- 博客(60)
- 资源 (26)
- 问答 (4)
- 收藏
- 关注
RSS订阅原创 本地部署ngrok
安装go语言yum install golang下载ngrok源码git clone https://github.com/inconshreveable/ngrok.git安装ngrok环境配置 cd ./ngrokexport GOPATH=/path/to/ngrok/ #ngrok路径export NGROK_DOMAIN=”ngrok.yourdomain.com” #你的
2017-11-25 17:25:46
778
原创 pylinkgrammar 在Ubuntu上安装
下载源码安装是比较麻烦的，还不一定成功。 按照pypi上的方法也失败了。但离成功已经很近了。 流程：sudo apt-add-repository ppa:python-pylinkgrammar/getsome sudo apt-get install liblink-grammar4-dev pip install pylinkgrammar
2017-07-20 15:28:21
789
原创 linux使用随用随记
查询网卡Mac地址ubuntuifconfig | awk ‘/eth/{print 1,1,5}’sudo lshw -c network | grep serial
2017-05-22 15:42:35
514
原创 Linux下查看程序内存占用
1使用ps命令查看内存是不准确的，因为其返回的是一个进程所用的所有空间，而由于linux的共享内存机制，一个资源可能并非一个程序所独占。[详见] 结果显示中常出现的RSS和VSZ的区别。 - RSS：Resident Set Size 进程在RAM中占用的空间，不包括swap中的部分，包含共享内存中实际装载的部分，包含所有的栈和堆空间。单位KB - VSZ : Virtual Memory S
2017-01-15 22:30:31
8576
原创 ARM编译遇到"thumb conditional instruction should be in IT block"问题
问题描述在TK1上编译C++程序，遇到如下问题。 Error: thumb conditional instruction should be in IT block -- `strexeq r1,r2,[r4]'解决方法在CMAKE配置中的参数CMAKE_CXX_FLAGS_RELEASE 后添加”-Wa,-mimplicit-it=thumb”，依然存在问题可考虑在CMAKE_CXX_FLAG
2017-01-14 16:47:33
5485
原创 Caffe Smooth_L1_Loss_Layer 问答
问：参数中设置sigma原因是什么？rbg答：As sigma -> inf the loss approaches L1 (abs) loss. Setting sigma = 3, makes the transition point from quadratic to linear happen at |x| <= 1 / 3**2 (closer to the origin). The re
2017-01-03 15:26:43
2282
原创 Caffe编译问题之InstallFailureSignalHandler
在windows下编译Caffe一直是一件很烦人的事，然而各路大牛的算法往往又是建立在自己的维护版本之上，所以只好硬着头皮编译。问题描述错误提示 common.obj : error LNK2019: unresolved external symbol “__declspec(dllimport) void __cdecl google::InstallFailureSignalHandler
2016-12-25 11:17:14
3039
原创 C# 语音播报
添加引用COM中添加Microsoft Speech Object Library添加控件在代码中添加 using SpeechLib;简单代码实现SpeechVoiceSpeakFlags flag= SpeechVoiceSpeakFlags.SVSFlagsAsync;SpVoice voice = new SpVoice();string voice_txt ="苟利国家生死以，岂因祸福
2016-12-07 19:38:43
9012
2
原创 NVidia TensorRT 运行 Caffe 模型
前面的话NVidia发布了TensorRT，支持fp16，可以在TX1和Pascal架构的显卡，如gtx1080上运行半精度。官方说法是TensorRT对inference的加速很明显，往往可以有一倍的性能提升。而且还支持使用caffe的模型。 但不足的是还不支持自定义层，只有常用的一些层可以选用，NVidia论坛上也表示近期不太可能支持自定义层。 目前网上关于如何将TensorRT运行caff
2016-11-21 12:07:59
4899
1
原创 编译器的选择（x86_amd64, amd64等的区别）
结论32/64 位系统编译在32位系统上运行 => x8632 系统上编译64位系统上运行 => x86_amd6464 系统上编译在64位系统上运行 => amd64解释注：以下引自MSDN The following list describes the various versions of cl.exe (the Visual C++ compiler):x86 on x86All
2016-10-31 17:29:47
20647
原创 卷积神经网络的感受野与尺寸推导
对于卷积层和池化层，有如下推导式。感受野记第ii层的kernel/stride/pad为 ki,si,pik_i,s_i,p_i ,感受野为rir_i. ri=si(ri+1−1)+kir_i=s_i(r_{i+1}-1)+k_i尺寸记第ii层的kernel/stride/pad为 ki,si,pik_i,s_i,p_i ,宽为wiw_i. wi+1=wi−ki+2pisi+1w_{i+1}=
2016-10-14 11:49:30
3040
原创 Windows下faster-rcnn编译
Windows下faster-rcnn的编译可以分为2个部分，caffe的编译和faster-rcnn的编译。由于原始的版本大多基于linux，感谢各位前辈的移植与分享，现在windows版本的在网上都可以找到。但对于初学者可能还是有一些坑要填。以下是我遇到的一些问题和解决方法，用以存档。Caffe的安装1 命令行建议在powershell中运行，遇到过powershell正常而cmd不成功的情况
2016-09-22 17:07:29
6241
13
转载 更改dll名称
本文转自往事随风的博客 为了更改目标dll的名称，按如下三步操作。1 生成.def文件使用VC++的工具DUMPBIN EXAMPLE： DUMPBIN VideoDeCoder.dll /EXPORTS /OUT:VideoDeCoder.def 2 修改.def文件将导出的.DEF文件整理为一符合.DEF个数的函数导出文件 E
2016-05-15 19:14:03
5424
1
原创 HOG特征原理梳理与实验分析
重读了HOG特征的论文，比起SIFT特征这种磨人小妖级别的特征，HOG还是naive. 但HOG特征的使用效果使得其在目前的应用中热度不减。讨论其设计思路是有意思的事情。本文试图从算法的步骤上分析算法设计的意义。但这毕竟是个人观点，各位自己也要判断，要是各位看官阅后理解出现了偏差，乃们自己也有责任。
2016-04-13 03:08:05
3005
原创 Shape Context 形状上下文特征
形状上下文也是一种有效的匹配特征。原理使用边缘检测算子提取图像边缘，得到图像边缘信息。所谓形状的上下文，指的就是像素点邻域内的其他像素点的分布情况。通常我们得到的边缘并不会代表曲率的极大值或者拐点。我们假设轮廓是分段平滑的，可以从轮廓中选取充分的n个点来作为这个潜在连续形状的估计。n的大小决定了描述的精细程度。还可以通过对图像进行降采样减少点数。
2016-04-06 17:10:04
7513
原创 H2O with R 简明使用手记·下篇
上篇链接R中的数据操作导入数据myPath = "/my/file/path/"mydata.hex = h2o.importFile(path = myPath, destination_frame = "mydata.hex").hex 文件是R中对H2O中数据的一个引用，类似一个路标，凭此可以在H2O中找到对应的数据去操作。 h2o.uploadFile() 还可以将
2016-04-03 10:10:16
3568
原创 H2O with R 简明使用手记·上篇
阅读官方booklet和API了解到的一些东西随手记了下来，以为备忘，遂成此小文。概述H2O 是一款针对智能应用的机器学习和深度学习的开源程序集。PayPal/思科/Nielsen等等也是其使用者。
2016-04-03 01:21:05
6512
原创 R语言学习笔记之统计分析篇
数据生成通过已有变量运算得到新的变量：+ - * / ^or**（求幂）x%%y （求余） x%/%y（整数除法） e.g mydata$mean =( mydata$x1+mydata$x2)/2 or mydata 数据清洗变量的重编码数值变类别数值划分为类别数值替换
2016-03-05 21:26:20
2020
原创 R语言学习笔记之绘图篇
保存图片#开始绘图pdf/wein.metafile/png/jpeg/bmp/tiff/xfig/postscript("xxx.xx")#绘制代码...#切换回控制台dev.off() 待续
2016-03-02 09:14:28
1203
原创 R语言学习笔记之程序语言篇
工作空间 函数名称 功能 getwd()/dir.create() 显示/创建当前目录 setwd("dir") 设置当前目录 savehistory("file")/loadhistory("file") 保存/读取历史命令 save.image("file")/load("file") 保存/读取工作空间输入输出执行脚本 source("file")文
2016-03-01 10:14:48
771
转载 开源许可证GPL、BSD、MIT、Mozilla、Apache和LGPL的区别
本文转载自 http://www.geek-workshop.com/thread-1860-1-1.html首先借用一张图来划分各种协议：开源许可证GPL、BSD、MIT、Mozilla、Apache和LGPL的区别 以下是上述协议的简单介绍：BSD开源协议BSD开源协议是一个给于使用者很大自由的协议。基本上使用者可以”为所欲为”,可以自由的使用，修改源代码，也可以将修改后的代码作为开源或者专有
2015-08-11 16:14:41
416
原创 OpenCV 3.0 程序编译链接错误
问题描述error: main.o: undefined reference to symbol ‘_ZN2cv6imreadERKNS_6StringEi’ /usr/local/OpenCV/Release/lib/libopencv_imgcodecs.so.3.0:-1: error: error adding symbols: DSO missing from command line
2015-05-15 10:41:50
9954
6
原创 Google C++ Style Guide 阅读笔记 系列
Google C++ 编程风格手册里面提到了许多编程时需要注意到的问题，对规范代码还是有帮助的。这里是一些阅读时的笔记，也算是归纳的一些要点。 - Google C++ Style Guide 阅读笔记 1 - Google C++ Style Guide 阅读笔记 2 - Google C++ Style Guide 阅读笔记 3 - Google C++ Style Guide 阅读笔记
2015-04-10 09:31:20
691
原创 Google C++ Style Guide 阅读笔记 6
命名名字可以长，清晰表达含义是最重要的。变量用名词，方法用动词。尽量不要缩写，不要省略字母缩写，如int err_cnt类型字母大写，不要下划线变量小写加下划线分隔字母 成员变量后加_ 常量以k开头格式每行不要超过80隔字符用空格不用Tab，可以设置编辑器按tab是释放空格
2015-04-10 09:23:41
669
原创 Google C++ Style Guide 阅读笔记 5
其他引用参数必须是const型。输入用const引用，输出用指针。 void Foo(const string &in, string *out);尽量不使用默认参数。用static_cast<>,而不要用如int y = (int)x.除了登录尽量不用stream，因为没有类型检测，可能会出现不必要的问题。对于简单类型，没有对象的情况，i++和++i都可以;对于迭代器和模板类型，用前置
2015-04-09 23:27:02
742
原创 一道题 1
ProblemWrite a function that takes an unsigned integer and returns the number of ’1’ bits it has (also known as the Hamming weight).
2015-04-09 08:46:18
483
原创 Google C++ Style Guide 阅读笔记 4
类构造函数中的工作通常，构造函数中只对成员变量设置初值，复杂的初始化请使用Init(). 信号错误难以处理，禁止使用exceptions.如果初始化失败，那对象就创建失败了，造成未知状态。如果在构造函数中调用虚函数，这些调用不能传给子函数的实现。即使现在没有子函数，但对以后的优化造成隐患。如果其中调用了全局变量，构造将在main()之前进行，可能导致构造函数中的隐式假设失败，比如全局变量初
2015-04-08 20:39:02
781
原创 Google C++ Style Guide 阅读笔记 3
命名空间应包裹include, 全局定义、声明和其他命名空间的前置声明之后的一切代码： // in the .h file namespace mynamespace{ // All declarations are within the namespace scope
2015-04-07 14:52:14
778
原创 Google C++ Style Guide 阅读笔记 2
Inline Functions10行以上的函数不要内联。可以使用编译器自动内联。Function Parameter Ordering参数顺序： 输入， 输出输入通常是值或者常量引用Names and Order of Includes举例，在dir/foo.h 中： dir/foo.hC system filesC++ system filesOther libraries
2015-04-06 14:09:07
755
原创 Google C++ Style Guide 阅读笔记 1
BackgroundC++是谷歌开源项目的主要使用语言，虽然Google Code 黄了。C++是很强大的语言，以致于增加了其复杂性。为了让代码被其他程序员看懂，减少出bug的可能，所以有了这个谷歌C++风格指导。Header Files每个.cc文件都应该与一个.h文件关联，除非是单元测试或者只包含一个main();The #define Guard每个头文件都应该避免被重复包含。
2015-04-06 11:39:57
892
原创 支持向量分类实用指南
说明：本文翻译总结自 Chih-Wei Hsu等的论文 A Practical Guide to Support Vector Classification. 该论文也是libsvm的指导教程，在libsvm的homepage上可以下载阅读。SVM在数据分类上是很有用的工具。虽然它比神经网络更易于使用，但不熟悉的使用者在第一次使用时往往得不到好的结果。
2015-03-25 21:26:45
1022
原创 学习OpenBlas
学习OpenBlas编译从OpenBlas Home Page 上下载源码，make， make install使用level 1 向量-向量 操作#include <iostream>#include "cblas.h"#include <vector>int main(){ blasint n = 10; blasint in_x =1; blasint in_y
2015-03-12 15:56:14
1866
原创 Erase-remove 惯用法
从一个向量中删除一个符合特定规则的元素用到了，如下的句式： vec.erase( std::remove_if(vec.begin(),vec.end(),RemovePred), vec.end() ); erase的这种用法是删除一个区间的元素，但现在要删除的
2015-03-04 15:12:31
868
原创 机器学习与智能优化系列
机器学习与智能优化机器学习与智能优化 之 KNNOpenCV KNN 之 使用方法机器学习与智能优化 之 学习有道机器学习与智能优化 之 线性模型机器学习与智能计算 之 最小二乘法机器学习与智能优化 之 规则、决策树和森林OpenCV 决策树 之 理论准备OpenCV 决策树 之 使用方法
2015-02-01 11:52:02
1442
翻译 机器学习与智能优化 之 自底向上（层次）聚类
要点层次聚类构建了一棵包含数据点的树（层次组织）。如果你不了解树的概念，可以想想你用来组织文件的文件夹，实体的或者电脑上的（文件组成一个工程，不同工程的文件夹再组合成一个“正在进行的工程”文件夹）。设想你没有秘书并且没有时间亲手做这些：一个自底向上的聚类方法可以帮你做这些事，只要你设立了一个合适的方法去测量独立数据与已经合并点的数据集之间的相似度。这个方法之所以成为“自底向上”是因为它
2015-02-01 10:21:15
1620
翻译 机器学习与智能优化 之 自顶而下聚类：K均值
要点无监督学习构建模型仅仅通过输入数据，而不用借助分类标签。特别地，聚类旨在将相同类别的物体放到相同的类中，不同的物体放到不同的类中。聚类启动的信息可以是一组点之间的关系（外在表示）或者表示独立点的一组向量（内在表示）。在第二种情况中，一个均值向量可以作为聚类成员的中心。聚类的目标有：通过抽象压缩信息（考虑组而不是单个成员），了解实验点的全局结构（实验点并不是在输入空间上随机分布的而是聚在
2015-02-01 08:17:35
869
翻译 机器学习与智能优化 之 学习也民主
要点拥有一些不同的准确率相似的模型让你能够做一些独立使用这些模型之外的提升性能的方法（合作法，议会，机器学习内的民主）。在堆叠或混合方法中，这些系统由在独立模型输出上添加一层组合而来。创造多样性有不同 的方法策略。在bagging（bootstrap aggregation）中，对同一个样本集做有替换的采样。在boosting中，与添加模型相关，一系列的模型被训练，因此，现在系统中最难
2015-01-31 09:48:40
701
翻译 机器学习与智能优化 之 统计学习理论和支持向量机
要点统计学习理论（SLT）表明了条件因而在样例学习上是成功的，也就是说，这些训练数据中的正样本对在相同概率分布下的新样本有有效的泛化能力。一致的分布是重要的：一个优秀的人类老师从来不会用一些样本来训练学生，而用完全不同的例子来测试。换句话说，样本需要反映问题。学习能力的状况指的是假设空间（我们用来学习的“带可调参数的自由机器”）必须有足够的能力在测试数据（有小的经验风险）上达到好的性能，但太强
2015-01-31 07:38:39
897
The LION Way- Machine Learning plus Intelligent Optimization
2015-01-26
qwt-6.10.pdf
2014-03-29
Think Stats：Probability and Statistics for Programmers
2013-07-23
Algorithms for Image Processing and Computer Vision 2nd
2013-07-09
Processing 2：Creative Programming Cookbook
2013-07-09
OpenCV学习教程合集4in1
2013-04-13
ramdisknt15
2013-04-13
TA创建的收藏夹 TA关注的收藏夹
TA关注的人