susandebug-CSDN博客

转载 linux多线程-互斥&条件变量与同步

多线程代码问题描述我们都知道，进程是操作系统对运行程序资源分配的基本单位，而线程是程序逻辑，调用的基本单位。在多线程的程序中，多个线程共享临界区资源，那么就会有问题：比如#include <pthread.h>#include <unistd.h>#include <stdio.h>#include <stdlib.h>i...

2018-12-05 16:06:33 377

转载 Tensorflow一些常用基本概念与函数

摘要：本文主要对tf的一些常用概念与方法进行描述。1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf #定义‘符号’变量，也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b

2017-08-01 13:59:31 800

原创解决 NotImplementedError: fromstring() has been removed. Please call frombytes() instead.

1. 可能Pillow版本不对，运行命令：pip uninstall Pillowpip install Pillow==2.9.0 或者wget https://pypi.python.org/packages/62/7d/a6decd77e926197621ca13f63e4f37333a462e1be18a8b5928b692f7ae24/Pillow-2.9.0.tar

2017-07-21 15:31:06 3726

原创 linux退出当前用户登陆admin

1.ctrl c2. exit3. ssh admin@IP4. 输入password5. 成功登陆

2017-07-21 15:00:10 15508

转载 Models in TensorFlow from GitHub

转载网址：http://note.youdao.com/share/?id=71216576910b7a6cd6f2a0f2ebf8faa2&type=note#/ —— 感谢AI研习社的分享Models in TensorFlow from GitHub图像处理/识别 1.PixelCNN &PixelRNN in TensorFlowTensorFlo

2017-07-20 20:39:38 1830

转载 llinux 下查看文件个数及大小

2017-07-20 20:12:18 652

转载 linux下文件夹的创建、复制、剪切、重命名、清空和删除命令

在home目录下有wwwroot目录，wwwroot下有sinozzz目录，即/home/wwwroot/sinozzz一、目录创建在/home/wwwroot目录下新建一个sinozzz123的文件夹mkdir /home/wwwroot/sinozzz123二、目录复制1.把/home/wwwroot/sinozzz里面的文件和文件夹等复制到home/w

2017-07-20 11:13:35 356

转载分类模型的 Loss 为什么使用 cross entropy 而不是 classification error 或 squared error

提纲：分类模型与 Loss 函数的定义，为什么不能用 Classification Error，Cross Entropy 的效果对比，为什么不用 Mean Squared Error，定量理解 Cross Entropy，总结，参考资料。交叉熵定义：http://blog.csdn.net/lanchunhui/article/detai

2017-07-19 18:47:36 2862

转载 tensorflow---深入MNIST

深入MNIST用到py文件import tensorflow as tf#导入input_data用于自动下载和安装MNIST数据集from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

2017-07-19 18:31:19 401

转载 tensorflow-MNIST机器学习入门

py文件import tensorflow.examples.tutorials.mnist.input_data as input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=True)import tensorflow as tfx = tf.placeholder(tf.float32, [No

2017-07-19 18:16:26 537

原创 Tensorboard学习——mnist_with_summaries.py ---- TensorFlow可视化

2017-07-19 17:55:15 1038

原创 Vim光标移动命令

行首： home键行尾： end键删除n行： ndd*定位到指定行n: 输入"nG". 或输入"ngg". 或输入":n" 这里,n就是指定的行的行号.注意，有时候G=gg. *跳到屏幕顶部：输入“H”. 这里，停在第一个非空字符上。加一个数字N，是指距窗口顶部的行数（如'NH'正数第N行） *跳到屏幕底部：

2017-07-19 16:59:47 1399

转载深度对抗学习在图像分割和超分辨率中的应用

深度学习已经在图像分类、检测、分割、高分辨率图像生成等诸多领域取得了突破性的成绩。但是它也存在一些问题。首先，它与传统的机器学习方法一样，通常假设训练数据与测试数据服从同样的分布，或者是在训练数据上的预测结果与在测试数据上的预测结果服从同样的分布。而实际上这两者存在一定的偏差，比如在测试数据上的预测准确率就通常比在训练数据上的要低，这就是过度拟合的问题。另一个问题是深度学习的模型（比如卷积神经

2017-07-18 15:01:48 672

原创 Ubuntu台式机有线没法上网

1. ubuntu有线无法上网，使用ifconfig没看到有线网卡，证明没有驱动2. 使用lspci查看所有驱动，找到Ethernet controller: 那个，为以太网驱动，到官网查找、我的为Ethernet controller: Intel Corporation Device 15b7 (rev 31) https://downloadcenter.intel.co

2017-07-13 09:28:20 16876 6

原创 win7和Ubuntu双系统卸载Ubuntu

第1步，修复MBR　　1.进入win7，下载个软件MbrFix，放在C:\windows\system32文件夹中　　2.点击开始》所有程序》附件》命令提示符　　3.在命令提示符中输入MbrFix /drive 0 fixmbr /yes　　4.此时已经修复了MBR，重启电脑后会发现已经没有了linux启动选项，直接进入windows了（此步检验仍然存在linux启

2017-07-12 20:22:29 1303

原创 WIN7系统下U盘安装Ubuntu双系统

一、软件准备1.一个格式化了的U盘2.下载ubuntu镜像，我下的是ubuntukylin-14.04-desktop-amd64.iso3.下载unetbootin-windows-latest.exe，用这个软件把U盘做成启动盘，超简单。（网盘地址：http://pan.baidu.com/s/1qWGvj3Y）二、分一个空磁盘给Ubuntu步骤：在桌面或开始菜单里

2017-07-12 16:40:34 475

转载 Precision和Recall

原文出自：http://blog.csdn.net/wangran51/article/details/7579100最近一直在做相关推荐方面的研究与应用工作，召回率与准确率这两个概念偶尔会遇到，知道意思，但是有时候要很清晰地向同学介绍则有点转不过弯来。召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标。召回率：Recall，又称“查全率”

2017-07-12 13:14:48 479

此处“张正友标定”又称“张氏标定”，是指张正友教授于1998年提出的单平面棋盘格的摄像机标定方法。张氏标定法已经作为工具箱或封装好的函数被广泛应用。张氏标定的原文为“A Flexible New Technique forCamera Calibration”。此文中所提到的方法，为相机标定提供了很大便利，并且具有很高的精度。从此标定可以不需要特殊的标定物，只需要一张打印出来的棋盘格。So gre

2017-07-11 18:23:30 2064

转载 Convolution Networks 和Deconvolution Networks

一.卷积的概念卷积是分析数学中的一种重要运算，英文convolution。需要注意的是，以下我们考虑都是离散情况下的卷积操作。从概念上说，卷积是线性情况的下的滤波处理，性滤波处理经常被称为“掩码与图像的卷积”[1]。具体的操作则是，卷积是两个变量在某范围内相乘后求和的结果。如果卷积的变量是序列x(n)和h(n)，则卷积的结果。其中*表示卷积。那对于二维图像上的卷积操作，是计

2016-12-15 09:18:09 866

转载马尔可夫模型及隐马尔可夫模型(HMM)

马尔可夫模型马尔可夫模型是由Andrei A. Markov于1913年提出的∙∙ 设 SS是一个由有限个状态组成的集合S={1,2,3,…,n−1,n}S={1,2,3,…,n−1,n}随机序列 XX 在 tt时刻所处的状态为 qtqt，其中 qt∈Sqt∈S，若有：P(qt=j|qt−1=i,qt−2=k,⋯)=P(qt=j|qt−1=i)P(qt=

2016-11-18 09:16:16 2926 1

转载计算机视觉基础5——本质矩阵与基本矩阵(Essential and Fundamental Matrices)

回顾本质矩阵的定义本质矩阵的基本性质：结合成像的几何关系　　　　　　Longuet-Higgins equation注意大小写的区别哦，大小表示物点矢量，小与表示像点矢量。像平面上的一点可以看作：• (u,v) 2D film point(局限于像平面上来考虑)• (u,v,f) 3D point o

2016-11-18 09:09:18 3257

转载计算机视觉基础4——对极几何(Epipolar Geometry)

先思考一个问题：用两个相机在不同的位置拍摄同一物体，如果两张照片中的景物有重叠的部分，我们有理由相信，这两张照片之间存在一定的对应关系，本节的任务就是如何描述它们之间的对应关系，描述工具是对极几何，它是研究立体视觉的重要数学方法。　　要寻找两幅图像之间的对应关系，最直接的方法就是逐点匹配，如果加以一定的约束条件对极约束(epipolar constraint)，搜索的范围可以大大减小。

2016-11-18 09:08:16 1122

转载共面点成像——planar homography

在前面已经讨论了三维物体成像过程，相比之下，还有一种稍简单的情况——平面成像，即所有的物点都处在同一个平面上，我们有理由相信，这种情况下的成像关系是一般立体成像的一种特例。先回顾一下一般的单体成像过程对于共面的物点，在恰当的世界坐标系中，可以令其中一个坐标值为0，不妨设第三维坐标为0，图示如下：由于物点的第三维坐标为0，整个

2016-11-18 09:06:38 808

转载计算机视觉基础3——内部参数描述

在上一节中，我们用矩阵描述了外部参数，即物体的坐标到相机坐标的变换。同时还分析了透视投影，即成像的过程，整个过程就是从(U,V,W)->(X,Y,X)->(x,y)。这一节主要讨论如何从像平面(x,y)变换到数字图像(u,v)，即从像平面(Film Coords)到像素(Pixel Coords)。对一幅数字图像，我们可以改变它的宽高比，即作尺度变换。

2016-11-18 09:05:22 723

转载计算机视觉基础2——相机成像的几何描述

试想像一下，很多游客同时在不同角度拍摄Eiffel Tower(埃菲尔铁塔)，该如何用数学的方法来描述这一过程呢？首先要解决的问题就是定位，或者说坐标选定的问题，埃菲尔铁塔只有一座，如果按经、纬度来刻画，它的坐标是唯一确定的，但游客显然不关系这一点，他(她)只按自己的喜好选择角度和位置，因此，物体(景物)有物体的坐标系统，相机有相机的坐标系统，即便同一个相机，当调整参数时，在同样的位置、相同的角度

2016-11-18 09:04:10 702

转载计算机视觉基础1——视差与深度信息

资料来源：Robert Collins,CSE486, Penn State第8讲Stereo Vision深度信息感知是人类产生立体视觉的前提。生理过程一定是相当复杂，此处，我们只从物理角度，并采用数学的方法来讨论。Inferring depth from images taken at the same time by two or more cameras.

2016-11-18 09:03:04 1498

转载双目匹配与视差计算

立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的影响：（1）光学失真和噪声（亮度、色调、饱和度等失衡）（2）平滑表面的镜面反射（3）投影缩减（

2016-11-17 11:05:41 22040

原创 Longest Substring with At Least K Repeating Characters

class Solution {public: int longestSubstring(string s, int k) { if(s.size()<k || s.size()==0) return 0; map imap; for(auto c:s){ if(imap.find(c)==imap.end()) i

2016-09-09 10:55:14 314

转载各种优化方法总结比较（sgd/momentum/Nesterov/adagrad/adadelta）

前言原文转自：http://blog.csdn.net/luo123n/article/details/48239963这里讨论的优化问题指的是，给定目标函数f(x)，我们需要找到一组参数x，使得f(x)的值最小。本文以下内容假设读者已经了解机器学习基本知识，和梯度下降的原理。SGDSGD指stochastic gradient descent，即随机梯度下降。是梯度下降的

2016-09-07 15:58:26 1161

转载深度学习框架的比较（MXNet, Caffe, TensorFlow, Torch, Theano)

1. 基本概念1.1 MXNet相关概念深度学习目标：如何方便的表述神经网络，以及如何快速训练得到模型 CNN(卷积层)：表达空间相关性(学表示) RNN/LSTM：表达时间连续性(建模时序信号) 命令式编程(imperative programming)：嵌入的较浅，其中每个语句都按原来的意思执行，如numpy和Torch就是属于这种

2016-09-03 10:42:20 1706

转载解决Encountered a section with no Package: header错误

解决E: Encountered a section with no Package: header错误我的ubuntu机器上出现下面这个错误。 Reading package lists... Error! E: Encountered a section with no Package: header E: Problem with M

2016-06-30 09:30:36 12351

原创计算1到n的数字中1的出现的次数

主要思路：计算数字每一位出现1的次数，并相加，得到该数字中1出现的次数。例如：1304中，个位出现1的次数，是131次，即1304/10 + 1 = 131；十位出现1的次数 (1304/100)*10 = 130；百位出现1的次数 (1304/1000 + 1)*100 = 200 ；千位出现1的次数( 1304/10000)*1000+1+1304-int(1304/1000)*10

2016-06-21 15:11:51 1528 1

转载牛人求职经验

1，简介毕业答辩搞定，总算可以闲一段时间，把这段求职经历写出来，也作为之前三个半月的求职的回顾。首先说说我拿到的offer情况：微软，3面->终面，搞定百度，3面->终面，口头offer搜狗，2面，悲剧腾讯，1面，悲剧布丁移动，3面，搞定涂鸦游戏，3面，搞定友盟，3面->CEO面，搞定雅虎，4面

2016-06-12 21:49:15 956

转载矩阵求导公式总结

今天推导公式，发现居然有对矩阵的求导，狂汗--完全不会。不过还好网上有人总结了。吼吼，赶紧搬过来收藏备份。基本公式：Y = A * X --> DY/DX = A'Y = X * A --> DY/DX = AY = A' * X * B --> DY/DX = A * B'Y = A' * X' * B --> DY/DX = B * A'1. 矩阵Y对标量x求导

2016-06-12 15:40:53 80405 2

原创 LeetCode题解——Intervals相关题总结

1.Merge IntervalsGiven a collection of intervals, merge all overlapping intervals.For example,Given [1,3],[2,6],[8,10],[15,18],return [1,6],[8,10],[15,18].思路：用贪心法，先按照每个区间的start positio

2016-06-02 09:34:22 1344

原创 LeetCode题解——Data Stream as Disjoint Intervals

Given a data stream input of non-negative integers a1, a2, ..., an, ..., summarize the numbers seen so far as a list of disjoint intervals.For example, suppose the integers from the data stream

2016-06-02 09:07:12 1310

原创自行编写strcpy()函数和memcpy()函数

strcpy：直接将strSrc复制给strDest，而不考虑Dest原来的内容。memcpy：将strSrc的前count个元素复制给Dest的前count个元素。// strcpy.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include #include //using namespace std;char* mystrcpy

2016-05-27 16:43:39 479

原创常用的字符串和数字之间的转换函数

字符串转数字：atoi：字符串转整形数字atof：字符串转浮点型atol：字符串转长整型数字转字符串：itoa：整形数字转字符串ltoa：长整形数字转字符串

2016-05-27 16:19:45 751

原创自行编写strcpy()函数

#include "stdafx.h"#include #include //using namespace std;char* strcpy(char* strDest,char* strSrc){ assert((strDest!=NULL) && (strSrc!=NULL)); if(strDest==strSrc) return strDest; char * addr

2016-05-27 16:14:33 1254

查找算法代码C++——包括顺序、二分、BST、哈希

数据挖掘概念与技术课后习题答案.pdf

cuda 作业 排序算法 sort

cuda 高性能计算作业 点乘 dot

空空如也

cuda 作业排序算法 sort

cuda 高性能计算作业点乘 dot