- 博客(7)
- 资源 (11)
- 收藏
- 关注
原创 机器学习之模型集成
在日常的学习中,为了提升模型的效果,我们经常会考虑将几个性能一般的模型集成起来形成一个性能较优的模型,而常见的模型集成的方法有bagging和boosting两种,在这里就这两种方式进行一定总结,供后续的研究和学习。(一)bagging Bagging的主要思想如下图所示,首先从数据集中有放回的采样出T个数据集,然后基于这T个数据集,每个训练出一个基分类器,再讲这...
2019-12-31 22:35:13 1099
原创 多尺度多目标检测之金字塔
在日常学习工作中,经常会碰到一个概念,那就是金字塔(pyramid),本文就该概念进行一定的阐述,具体如下:(1)图像金字塔图像金字塔结构,即对图像进行一定比例的缩放,从而得到一系列不同尺寸的样本图像序列,在缩放过程中一般采用线性差值等方法,在缩放的同时可以加入滤波、模糊等处理,常见的形式有:高斯金字塔(Gaussianpyramid): 用来向下采样,主要的图像金字塔。...
2019-12-22 11:28:07 5405
原创 docker安装使用系列二之容器、镜像、仓库使用实例分析
1.什么是dockerDoker是基于GO语言实现的云开源项目,通过对应用组件的封装、分发、部署、运行等生命周期的管理,达到应用组件级别的“一次封装,到处运行”。这里的应用组件既可以是web应用 也可以是一套数据库服务 甚至是一个操作系统或编译器。属于对 Linux 容器的一种封装,提供简单易用的容器使用接口。2.有什么用Docker 将应用程序与该程序的依赖,打包在一个文件里面。运...
2019-12-16 22:17:10 1194 1
原创 神经网络之loss总结学习
影响一个网络性能的因素很多,网络结构,参数优化,loss约束等,这里就常见的几种loss进行比较总结。其中(1)(2)(3)为回归损失,(4)(5)(6)为分类损失。(1)MSE(均方误差)均方误差(MSE)是回归损失函数中最常用的误差,也常被称为L2 loss,它是预测值与目标值之间差值的平方和,其公式如下所示:,有时也写成这样优点:各点都连续光滑,方便求导,具......
2019-12-07 17:58:56 14301
原创 windows/ubuntn/macos下编码利器
所谓工欲善其事必先利其器,在用过windows和macOS、ubuntn系统下,就自己在不同系统下开发时用到的一些辅助软件利器进行分享总结。一、 在windows下 在Windows下首推的就是notepad++与cmder这两款软件。这两款软件很轻量,都是免费安装使用,而且插件也很丰富,可以根据自己的需要进行选择。 (1)notepad++下载链接:...
2019-12-07 14:41:51 362
原创 图像处理之opencv库使用小结
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法(百度定义)。只要你接触到图像处理这块,肯定会用到这个库,详情可查看htt...
2019-12-06 23:14:46 3774 2
原创 vs2017配置OpenCV教程
最近由于将电脑的vs10版本升级到vs17版,于是需要重新配置OpenCV库,故在这里做个记录吧。一、安装vs新版本 这个时候就看你自己的需求咯。不同版本的vs对c++11标准支持程度和一些新功能都是不一样的,大家可以去微软官网下载,也可以去网上找下其他版本的,这里我就只提供一下vs10、vs15的云盘链接吧:https://pan.baidu.com/s/1mjrMfo...
2019-12-01 11:50:12 14156 4
yolo系列预训练权重.txt
2021-03-03
matrixcookbook.pdf
2020-08-23
rufus_files.7z
2020-05-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人