:21
798
3
原创 OSError: /lib64/libc.so.6: version `GLIBC_2.18‘ not found处理记录
configure --prefix=/usr的时候报错。
2024-03-06 20:04:40
389
原创 SpaceNet数据集下载记录
注意：保存访问密钥ID和私有访问密钥，存储在csv文件。注意：数据集发布的某些链接不对，导致报错文件不存在。中的test应该修改为Test。不知道是否侵权，后面整理好再传。注意：需要visa信用卡。注意：下载过程关掉VPN。
2024-02-27 10:59:53
391
原创 ModuleNotFoundError: No module named ‘torchsummary‘
【代码】ModuleNotFoundError: No module named ‘torchsummary‘
2023-12-29 13:23:07
687
原创 GNS3使用简介
文章目录GNS3打开GNS3配置通用设置IOS routers设置GNS3打开配置完成后进入主界面。GNS3配置通用设置通过点击Edit->Preferences打开设置界面。如上图，为通用设置，My projects和My binary images分别是我的工程和路由IOS的默认保存路径。Console applications选择配置设备的终端软件。IOS routers设置IOS镜像文件下载，提取码u7ge打开Dynamips下的IOS routers，点击Ne
2021-05-30 19:56:33
988
原创 GNS3下载安装
文章目录GNS3的安装软件下载安装Wireshark安装GNS3GNS3的安装软件下载点击这里，提取码n63j安装Wireshark打开安装程序，点击Next。License Agreement点击Noted。选择组件，这里我选择的全部组件。选择好后点击Next。添加桌面快捷方式，点击Next。选择安装路径，点击Next。这里选择安装Ncap。如果这里选择安装的话，就不需要再去安装WinPcap了。至于两者的区别有这样的描述：Npcap is the Nmap Project
2021-05-30 19:16:40
3193
原创 PyTorch模型的保存加载以及数据的可视化
文章目录PyTorch模型的保存和加载模块和张量的序列化和反序列化模块状态字典的保存和载入PyTorch数据的可视化TensorBoard的使用总结PyTorch模型的保存和加载在深度学习模型的训练过程中，如何周期性地对模型做存档非常重要。一方面，深度学习模型的训练是一个长期的过程，一般来说，大的模型可能运行数天或者数周，这样可能就会在训练的过程中出现一些问题。由于模型一般在运行时保存在计算机的内存或者显存中，一旦出现问题可能会导致模型训练结果的丢失。另一方面，对于训练好的模型，经常要对实际的数据进行
2021-01-27 19:58:02
1603
原创 PyTorch中的数据输入和预处理
文章目录PyTorch中的数据输入和预处理数据载入类映射类型的数据集torchvision工具包的使用可迭代类型的数据集总结PyTorch中的数据输入和预处理数据载入类在使用PyTorch构建和训练模型的过程中，经常需要将原始的数据转换为张量。为了能够方便地批量处理图片数据，PyTorch引入了一系列工具来对这个过程进行包装。PyTorch数据的载入使用torch.utils.data.DataLoader类。该类的签名如下：DataLoader(dataset, batch_size=1, sh
2021-01-27 14:41:25
5563
原创 PyTorch的损失函数和优化器
文章目录PyTorch的损失函数和优化器损失函数优化器总结PyTorch的损失函数和优化器损失函数一般来说，PyTorch的损失函数有两种形式：函数形式和模块形式。前者调用的是torch.nn.functional库中的函数，通过传入神经网络预测值和目标值来计算损失函数。后者是torch.nn库里的模块，通过建立一个模块的实例，然后通过调用模块方法来计算最终的损失函数。对于回归问题，一般情况下使用的是torch.nn.MSELoss模块，即平方损失函数，在实例中传入神经网络的预测值和目标值，能够计算
2021-01-26 20:47:14
2364
原创 PyTorch的计算图和自动求导机制
文章目录PyTorch的计算图和自动求导机制自动求导机制简介自动求导机制实例梯度函数的使用计算图构建的启用和禁用PyTorch的计算图和自动求导机制自动求导机制简介PyTorch会根据计算过程自动生成动态图，然后根据动态图的创建过程进行反向传播，计算每个节点的梯度值。为了能够记录张量的梯度，首先需要在创建张量的时候设置一个参数requires_grad=True，意味着这个张量将会加入到计算图中，作为计算图的叶子节点参与计算，最后输出根节点。对于PyTorch来说，每个张量都有一个grad_fn方
2021-01-26 15:22:58
658
原创 PyTorch模块类
文章目录PyTorch模块类基于模块类的简单线性回归类线性回归类的实例化和方法调用1.使用name_parameters方法和parameters方法获取模型的参数2.使用train方法和eval方法进行模型训练和测试状态的转换3.使用named_buffers方法和buffers方法获取张量的缓存4.使用named_children方法和children方法获取模型的子模块5.使用apply方法递归地对子模块进行函数应用PyTorch模块类PyTorch通过继承模块类nn.Module，在类的内部定义
2021-01-24 23:07:14
742
原创 PyTorch中的张量
文章目录PyTorch中的张量1.张量的数据类型2.张量的创建方式3.张量的维度4.张量的切片和索引4.张量的运算总结PyTorch中的张量1.张量的数据类型深度学习框架的重要功能之一就是支持张量的定义和运算，PyTorch提供了专门的torch.Tensor类，在这个类中根据张量的格式和需要使用张量的设备，为张量开辟了不同的存储区域，对张量进行存储。PyTorch中的张量一共支持9种数据类型，每种数据类型都对应CPU和GPU的两种子类型，如下表所示：数据类型PyTorch类型CPU上
2021-01-24 13:27:18
4510
原创 简述PyTorch
文章目录简述PyTorchPytorch的安装PyTorch包的结构PyTorch的主要模块1.torch模块2.torch.Tensor模块3.torch.sparse模块4.torch.cuda模块5.torch.nn模块6.torch.nn.functional函数模块7.torch.nn.init模块8.torch.optim模块9.torch.autograd模块10.torch.distributed模块11.torch.distributions模块12.torch.hub模块13.torch
2021-01-21 20:54:56
204
原创 算法分析与设计——分治法最近点对
分治法最近点对分治法分治法将一个难以直接解决的大问题划分成一些规模较小的子问题，分别求解各个子问题，再合并子问题的解得到原问题的解。一般来说，分治法的求解过程由以下三个阶段组成：划分：把规模为n的原问题划分为k个规模较小的子问题。求解子问题：各个子问题的解法与原问题的解法通常是相同的，可以用递归的方法求解各个子问题，有时递归也可以用循环来实现。合并：把各个子问题的解合并起来，合并的代价因情况不同有很大的差异，分治算法的效率很大程度上依赖于合并的实现。最近点对问题问题描述设p1=(x1,
2021-01-21 16:17:01
3776
原创 深度学习基本概念
文章目录深度学习基本概念深度学习机器学习深度学习基本概念深度学习深度学习的本质是一个前馈神经网络。早期的人工神经网络通过模拟动物的神经元的运行模式来实现对数据的拟合和预测，即通过函数模拟信息在神经元中的变换和传输。感知机通过对输入进行单层的线性变换来完成分类，然而这个模型无法解决线性不可分的问题。直到出现了多层感知机，由于增加了人工神经网络的深度，其对于相对复杂的函数拟合效果比较好，所以只要参数和隐含层的数量足够，多层感知机就能拟合任意的连续函数。同时，可以使用反向传播算法来优化多层感知机的模型，
2021-01-20 21:57:23
1180
原创 道路检测 | SNE-RoadSeg论文阅读
道路检测 | SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection论文阅读论文地址：https://arxiv.org/abs/2008.11351开源代码：https://github.com/hlwang1124/SNE-RoadSeg论文作者及研究团队概述：Rui (Ranger) Fan：Postdoc Fellow
2020-12-13 22:09:33
1479
1
原创 算法分析与设计——蛮力法0/1背包
蛮力法0/1背包蛮力法蛮力法是一种简单直接解决问题的方法，常常直接基于问题的描述，所以蛮力法也是最容易应用的方法。蛮力法所依赖 的基本技术是遍历，即采用一定的策略依次处理待求解问题的所有元素，从而找出问题的解。由于其需要依次穷举待处理的元素，因此蛮力法是一种典型的指数级时间算法。问题给定n个重量为{w1,w2,···,wn}、价值为{v1,v2,···,vn}的物品和一个容量为C的背包，0/1背包是一个求解这些物品中的一个最有价值的子集，并且能够装入到背包中。应用实例有n项可投资的项目，每个项
2020-11-22 00:54:02
8836
3
原创 计算机视觉编程——图像搜索
文章目录图像搜索1 基于内容的图像检索2 视觉单词3 图像索引3.1 建立数据库3.2 添加图像4 在数据库中搜索图像4.1 利用索引获取候选图像4.2 用一幅图像进行查询4.3 确定对比基准并绘制结果5 使用几何特性对结果排序6 建立演示程序以及Web应用6.1 用CherryPy创建Web应用6.2图像搜索演示程序图像搜索1 基于内容的图像检索在大型图像数据库上，CBIR（基于内容的图像检索）用于检索在视觉上具有相似性的图像。这样的返回的图像可以是颜色相似、纹理相似、图像中的物体或者场景相似。矢
2020-11-19 13:27:16
447
1
原创 机器学习——推荐算法
文章目录推荐算法1 协同过滤算法1.1 算法概述推荐算法推荐系统的核心问题是为用户推荐与其兴趣相似度比较高的商品。 此时需要一个函数f(x)来计算候选商品与用户之间的相似度，并向用户推荐相似度比较高的商品。为了能够预测出函数f(x)，可以利用的历史数据主要有：用户的历史行为数据、与该用户相关的其他用户信息、商品之间的相似性、文本的描述等等。假设集合C表示所有的用户，集合S表示所有需要推荐的商品。函数f表示商品x到用户c之间的有效性的效用函数：其中，R是一个全体的排序集合，对于每一个用户c∈C，希
2020-11-19 13:26:15
1913
原创 自编码器
文章目录自编码器稀疏自编码器去噪自编码器变分自编码器自编码器在现实世界中，我们无时无刻的接受着大量的数据，但是这些数据中有用的部分仅仅用一个低维向量表示就够用了，而不是像看起来像数据本身那样复杂。机器学习中有很多技术可以将数据压缩到低维空间中，自编码器就是其中的一种。自编码器是神经网络的一种，经过训练后能尝试将输出复制到输出。自编码器内部有一个隐藏层h，可以产生编码表示输入。如下图所示，该网络可以看作由两部分组成：一个由函数h=f(x)表示的编码器和一个生成重构的解码器r=g(h)。如果一个编码器
2020-11-19 13:25:22
478
原创 Citavi下载及使用
Citavi下载及使用下载百度搜索Citavi找到官网。进入官网后选择“下载”。在下载页面点击“直接下载”。安装下载完成后找到安装程序直接完成安装即可。使用注册账户输入邮箱后发送邮件到你的邮箱，点击“Confirm email”，进入界面输入个人信息及密码后完成注册。打开主界面创建新的项目...
2020-11-17 22:20:57
17145
原创 (FCN)-Fully Convolutional Networks for Semantic Segmentation
文章目录Fully Convolutional Networks for Semantic Segmentation摘要全局信息和局部信息感受野FCN算法架构训练技巧详细参考Fully Convolutional Networks for Semantic Segmentation摘要卷积网络在计算机视觉领域是一个强有力的工具。我们证明了经过端到端、像素到像素训练的卷积网络超过了语义分割中最先进的技术。我们的核心思想是构建一个全卷积的网络可以输入一个任意的尺寸，经过有效的推理和学习过程产生相应尺寸的输
2020-10-30 16:44:25
964
原创 CNN卷积神经网络
文章目录CNN（卷积神经网络）卷积PaddingStrideCNN（卷积神经网络）在关于图像的深度学习中，有时数据的输入会非常大，对于一幅图像64×64的图像来说，实际上它的数据量是64×64×3（因为每张图片都有3个颜色通道），则它的数据量为12288。所以我们特征向量X维度为12288。但是如果是一幅1000×1000的图像，其向量的维度达到了1000×1000×3。在神经网络的模型中，输入1000×1000×3的数据量就意味着特征向量X的维度为3million，在第一个隐藏层中你也许会有1000个
2020-10-28 16:05:04
843
原创 机器学习——神经网络
文章目录神经网络1 感知机1.1 感知机模型1.2 感知机学习策略1.3 感知机学习算法1.3.1 原始形式算法1.3.2 对偶形式算法1.4 感知机的实现1.4.1 实现感知机算法的原始形式和对偶形式1.4.2 利用sklearn感知机算法进行分类2 神经网络2.1 神经网络2.2 感知机网络2.3 多层前馈神经网络总结神经网络人工神经网络算法模拟生物神经网络，是一种模式匹配算法，通常用于解决分类和回归问题。神经网络的一个重要的用途就是接受和处理传感器产生的复杂的输入并进行自适应性的学习。它是机器学习
2020-09-28 21:14:20
455
原创 机器学习——支持向量机
文章目录支持向量机1 SVM简介2 线性可分支持向量机2.1 线性可分支持向量机2.2 函数间距和几何间距2.2.1 函数间距2.2.2 几何间距2.3 间距最大化2.4 支持向量和间距边界2.5 实验3 线性支持向量机3.1 线性支持向量机的原理3.2 线性支持向量机的过程3.3 支持向量3.4 合页损失函数3.5 实验4 非线性支持向量机4.1 核技巧4.2 核技巧在支持向量机中的应用4.3 常用核函数4.4 非线性支持向量机算法4.5 实验总结支持向量机1 SVM简介在机器学习领域，SVM是一个
2020-09-21 22:16:43
1042
原创 机器学习——数据降维
文章目录数据降维1 维度灾难与降维2 主成分分析2.1 PCA原理2.2 PCA算法2.3 PCA算法实验数据降维数据降维又称维数约简，就是降低数据的维度。其方法有很多种，从不同角度入手可以有不同的分类，主要分类方法有：根据数据的特性可以划分为线性降维和非线性降维，根据是否考虑和利用数据的监督信息可以划分为无监督降维、有监督降维和半监督降维，根据保持数据的结构可以分为全局保持降维、局部保持降维和全局与局部保持一致降维等。需要根据特定的问题选择合适的数据降维方法。数据降维一方面可以解决“维数灾难”，缓解
2020-09-17 19:03:12
12885
1
原创 机器学习——决策树算法
文章目录决策树算法基本概念决策树算法决策树算法是一种分类算法。在分类问题中，决策树算法通过样本中某一维属性的值，将样本划分到不同的类别中。可以举一个生活中的例子来简单说明什么是决策树算法。案例：一个女孩的母亲给女孩介绍一个男朋友。女儿：多大年纪了？母亲：28。女儿：长得帅吗？母亲：帅。女儿：收入高吗？母亲：中等。女儿：是公务员吗？母亲：是。女儿：那就见见。上述案例就可以用决策树表示为：基本概念决策树的组成：根节点：第一个选择的点；中间节点：中间的过程；叶子结点：最终的结果（
2020-09-15 14:39:44
678
原创 机器学习——聚类算法
文章目录聚类算法1 k-Means算法1.1 基本概念1.2 k-Means算法原理1.3 k-Means算法的可视化演示1.4 实验2 DBSCAN算法2.1 基本概念2.2 DBSCAN算法原理2.3 DBSCAN算法的可视化演示2.4 实验总结聚类算法在机器学习中，若训练样本的标记信息未知，则称为无监督学习。无监督学习通过对无标记训练样本的学习来寻找这些数据的内在性质，其主要的工具就是聚类算法。1 k-Means算法k-Means算法也称为k-平均或k-均值算法，是一种聚类算法，它是一种基于相
2020-09-09 15:35:57
811
原创 机器学习——逻辑回归算法
文章目录逻辑回归算法逻辑回归概念Sigmoid函数逻辑回归模型代价函数最终运用梯度下降求解实验总结逻辑回归算法首先明确一个概念，逻辑回归并不是解决回归问题，而是解决分类问题，它是通过训练数据中的正负例，学习样本特征得到标签之间的假设函数，是一种典型的线性分类器。逻辑回归概念面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证求解模型的好坏。逻辑回归实际是一种分类方法，主要用于两分类问题，即输出只有两种，分别代表两个类别。用Sigmoid函数就可以让逻辑回归
2020-09-07 13:16:10
2855
原创 机器学习——梯度下降算法
文章目录梯度下降算法概念前提条件目标函数训练集训练步骤代码表示梯度下降算法最优化算法在机器学习中是一种求解最合适的权重参数的算法，梯度下降算法就是其中的一种。概念梯度下降算法是一个最优化的算法，它是沿梯度下降的方向求解极小值。前提条件目标函数使用梯度下降算法的第一个前提条件就是目标函数，即告诉梯度下降要求哪个函数的解，例如在线性回归方程中求解最小二乘法的公式：这个公式在线性回归中的最终目的，就是求偏导取驻点最后得到θ的一个极小值。而在这里则是利用梯度下降算法去求得最小值。训练集这个目标
2020-09-06 15:04:56
3041
原创 机器学习——线性回归数学推导
文章目录线性回归数学推导基础知识线性回归的计算利用矩阵知识对线性公式进行整合误差项的分析线性回归数学推导基础知识线性回归的数学推导主要涉及以下几个知识点：利用矩阵的知识对线性公式进行整合误差项的分析似然函数的理解矩阵求偏导线性回归的最终求解线性回归的公式：可以借助下面的表格来理解：对应于线性回归方程，工资和房屋面积是线性回归模型中的x，可贷款金额是y。对于不同的工资和房屋面积对可贷款金额的影响程度是不一样的，每一个特征的参数就是上述模型中的a值。b是一个误差项，例如有两个人工资
2020-09-06 12:31:37
2991
1
原创 Python基础——Anaconda的安装使用
文章目录Anaconda的使用下载Anaconda查看模块目录、模块的安装与更新Notebook使用Anaconda的使用下载Anaconda地址：https://www.anaconda.com/products/individual结合操作系统的情况选择不同的下载链接进行安装。查看模块目录、模块的安装与更新进入主界面：查看模块：在左侧菜单栏选择Environments，root空间下的文件即为安装完成后的默认模块。可以在root空间下的菜单栏，选择Not installed、Upgr
2020-09-05 18:54:51
189
原创 机器学习——数学基础
文章目录机器学习-数学基础矩阵及矩阵的基本表示矩阵的基本运算几种特殊矩阵行列式向量及向量的基本运算矩阵特征值、特征向量的计算奇异值分解条件概率、全概率、贝叶斯概率公式机器学习-数学基础矩阵及矩阵的基本表示在数学中，矩阵(Matrix)是一个按照长方阵列排列的复数或实数集合，如：在机器学习领域，当遇到粗体大写字母A，则认为是表示一个矩阵。上图右侧为一个m行n列的矩阵。在机器学习领域中，将一张图片当做一个矩阵。因为图片是由像素点组成的，所以将图片的参数分成m×n个像素点。对于多张图片，可以将图片的数
2020-09-05 12:41:31
339
原创 计算机视觉编程——OpenCV
文章目录OpenCV1 OpenCV的Python接口2 OpenCV基础知识2.1 读取和写入图像2.2 颜色空间2.3 显示图像及结果3 处理视频3.1 视频输入3.2 将视频读取到NumPy数组4 跟踪4.1 光流4.2 Lucas-Kanade算法4.2.1 使用跟踪器4.2.2 使用发生器5 应用实例5.1 图像修复5.2 利用分水岭变换进行分割5.3 利用霍夫变换检测直线OpenCVOpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Wind
2020-09-04 10:31:02
1272
原创 计算机视觉编程——图像分割
文章目录图像分割1 图割1.1 从图像创建图1.2 用户交互式分割2 利用聚类进行分类3 变分法图像分割图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或图像中一些单独的对象。这些区域可以利用一些诸如颜色、边界或近邻相似性等特征进行构建。1 图割在图论中，图是由若干个节点和连接节点的边构成的集合。图割是将一个有向图分割成两个互不相交的集合，可以用来解决诸如立体深度重建、图像拼接和图像分割等计算机视觉方面的不同问题。图割的基本思想是：相似且彼此相近的像素应该划分到同一个区域。
2020-08-31 15:03:02
1610
原创 计算机视觉编程——图像内容分类
文章目录图像内容分类1 K近邻分类法（KNN）1.1 一个简单的二维示例1.2 用稠密SIFT作为图像特征1.3 图像分类：手势识别2 贝叶斯分类器3 支持向量机3.1 使用LibSVM图像内容分类1 K近邻分类法（KNN）在分类方法中，最简单且用的最多的就是KNN（K近邻分类法），这种算法把要分类的对象与训练集中已知类标记的所有对象进行对比，并由k近邻对指派到哪个类进行投票。其弊端在于需要预先设定k值，k值的选择会影响分类的性能。此外这种方法要求将整个训练集存储起来，如果训练集非常大，搜索效率就很低
2020-08-30 11:54:34
492
原创 计算机视觉编程——图像聚类
文章目录图像聚类1 K-means聚类1.1 SciPy聚类包1.2 图像聚类图像聚类将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。聚类可以用于识别、划分图像数据集、组织和导航，以及对聚类后的图像进行相似性可视化。1 K-means聚类K-means聚类是一种将输入数据划分成k个簇的简单的聚类方法。其算法要反复提炼初始评估的类中心：以随机或猜测的方式初始化类中心将每个数据点归并
2020-08-16 01:32:58
2599
原创 计算机视觉编程——多视图几何
文章目录多视图几何1 外极几何1.1 一个简单的数据集1.2 用Matplotlib绘制三维数据1.3 计算F：八点法1.4 外极点和外极线2 照相机和三维结构的计算2.1 三角剖分2.2 由三维点计算照相机矩阵2.3 由基础矩阵计算照相机矩阵3 多视图重建3.1 稳健估计基础矩阵3.2 三维重建示例3.3 多视图的扩展示例4 立体图像5 总结多视图几何1 外极几何1.1 一个简单的数据集1.2 用Matplotlib绘制三维数据1.3 计算F：八点法1.4 外极点和外极线2 照相机和三维结构
2020-08-14 00:14:01
1150
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