- 博客(30)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 shell中for循环总结
关于shell中的for循环用法很多，一直想总结一下，今天网上看到上一篇关于for循环用法的总结，感觉很全面，所以就转过来研究研究，嘿嘿…1、 for((i=1;i<=10;i++));do echo (expr(expr i *4);done 2、在shell中常用的是 for i in $(seq 10) 3、for i in ls 4、for i in ${arr[@]}…5、for i
2017-01-17 20:30:35
986
原创 ubuntu14.04+cuda7.5+opencv3.0+cudnn+caffe
最近在配置caffe,出了许多的问题，今天终于解决了，感谢各位大神的博客，在文中会一一点出来。一.安装ubuntu 14.04 这里采用的是ｗｉｎｄｏｗs＋ubuntu双系统。可能要注意的几个问题： １．先装windows再装linux，因为在ｗｉｎｄｏｗs下进行磁盘操作相对会熟悉一些。 ２．可能会用到的一些软件：UltraISO用于刻录U盘启动盘，EasyBCD用于启动时找得到windows
2017-01-17 20:09:00
1514
原创 利用Caffe做回归(regression)
利用Caffe做回归(regression)Caffe应该是目前深度学习领域应用最广泛的几大框架之一了，尤其是视觉领域。绝大多数用Caffe的人，应该用的都是基于分类的网络，但有的时候也许会有基于回归的视觉应用的需要，查了一下Caffe官网，还真没有很现成的例子。这篇举个简单的小例子说明一下如何用Caffe和卷积神经网络（CNN: Convolutional Neural Networks）做基于回
2017-01-09 09:19:10
2755
原创 矩阵的求导问题小结
Torch的安装和常见问题Torch安装 http://torch.ch/docs/getting-started.html#next-steps常见问题 https://github.com/torch/torch7/wiki/Cheatsheet快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl + Q插入链接 C
2016-09-07 08:46:53
11651
3
原创 matlab与c++交互基础,混合编程工程进阶
一·简介matlab在处理矩阵运算时有很大的优势，但在处理循环时性能不如c,c++ ，所以很多时候，我们需要进行交互编程，本文首先介绍一些基础的入门知识，然后分析一个大型工程应用caffe_，从工程的视角分析，该如何设计好一个大型的交互接口。同时，找到matlab性能的瓶颈，正是我们需要改进的地方。二.交互编程基础这部分可参考： http://blog.csdn.net/bendanban/art
2016-05-26 14:16:00
3516
原创 C++ Primer 学习总结（附习题程序）
可以说C++ Primer算是C++程序学习中本十分经典的教材，前前后后，读了3遍，每次都是一遍带过，每次也都有新的感悟和收获，有时是查漏补缺，有时是有新的灵感，继而豁然开朗。中间有些许内容读不懂，不过没关系，先行略过就好，后面有了一定的基础再来看前面，或许会有不一样的感悟。第三次的过的时候，整理了部分习题，顺便把整个书中常用的点，和关键点拉一个框架。程序在ubuntu14.04上测试运行通过，以章
2016-05-16 22:28:43
757
原创 Makefile在大型工程文件中的应用简析
这段时间，再次温习了一遍makefile，想着去分析一下大型工程文件中，是怎么使用makefile的，需要注意那些地方，这里以caffe的makefile做一个简短的分析。这里给出两个非常棒的参考： http://blog.csdn.net/ruglcc/article/details/7814546/ http://blog.chinaunix.net/uid-790245-id-203
2016-05-12 11:43:17
4669
1
原创 matlab实战中一些重要的函数总结
这段时间看了一些大型的matlab工程文件(如：faster r-cnn)，对于工程中经常要用到的一些函数进行一个总结。 1、路径问题。 这主要涵括文件路径的包含和组合。curdir = fileparts(mfilename('fullpath'));addpath(genpath(fullfile(curdir, 'utils')));mkdir_if_missing(fullfile(
2016-04-23 12:12:25
10648
1
原创 faster-rcnn中utils下几个重要函数的解析
utils下的函数主要是为了整个工程调用的方便而设计的,这里讲解其中几个比较重要的函数。 1、boxoverlap.m 用来计算两个boxes中box间的重叠系数。元组o中的元素是矩阵，矩阵o{i}代表boxes a和box b(i)之间的交叉系数，size(o{i})=(m,1)。m–表示boxes a中有m个box。而size(o)=n。n–表示boxes b中有n个box，最后返回cell
2016-04-14 11:57:32
3749
1
原创 机器学习实战--fp-growth
接着前面所学的apriori频繁集挖掘，这里介绍一种更高效的发现频繁集的算法fp-growth(frequence pattern)，对大数据量时尤其有效（近百万条数据中查找，一般电脑只需2s左右）但fp-growth算法只能用来进行发现频繁集，不能挖掘关联规则。 fp-growth算法主要由两步： 1、构建fp树 2、利用fp树发现频繁集 构建fp树： 构建fp树时，需要扫描数据集2次，
2016-03-28 21:18:06
1019
原创 机器学习实战--数据预处理
当数据量变的特别大，数据特征的维度变得很大时，若不对数据进行一定的预处理，将会使问题求解的速度变得很慢，甚至是无法求解。这里介绍两种数据预处理（降维）的方法：pca和svd 数据降维主要有这几种方法： 1、主成分分析（PCA）：PCA实际上是进行坐标的转换，转换后的坐标的第一维选择数据方差最大的方向，第二维选择与第一维正交且数据方差最大的方向，依次重复上述的构造方法，得到第三维，第四维…而数据的
2016-03-27 22:46:49
2319
原创 机器学习实战--apriori
前面主要学习了机器学习的两大块：分类，回归，接下来的两节进入到频繁项集和关联规则的分析。 关联分析中最著名的例子当属啤酒和尿布了。http://www.wtoutiao.com/a/904866.html 为了定义上述的频繁和关联我们引入两个定义： 1、支持度：数据集中包含该集项的记录所占的比例 2、置信度：对于关联规则P–>M，该规则的置信度为：support(P U M) /suppor
2016-03-26 23:04:06
665
原创 机器学习实战--kMeans
前面的几个章节主要学习了监督学习，从这节开始，进入到无监督学习。这节的内容主要有kMeans，kMeans簇的后处理，二分kMeans。一、kMeans1、算法原理： 2、算方法实现： 1、初始质心的选择def randCent(dataSet, k): n = shape(dataSet)[1] centroids = mat(zeros((k,n)))#create ce
2016-03-25 16:26:37
1191
1
原创 机器学习实战--CART
上一节中介绍的回归方法，主要用于线性问题中，但当数据量变大，特征值变多时，这些方法就变得不那么实用了。这一节介绍一下CART（分类回归树）用于回归。主要讲解两种树：回归树和模型数 在学习CART时，可以回顾一下我们前面所讲的决策树： http://blog.csdn.net/sunnyxiaohu/article/details/50826016一、回归树每个叶节点包含单个值 算法原理：
2016-03-24 19:28:17
1423
原创 机器学习实战之--regression
前面主要讲到了分类问题，从这节开始，进入到回归的学习。这节主要介绍几个常用的数值回归算法。 1、线性回归 数据的线性拟合 平方误差损失函数： 回归系数： 主要算法实现：def standRegres(xArr,yArr): xMat = mat(xArr); yMat = mat(yArr).T xTx = xMat.T*xMat if linalg.det(xTx
2016-03-23 22:20:28
1499
原创 shell程序分析--qcd
这是国嵌中的一个小应用，目的在于我们能快速的在各个目录之间进行切换。 参考资料： 1、http://pan.baidu.com/s/1dEd1ZFz linux+命令行+shell脚本编程宝典 2、http://www.linuxidc.com/Linux/2014-03/97826.htm 为了解决shell子进程的环境不能传给父进程(！) 下面我将进行详细的源码分析： qcde:
2016-03-19 22:31:18
1695
原创 机器学习实战--svm
这一节，研究了两天，有些地方，还是不是很明白。这里对于算法原理只做一个简单的纪要，具体可以参考我下面列出的博客，推导的很详细。 参考： 1.http://www.tuicool.com/articles/RRZvYb 2.http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988419.html算法简介： 用一句话来总结其原理：确定一个超
2016-03-16 20:58:18
2398
2
翻译 机器学习之--损失函数
此文章翻译至机器学习的一章讲义： http://www.ics.uci.edu/~dramanan/teaching/ics273a_winter08/lectures/lecture14.pdf损失函数。 我们能得到一般化的损失函数表达式，如下（14.1），在（14.1）中，我们注意到损失函数有两部分组成：损失项和规则项。我们将会在接下来的章节中介绍这两部分。 一、损失项 在这一节中，
2016-03-16 15:38:40
12487
原创 机器学习实战--adaboost
前面我们已经学了好几个分类算法了（svm后面再讲），分类效果也还不错，但是我们也许会想，能不能在一个数据集上多次应用同一个算法，或者应用不同的算法呢？这就是我们adaboost的思想：通过多个弱分类器的组合，构成一个强分类器。 算法优点： 泛化错误率低，易编码，可应用在大部分分类器上，无需参数的调整 算法缺点： 对离群点很敏感 算法步骤： 这里我们用多个单层分类决策树为例（buildSt
2016-03-13 23:13:13
1053
原创 shell中for循环总结
关于shell中的for循环用法很多，一直想总结一下，今天网上看到上一篇关于for循环用法的总结，感觉很全面，所以就转过来研究研究，嘿嘿… 1、 for((i=1;i<=10;i++));do echo (expr(expr i *4);done 2、在shell中常用的是 for i in $(seq 10) 3、for i in ls 4、for i in arr[@]5、foriin{
2016-03-12 13:27:28
3612
原创 机器学习实战--naive bayes和logistic Regression
前面我们学到的knn和trees都是能确切的确定例子属于哪一类，这一节我们将介绍一种用概率来进行分类的方式。一、朴素贝叶斯（naive bayes）用一句话介绍就是，待测例子属于哪一类的可能性更大，就将待测例子归为哪一类。 先简单的介绍一下概率的基本知识： 假设一共有两类c=0,1；如果p(c=0)>p(c=1)，那我们就将该例归为c=0类。反之，归为c=1类。对于多类问题采用相似的解决方法。
2016-03-11 16:53:01
2432
原创 机器学习实战--knn 和trees
最近想学习一下机器学习的算法，同时自己把算法都实现一遍，主要参考《机器学习实战》，用python进行实现，当然，opencv中也集成了这些算法（可以参考：http://blog.csdn.net/xiaowei_cqu/article/details/23782561），可以很方便的我们进行调用，后面我们接着进行学习。一、knnk近邻分类(k-nearest neighbor classificat
2016-03-08 11:42:46
2377
原创 一步一步学网络爬虫（从python到scrapy）
大概花了一个星期的时间，学习了一下网络爬虫的知识，现在使用scrapy能爬一些基本的网页，图片，解决网页编码兼容问题，基础的模拟登陆。对于有些模拟登陆，由于其提交的表单要经过js进行处理后提交；更难的其网页也是经js渲染的，要学会一步步去分析，没有太多的去深入，但我会提到基本的分析方法。 参考文章： 1、http://www.runoob.com/ 一个很好的语言语法入门学习的网站，我主要用其
2016-03-03 11:54:14
35877
3
原创 linux上安装pip笔记
一.系统环境 linux:ubuntu14.04 pip:.. 二：步骤 1.参考https://pip.pypa.io/en/latest/installing/ 进行文档的安装。 2.下载get-pip.py后执行python get-pip.py install. 3.可能会出现 zipimport.ZipImportError: can’t decompress data; z
2016-02-20 14:31:56
1466
原创 四轴项目总结之三--pid
本篇主要介绍pid基本原理、实现和参数调试。其中主要有这几个部分的pid要进行实现：姿态的pid实现自稳. 高度pid实现定高. 循迹pid实现寻黑线而行。 一、pid的基本原理 参考： 【1】http://blog.csdn.net/nemol1990/article/details/45131603 【2】http://blog.csdn.net/super_mice/article/d
2016-01-28 16:27:10
5925
6
原创 四轴项目总结之二-姿态，数据篇
本来想一篇博文写完的，不知怎的，卡死了，遂另开一篇，接下来还有一篇，分三篇吧，这张主要介绍飞行，飞控原理。 先给大家分享一个空间角度上的概念。 roll翻滚角 pitch俯仰角 yaw 航向角 飞行器能上下前后左右飞行,甚至一些高难度的动作都是依赖于这几个角度的精准控制，试着想象一下，前后左右飞，遥控器的各个遥感应该怎样打。你要实现的一些基本操作包括： 自稳 释放操纵杆之后飞机
2016-01-27 21:08:03
5278
原创 四轴项目总结之一--基础篇
做完四轴的项目也有小半年了，一直没来得及好好总结一下，现在开始慢慢整理一下。从一开始的菜鸟小白，一步一步到自己能够实现基本的飞行，期间经历了几个月的时间，遇到了很多的困难，最终能坐下来喝杯小茶，小编万分感谢广大博主的分享，在后面的介绍中，我将一一点到。一 .基础知识入门 参考文章：http://v.tieba.baidu.com/p/3575961544?see_lz=1先来介绍一下硬件的基本组
2016-01-27 19:28:42
2988
原创 LeetCode总结2-Linked List
根据我们之前的思路，开始Linked List的学习。链表和数组有许多相似的地方，最基本的操作无外乎，增加元素、删除元素、交换元素、获得某元素。在此基础上附加各种条件，进而就能转换为我们的问题来进行求解了。我以为，链表和数组在操作上最大的不同在于，数组能直接进行下标index操作，如果能用下标，将会是很方便的。既然不方便，那出题的考点就来了，如何找到类似于数组的各元素之间的下标关系。最基础的是tw
2016-01-25 17:15:12
1190
原创 LeetCode总结之一
最近在陆陆续续的练习LeetCode，将自己以前的只是总综合巩固一下，也为了以后面试准备。尽量从自己的所思所想出发，鄙人菜鸟，还请勿喷。整个练习过程中采用C++。1、我练习主要遵从一下几个习惯：from easy to hard . similar problems . Tags.2、由于是第一次练习OJ，很多东西都不熟，所以多参考了别人的思路，然后自己再实现以便，有人说尽量自己思考，我觉得每个
2016-01-23 11:58:11
1288
原创 在ubuntu14.04上安装搜狗输入法
本文主要参考：http://jingyan.baidu.com/article/ad310e80ae6d971849f49ed3.html1. 下载搜狗输入法安安装包在官网上有：http://pinyin.sogou.com/linux/?r=pinyin2.安装一种方法：在Ubuntu14.01下可以直接点击下载的文件进入软件中心进行安装（这里的图是已经安装过
2016-01-14 09:32:33
1762
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人