- 博客(31)
- 收藏
- 关注
RSS订阅
原创 ubuntu搭建ftp服务器-按部就班就好 (躺坑后亲测成功)
安装完成之后通过用户密码登录ftp服务器，登入目录为用户的家目录。其均可从家目录中切换进入家目录下属子目录本教程设置了一个专门用于ftp的用户 -- ftpuser，其家目录在/home/ftp，其下有两个文件夹：Down、Up。Down仅可下载，Up可下载、上传、删除。同时每隔一天将Up中文件移动到 Down 文件夹其它本地用户可以登录到自己的家目录1、安装vsftp...
2019-04-19 15:54:49
27139
11
原创 信息熵，交叉熵，KL散度，JS散度之间的关系
（1）信息熵介绍：对于连续型随机变量，假设P为随机变量X的概率分布，则p(x)为随机变量X在X = x处的概率，随机变量X在x处的香农信息量为：香农信息量用于刻画消除随机变量X在x处的不确定性所需的信息量的大小。很容易看到：当 X = x 的概率 p (x) 比较大时，就代表此事发生的概率比较大，不确定性因素小，从而 f (P) 会比较小。如随机事件“买了彩票却没中奖” 发生的概率比较...
2018-09-18 20:50:55
1570
原创 简述为什么输出层在使用sigmoid做激励函数时, 代价函数用交叉熵比平方差更好
符号：C ： 代价函数w：weightb：biasη：学习速率在使用平方差作代价函数时： 其中a是预测结果 ， 即其用链式法则来求权重和偏置的偏导数就有（这里求导过程我就不写了，毕竟从 "宏观" 上来理解一...
2018-06-06 15:18:30
5056
原创 理解机器学习梯度下降
介绍一下关于机器学习梯度下降自己的理解： 上图来自 Neural Networks and Deep Learning（美）Michael Nielsen 著如上图所示，假设我们需要找到二元函数 C(v1，v2) 的最小值，根据微积分： (1) 很明显，要找到 C(v1，v2) 的最小值，我们需要一个操作使得...
2018-05-23 23:41:08
327
原创 VGG-F/CNN-F pytorch 导入 imagenet-vgg-f.mat
import torchfrom torch import nnCNN_F = "imagenet-vgg-f.mat"layers = ('conv1', 'relu1', 'norm1', 'pool1','conv2', 'relu2', 'norm2', 'pool2','conv3', 'relu3', 'conv4', 'relu4','conv5', 'relu5', 'pool5','fc6', 'relu6', 'fc7', 'relu7')cnnf = sio.l.
2022-04-28 17:29:31
398
原创 人脸数据集汇总 MS1M-IBUG MS1M-ArcFace MS1M-RetinaFace 等
人脸数据集不太好直接找到，实际在 github上的insightface里有汇总。说明：MS1M-IBUG ： MS1M V1MS1M-ArcFace ： MS1M V2MS1M-RetinaFace ： MS1M V3以下信息来自于网站 ：https://github.com/deepinsight/insightface/tree/master/recognition/_datasets_Face Recognition DatasetsTraining Data..
2022-01-09 14:59:34
4741
2
原创 ERROR: Failed building wheel for opencv-python-headless
ERROR: Could not build wheels for opencv-python-headless which use PEP 517 and cannot be installed directly解决：更新pippip install --upgrade pip
2021-12-24 17:34:28
4721
原创 undefined symbol _ZTINSt8ios_base7failureB5cxx11E
导入模块出现undefined symbol _ZTINSt8ios_base7failureB5cxx11E, version GLIBCXX_3.4.21 not defined in file libstdc++.so.6 with link time reference或者 undefined symbol _ZTINSt8ios_base7failureB5cxx11E背景原因解决方法1：解决方法2：或者 undefined symbol _ZTINSt8ios_base7failureB5c
2021-04-08 16:40:44
512
2
原创 MAML学习资料推荐 Model-AgnosticMeta-Learning for Fast Adaptation of DeepNetworks
最近接触 Meta-Learning，肯定得看看2017年发表在ICML的 MAML：《Model-Agnostic Meta-Learning for Fast Adaptation of DeepNetworks 》了，结合自己的学习过程分享一下比较好的学习资料：对MAML算法及整体框架的理解：知乎回答：https://zhuanlan.zhihu.com/p/57864886对于Algorithm 1 中具体梯度的计算：李宏毅的视频：https://www.bilibi..
2020-09-25 09:47:38
177
原创 已知后序和中序求先序 python
根据后序和中序求先序：按照常规思路递归实现，先递归生成左子树，再递归生成右子树class node: #定义节点结构 def __init__(self, value = None, left = None, right=None): self.value = value self.left = l...
2019-09-18 22:18:29
1935
原创 卷积、池化、激励函数的顺序
以下内容为个人的看法：顺序：卷积---池化---激励函数我们知道卷积肯定是在第一层，毕竟 σ（wx+b），wx+b 就是卷积操作，那为什么池化要在卷积之前呢？原因解析：假设激励函数是 relu 激励函数：假设我们卷积后的值为：3，-2，1，2 ；对于 avg_poolling :先 relu 再池化：当经过 relu 函数之后，得到的值为：relu(3) = 3，re...
2019-05-26 14:20:49
4858
1
原创 多分类问题下的评估指标
一般二分类中直接用 查准率（precision）、查全率（recall）、F1 score 、AUC就可以做评价指标在多分类中：1、西瓜书中介绍了 宏查准率（macro-P）、宏查全率（macro-R）、宏F1（macro-F1） 、以及 微查准率（micro-P）、微查全率（micro-R）、微F1（micro-F1）。可自行查阅在tensorflow中，可以使用以下任意函数（两者等...
2019-05-16 21:58:31
2751
原创 slim.arg_scope嵌套理解（超简单）
def new_arg_sc():with slim.arg_scope([slim.conv2d, slim.fully_connected], trainable=True,activation_fn=tf.nn.relu, ...
2019-04-17 20:27:13
1462
原创 ubuntu16.04 双硬盘，riad0，RTX2080TI双显卡装cuda cudnn tensorflow-gpu可行的各版本记录
之前就有装cuda cudnn anaconda的经验，本来以为配环境几个小时就能搞定，结果前前后后装了有一天。https://tensorflow.google.cn/install/source#linux -----这个网站是tensorflow官方测试通过的tensorflow cuda cudnn python版本对应关系感觉以后还会配环境，现记录：装系统时：先装riad0 ...
2019-04-06 16:09:29
889
2
原创 使用Xshell在windows 和 ubuntu 服务器之间互传文件
Xshell 连上服务器后步骤1：ubuntu上安装：sudo apt-get install lrzsz步骤2：Windows向ubuntu传输文件：命令行输入：rzubuntu向Windows传输文件：命令行输入：sz + 文件名注：Xshell 会话属性/ZMODEM 要是 ✔ 激活的。不过默认是激活的，一般不用动那个...
2019-03-19 10:50:25
1020
原创 机器学习中一些好的博客汇总
PCA的数学原理 ：https://www.cnblogs.com/mikewolf2002/p/3429711.html交叉熵的理解 ： https://blog.csdn.net/tsyccnh/article/details/79163834GAN论文解读 ： https://blog.csdn.net/stalbo/article/details/79283399 牛人博客...
2019-02-25 19:44:51
255
原创 liunx su与sudo PATH
supassword能够切换到 root 用户下，但是此时你用的 PATH 还是原用户的 PATH，如果想切换到 root 的 PATH，需要 ‘su’ + ‘-’，即su -password此时，你的 PATH 也切换到了 root 用户的 PATH。总的来说：若要完整的切换到新用户的环境，需要使用 su - username 才会连同PATH、USER、MAI...
2019-01-12 15:44:50
229
原创 C中的回调函数
将一个函数 A（） 以指针形式作为另外一个函数B（&A）的参数，可以在不改变原始程序的情况下，修改A（）的实现方式。如：A为一个排序算法 sort（），用快速排序实现。我们在 B 函数中调用了sort（）。当我们不想使用快排了，我们需要选择堆排序。那么我们只需要改 sort（）的实现方式就行了，不需要改 B 中的代码。...
2019-01-09 21:59:37
260
1
原创 同步，异步，阻塞，非阻塞
同步：A 向 B 发一条消息，A必须等到B的回应之后才结束等待状态；异步：A 向 B 发一条消息，A可以在发出请求之后，去干别的事，当 B 完成信息准备后，发出一个通知信号告诉 A。回调函数（callback()）可认为就是一种通知信号。阻塞：CPU要使用系统总线，但是系统总线被占用，CPU就被阻塞，它不干其他事，等待总线空闲。非阻塞：CPU要使用系统总线，但是系统总线被占用，CPU先...
2019-01-09 21:51:47
130
原创 Network IN Network的理解
上面二图就是Network IN Network具体我们可以来看第二张图的一个MLPconverlution，一个MLPconverlution块其实可以分为两步：一个正常的卷积，与一个1*1的卷积（或者说“选择性”的全连接网络）第一个MLPconverlution是一个224*224*3的input，正常情况下，被96个11*11*3的卷积核（假设步长为N）卷积完之后是一个...
2018-12-29 18:32:28
455
原创 空间域、频域、高通滤波、低通滤波
最近由于深度学习做图像，要看图像处理的知识，看了几篇博客，图和大部分文字来自与那些博客，把知识点总结了一下：①通过观察灰度分布来描述一幅图像称为空间域，观察图像变化的频率被称为频域。②频域滤波是在频率域对图像做处理的一种方法。步骤如下：滤波器大小和频谱大小相同，相乘即可得到新的频谱。低频对应区域的图像强度变化缓慢，高频对应的变化快。低通滤波器去除了图像的...
2018-12-19 17:22:21
6242
原创 排序小feature（计数排序和基数排序）
基数排序为什么从低位开始排：[例如] 一个无序数列{655 392 694 436 29 826 171 180}; 先从最高位排序：{826 694 655 436 392 171 180 29}; 再对次高位排序：只能对高位是6的{694 655}单独排序，对高位是1的{171 180}单独排序。且：基数排序从低位开始排的时候要注意内部稳定性，这样才能保证算法的稳定性 ...
2018-09-27 22:02:43
157
转载 C++ setw() 与 setfill()
在C++中，setw(int n)用来控制输出间隔,（n-1个空格）。setw()默认填充的内容为空格，可以setfill()配合使用设置其他字符填充。cout<<setfill('*')<<setw(5)<<'a'<<endl;则输出：****a //4个*和字符a共占5个位置。...
2018-06-29 00:19:51
608
转载 C++ 之 引用
小马 129***[email protected].引用必须在声明时将其初始化，不能先声明后赋值。#include <iostream>using namespace std;int main(){ int rats = 10; //声明引用，旦未初始化 int &rodents; rodents = rats; return 0;}上...
2018-06-29 00:19:21
2835
原创 梯度消失和梯度爆炸的原因
梯度消失一般出现在远离输出层的 hide 层 原因：梯度爆炸：梯度爆炸和梯度消失称为不稳定梯度，梯度消失普遍存在。我们可以通过设置合适的w和b来避免上述两种情况即w 和 b取那样的值，但是这种情况下他们的值域比较小...
2018-06-29 00:16:40
395
转载 C++笔记宏定义 #define 和常量 const 的区别
宏定义 #define 和常量 const 的区别类型和安全检查不同宏定义是字符替换，没有数据类型的区别，同时这种替换没有类型安全检查，可能产生边际效应等错误；const常量是常量的声明，有类型区别，需要在编译阶段进行类型检查编译器处理不同宏定义是一个"编译时"概念，在预处理阶段展开，不能对宏定义进行调试，生命周期结束与编译时期；const常量是一个"运行时"概念，在程序运行使用，类似于一个只读行...
2018-06-26 22:44:36
335
原创 反向传播的直观理解 （以及为什么反向传播是一种快速的算法）
解释：公式 46 其实就是微分的定义公式，”W +εej ”代表对于由 j 个 weight 构成的单位向量 W，在其他权重都不变的情况下，使得 Wj微小的改变ε（W为单位向量，ej= 1，ε可正可负）。这个公式是向量形式。解释：计算一次网络传播需要1,00,001次说的是模型进行一次梯度下降，即更新一次所有权重。1,000,000个参数需要将网络向前传播 1,000,000...
2018-06-23 14:16:54
6131
2
转载 解释性语言和编译性语言
解释性语言和编译性语言的定义：计算机不能直接理解高级语言，只能直接理解机器语言，所以必须要把高级语言翻译成机器语言，计算机才能执行高级语言编写的程序。翻译的方式有两种，一个是编译，一个是解释。两种方式只是翻译的时间不同。解释性语言的定义：解释性语言的程序不需要编译，在运行程序的时候才翻译，每个语句都是执行的时候才翻译。这样解释性语言每执行一次就需要逐行翻译一次，效率比较低。现代解释性语言通常把源程...
2018-05-25 14:11:46
162
原创 pyhon编码问题之由 u'\uxxx' 转 \uxxx
u'\u5949\u8d24\n\u897f\u6e21\n\u5949\u8d24\u4e1c\u542f\u6276\u680f\u8def\uff0c\u897f\u81f3\u5357\u6a2a\u6cfe\u6e2f\uff0c\u5357\u4f9d\u91d1\u5e84\u516c\u8def\uff0c\u5317\u9760...'转为：\u5949\u8d24\n\u897...
2018-05-19 14:22:06
3354
原创 python爬虫笔记--编码问题
import urllib2import urllibimport requestsfrom bs4 import BeautifulSoupurl = "https://sh.fang.lianjia.com/loupan/"respones = requests.get(url).textsoup = BeautifulSoup(respones, 'html.parser')...
2018-05-18 20:36:45
170
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人