ReLuJie-CSDN博客

top%us：表示用户空间程序的cpu使用率（没有通过nice调度）%sy：表示系统空间的cpu使用率，主要是内核程序。%ni：表示用户空间且通过nice调度过的程序的cpu使用率。%id：空闲cpu%wa：cpu运行时在等待io的时间%hi：cpu处理硬中断的数量%si：cpu处理软中断的数量%st：被虚拟机偷走的cpu注：99.0 id，表示空闲CPU，即CPU未使用率，100%-99.0%=1%，即系统的cpu使用率为1%。...

2021-10-21 11:00:00 1513

原创 Iterm2终端分屏

分屏：command+D多tab :command+t

2021-08-05 15:12:50 307

原创程序员的自我修养

111

2021-06-02 20:58:33 242 1

原创 python可迭代对象排序

1111

2021-05-31 22:33:16 204

原创 Transformer

link:https://www.zhihu.com/search?q=transformer%E8%AF%A6%E8%A7%A3&utm_content=search_suggestion&type=content

2021-04-16 15:50:46 91

原创 paddle.fluid.io.DataLoader

paddle.fluid.io.DataLoaderfrom_generatorfrom_generator(feed_list=None, capacity=None, use_double_buffer=True, iterable=True, return_list=False, use_multiprocess=False, drop_last=Trueimport paddle.fluid as fluidimport numpy as npBATCH_NUM = 10BA

2020-11-28 23:18:35 2107 1

原创 Paddle.fluid之loader

paddle.batch(reader, batch_sizedef make_reader(txt_file, is_train = True): def reader(): with open(txt_file, 'r') as f: lines = f.readlines() f.close() if is_train: np.random.shuffle(lines) .

2020-11-28 21:04:48 197

原创 Paddle.fluid之模型freeze

model.freeze#-*- coding:utf-8 -*-import osimport paddle import paddle.fluid as fluidfrom model_zoos import antisp as modeldef gen_exe(resume = '', use_cuda = False): place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace() exe = fl.

2020-11-22 00:13:55 475 2

原创 Paddle.fluid之模型inference

freezemodel.inferenceclass Antispoof: def __init__(self, resume = '', use_gpu = True): self.use_gpu = use_gpu self.place = fluid.CUDAPlace(0) if self.use_gpu else fluid.CPUPlace() self.exe = fluid.Executor(sel.

2020-11-21 14:28:40 891

原创 Shell基础——文本处理

输出文件夹文件列表find $PWD | grep jpg > out.txt # 这里以jpg文件为例拼接两个txt文件cat file1.txt file2.txt > out.txt # 将file1.txt 和 file2.txt拼接在一起，并输出到 out.txtcat file2.txt >> file1.txt # 将 file2.txt 和 file1.txt拼接在一起，并输出到 file1.txt两个txt文件.

2020-11-01 22:48:18 169

原创深入浅出分析：cv2.getRotationMatrix2D

平面几何图像的旋转是指以某一点O为旋转中心，将图像中的所有点都绕O旋转一定的角度。绕原点旋转若旋转中心为原坐标原点O(0, 0)，图像上有一点距离旋转中心的O的距离为d，与X轴正向的夹角为，绕O顺时针旋转角度后对应的点为，根据几何关系，则有：绕任意点旋转策略：首先将旋转中心点P平移至坐标原点O，然后进行旋转、缩放(如果需要进行)，最后再将坐标原点平移至旋转中心！将图像的旋转中心P平移至坐标原点O，对应的变换矩阵为： ...

2020-10-19 00:40:23 2975 2

原创 collections模块详解

collections模块高性能数据结构针对python的基础容器{dict,list,set, andtuple}进行特殊的优化，来产生更具针对性的高性能容器！Counter {dict-subclass } deque { a generalization of stacks and queues } defaultdict { a subclass of the built-indictclass...

2020-09-17 23:02:06 197

原创 python 类方法之 repr() vs str()

Demofrom math import hypotclass Vector: def __init__(self, x=0, y=0): self.x = x self.y = y def __repr__(self): # if u don't define, class use the default __repr__() # and print(“classname + object at + ip_a.

2020-09-16 23:02:38 169

原创 FaceBoxes[2017-IJCB]

paper-info1Prior boxesBackbone1

2020-09-04 15:56:25 183

原创 FAS-DRL[2020-ECCV]

Paper-infotitle :Face Anti-Spoofing via DisentangledRepresentation Learning[2020-ECCV] 作者单位: 华东师范、腾讯优图 GitHub ： NoneMotivation1

2020-08-26 10:46:16 469 1

原创 BroadFace[2020-ECCV]

Paper-infotitle :BroadFace: Looking at Tens of Thousands ofPeople at Once for Face Recognition[ECCV-2020]. github :Motivation1Pipeline

2020-08-24 16:20:52 716

原创 FAS-STNet : end2end & binary

PipelineWeakness参数量大，非常容易overfitting；[online-version : 0.3M + 2GFlops + 40ms/input] 拍摄角度、face2camera的distance对模型结果影响比较大，数据采集期间抖动容易造成误杀、误放！[increase thresh]...

2020-08-16 23:08:42 245 4

原创基础算法之知识点梳理

知识点

2020-08-01 17:51:26 224

原创 RB-Tree的insert、delete操作

RB-insert RB-delete1

2020-07-14 10:16:58 248

原创归一化图解

Normalization methods FeatMaps：可以直观理解为一摞书[由N本书摞起来得到，每本书有C页，每页有H行字，每行字有W个字符]！Batch-Norm直观理解：BN-mean的形状为[1 x C x 1 x 1]，其中BN-mean[1, i, 1, 1]表示将这摞书每一本的第 i 页取出来合成一个由C页组成的序号为i-th的书，然后求该书的“平均字”，BN-var同理！计算公式： ...

2020-06-28 11:53:45 304

原创活体识别-benchmark

Existing datasetsCAISA-MFSD[2012]SiW[2018]dataset-download-link[passdoor]. paper :Learning Deep Models for Face Anti-Spoofing: Binary or Auxiliary Supervision[CVPR-2018]. num_subj = 165【8-live + 20-spooffor each subjec】,total 165 * 28...

2020-06-22 15:05:42 838

原创 python创建、删除文件夹操作解析

新建文件夹判断文件夹是否存在: os.path.exists(path) ; 在指定路径下创建单个文件夹：os.mkdir(folder) ; 在指定路径下递归创建文件夹：os.makedirs(folder);复制文件[夹][https://www.cnblogs.com/mengqingjian/articles/9074077.html]...

2020-06-15 21:15:33 334

cifar-10-batches-py.tar.gz

CIFAR10数据集，共有10个类，数据为bgr的彩图，大小为32x32，用于机器学习、深度学习模型的训练。

2019-11-20

Introduction Algorithm.tar.gz

文件夹中包含算法导论3th版的课后习题解答，较为详细，对于算法导论爱好者来说不可多得。

2019-06-24

斯坦福2017_CS231n作业python实现

本压缩包包含斯坦福大学cs231n课程三次作业的代码实现，比较适合深度学习入门者使用。

2019-03-26

stanford_cs231n第三次作业pretrained_model

该文件为Stanford_cs231n课程第三次大作业的预训练模型的.h5文件，直接可以load使用。

2019-03-21

通俗易懂LSTM

本文档详细讲解了LSTM的内部机理,调理清楚,通俗易懂,适合深度学习爱好者作为进阶材料阅读.

2019-03-19

mini版imagenet数据集

mini版imagenet数据集,用于训练和测试网络模型,值得深度学习入门者收藏.

2019-03-19

斯坦福2017_CS231n课程课件

cs231n是stanford开设的一门深度学习课程,课程内容由浅入深,非常适合深度学习爱好者!

2019-02-15

算法导论22章课后习题答案

最近在研习算法导论，发现课后习题的精彩程度甚至不亚于正文，对于算法导论的爱好者而言，这是一份不错的参考资料

2019-01-26

算法导论第15章课后习题答案

算法导论第15章-动态规划的课后习题参考答案，对于算法爱好者而言，是不错的参考资料。

2019-01-14

算法导论第2版课后习题答案解析

算法导论原书第二版的课后习题答案与解析，可以作为自学这本书的算法爱好者用来参考。

2018-12-26

princeton算法(4th)第一讲编程作业

Coursera网站上Algorithm（普林斯顿大学Sedgewick教授）公开课第一讲编程作业，由C++实现Union-find算法。

2018-11-09

卷积神经网络以常用网络架构介绍

本文档详细介绍了卷积神经网络的工作机理，然后介绍了常用的AlexNet、VGG、GoogLet、ResNet网络架构以及论文中介绍的一些核心trick，非常值得深度学习爱好者作为入门材料来研究。

2018-05-04

Matting技术文档

本文档是对slides内容的详细补充，里面把各个模型的技术细节展开，因此可以作为matting算法爱好者快速入门的参考资料。

2018-04-15

Matting survey

本文档主要是作者在商汤科技实习的时候，由于项目涉及到matting相关的算法实现，因此将自己阅读的一些文献整理成slides，方便matting算法爱好者快速浏览、学习。

2018-04-15

机器学习入门代码

该入门代码是Andrew ng（吴恩达）老师在coursera上开设的机器学习课程的编程习题的matlab代码，非常适合机器学习初学者作为参考来熟悉算法内涵、养成良好的编程习惯。

2018-03-11

SVM线性、非线性可分matlab demo

本demo主要是提供了SVM在数据集为线性、非线性可分情况下的分类面可视化，对于svm初学者而言，具有一定的借鉴意义。

2018-01-07

Matrix各种操作手册

不少机器学习、人工智能爱好者在阅读paper、建立模型时，矩阵间的求导运算、对trace求导之类的操作是无法避免的，这里提供的Matrix Cookbook将上述的各种操作整理成一本小册子，方便大家查阅！

2018-01-03

PRML课后习题答案

bishop经典著作Pattern Recognition and Machine Learning随书习题答案，对于这本书的爱好者而言，这个绝对是雪中送炭呀！

2018-01-03

PRML随书插图

这里为大家提供了bishop经典巨著PRML中所有章节的插图，为自己制作ppt的老师、同学提供便利，插图分为pdf、jpg两张版本，可以根据自己的喜好来选择。

2018-01-03

guided filter code

guided filter MATLAB code（2013TPAMI）包含若干examples，下载可用

2017-11-09

image matting

Learning Based Digital Matting 2009 ICCV matlab code ,下载可用

2017-11-09

数字图像处理（matlab版）（第二版）

冈萨雷斯：数字图像处理第二版（matlab版）随书代码和实验数据！

2017-10-22

深度学习（中文版）

deep learning的中文版本

2017-08-09

Xgboost原理

Xgboost开发者Tianqi Chen在大会上讲解Xgboost时所采用的slides。

2017-08-09

Andrew ng Coursera机器学习课件

Andrew ng 在coursera上机器学习的课件

2017-08-07

机器学习基础算法

机器学习基础算法matlab实现

2017-08-07

Learning From Data

台大林轩田老师的机器学习配套资料，与视频课程相结合，你值得拥有！

2017-07-17

奇异值分解

解析SVD的物理意义

2017-06-18

xgboost安装包

xgboost windos安装包，里面包含libxgboost.dll文件，下载后可直接安装

2017-05-08

Python基础教程（第2版）源代码

Python基础教程（第2版） Magnus Lie Hetland 【著】，随书源码

2017-05-08

BP神经网络参数更新推导过程

本pdf文档给出了BP神经网络权值参数更新过程的详细推导，对于神经网络初学者有很大的帮助。

2016-08-25

基于BP神经网络的手写数字识别matlab实现

本ZIP文件包含了经典的手写数字的bmp数据，共{0,1,2，……，9}10个类，每个类包含500个数据；然后对图片进行二值化处理，采用patch来对每张image提出特征，最后设计神经网络对特征进行训练，并用得到的net来测试TestingSet，经过调解参数，测试精度可以达到95%左右。整个实现过程是基于matlab语言的，code清晰，明了，简单易懂，绝对值得算法爱好者探究。

2016-08-22

基于模拟退火算法的TSP问题matlab实现

本ZIP文件包含模拟退火算法的matlab实现，code简单易懂且准确凸显算法精髓。其次，还将模拟退火算法用于TSP问题的求解之中，取得了不错的结果。

2016-08-21

基于蚁群算法的TSP问题matlab实现

本ZIP文件中包含了TSP问题的蚁群算法matlab实现，code简单、易懂，准确体现了蚁群算法的精髓，值得算法爱好者探究。

2016-08-21

遗传算法的matlab实现

本ZIP压缩文件提供了遗传算法的matlab实现，code简单、易懂，且准确反映了遗传算法的精髓，而且还提供了几个算例，非常值得算法爱好者探究。

2016-08-21

粒子群优化算法的matlab实现

本ZIP文件中包括粒子群优化算法的matlab实现代码，另外提供了机遇PSO算法的图像聚类code。粒子群优化算法作为群智能优化算法领域的经典、重要算法，由于算法的高效性，应经在全局优化领域占有重要地位。

2016-08-21

猫群算法matlab实现

本资源结合两个实验（1.数值函数实验；2.图像聚类），用matlab语言实现了猫群算法，取得了较好的精度。算法类似于粒子群算法（PSO），但是不同的是增加了Seeking Mode和Tracing Mode两个模式，其中，Seeking Mode用于变异，Tracing Mode用于更新速度、位置点的坐标，

2016-08-21

基于朴素贝叶斯的手写数字识别

基于朴素贝叶斯的手写数字识别，code中包含data，中间利用了PCA降维方法，识别精度达到95.42%

2016-06-24

朴素贝叶斯分类器

基于朴素贝叶斯的手写数字识别，精度可以达到95.42%

2016-06-09

Pattern Recognition and Machine Learning

The dramatic growth in practical applications for machine learning over the last ten years has been accompanied by many important developments in the underlying algorithms and techniques. For example, Bayesian methods have grown from a specialist niche to become mainstream, while graphical models have emerged as a general framework for describing and applying probabilistic techniques. The practical applicability of Bayesian methods has been greatly enhanced by the development of a range of approximate inference algorithms such as variational Bayes and expectation propagation, while new models based on kernels have had a significant impact on both algorithms and applications., This completely new textbook reflects these recent developments while providing a comprehensive introduction to the fields of pattern recognition and machine learning. It is aimed at advanced undergraduates or first-year PhD students, as well as researchers and practitioners. No previous knowledge of pattern recognition or machine learning concepts is assumed. Familiarity with multivariate calculus and basic linear algebra is required, and some experience in the use of probabilities would be helpful though not essential as the book includes a self-contained introduction to basic probability theory., The book is suitable for courses on machine learning, statistics, computer science, signal processing, computer vision, data mining, and bioinformatics. Extensive support is provided for course instructors, including more than 400 exercises, graded according to difficulty. Example solutions for a subset of the exercises are available from the book web site, while solutions for the remainder can be obtained by instructors from the publisher. The book is supported by a great deal of additional material, and the reader is encouraged to visit the book web site for the latest information.

2016-06-09

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人