baidu_36557924的博客

转载 删除多余内核ubuntu

1、查看当前内核：uname -a2、查看所有内核： dpkg --get-selections | grep linux3、移除冗余内核sudo apt-get remove <多余的内核名>4、再次检查所有内核 dpkg --get-selections | grep linux状态为deinstall即已经卸载，如果觉得看着不舒服的话可以使用purge连配置文件里一起彻底删除，清理内核列表sudo apt-get purge <清理的内核名&.

原创 ubuntu清理磁盘空间的几个技巧

1. 删除残余的配置文件通常Debian/Ubuntu删除软件包可以用两条命令sudo apt-get remove <package-name>sudo apt-get purge <package-name>remove将会删除软件包，但会保留配置文件．purge会将软件包以及配置文件都删除．找出系统上哪些软件包留下了残余的配置文件dpkg --list | grep "^rc"其中第一栏的rc表示软件包已经删除（Remove），但配置文件（Conf

原创 目标检测回归损失函数简介

目标检测任务的损失函数由Classificition Loss和Bounding Box Regeression Loss两部分构成。本文介绍目标检测任务中近几年来Bounding Box Regression Loss Function的演进过程，其演进路线：本文按照此路线进行讲解。1、Smooth L1 Loss1.1均方误差MSE (L2Loss)均方误差（Mean Square Error,MSE）是模型预测值f(x)与真实样本值y之间差值平方的平均值，其公式如下M...

原创 EfficientDet_ResneSt_YOLOV4

EfficientDet(2019/11/20) ResneSt(2020/4/19) YOLOV4(2020/4/23)1、 EfficientDet论文：（https://arxiv.org/pdf/1911.09070.pdf）代码：（https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch）什么检测器能够兼顾准确率和模型效率？如何才能实现？谷歌大脑 Mingxing Tan、Ruoming Pang...

转载 C++常见问题

  1.new、delete、malloc、free关系delete会调用对象的析构函数,和new对应free只会释放内存，new调用构造函数。malloc与free是C++/C语言的标准库函数，new/delete是C++的运算符。它们都可用于申请动态内存和释放内存。对于非内部数据类型的对象而言，光用maloc/free无法满足动态对象的要求。对象在创建的同时要自动执行构造函数，对象在消亡之前要...

原创 常见排序算法的时间空间复杂度

原创 机器学习一些好的资源讲解

主要是为了汇总讲的比较好的一些论文或博客。1、SVD分解和PCA降维等问题http://blog.csdn.net/zhongkejingwang/article/details/42264479（这个写的不错）http://www.cnblogs.com/LeftNotEasy/archive/2011/01/08/lda-and-pca-machine-learning.htmlhttp://...

转载 SQL常见命令

SQL的问题就是四大类：增、删、改、查。要使用到的命令通常有：SELECT、UPDATE、DELETE、INSERT INTO、ALTER、DROP、IN、BETWEEN、DISTINCT、UNION、HAVING、WHERE、ON、EXISTS等等。 下面主要按照上面说的从建立表开始、到四大类、以及常用的结构和命令解释几个部分。这里语句都是基于SQL Server的。一、建立数据表 1、从已知表...

转载 面试问题补充

一、问题杂烩1、PCA的第二主成分 第二个主成分时域第一成分方向正教的差异性次大方向。 2、什么时候用组合的学习模型 只有当各个模型之间没有相关性的时候组合起来是最好用的。但是一般来说，弱相关的模型组合比较好用。 3、多重共线性 多重共线性是指当两个特征的相关性很大的时候，会对参数模型造成非常大的影响。可以用相关分析判断多重共线性的存在性。 4、什么时候用L2优于L1 如果多个变量都是一些具有小尺...

转载 深度学习面试1

第一部分：深度学习1、神经网络基础问题（1）Backpropagation（要能推倒） 　　后向传播是在求解损失函数L对参数w求导时候用到的方法，目的是通过链式法则对参数进行一层一层的求导。这里重点强调：要将参数进行随机初始化而不是全部置0，否则所有隐层的数值都会与输入相关，这称为对称失效。 大致过程是:首先前向传导计算出所有节点的激活值和输出值， 计算整体损失函数： 然后针对第L层的每个节点计算...

原创 基于opencv实现adaboost

转载请注明出处一：准备正负样本正样本：含有兴趣区域的图像负样本：不含兴趣区域的图像正样本的大小大致要在32*32-64*64之间，才可以训练二：建立正负样本说明文件在cmd下进入正/负样本文件夹目录里，输入  dir /b &gt; 1.txt，回车就会在当前目录下生成1.txt文件，如图： 打开该文件，正样本的txt文件需要加上大小描述：201772115484.jpg 1 0 0  48 48...

转载 SVM原理介绍

一、SVM算法要解决什么问题SVM的全称是Support Vector Machine，即支持向量机，主要用于解决模式识别领域中的数据分类问题，属于有监督学习算法的一种。SVM要解决的问题可以用一个经典的二分类问题加以描述。如图1所示，红色和蓝色的二维数据点显然是可以被一条直线分开的，在模式识别领域称为线性可分问题。然而将两类数据点分开的直线显然不止一条。图1(b)和(c)分别给出了A、B两种不同...

转载 SVM有关的面试题

SVM的原理是什么？SVM是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。（间隔最大是它有别于感知机）（1）当训练样本线性可分时，通过硬间隔最大化，学习一个线性分类器，即线性可分支持向量机；（2）当训练数据近似线性可分时，引入松弛变量，通过软间隔最大化，学习一个线性分类器，即线性支持向量机；（3）当训练数据线性不可分时，通过使用核技巧及软间隔最大化，学习非线性...