有硬币就是土豪-CSDN博客

原创虚拟机扩容后黑屏卡死解决方法

亲测有效，首先一般是在扩容后黑屏的，现象为开机后看到个横线光标不闪，黑屏，进入不了桌面。原因是硬盘已经满了，所以解决方法就是清理硬盘。所以首先还是要解决登录问题。控制台，删除一些文件，重启系统就可以了。这种模式一般不会启用图形界面。放松稍作等待，进入页面后选。，回车回车，即可登录。又是nice的一天。

2024-01-31 19:28:54 676 1

原创 AutoCAD输入命令突然显示未知命令。按 F1查看帮助。

网上说的什么病毒，卸载重装等无效。结果发现输入的字符是全角的，不是半角的，就输入法的问题，不是CAD的问题。如果不知道什么是全/半角，网上搜一下。你也可以打开个记事本，输入英文字母试试，发现字符之间隔得很宽。把输入法改成半角就行了，不同输入法有不同快捷键，试试 Shift+空格、Win+空格、Ctrl+Shift、Ctrl+空格等组合，或者去查对应输入法的全/半角切换方式。CAD一直好的，突然坏了，不能输入命令了，其他功能正常。输入命令显示“未知命令XXX，按 F1 查看帮助。

2023-12-12 22:56:43 782

原创 Mindspore TypeError: Operator[Print] input(String) output(Int32) is not supported.

MindsporeTypeError: Operator[Print] input(String) output(Int32) is not supported.

2022-08-26 10:35:11 404 1

原创关闭2345的热点资讯

打开任务管理器找到 2345News.exe右键有打开文件位置，打开文件夹（否则一会儿结束任务后找不到文件夹）任务管理器结束2345News.exe 任务（不结束程序在运行，不能删除）文件夹中删除 2345News.exe结束...

2021-12-21 09:51:38 519

原创 Ubuntu Add the installation prefix of “Qt5“ to CMAKE_PREFIX_PATH or set “Qt5_DIR“

export CMAKE_PREFIX_PATH=/home/power/Qt5.9.9/5.9.9/gcc_64//home/power/Qt5.9.9/ is the path that you install qt.

2021-06-22 22:43:13 8103 5

原创 imread is not a member of cv

#include <opencv2/opencv.hpp>即可

2021-06-19 10:56:50 606

原创第9章 BP神经网络（算法原理+手编实现+库调用）

俯视机器学习第9章神经网络1. 简介模型术语：神经元输入（训练数据）输出激活函数损失函数（交叉熵、平方误差）权重（训练参数）优化术语：优化方法（优化器）：梯度下降法学习步长训练术语：batch sizeiterationepoch模型特点：多个局部最小值直观理解为什么 work。2. 矩阵求导逐元素函数：如果 σ(X)\sigma(X)σ(X) 是一个逐元素函数，则dσ(X)=σ′(X)⊙dX{\rm d}\sigma(X) = \sig...

2021-05-05 08:51:22 605

原创第8章 Logistic回归（算法原理+手编实现+库调用）

俯视机器学习第8章 Logistic回归(Logistic Regression)1. Logistic 函数f(x)=11+e−xf(x) = \frac{1}{1+e^{-x}}f(x)=1+e−x12. Logistic回归考虑二分类任务，对给定的样本 xxx，输出类别 f(x)∈0,1f(x)\in {0,1}f(x)∈0,1，构造函数f(x)=11+e−(wTx+b)f(x) = \frac{1}{1+e^{-(w^Tx + b)}}f(x)=1+e−(wTx+b...

2021-05-05 08:46:26 656

原创第7章梯度下降法和牛顿法（算法原理+手编实现）

俯视机器学习第7章梯度下降法和牛顿法1. 迭代法框架算法1：广义下降法给定起始点 x∈domfx\in {\rm dom} fx∈domf循环选择下降方向 Δx\Delta xΔx.确定搜索步长 t>0t\gt 0t>0.更新. x:=x+tΔxx := x+t\Delta xx:=x+tΔx直到满足结束条件2. 精确线搜索目的：确定 ttt。取t′=argmint≥0f(x+tΔx)(1)t' = \mathop{\rm argmin}\limi...

2021-05-05 08:41:19 677

原创第6章线性回归、岭回归、Lasso回归（算法原理+手编实现+库调用）

俯视机器学习第6章线性回归生活中充满了各种预测，比如输入踩油门的力，输出车的速度。输入学习的时间，输出考试分数。输入硫和碳的函数，输出铁的硬度。1. 基本形式对一个样本，有 ddd 个属性， x=[x1;⋯ ;xd]x=[x_1; \cdots; x_d]x=[x1;⋯;xd]，函数f(x)=w1x1+⋯+wdxd+bf(x) = w_1 x_1 + \cdots + w_d x_d + bf(x)=w1x1+⋯+wdxd+b写成向量形式f(x)=wTx+bf(x...

2021-05-05 08:30:33 598

原创 3.6 数字图像处理——透视变换

效果实战import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltimg = cv.imread('pic/parthenon500x750.jpg')src = np.array([ [210, 50], [610, 270], [650, 480], [150, 450]], dtype=np.float32)dst = np.array([ [150, 50],

2021-04-30 13:15:09 223

原创 3.5 图像几何变换——镜像变换

设原图像高度为 fHf_HfH，宽度为 fWf_WfW。1. 水平镜像变换设原始图像的任意点 P0(x0,y0)P_0(x_0, y_0)P0(x0,y0)，沿水平（xxx 方向）镜像后到新的位置 P(x,y)P(x,y)P(x,y)，水平镜像不改变 yyy 坐标。其变换式为{x=fW−x0y=y0\left\{\begin{matrix}x = f_W - x_0 \\y = y_0 \end{matrix}\right.{x=fW−x0y=y0矩阵表达式为

2021-04-30 13:10:30 3571 2

原创 3.4 图像几何变换——图像错切

1. 沿着 XXX 方向错切设原始图像的任意点 P0(x0,y0)P_0(x_0, y_0)P0(x0,y0)，沿 XXX 方向错切，经错切后 α\alphaα 角度后到新的位置 P(x,y)P(x,y)P(x,y)，{x=x0+βy0y=y0\left\{\begin{matrix}x = x_0+ \beta y_0 \\y = y_0 \end{matrix}\right.{x=x0+βy0y=y0如果错切角记为 θ\thetaθ，即有 β=tanθ\beta

2021-04-30 13:05:44 4010

原创 3.3 图像几何变换——缩小和放大

1. 图片缩小比例缩放前后两点 P0(x0,y0)P_0(x_0, y_0)P0(x0,y0)、P(x,y)P(x,y)P(x,y) 之间的关系用矩阵形式可以表示为[xy1]=[fx000fy0001][x0y01]\left[\begin{matrix}x \\y \\1\end{matrix}\right]=\left[\begin{matrix}f_x & 0 & 0\\0 & f_y & 0\\0 & 0 & 1\end{

2021-04-30 12:51:52 1201

原创 3.2 图像几何变换——旋转变换

理论设原始图像的任意点 P0(x0,y0)P_0(x_0, y_0)P0(x0,y0) 经顺时针旋转 β\betaβ 角度后到新的位置 P(x,y)P(x,y)P(x,y)，为表示方便，采用极坐标形式表示，原始点的角度为 α\alphaα。根据极坐标与直角坐标的关系，原始图像的点 P0(x0,y0)P_0(x_0, y_0)P0(x0,y0) 的极坐标为{x0=rcosαy0=rsinα\left\{\begin{matrix}x_0 = r {\rm cos} \alpha \\y

2021-04-30 12:44:15 966 3

原创 3.1 图像几何变换——平移变换

理论介绍现设点 P0(x0,y0)P_0 (x_0,y_0)P0(x0,y0) 进行平移后，移动到 P(x,y)P(x,y)P(x,y)，其中 xxx 方向的平移量为 Δx\Delta xΔx，yyy 方向的平移量为 Δy\Delta yΔy。如图所示，那么，点 P(x,y)P(x,y)P(x,y) 的坐标为{x=x0+Δxy=y0+Δy\left\{\begin{matrix}x = x_0 + \Delta x \\y = y_0 + \Delta y\end{matrix}\ri

2021-04-30 12:41:50 973 2

原创 2.1 数字图像处理——图像基础

正文0.1 图像基础矩阵分辨率8位整型图像浮点数图像0.2 通道分离与合并b, g, r = cv.split(img)img_new = cv.merge([b, g, r])0.3 彩色图转灰度图img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)0.4 二值化图像_, img_bin = cv.threshold(img_gray, th1, th2, cv.THRESH_BINARY)0.5 图像运算img = cv.ad

2021-04-30 12:39:42 199

原创 1.2 数字图像处理——NUMPY、OPENCV、MATPLOTLIB函数汇总

说明：本教程为《数字图像处理Python OpenCV实战》的配套代码相关内容。免费视频教程为0-6章（标题号≤6），可在此处点击观看。所有课件及源代码可在此处下载：链接：https://pan.baidu.com/s/198PySe_vebO3e06idHSQ6g提取码：11o4有问题可在QQ群（1079300899）指出，进群答案：数字图像处理。在本文评论指出可能导致回复很晚。正文0.1 Jupyter操作Cell编辑模式、命令模式增(A,B)、删(DD)Cell运行Cell代

2021-04-30 12:36:36 158

原创 1.1 PYTHON 开发环境配置

说明：本教程为《数字图像处理Python OpenCV实战》的配套代码相关内容。免费视频教程为0-6章（标题号≤6），可在此处点击观看。所有课件及源代码可在此处下载：链接：https://pan.baidu.com/s/198PySe_vebO3e06idHSQ6g提取码：11o4有问题可在QQ群（1079300899）指出，进群答案：数字图像处理。在本文评论指出可能导致回复很晚。正文本文主要介绍Windows10环境下Python3.8及数字图像处理相关包的Python3的安装教程。建议安

2021-04-30 12:35:22 104

原创第5章随机森林（算法原理+手编实现+库调用）

俯视机器学习第5章随机森林1 随机森林简介随机森林是一种集成算法。集成算法有很多种形式，本章介绍一种常见的算法——随机森林。其实随机森林想法上很简单，它就是将多个学习器（如决策树）进行组合，然后采用投票法进行分类或回归。例如对一个 3 分类问题，类别记为 y∈{0,1,2}y\in \{0,1,2\}y∈{0,1,2}，训练 100 棵决策树。要判断样本 xxx 属于哪个类，就让这 100 棵树分别预测，结果预测 xxx 属于 {0,1,2}\{0,1,2\}{0,1,2} 类的树的数目...

2021-04-29 09:42:16 495

原创第4章决策树（算法原理+手编实现+库调用）

俯视机器学习第4章决策树1. 概述通过多次判断，建立树形结构。问题：每次判断中选择什么属性？基本术语：纯度2. 基尼系数、熵、信息增益基尼值：某事件有 KKK 种取值，每种取值概率为 pi,i=1,...,Kp_i, i=1,...,Kpi,i=1,...,K 。则其基尼值（基尼不纯度）为G(p)=∑i=1Kpi(1−pi)=1−∑i=1Kpi2G(p) = \sum_{i=1}^K p_i (1- p_i) = 1 - \sum_{i=1}^K p_i^2...

2021-04-29 09:39:55 1765

原创第3章 KMeans聚类（算法原理+手编实现+库调用）

俯视机器学习第3章聚类1. 概述物以类聚，人以群分。聚类就是把相似的样本聚在一起。把样本 D={xi}i=1mD = \{x_i\}_{i=1}^mD={xi}i=1m 进行划分，划分记为 C={C1,⋯ ,CK}C = \{C_1, \cdots, C_K\}C={C1,⋯,CK} ，每个子集合内样本具有相似性。相似性（距离）指标：对两个样本 x,y∈Rnx, y\in R^nx,y∈Rn ，其距离 ddd 为：lpl_plp 范数：d(x,y)=(∑i=0n∣xi...

2021-04-29 09:34:56 358

原创第2章最近邻法KNN（算法原理+手编实现+库调用）

俯视机器学习第2章最近邻算法1. 常见术语训练集测试集验证集2. 算法原理最近邻算法（KNN，K-Nearest Neighbors）数据：给定样本集 D={xi,yi}i=1mD = \{x_i, y_i \}_{i=1}^mD={xi,yi}i=1m ，yiy_iyi 属于特定的类别。目的：要确定某个新样本 xxx 的类别。算法思想： xxx 类别为 xxx 的最近的 KKK 个邻居中类别最多的点。如果有两类及以上邻居数相同，随机选择一个类。算法流程：输...

2021-04-29 09:29:32 330

原创第1章数学基础和机器学习问题（范数+矩阵迹+矩阵求导+机器学习框架）

俯视机器学习第1章数学基础和机器学习问题1. 向量及矩阵本课程讨论的向量默认都是列向量。向量和矩阵都只讨论实数情况。1.1 向量内积对向量 x,y∈Rnx,y\in R^nx,y∈Rn，其内积<x,y>=xTy=∑i=1nxiyi<x,y>=x^Ty = \sum_{i=1}^n x_i y_i<x,y>=xTy=i=1∑nxiyi内积满足交换律，即 xTy=yTxx^T y = y^T xxTy=yTx .1.2 矩阵的迹对方阵 ...

2021-04-29 09:16:55 579 1

原创 Win10插入耳机无反应

之前插入耳机总弹出个框，嫌烦，关了，结果插入耳机没有任何反应了，于是找了半天！网上的很多方法都过时了，完全没有解决问题，比如从控制面板找Realtek，结果我的控制面板都没有该选项。有的说装驱动，但原来就能用耳机的，应该只是设置问题。最后，搞定了！方法：...

2021-04-04 16:02:39 4105 1

原创 Matrix Derivative

Matrix Derivative1.1 DefinitionFor a function f(X)f(X)f(X), where X∈Rm×nX\in R^{m\times n}X∈Rm×n is a matrix and f(X)∈Rf(X)\in Rf(X)∈R is scalar. We define the derivative of the function as ∂f∂X=[∂f∂Xij]\frac{\partial f}{\partial X}=\left[\frac{\partial

2021-03-23 20:00:11 371

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

QQ坦白说信息过滤

吴恩达的机器学习英文版

[ACM国际大学生程序设计竞赛题解].赵端阳,袁鹤

[奥莱理] Learning Python 5th Edition

空空如也