- 博客(142)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 matlab数据过大，无法正常保存
matlab存储数据时，存储不进mat文件，如下存在三个为1KB的文件，便是存储不成功的。这是因为对于过大的文件，大于2GB的变量，需要使用MAT-file版本7.3或更高版本。 解决方法如下：进入matlab“主页”，点击“预设”按钮，选择“常规”，点击MAT-File，选择第一个选项，如下最后点击“确定”即可。...
2018-11-29 19:20:16
15845
1
转载 matlab 反复激活无效——许可证到期
matlab2017a 使用许可文件反复激活无效，多次激活且显示激活无效，说明是许可证已经到期了，可以使用以下方法解决。亲测有效。建立一个license.lic的文件，把下面的代码粘贴到文件里面，然后放到MATLAB根目录的license文件夹里替换原来的license_R2017a.lic文件，重启MATLAB即可。INCREMENT Aerospace_Blockset MLM 99...
2018-11-12 10:46:03
11748
13
原创 Caffe中的crop_layer层
Crop_layer是在Fully Convolutional Networks for Semantic Segmentation这篇论文中接触到的。我发现网络配置文件中使用到了Crop层。而Crop_layer层到底有什么作用呢？其实它主要是针对全卷积时，在原始图像上加了pad，致使图像比原始图像要大一些，最后我们利用这个crop层将pad裁剪掉。crop层主要作用是为了裁剪，那么它又是怎么进...
2018-03-20 09:40:08
4293
原创 Matconvnet安装：win10+VS2015（pro）+Matlab 2017a+cuda8.0+cudnn 5.1
MatConvNet是Matlab上用于机器视觉的一个工具箱，简洁、高效，从名字就可以看出来它主要应用与CNN，不过其他网络也有涉及到。MatConvNet可以用于图片分类、分割和人脸识别等等深度学习的功能等。在搭建环境的过程中，可能因为这样那样的原因遇到很多问题，其实只要版本匹配，安装步骤大体都差不多。下面是我成功安装的一个过程，这里记录以下：从官网进行下载。官网安装步骤。1、安装V...
2018-03-17 13:06:20
8152
1
原创 未定义变量“dagnn”或类“dagnn.DagNN.loadobj”
这个问题是我在使用Matconvnet做深度学习时所遇到的问题，这是当前所在路径找不到类所引起的。解决方法：run <MATCONVNET>/matlab/vl_setupnn.m以上的<MATCONVNET>是Matconvnet安装的根目录。还有一个比较笨的办法就是，直接进入到matlab的目录下运行，当然这有点治标不治本，建议还是用以上的方法。一般未定义变量或类的原因...
2018-03-17 10:46:22
5381
1
原创 python Warning message:DeprecationWaring
在导入sklearn部分模块时，出现DeprecationWarning（弃用警告），形式如下：C:\Adaconda2\lib\site-packages\sklearn\cross_validation.py:44: DeprecationWarning: This module was deprecated in version 0.18 in favor of the model_se
2018-01-20 19:15:12
2614
原创 Spyder的print语句不能输出
在实践中，一直遇到一下这个问题：UnicodeDecodeError：‘ascii’ codec can't decode byte 0xe7 in position 50: ordinal not in range(128)对于这个问题，我仔细检查了我的代码和数据，发现并没有错误，但是总是会显示这个问题。后来在网上找到了这个方法，在代码中加入一下代码：import sysr
2018-01-20 17:18:57
11698
5
原创 机器学习之特征工程
特征工程是什么？首先我们来说一说特征。特征是数据中抽取出来的对结果预测有用的信息，可以是文本或是数据。特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。过程包含了特征提取、特征构建、特征选择等模块。特征工程的目的筛选出更好的特征，获取更好的训练数据。因为好多特征具有更强的灵活性，可以用简单的模型做训练，更可以得到优秀的结果。在互联网公司里，其实大部分复杂的模
2018-01-13 17:26:29
706
原创 caffe训练时出错：Unknown bottom blob 'data' (layer 'conv1',bottom index 0)
大多数深度学习的训练是包含训练集的，也有一些不包含验证集的例子中，caffe的配置文件也会存在异同。下面是包含验证集的示例：而在一些无验证集的例子中，则要去掉“TEST”这一层，如下：但是，但你运行的时候，会出现以下错误：Unknown bottom blob 'data' (layer 'conv1',bottom index 0)这个错误的原因是
2017-12-28 22:26:31
5033
原创 python Spyder界面无法打开
Spyder本来还用得好好的，能正常使用，后来再关闭打开时，出现下面的蜘蛛网界面后，就无法显示操作界面了：后来在网上搜索了多种方法，甚至还将Adaconda2重装了都没有用。后来找到一个方法，说删除C:\Users\Administrator路径下的.spyder文件夹（你的有可能是.spyder2或.spyder3），再重启spyder即可。不过我尝试了一下，没什么用,后来结合了之前
2017-11-30 11:00:41
37953
6
原创 Opencv-Python：图像尺寸、图像的读取、显示、保存与复制
在使用opencv的方法时，首先必须导入opencv包。新的opencv导入cv2，这里也和cv做了一个对比import cv2一、图像尺寸图像的大小可以通过其shape属性来获取，shape返回的是一个tuple元组，第一个元素表示图像的高度，第二个表示图像的宽度，第三个表示像素的通道数。示例：if __name__ == '__main__': dirfile
2017-11-23 21:30:49
143718
2
原创 给定正整数N和集合K，求不大于N的，且每一位数字都在K中的最大值M，比如N=297，K={2,5,8}，则返回288
思想：从高到低位开始排，在序列中找遇到有相等的，就加到M*10（往左移一位）中，一直进行这样的循环；直到没有相等的，就取当前位的前一位，自此之后的所有位数都取数组K中最大的数。代码：import java.util.Arrays;import java.util.Scanner;public class MaxM { public static void main(String[]
2017-10-19 13:42:26
2855
3
原创 Python之内存管理机制
Python的内存管理机制主要包括三个方面：引用计数机制、垃圾回收机制、内存池机制一、引用计数机制Python内部使用引用计数来保持追踪内存中的对象，所有对象都有引用计数。引用计数增加的情况：（1）对象被创建：x=1；（2）被对象已有引用赋值：y=x；（3）被作为参数传递给函数：f（x）；（4）将其放入一个人容器中，如列表、元组或字典。引用计数减少的情况：（1）
2017-10-14 22:20:35
3998
原创 笔试——牛羊吃草
最初有n份青草，牛牛和羊羊依次吃草，牛牛先开始吃，每次吃草的份数必须是4的x次幂，比如1,4,16,64等等。谁最后吃完谁胜。假定牛牛和羊羊都是按照最佳方法进行游戏，请输出胜利者的名字。输入包括t+1行。第一行包括一个整数t（1接下来t行，每一行一个n（1输出：对于每一个n，牛牛胜输出“niu”，羊羊胜输出“yang”。样例：3123输出：niu
2017-10-14 21:30:29
2003
3
原创 笔试——字符串价值
有一种有趣的字符串价值计算方式：统计字符串中每种字符出现的次数，然后求所有字符次数的平方和作为字符串的价值。例如：字符串“abacaba”，里面包括4个‘a’，2个‘b’，1个‘c’，于是这个字符串的价值为：4*4+2*2+1*1=21；牛牛有一个字符串s，并且允许你从s中移除最多k个字符，你的目标是让得到的字符串的价值最小。输入描述：输入包括两行：第一行一个字符串s，长度leng
2017-10-14 19:52:41
1093
原创 笔试——环形公交
有一环形公交站，包含N（N>=3）个站点{站点序号为：1~N}，每个站点停留5分钟，相邻两个站点之间行驶时间都是10分钟，循环形式，已知第一圈第一个站点进入时间为X，现在公交形式时间为Y，请计算当前公交圈数，以及处在哪个站点之间M-N（如果停在某个站点Z，则输出Z-Z）输入：一行字符串：3,2017-07-25 06:00:00,2017-07-25 06:40:00【整数、时间字符串、时
2017-10-14 16:51:14
1213
1
转载 梯度下降法、牛顿法、拟牛顿法、共轭梯度
一、梯度下降法参考来源：http://www.cnblogs.com/LeftNot ... .html以下是一个典型的机器学习的过程，首先给出一个输入数据，我们的算法会通过一系列的过程得到一个估计的函数，这个函数有能力对没有见过的新数据给出一个新的估计，也被称为构建一个模型。我们用X1，X2..Xn 去描述feature里面的分量，比如x1=房间的面积，x2=房间的朝向，
2017-10-14 09:55:01
2065
转载 python之argparse模块
一、简介argparse是python用于解析命令行参数和选项的标准模块，用于代替已经过时的optparse。二、使用步骤（1）import argparse#导入argparse模块（2）parser = argparse.ArgumentParser（）#创建一个解析对象（3）parser.add_argument（）#往该对象中添加你要关注的命令行参数和选
2017-10-13 19:41:37
710
转载 机器学习之归一化（Normalization）
一、定义数据标准化（Normalization），也称为归一化，归一化就是将你需要处理的数据在通过某种算法经过处理后，限制将其限定在你需要的一定的范围内。数据标准化处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要对数据进行归一化处理，解决数据指标之间的可比性问题。二、优点如上面所说，数据归一化
2017-10-13 08:12:42
18096
原创 Markov随机场（MRF）和条件随机场（CRF）
在讲MRF和CRF之前，我们先来看看随机场又是什么意思？一、随机场简单来说，随机场可以看作是一组对应于同一样本空间的随机变量的集合。一般来说，这些随机变量之间存在依赖关系，也只有当它们之间存在依赖关系的时候，我们才会将其单独拿出来看成一个随机场才有实际意义。二、Markov随机场（MRF）MRF（Markov Random Fields）就是加了Markov性质的随机场。首
2017-10-12 20:02:37
5198
原创 集成学习（ensemble Learning）
集成学习（ensemble Learning）通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统（multi-classifier system）、基于委员会的学习（committee-based learning）等，其一般结构是先产生一组“个体学习器”（individual learning），再用某种策略将它们结合起来。个体学习器通常由一个现有的学习算法从训练数据中产生，如果个
2017-10-12 08:54:33
1728
原创 解剖标记点检测——全自动定量头颅测量（CNN）
《Fully automated quantitative cephalometry using convolutional neural networks》解读定量头颅测量在临床诊断、治疗和手术中起着至关重要的作用。对于这些程序的完全自动化技术的开发对于实现持续准确的计算机化分析是重要的。这篇论文研究了深度卷积网络（CNN）在全自动定量头颅测量中的应用。论文所提出的框架利
2017-10-10 16:14:24
3544
4
原创 解剖标记点检测——Two-Stage Task-Oriented DNN
《Detecting Anatomical Landmarks From Limited Medical Imaging Data Using Two-Stage Task-Oriented Deep Neural Networks》这篇论文主要介绍了一个缓和有限训练数据的深度学习方法，就是T2DL（Two-Stage Task-Oriented Deep Learning），这个方法
2017-10-09 18:36:20
2081
7
原创 人脸特征点检测（四）——Tasks-Constrained DCN（TCDCN）
《Facial Landmark Detection by Deep Multi-task Learning》原文地址及实现代码在文章链接中。文章提出TCDCN（Tasks-Constrained Deep Convolutional Network），使用与人脸相关的属性共同来学习人脸的特征点位置，通过这种多任务的学习，来提高人脸特征点检测的鲁棒性。具体而言，就是在人脸特征点检测时候
2017-09-28 22:01:20
6120
原创 人脸检测（三）——Multi-task CNN（MTCNN）
这篇文章主要记录了《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》链接在人脸检测和特征点定位的任务上，这篇文章提出的方法比现有最先进的技术有明显的额提升，而且具有实时处理的性能。在这篇文章中，提出了一个深度卷积多任务的框架，这个框架利用了检测和对准之间固有的关系
2017-09-28 20:48:23
8238
1
原创 Python字符串的连接、替换、截取，以及字符串格式化输出，引号
一、字符串的连接（1）以下这种方法效率比较低，一般刚开始学时有可能会犯这个错误： s = ['a','b','c','d'] content = ' ' for i in a: content = content + i #在循环连接字符串时，每连接一次，就要重新开辟空间 print content每次连接成新字符串之后就要存放到新的空间，这样反复，内存
2017-09-28 10:16:53
5952
原创 笔试题——东南西北（ESWN）按任一方向走N步
小云被困在在一个没有方向的幻境，只要走出N步即可脱离幻境，此N步不考虑时间也考虑方向，但是在不同时刻向不同方向走所耗费的体力不同；现已知道不同时刻在某个方向跨出一步所需要耗费的体力，请找出最省体力的方法。输入：有多个输入样例，输入的第一行是样例个数T（1输出：第一行输出需要的最小体力值。第二行行走方案分别用符号ESWN表示东南西北。样例输入：141
2017-09-26 20:52:24
3202
转载 交叉熵代价函数
本文是《Neural networks and deep learning》概览 中第三章的一部分，讲machine learning算法中用得很多的交叉熵代价函数。1.从方差代价函数说起代价函数经常用方差代价函数（即采用均方误差MSE），比如对于一个神经元（单输入单输出，sigmoid函数）,定义其代价函数为：其中y是我们期望的输出，a为神经元的实际输出【 a=σ(z
2017-09-26 14:03:54
678
原创 Batch Normalization（BN）
w的赋值比较困难，稍一赋值不好，就会使得CNN很脆弱，变得特别发散或特别难；我们就得想办法，看能不能约束一下这个w。我们希望激励过后的结果是高斯分布的，手动可以进行修改：首先对每一个维度都独立计算经验均值和方差，再进行标准化。我们也可以想办法让它自动进行修改，而Batch Normalization就可以进行这样的操作。Batch Normalization通常是在全连接层后（
2017-09-26 09:46:22
922
原创 CNN之fine-tuning
fine-tuning：使用已用于其他目标、预训练好模型的权重或者部分权重，作为初始值开始训练。为什么要用fine-tuning？自己从头训练卷积神经网络容易出现问题；而用fine-tuning能很快收敛到一个理想的状态。怎么做？复用相同层的权重，新定义层取随机权重初始值；调大新定义层的学习率，调小复用层学习率。
2017-09-25 22:08:46
2972
原创 CNN及常用框架
一、神经网络：增加少量隐层（浅层神经网络），增加中间层（深度神经网络，DNN）。神经网络应用在分类问题中效果好，LR或Linear SVM，线性分割都可用于分类。二、卷积神经网络（CNN）：卷积神经网络依旧保存了层级结构，但层的功能和形式发生了变化。分别有：数据输入层、卷积计算层、激励层、池化层、全连接层1、数据输入层（Input layer）（1）去均值：把输入数
2017-09-25 16:57:22
4589
原创 Python numpy函数：all（）和any（）比较矩阵
数组元素的比对，我们可以直接使用“==”进行比较，比如：但是当数组元素较多时，查看输出结果便变得很麻烦，这时我们可以使用all（）方法，直接比对a矩阵和b矩阵的所有对应的元素是否相等。而any（）方法是查看两矩阵是否有一个对应元素相等。事实上，all（）操作就是对两个矩阵的比对结果再做一次与运算，而any则是做一次或运算
2017-09-25 16:19:49
99319
2
原创 Python numpy函数：fromfunction以函数式创建数组
fromfunction函数一般是什么时候有用呢？它的作用是从函数中创建数组。给函数绘图的时候就会用到。示例：函数y=i*2。以下使用fromfunction函数，创建一个数组a，a返回的结果是经过我们自定义的函数的结果，所以a中存储的是y的值，而i其实就是数组的索引；也就是说，数组a存储的是i取值从0到1时，y的值。fromfunction的第二个参数定义了输出数组的形状，也表示i的
2017-09-25 15:35:10
16197
原创 Python numpy函数：zeros（）、ones（）、empty（）
在给数组赋初始值的时候，经常会用到0数组，而Python中，我们使用zero是函数来实现：创建一个一维数组时，只需要一个参数就可以了，代表数组长度。在默认的情况下，zeros创建的数组元素类型是浮点型的，如果要使用其他类型，可以设置dtype参数进行声明创建多维数组，但是多维数组的创建，参数形式需要注意，如下：同样可以使用第二个参数设置数组元素类型
2017-09-25 15:12:12
216554
原创 Python numpy函数：linspace（）创建等差数列
linspace用于创建一个是等差数列的一维数组。它创建的数组元素的数据格式是浮点型。常看到的一般是三个参数，分别是：起始值、终止值（默认包含自身）、数列个数另外有一个参数endpoint，用于决定是否包含终止值，如果不设置这个参数，默认为是True
2017-09-25 13:34:36
30795
原创 Python numpy函数：arange（）
arange()函数用于创建等差数组，使用频率很高。arange函数和range函数很像，两个的区别是arange函数返回的是一个数据，而range函数返回的是list。另外，在使用arange前，需要先引入numpy，而range不用。其他，两者都差不多我们对比着range进行示例展示：（1）输入一个参数，range返回一个list，而arange返回一个array，起始位都是从0开始：
2017-09-25 13:19:42
4627
原创 Python numpy函数：dtype数组元素类型
数组元素的类型通过dtype属性获得。而且，每一种数据类型都有几种字符串表达形式，我们可以使用typeDict字典来查询某种字符串所代表的数据类型，比如“d”和“double”都是float64数据类型：
2017-09-25 13:01:18
38669
原创 Python numpy函数：reshape（）
reshape（）是数组对象中的方法，用于改变数组的形状。形状变化是基于数组元素不能改变的，变成的新形状中所包含的元素个数必须符合原来元素个数。如果数组元素发生变化的时候，就会报错：reshape函数生成的新数组和原始数组公用一个内存，也就是说，不管是改变新数组还是原始数组的元素，另一个数组也会随之改变：
2017-09-25 12:42:28
176465
3
opencv——cmake files ：xfeatures2d
2019-03-13
opencv安装：ippicv_linux_20151201.tgz和vgg_generated_48.i(64、80、120)
2019-03-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人