xpj4657065的博客

转载 java反射学习

Java反射（超详细！）

原创 Servlet 转发与重定向

servlet重定向与转发

原创 2020-10-08

我们在阅读文章的时候，经常看到backbone head neck 这一类的术语，但是我们可能并不知道是什么意思，这篇文章就是对这些术语进行解释：1.backbone：翻译为主干网络的意思，既然说是主干网络，就代表其是网络的一部分，那么是哪部分呢？翻译的很好，主干部分，哈哈哈哈，文字游戏了哈。这个主干网络大多时候指的是提取特征的网络，其作用就是提取图片中的信息，共后面的网络使用。这些网络经常使用的是resnet VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强

原创 pytorch配置

https://www.cnblogs.com/zhouzhiyao/p/11784055.html

原创 Siamese系列论文的github开源代码：：

Siamese系列论文的github开源代码：：SiamRPN++_PyTorch 实现github：https://github.com/STVIR/pysothttps://github.com/PengBoXiangShang/SiamRPN_plus_plus_PyTorchSiamese-RPN-pytorch：https://github.com/songdejia/Siamese-RPN-pytorchSiamFc-pytorch:https://github.com/huang

原创 2020-09-22

torch.nn.Sequential是一个Sequential容器，模块将按照**构造函数中传递的顺序添加到模块中。**另外，也可以传入一个有序模块。model = nn.Sequential(nn.Conv2d(1,20,5),nn.ReLU(),nn.Conv2d(20,64,5),nn.ReLU())transforms.ComposeCompose里面的参数实际上就是个列表，而这个列表里面的元素就是你想要执行的transform操作。transforms.Compose(

原创 2020-09-22

import torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transformsDevice configurationdevice = torch.device(‘cuda’ if torch.cuda.is_available() else ‘cpu’)Hyper-parametersnum_epochs = 80batch_size = 100learning_rate = 0

原创 pytorch笔记

PyTorch框架中有一个非常重要且好用的包：torchvision，该包主要由3个子包组成，分别是：torchvision.datasetstorchvision.modelstorchvision.transformstorchvision.models 使用。以 vgg16为例子导入预训练模型：import torchvisionmodel = torchvision.models.vgg16(pretrained=True)2) 只导入网络结构，不导入参数：model = to

原创 Batch Size的理解

直观的理解：Batch Size定义：一次训练所选取的样本数。Batch Size的大小影响模型的优化程度和速度。同时其直接影响到GPU内存的使用情况，假如你GPU内存不大，该数值最好设置小一点。为什么要提出Batch Size？在没有使用Batch Size之前，这意味着网络在训练时，是一次把所有的数据（整个数据库）输入网络中，然后计算它们的梯度进行反向传播，由于在计算梯度时使用了整个数据库，所以计算得到的梯度方向更为准确。但在这情况下，计算得到不同梯度值差别巨大，难以使用一个全局的学习率，所以这

原创 图像变换学习

转载 anaconda版本

首先解释一下上表。 anaconda在每次发布新版本的时候都会给python3和python2都发布一个包，版本号是一样的。表格中，python版本号下方的离它最近的anaconda包就是包含它的版本。举个例子，假设你想安装python2.7.14，在表格中找到它，它下方的三个anaconda包（anaconda2-5.0.1、5.1.0、5.2.0）都包含python2.7.14；假设你想...

原创 机器学习第五章 神经网络1

1定义 神经网络是由具有适应性的简单单元组成的广泛并行相连的网络，他的组织能够模拟生物神经系统对真实世界物体作出交互反应、2神经网络中最基本的成分是神经元模型。3sigmoid函数可以把较大范围内的输入值，挤压到0-1的输入值范围内4感知机 由两层神经元组成，包括输入层和输出层。输出层是MP神经元。感知机能轻易的实现逻辑与或非运算MP神经元模型，接收到来自其他N个神经元的传递...

转载 核函数 高斯核

在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果。超参数的通俗定义：超参数也是一种参数，它具有参数的特性，比如未知，也就是它不是一个已知常量。一种手工可配置的设置，需要为它根据已有或现有的经验指定“正确”的值，也就是人为为它设定一个值，它不是通过系统学习得到的。...

转载 矩阵求导

若 x 为向量，则默认 x 为列向量， xT 为行向量矩阵求导法则矩阵求导应该分为标量求导、向量求导、矩阵求导三个方面来介绍，公式繁多，但仔细看看其实是有规律可循的。标量求导无论是矩阵、向量对标量求导，或者是标量对矩阵、向量求导，其结论都是一样的：等价于对矩阵（向量）的每个分量求导，并且保持维数不变。例如，我们可以计算标量对向量求导：向量求导对于向量求导，我们可以先将向量看做一个...

原创 KCF代码学习1

岭回归首先我们先从数学的角度出发，看看L0、L1、L2范数的定义，然后再分别从三个方面展开介绍。L2正则化可以解决模型训练中的过拟合现象，它也被称为权重衰减。在回归模型中，这也被称为岭回归。...

原创 图像处理学习笔记2

1filter2 (B,X)B为滤波器 **.X为要滤波的数据,**这里将B放在X上,一个一个移动进行模板滤波.imfilter 可进行多维图像（RGB等）进行空间滤波，且可选参数较多filter2 只能对二维图像（灰度图）进行空间滤波2imshow是用来显示图片的,如I = imread(‘moon.tif’);figure,imshow(I);3所谓的滤波就是一...

原创 机器学习第四章 决策树

决策树是基于树结构进行决策的，也称判定树。关键是选择最优划分属性。信息熵，是度量样本集合纯度最常用的一种指标。熵越小，则纯度越高。可以据此计算信息增益，信息增益越大，意味着纯度提升越大。增益准则 对取值数目较多的属性有偏好，所以使用增益率。剪枝，是决策树算法用来对付过拟合的主要手段。有时会造成分支过多，把样本学的太好了，导致过拟合。...

原创 图像处理学习笔记 1

imread函数用法： A = imread(filename.fmt) 根据文件名filename读取灰度获彩色图像。返回的数组A包含图像数据。 若文件包含灰色图像，A是M*N的数组；若文件名包含真彩图像，A是M*N*3的数组。、double(y)表示将参数y转为双精度浮点类型，如果y是字符，将返回字符的ASCII码值。matlab中ui...

原创 MATLAB学习 第二天

1 在MATLAB中，函数在单独的文件中定义。文件的名称和函数的名称应该是一样的。2 global 将变量声明为全局变量3 importdata 函数允许加载不同格式的各种数据文件。它有以下五种形式 -4 要使用plot函数来绘制图形，需要执行以下步骤：通过指定要绘制函数的变量x的值的范围来定义x。 定义函数，y = f(x) 调用plot命令，如下：p...

原创 机器学习第三章 线性模型

1.线性回归均方误差也称为平方损失。是回归任务中最常用的性能度量。可以试图让均方误差最小化。均方误差的几何意义对应了常用的欧几里得距离，简称欧氏距离，基于均方误差最小化来进行模型求解的方法称为最小二乘法。在线性回归中，最小二乘法就是试图找到一条直线，让所有样本到直线的欧氏距离之和最小。梯度下降法的核心，是最小化目标函数 J(θ)，其中θ是模型的参数，θ∈Rd。它的方法是，...

原创 MATLAB学习1

rand函数 产生由在(0, 1)之间均匀分布的随机数组成的数组。fix函数 向零方向取整。要引用第m列中的所有元素，可以使用A(:，m)。以同样的方式，可以创建一个矩阵的子部分的子矩阵。a(:, 2:3) a矩阵的第二列到第三列a(2:3,2:4) 2到3行，2到4列删除第四行 - a(4,:)=[]删除...

转载 协方差

在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。描述两个变量的相关性协方差矩阵是一个对称的矩阵，而且对角线是各个维度的方差。协方差矩阵计算的是不同维度之间的协方差，而不是不同样本之间的。理解协方差矩阵的关键就在于牢记它的计算是不同维度之间的协方差，而不是不同样本之间。拿到一个样本矩阵，最先要明确的就是一行是一个样本...

原创 机器学习1-2章 学习笔记

1 绪论整个记录集也可以称为一个样本，包含很多条记录。如果想要预测的结果是离散的，比如好瓜坏瓜，此类学习日任务称为分类；如果预测的是连续值，比如成熟度为0.21 0.22，则称为回归。根据训练数据是否拥有标记，可以分为 监督学习和无监督学习。对学习算法a，如果他在某些地方优秀于方法b，那么必然存在一些问题，在那里，学习方法b要优于a无论学习方法a多聪明，学习算...

原创 学习笔记1

无偏估计 估计量的数学期望等于被估计参数的真实值 则称，此估计量为被估计参数的无偏估计 即E(θˆ)=θ无偏估计就是系统误差为0的估计有偏估计：若θˆ的数学期望不为θ，即E(θ)≠θ,则称为θ的有偏估计。样本方差的期望是有偏估计降低模型的复杂度有两条路径：一是进行降维，进行特征约减，这样可以减少模型参数的个数。二是对参数进行约束。使得参数的取值范...

原创 KCF算法1

最小输出平方误差算法MOSSE，首次将相关滤波应用于目标跟踪领域，利用离散傅里叶变换将目标和候选区域的相关度计算从空域转换到频域，使复杂的相关运算编程了矩阵的点乘运算，显著提高了运算速度。KCF算法建立在MOSSE算法之上，不仅保持了其较高的运算速度，而且大大提高了准确率KCF算法将循环矩阵和核函数想结合，找到了分类器训练和目标检测的快速方法使用给出的样本去训练一个判别分类器，判别跟踪...

原创 计算机视觉学习 目标跟踪学习1

计算机视觉核心主要包括目标检测、目标识别和目标跟踪。目标检测是利用不同种类物体具有不同特征这一特性将某类物体在视频图像中检测出来，而目标识别问题则更为具体，其是将同一种类中的不同个体进行识别区分，目标检测和识别在机器学习领域都属于分类问题。在智能系统中，还有一个目标跟踪问题，与检测和识别问题不同，目标首先被识别以后，算法或者系统需要在接下来时序的数据中，快速并高效地对给定目标进行...

原创 JDBC笔记

jdbc是 java数据库连接，一种用于执行sql语句的java api，由一组java编写的类和接口组成为数据库开发人员提供了一组标准的api，使他们能用用java API来编写数据库应用程序目的： 设计出一种通用的数据库访问接口，使开发人员使用jdbc，可以连接任何提供了jdbc驱动程序的数据库系统。jdbc做什么： 建立数据库连接，发送sql，处理结果组成jdbc的...

原创 多线程

数据以 二进制的形式在网络上传输。需要转换成字节序列，在网络传输，然后收到后再转回来。进程，线程程序是静态的概念，一段代码，以文件的形式存储在磁盘上。进程通常是正在运行的程序的实例。，是一个过程。是一次动态执行的过程，有生命周期。线程通常对一个程序而言，比如在一个下载程序，下载的时候，也可以查看，互相不干扰，两个线程在运行。线程可以理解为程序中的一个运行分支。进程由操作系统管理...

转载 Windows下WebStorm使用SVN（转）

安装了WebStorm之后，想配置svn，结果在file->settings->Version Contorl->subversion->with conmand line client配置成D:\Program Files\TortoiseSVN\bin\tortoisePro.exe(一般的svn程序文件) 已经安装的路径地址之后，一直提示“Can’t use...

原创 对象流 序列化笔记

对象流对象会在进程结束时，也结束掉 使用对象流，实现了对对象的长时间存储下来。 类似于 某天和某人合影，拍照，来纪念某天 对象的寿命会随着生成该对象的进程的终止而终止，有时需要把对象的状态保存下来，需要时再将对象回复。 把对象的这种能记录自己的状态以便将来再生的能录，叫做对象的持续性。 对象通过写出描述自己状态的数值来记录自己，这个过程叫做对象的序列化。只有实现了序列化接口的...