<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Keep Trying, Keep Fighting]]></title><description><![CDATA[Everything became much clearer when I started writing code!!!]]></description><link>https://blog.youkuaiyun.com/DeepVL</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DeepVL]]></copyright><item><title><![CDATA[常用软件下载链接]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/109562781</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/109562781</guid><author>DeepVL</author><pubDate>Sun, 08 Nov 2020 21:24:30 +0800</pubDate><description><![CDATA[Anaconda3
下载
所有版本的下载链接:
https://repo.anaconda.com/archive/
目前已知的版本对应关系:

Anaconda3-4.2.0 : Python 3.5
Anaconda3-5.2.0 : Python 3.6
Anaconda2-4.4.0 : Python 2.7

问题
Anaconda Prompt 消失在开始菜单后的解决方案
之前为了方便，直接把开始菜单中的“Anaconda Prompt”移到了桌面，ps 以后一定记住用复制粘贴，不要直接移动！！]]></description><category></category></item><item><title><![CDATA[PyTorch安装]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/109562705</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/109562705</guid><author>DeepVL</author><pubDate>Sun, 08 Nov 2020 18:33:47 +0800</pubDate><description><![CDATA[Windows
2018年4月25日，PyTorch 官方发布 0.4.0 版本，该版本的PyTorch 有多项重大更新，其中最重要的改进是支持 Windows 系统。Windows用户能直接通过conda、pip和源码编译三种方式来安装Pytorch，不过需要强调Windows下的Pytorch仅支持Python3.5和Python3.6，不支持其他的Python3版本，也不支持Python2。我们在官网就能看到相应的安装方式.
方法一：pip安装
Python3.6 + pip安装gpu版本
目前gpu]]></description><category></category></item><item><title><![CDATA[paper list]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/109399416</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/109399416</guid><author>DeepVL</author><pubDate>Sat, 31 Oct 2020 10:45:38 +0800</pubDate><description><![CDATA[inpainting paper listimage inpaintingpapersdatasetsvideo inpaintingpapersdatasets新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
image ]]></description><category></category></item><item><title><![CDATA[Notes on NNDL(Neural Networks and Deep Learning)]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/71734032</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/71734032</guid><author>DeepVL</author><pubDate>Fri, 12 May 2017 15:22:23 +0800</pubDate><description><![CDATA[关于代价函数的假设： 
 (1) 代价函数可以被写成一个 在每个训练样本 xx上的代价函数CxC_x的均值C=1n∑xCxC=\frac{1}{n}\sum_{x}C_x. 反向传播实际上是对一个独立的训练样本计算了∂Cx∂ω\frac{\partial C_x}{\partial \omega}和∂Cx∂b\frac{\partial C_x}{\partial b}. 然后通过在所有训练样本上进]]></description><category></category></item><item><title><![CDATA[OpenCV 系列 --- 凸包]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52767506</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52767506</guid><author>DeepVL</author><pubDate>Sun, 09 Oct 2016 15:46:57 +0800</pubDate><description><![CDATA[对某些算法来说，比如在一些利用特征点的算法中，通常需要凸包将一些选定的点包含进来。比如给定如下图（第一行），利用Harris角点检测算法得到一些特征点（第二行），我们想得到包含这些特征点的一个凸包（第三行）。
为了得到这个结果，可以利用OpenCV提供的凸包函数，函数原型如下：
void convexHull(InputArray points, OutputArray hull, bool clo]]></description><category></category></item><item><title><![CDATA[OpenCV 系列---交互（二）鼠标]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52729471</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52729471</guid><author>DeepVL</author><pubDate>Mon, 03 Oct 2016 21:13:03 +0800</pubDate><description><![CDATA[在进行一些图像处理任务时，比如交互式分割时，需要对图像进行标记，标记出一些想要的点，然后再进行相应算法的处理。本博文就是设计程序，给定输入图像，交互式地选择感兴趣的区域，达到的效果图如下：其中，左图是选择区域的mask图像，右图是将标记点加到输入图像之后的样子。
本文的核心函数有两个
(1)画线函数void line(Mat& img, Point pt1, Point pt2, const Sca]]></description><category></category></item><item><title><![CDATA[博文目录]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52557971</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52557971</guid><author>DeepVL</author><pubDate>Fri, 16 Sep 2016 21:41:33 +0800</pubDate><description><![CDATA[OpenCV系列
OpenCV 系列 — 配置_OpenCV 2.4.13 + Visual Studio 2015
OpenCV 系列 — 形态学操作(膨胀、腐蚀)
OpenCV 系列 — 交互（一）滑动条]]></description><category></category></item><item><title><![CDATA[OpenCV 系列 --- 交互（一）滑动条]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52557881</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52557881</guid><author>DeepVL</author><pubDate>Fri, 16 Sep 2016 21:35:37 +0800</pubDate><description><![CDATA[对图像处理来说，很多时候需要与用户进行交互，最典型的应用有两种：(1) 在算法设计时，要根据某一参数的不同取值来进行相应的计算;(2) 交互式分割算法其中，对第1种情况而言，OpenCV提供了滑动条，可以灵活地设置参数值来进行相应的处理。而对第2种情况而言，则提供了鼠标交互，首先我们介绍关于滑动条的知识点，下文将会给出鼠标的相关知识点。
为了更好地说明滑动条的应用，我采用Canny边缘检测算法来进行]]></description><category></category></item><item><title><![CDATA[Interactive Image Segmentation---Websites]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52537570</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52537570</guid><author>DeepVL</author><pubDate>Wed, 14 Sep 2016 14:12:30 +0800</pubDate><description><![CDATA[Project 1: Interactive Image Segmentation with GrabCut
Interactive Image Segmentation by Maximal Similarity Based Region Merging
GrabCut: Interactive Foreground Extraction using Iterated Graph Cuts]]></description><category></category></item><item><title><![CDATA[Interactive Image Segmentation---Papers]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52536429</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52536429</guid><author>DeepVL</author><pubDate>Wed, 14 Sep 2016 14:09:55 +0800</pubDate><description><![CDATA[Interactive Image Segmentation Based on Level Sets of Probabilities, TVCG 2012
Interactive Image Segmentation via Adaptive Weighted Distances, TIP 2007
Interactive Image Segmentation With Multiple Line]]></description><category></category></item><item><title><![CDATA[OpenCV 系列 --- 形态学操作(膨胀、腐蚀)]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52346821</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52346821</guid><author>DeepVL</author><pubDate>Sun, 28 Aug 2016 17:44:27 +0800</pubDate><description><![CDATA[形态学操作是基于形状的一系列图像处理操作，基本的运算包括：腐蚀、膨胀、开、闭等。在进行其他算法研发时，我基本只用膨胀与腐蚀操作，因此本文只介绍这两种操作，其他的可以相似地进行。关键点
操作是对图像中的高亮区域进行的，比如膨胀，就是将图像中的高亮区域扩大。
它们可以达到的目的 
去除噪声
分离出独立的元素或者连接独立的元素
可以求图像梯度或者图像中的小洞
测试用图为了更加清晰地显示出操作前后的差距，采]]></description><category></category></item><item><title><![CDATA[OpenCV 系列 --- 配置_OpenCV 2.4.13 + Visual Studio 2015]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52327778</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52327778</guid><author>DeepVL</author><pubDate>Fri, 26 Aug 2016 18:59:28 +0800</pubDate><description><![CDATA[最近的几篇论文，都是用Matlab来进行算法的仿真。临近找工作，还是需要将C/C++重新捡起来，思来想去，还是从OpenCV与Qt入手。其实这两个工具都有断断续续地使用，只不过是想利用这一段时间进行一下系统的学习，在这个博客上将自己的学习心得记录下来。首先是OpenCV系列。OpenCV介绍及资源OpenCV的全称为：Open Source Computer Vision Library，即开源计算]]></description><category></category></item><item><title><![CDATA[Sparse Representation---Yall1---Your algorithms for $L1$]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/52142812</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/52142812</guid><author>DeepVL</author><pubDate>Sun, 07 Aug 2016 15:41:28 +0800</pubDate><description><![CDATA[最近在做一个sparse representation的model，需要求解一个weighted sparse coding问题，看到这个工具包，可以直接对以下6种问题进行求解：其中，ww表示对L1L1正则的加权，我要做的模型，有一部分进行推导之后，可以最终转化为模型(6)。Official website参考文献 
 Alternating direction algorithms for L1-]]></description><category></category></item><item><title><![CDATA[8 Things Every Person Should Do Before 8 A.M.]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/50579486</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/50579486</guid><author>DeepVL</author><pubDate>Mon, 25 Jan 2016 13:34:01 +0800</pubDate><description><![CDATA[Life is busy. It can feel impossible to move toward your dreams. If you have a full-time job and kids, it’s even harder.How do you move forward?If you don’t purposefully carve time out every day to pro]]></description><category></category></item><item><title><![CDATA[10种思维方式]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/50579399</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/50579399</guid><author>DeepVL</author><pubDate>Mon, 25 Jan 2016 13:14:28 +0800</pubDate><description><![CDATA[1: 建立超越自我的事业多数人想要的是自己获得成功，而不是别人。他们希望将所有奖项收入囊中，登上媒体头条，挣很多很多钱。有这些愿望是好事，但你必须选择一个超越自我的事业。你需要清楚，你的志向不止局限于你自己。这样的思维能够带来更多成功，而不是失败。无私的领导者将专注于其他人的发展，而这反过来会让他们自己受益。我喜欢慢跑和举重。我发现，在帮助其他人锻炼时，我会比自己锻炼变得更强壮、速度更快。助人和助己]]></description><category></category></item><item><title><![CDATA[计算机视觉---国际会议]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/50531871</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/50531871</guid><author>DeepVL</author><pubDate>Sun, 17 Jan 2016 14:52:49 +0800</pubDate><description><![CDATA[Computer Vision and Pattern  Recognition 
http://www.pamitc.org/cvpr15/International Conference on  Computer Vision 
http://pamitc.org/iccv15/European Conference on  Computer Vision  
http://eccv2014.o]]></description><category></category></item><item><title><![CDATA[七种降维方法]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/50425637</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/50425637</guid><author>DeepVL</author><pubDate>Tue, 29 Dec 2015 12:25:37 +0800</pubDate><description><![CDATA[近来由于数据记录和属性规模的急剧增长，大数据处理平台和并行数据分析算法也随之出现。于此同时，这也推动了数据降维处理的应用。实际上，数据量有时过犹不及。有时在数据分析应用中大量的数据反而会产生更坏的性能。最新的一个例子是采用 2009 KDD Challenge 大数据集来预测客户流失量。 该数据集维度达到 15000 维。 大多数数据挖掘算法都直接对数据逐列处理，在数据数目一大时，导致算法越来越慢。]]></description><category></category></item><item><title><![CDATA[OpenCV矩阵操作]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/50402564</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/50402564</guid><author>DeepVL</author><pubDate>Fri, 25 Dec 2015 13:12:13 +0800</pubDate><description><![CDATA[1：矩阵对应元素求与Mat temp1 = (Mat_<double>(4,4) << 0,0,1,0,0,1,1,1,0,1,1,0,0,0,0,0);
Mat temp2 = (Mat_<double>(4,4) << 0,1,1,0,1,0,0,1,0,0,1,0,1,0,1,0);
Mat res;
bitwise_and(temp1,temp2,res);
cout<<"Res = "<<]]></description><category></category></item><item><title><![CDATA[为什么要读博士]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/50401647</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/50401647</guid><author>DeepVL</author><pubDate>Fri, 25 Dec 2015 10:32:58 +0800</pubDate><description><![CDATA[这是一个之前困扰我许久的问题，后来逼迫自己不去想它，慢慢地也就淡忘这个问题了。这几天，在网上又看到这个问题，觉得有篇文章不错，因此贴过来，自勉与共勉。原文来自知乎。一： 
看过一篇文章，专门估算了《生活大爆炸》中Sheldon博士和Leonard博士能赚多少钱，结论是他们的收入比芝士蛋糕工厂饭店的服务生Penny基本相当。这些学霸和天才们，与服务生做邻居，而且服务生自住他们合租（虽然谢耳朵确实需要呆]]></description><category></category></item><item><title><![CDATA[Machine Learning-Nando de Freitas 课程资源]]></title><link>https://blog.youkuaiyun.com/DeepVL/article/details/50364463</link><guid>https://blog.youkuaiyun.com/DeepVL/article/details/50364463</guid><author>DeepVL</author><pubDate>Sun, 20 Dec 2015 15:49:02 +0800</pubDate><description><![CDATA[Machine Learning: 2014-2015，Course materials 
这是牛津大学 Nando de Freitas于今年开设的机器学习课程，资料比较齐全，有课程的slides跟video，但是video在youtube上，内地无法访问，因此将资源放到360网盘上。课程网址： 
https://www.cs.ox.ac.uk/people/nando.defreitas/mac]]></description><category></category></item></channel></rss>