自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 资源 (1)
  • 收藏
  • 关注

原创 表情识别训练过程

表情识别训练过程 增加数据之前的TEST集测试效果 增加数据之前的Ttrian2集测试结果 增加数据之后,并且增加BN层后的训练结果

2017-09-06 14:48:50 1380 1

原创 深度学习入门系列问题(一)

深度学习入门系列问题(一)本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键1 感知机为什么只能解决线性可能问题2 感知机为什么无法解决异或问题加粗 Ctrl + B 斜

2017-09-01 18:47:13 441

原创 python脚本处理文件

# from os.path import joinprint ('hello')synset_words='/home/lili/Q-cafffe/caffe-train-3/data/ilsvrc12/synset_words.txt'result='/home/lili/Q-cafffe/caffe-train-3/result.txt'names=open(synset_words)

2017-01-04 16:49:25 504

原创 caffe prototxt 中的多种数据输入方式

MLDB模式name: "CaffeNet"layer { name: "data" type: "Data" top: "data" top: "label" include { phase: TRAIN } transform_param { mirror: true crop_size: 227 mean_file: "data/i

2017-01-03 16:55:01 2435

原创 Sublime 使用技巧

**sublime 实用快捷键** 1. 多行游标(1)将需要编辑的内容全选,然后 按下control + shift + L,出现多行游标,开始编辑(2)选中某块内容,control+D,快速选择下一个,下n个,control+L,跳过某个;选择完毕后,按左右方向键,或者回车键,移动光标快速注释control + / , 行注释 control + shift + / ,块注释

2017-01-03 16:46:47 419

转载 CAFEE 中 执行deploy.prototxt 前向分类

caffe 前向 分类 deploy.prototxt

2016-12-29 17:58:04 765

原创 caffe accuracy_layer.cpp 中的排序 paitial_sort

函数原型有:partial_sort(beg,mid,end)partial_sort(beg,mid,end,comp)函数作用: 对mid-beg个元素进行排序,也就是说,如果mid-beg等于5,则该函数将有序次序中的最小值元素放在序列中的前5个位置。partial_sort完成之后,从beg到mid(但不包括mid)范围内的元素是有序的,已排序范围内没有元素大于mid之后的元

2016-12-29 10:55:36 1013

原创 Caffe imageNet classify examle

affe_root = '/home/lily/caffe-master/caffe-master/'import syssys.path.insert(0,caffe_root + 'python')import caffe# Set the right path to your model file, pretrained model# and the image you would like

2015-03-10 16:14:05 911

原创 SVM的高斯kernel 参数c和gamma说明

,是否有更佳的参数,有待考证。其中两参数的作用见如下: The SVM with a Gaussian kernel function has two such training parameters: C which controls overfitting of the model, and gamma (γ) which controls the degree of nonlinea

2014-06-10 11:21:22 9281 1

转载 matlab中Svmtrain和Svmpredict的用法

Svmtrain的用法:svmtrain [options] training_set_file [model_file]Options:可用的选项即表示的涵义如下-s svm类型:SVM设置类型(默认0)  0 -- C-SVC  1 --v-SVC  2 – 一类SVM  3 -- e -SVR  4 -- v-SVR-t 核函数类型:核函数设置类型(默认2)

2014-06-10 10:20:12 35925

原创 win7+64+MATLAB R2012a 安装使用libsvm-3.16详细步骤

详细步骤如下:1.下载libsvmhttp://www.csie.ntu.edu.tw/~cjlin/libsvm/我的matlab版本 R2012a,我的libsvm版本3.122.解压至指定目录将libsvm解压至D:\MATLAB\R2010a\toolbox下,你也可以解压至你喜欢的地方。3.设置路径

2014-06-09 15:54:02 2485

转载 Scatter文件的编写及分析(转)

今天拿了被同事扔一边的ARM培训资料翻阅,读至scatter一节,发现写得甚是精辟。之前看的很多国人写得文章,未免有简单问题复杂化之嫌。而ARM的RVCT手册又偏冗长,不易让人立刻看到重点。今归纳如下:scatter基本点:1. 编译后输出的映像文件中各段是首尾相连的,中间没有空闲的区域,它们的先后关系是根据链接时参数的先后次序决定的 armlinker -file1.ofile2.o

2014-06-06 17:09:56 1089

转载 RO段、RW段和ZI段 说明

RO段、RW段和ZI段一直以来对于ARM体系中所描述的RO,RW和ZI数据存在似是而非的理解,这段时间对其仔细了解了一番,发现了一些规律,理解了一些以前书本上有的但是不理解的东西,我想应该有不少人也有和我同样的困惑,因此将我的一些关于RO,RW和ZI的理解写出来,希望能对大家有所帮助。要了解RO,RW和ZI需要首先了解以下知识:ARM程序的组成此处所说的“ARM程序

2014-06-06 16:58:51 812

Unix 网络编程源代码

Unix 网络编程源代码。(包括客户和服务器端并已经通过编译)-example source code. (Including client and server-side and has adopted compiler) 强大详实的打包文件

2010-05-01

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除