4 M_Z_G_Y

尚未进行身份认证

暂无相关描述

等级
博文 107
排名 6w+

C++入门:String的常用函数用法总结

一、string的构造函数的形式stringstr:生成空字符串 strings(str):生成字符串为str的复制品 strings(str,strbegin,strlen):将字符串str中从下标strbegin开始、长度为strlen的部分作为字符串初值 strings(cstr,char_len):以C_string类型cstr的前char_len个字符串作为字符串s...

2019-06-19 21:22:54

Pytorch入门:加载模型和参数

pytorch的模型和参数是分开的,可以分别保存或加载模型和参数。pytorch两种模型保存方式:保存整个神经网络的的结构信息和模型参数信息,save的对象是网络net 只保存神经网络的训练模型参数,save的对象是net.state_dict()pytorch两种加载模型的方式:对应第一种保存方式,加载模型时通过torch.load('.pth')直接初始化新的神经网络对象; ...

2019-06-12 11:06:07

超分辨路重建:字典学习

问题描述假设已有N张稀疏的图像,大小为800*800。请问如何通过稀疏表达的方式对原有图像数据进行压缩,同时保证图像尽量不失真。y向量代表原有的图像(640000维),A是字典矩阵(K*640000),x是稀疏表示向量(K维),因为K远远小于N,我们认为,稀疏表示后的数据获得了大幅的压缩。求A的过程通常称为字典学习。已知A,求x的过程称为稀疏表示。通常这两者可以等同。在实际训练的过程中,为了减...

2019-05-19 10:24:12

8款可用的Windows连接Linux VPS服务器SSH软件工具

这几天老左遇到好几个网友询问关于使用LinuxVPS服务器连接SSH软件工具问题,比如问哪款软件功能强大、哪款SSH工具好用等等问题。其实包括老左在内可能和很多朋友一样,都有选择困难症,有些时候会纠结好几天,包括我们选择VPS服务器、域名、甚至买个商品也是这样的。其实,对于SSH软件的选择我们较为常用的应该是Putty、Xshell、SecureCRT,不过还有一些我们可能不常用的。其实我们...

2019-05-16 22:10:37

机器学习/深度学习入门:softmax求导

1.softmax初探在机器学习尤其是深度学习中,softmax是个非常常用而且比较重要的函数,尤其在多分类的场景中使用广泛。他把一些输入映射为0-1之间的实数,并且归一化保证和为1,因此多分类的概率之和也刚好为1。首先我们简单来看看softmax是什么意思。顾名思义,softmax由两个单词组成,其中一个是max。对于max我们都很熟悉,比如有两个变量a,b。如果a>b,则max为...

2019-05-13 16:16:16

机器学习/深度学习入门:激活函数

为什么激活函数是非线性的?如果不用激励函数(相当于激励函数是f(x)=x),在这种情况下,每一层的输出都是上一层的线性函数,无论神经网络有多少层,输出都是输入的线性组合,这与一个隐藏层的效果相当(这种情况就是多层感知机MPL)。但当我们需要进行深度神经网络训练(多个隐藏层)的时候,如果激活函数仍然使用线性的,多层的隐藏函数与一层的隐藏函数作用的相当的,就失去了深度神经网络的意义,所以引入非...

2019-05-10 22:28:43

数学:矩估计和最大似然估计

一、为什么要估计(estimate)在概率,统计学中,我们所要观测的数据往往是很大的,(比如统计全国身高情况)我们几乎不可能去统计如此之多的值。这时候,就需要用到估计了。我们先抽取样本,然后通过统计样本的情况,去估计总体。下面是数学中常用到的术语:总体(Populantion)。通常它均值(mean)用μ表示。方差用表示。 样本(Sample)。通常它的均值用表示,方差用...

2019-05-10 15:03:49

数学:常用的线性代数知识点

逆矩阵定义:A,B为n阶方阵,E为n阶单位矩阵,AB=BA=E,说明A是可逆的,其逆矩阵为B 求解:,其中为伴随矩阵,要求(A可逆的充要条件) 初等行变换:矩阵的秩定义:m×n的矩阵A,若A中至少有一个r阶子式不等于零,且在r<min(m,n)时,A中所有的r+1阶子式全为零,则A的秩为r 求解:行阶梯形矩阵(标准形)的行数逆和秩的关系A满秩()方阵A可逆(A...

2019-04-27 21:28:28

C++入门:指针和数组

1.单独指针intmain(){cout<<"string:"<<endl;strings="HelloWorld!";string*cp0=&s;cout<<cp0<<endl;cout<<&cp0[0]<<endl;cout&lt...

2019-04-22 21:36:26

C++入门:指针和引用

一:变量的形式说道变量,很多人都觉得非常简单,每天都在定义变量,应用变量。可是有没有停下脚步细细的品味一下具体什么是变量呢?变量(variable)的定义在计算机科学中到底是如何定义的?然后variable到底是在内存中如何存储值的呢?那么跟着上面的问题,我们来一一的解答,首先最重要的,variable的定义,当你申明一个变量的时候,计算机会将指定的一块内存空间和变量名进行绑定;这个定义很简单...

2019-04-22 15:12:22

C++入门:C++数组可以开多大

一个由C/C++编译的程序占用的内存分为以下几个部分栈区(stack):由编译器自动分配释放,存放函数的参数值,局部变量的值等。其操作方式类似于数据结构中的栈。 堆区(heap):一般由程序员分配释放,若程序员不释放,程序结束时可能由OS回收。注意它与数据结构中的堆是两回事,分配方式倒是类似于链表,呵呵。 全局区(静态区)(static):全局变量和静态...

2019-04-22 11:28:34

机器学习/深度学习入门:正则化

L0正则化的值是模型参数中非零参数的个数。L1正则化表示各个参数绝对值之和。L2正则化标识各个参数的平方的和的开方值。先讨论几个问题:1)实现参数的稀疏有什么好处吗?一个好处是可以简化模型,避免过拟合。因为一个模型中真正重要的参数可能并不多,如果考虑所有的参数起作用,那么可以对训练数据可以预测的很好,但是对测试数据就只能呵呵了。另一个好处是参数变少可以使整个模型获得更好的可解释...

2019-04-19 16:15:47

机器学习/深度学习入门:优化器原理与比较

梯度下降法(GradientDescent)梯度下降法是最基本的一类优化器,目前主要分为三种梯度下降法:标准梯度下降法(GD,GradientDescent),随机梯度下降法(SGD,StochasticGradientDescent)及批量梯度下降法(BGD,BatchGradientDescent)。1.标准梯度下降法(GD)假设要学习训练的模型参数为W,代价函...

2019-04-16 16:23:01

数学:梯度的理解

方向导数的解释函数z=f(x,y)表示空间曲面S,则点P(x0,y0,z0)在S上,过点P和P0的u方向的垂直平面交S于曲线C,f沿方向u的变化率是C在点P的切线的斜率,观察下面动画:方向导数和梯度的关系当u与▽f同方向时,函数f增加最快,类似,反方向减少最快.。而正交于梯度的方向u是f变化率为0...

2019-04-16 11:21:45

texlive2018和texstudio的安装及汉化教程

latex是编写论文的利器,尤其是公式的编辑是word等不可比的,且公式可以支持转换为Matgtype,十分方便且学习周期短。下文是texlive2018和texstudio的安装教程:安装包链接:https://pan.baidu.com/s/1LUTlXs5nhjI8Fvx5vbbylg密码:8kks解压或打开texlive.iso安装包,点击图片中install-tl-adva...

2019-03-31 21:35:09

机器学习/深度学习入门:CNN池化层

池化层也叫下采样层,对输入的特征图进行压缩,1.使特征图变小,简化网络计算复杂度;2.进行特征压缩,提取主要特征;3.降低过拟合,减小输出大小的结果,它同样也减少了后续层中的参数的数量。其具体操作与卷基层的操作基本相同,只不过下采样的卷积核为只取对应位置的最大值、平均值等(最大池化、平均池化),并且不经过反向传播的修改。pooling的结果是使得特征减少,参数减少,但pooling的目的并不仅...

2019-03-18 17:06:45

目标检测入门:帧差法,光流法和背景减法

概述运动目标检测是指当监控场景中有活动目标时,采用图像分割的方法从背景图像中提取出目标的运动区域。运动目标检测技术是智能视频分析的基础,因为目标跟踪、行为理解等视频分析算法都是针对目标区域的像素点进行的,目标检测的结果直接决定着智能视觉监控系统的整体性能。运动目标检测的方法有很多种。根据背景是否复杂、摄像机是否运动等环境的不同,算法之间也有很大的差别。其中最常用的三类方法是...

2019-03-12 19:50:03

机器学习/深度学习入门:准确率(查准率)、召回率(查全率)、F值和误识率(FAR)、拒识率(FRR)、ROC曲线

准确率(查准率)、召回率(查全率)、F值正确率、召回率和F值是目标的重要评价指标。正确率=正确识别的个体总数/识别出的个体总数 召回率=正确识别的个体总数/测试集中存在的个体总数 F值=正确率*召回率*2/(正确率+召回率)假设要识别照片中的狗的,在一些照片中,包含12只狗的照片和一些猫的照片。算法识别出有8只狗。在确定的8只狗中,5只实际上是...

2019-03-12 19:46:38

numpy,tensorFlow.tensor,torch.tensor的shape以及相互转化

numpynumpy.ndarray对于图片读取之后(H,W,C)或者(batch,H,W,C)在元素总数不变的情况下:numpy类型的可以直接使用方法numpy.reshape任意改变大小,numpy.expand_dims增加维度,大小是1(这个函数可以参考numpy.expand_dims的用法)tensorFlowtensorflow.python.framework....

2019-03-12 18:56:02

机器学习/深度学习入门:VGGNet模型实现

VGGNet:ILSVRC2014年亚军改进(1)通过不断加深网络结构来提升性能。网络层数的增长并不会带来参数量上的爆炸,因为参数量主要集中在最后三个全连接层中。(2)在AlexNet基础上将单层网络替换为堆叠的3*3的卷积层和2*2的最大池化层,减少卷积层参数,同时加深网络结构提高性能(两个3*3卷积层的串联相当于1个5*5的卷积层,3个3*3的卷积层串联相当于1个7*7...

2019-03-07 17:34:33
奖章
  • Github
    Github
    绑定github第三方账户获取
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周上午根据用户上周的博文发布情况由系统自动颁发。