<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Function_K的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Function_K</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Function_K]]></copyright><item><title><![CDATA[VSCODE+OpenCV4.1.0 Windows下配置]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/109703126</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/109703126</guid><author>Function_K</author><pubDate>Sun, 15 Nov 2020 14:54:41 +0800</pubDate><description><![CDATA[VSCODE+OpenCV4.1.0 Windows下配置前言配置组件MinGW 64安装配置方案CMake GUIvscode文件配置launch.jsonc_cpp_properties.jsontasks.json结束语
前言
vscode因界面美观性，强大的兼容性，以及轻量化设计广受程序员青睐，今天老杨主要谈一下如何使用vscode配置opencv，从而开启计算机视觉学习之路。老杨在配置的过程中也参考了很多博主的博客，发现大部分是针对linux进行配置的，对于windows下的配置讲解十分少。在vs]]></description><category></category></item><item><title><![CDATA[老杨《大话数据结构》第三章  线性表]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/108806012</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/108806012</guid><author>Function_K</author><pubDate>Sat, 26 Sep 2020 14:17:08 +0800</pubDate><description><![CDATA[基本概念

线性表是零个或者多个数据元素的有序序列，第一个元素没有前驱，最后一个元素没有后继，其他数据元素有且仅有一个前驱一个后继，同时线性表元素的个数n定义为线性表长度。

线性表的抽象数据类型ADT


=&gt;Data

{a1, a2, ..., an}, 且每个元素的类型均为DataType，从第二个数据元素到倒数第二个数据元素都有且仅有一个前驱元素，和一个后继元素。

=&gt;Operation

InitList(*L)

ListEmpty(L)

ClearList(*L)

GetE]]></description><category></category></item><item><title><![CDATA[老杨《大话数据结构》第二章 算法]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/108804374</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/108804374</guid><author>Function_K</author><pubDate>Fri, 25 Sep 2020 22:32:13 +0800</pubDate><description><![CDATA[算法是解决特定问题求解步骤的描述，计算机中表现为指令的有限序列，每条指令表示一个或者多个操作。

1. 算法的特性

输入
	输出
	有穷性
	确定性
	可行性
2. 算法设计的要求

正确性
	可读性
	健壮性
	时间效率高和储存量低
3. 算法效率的度量方法

事后统计方法
	事前分析估计方法
通过书中所给1+2+...+99+100的例子，可以明显对比出几种不同算法具有不同的空间和时间开销。某个算法随着n增大，会越来越优于另一算法，或者越来越差于另一算法。这里就可以体现出，算法本身的复杂度是时刻变化的]]></description><category></category></item><item><title><![CDATA[特征的提取与分析（未完结）]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/106997463</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/106997463</guid><author>Function_K</author><pubDate>Fri, 25 Sep 2020 21:00:36 +0800</pubDate><description><![CDATA[前言：

许多的工程项目都具备通用的范式，一般情况下，一个人工智能项目会遵循以下图1的流程。在第一章中，我们简单地了解了一些相关数据的知识还有一些常见的，基本的数据预处理方法。在第二章中，我们会介绍一个人工智能项目的第二部分，特征的提取与分析。


图1 项目设计基本环节





特征的提取

所谓特征的提取，用最直白的话讲：就是把我们拥有的数据（人类能理解和收集到的），提取成能够胜任对应任务的特征，方便后续加以应用。特征提取的方法多种多样，维度有高有低有稠密有稀疏，这也是使得机器学习和深度学习，对于..]]></description><category></category></item><item><title><![CDATA[老杨《大话数据结构》笔记 第一章]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/108803785</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/108803785</guid><author>Function_K</author><pubDate>Fri, 25 Sep 2020 20:57:50 +0800</pubDate><description><![CDATA[前言

笔者最近在复习《算法与数据结构》这方面内容，由于在求职过程中经常会有所考察，因此在这里对其进行梳理并做笔记。本专题结构按照《大话数据结构》一书进行开展，对源码和内容进行学习。话不多说，进入正题。

基本概念的通俗解释

数据就是计算机要处理的东西，包含多种数据类型，也囊括不同媒体形式，如字符，声音，图像，视频等，可以被统称为“符号”。所具备的特点是：可以输入计算机，可以被计算机处理。非传统数据类型数据，如声音，图像等，需要编码后可输入。
	数据元素就是数据中每一个基本单位，可以认为是一袋米（数据）中]]></description><category></category></item><item><title><![CDATA[第二章：小试牛刀——深度学习初探]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/107297869</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/107297869</guid><author>Function_K</author><pubDate>Mon, 13 Jul 2020 09:03:02 +0800</pubDate><description><![CDATA[前言

好久不见各位，前段时间因为专注个人工作所以很少有时间完成一些文字性工作。这个周末起的比较早，来更新一下系列的文章。在第一章节中，我们讲到了什么是深度学习中的数据，以及常见的一些数据预处理方式。其实对于实际的研究和现实工作来讲，第一章节所讲的内容只能说是帮助大家树立一个意识。在实际的工业应用和研究中，我们面临的数据总是多种多样，数据质量参差不齐，因此具体怎么处理仍要看工作的实际需求和任务的实际实现i情况。通过这两点来进行不断地调试，才能获得最佳的结果。

当我们准备好了数据，那么下一步的工作就是，构建]]></description><category></category></item><item><title><![CDATA[论文笔记与解读《DRAW: A Recurrent Neural Network for Image Generation》]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/107004674</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/107004674</guid><author>Function_K</author><pubDate>Tue, 30 Jun 2020 21:57:55 +0800</pubDate><description><![CDATA[前言

笔者临近硕士毕业，我的硕士毕业项目十分类似一个非常著名的研究工作： DRAW: A Recurrent Neural Network for Image Generation，该项工作由2015年由Google Deepmind发表在ICML并产生了很大的影响力。其核心贡献点在于，通过视觉注意力关注区域序列，并基于变分自动编码器Variational AutoEncoder (VAEs)，对图像进行生成，而不是将整张图象送入神经网络中进行压缩

摘要

本文介绍了深度递归作者（DRAW）神经网络架构]]></description><category></category></item><item><title><![CDATA[第一章（续篇）：数据的预处理]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/106743749</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/106743749</guid><author>Function_K</author><pubDate>Mon, 15 Jun 2020 03:12:02 +0800</pubDate><description><![CDATA[前言

数据的预处理在人工智能和数据挖掘领域都是恒久的经典话题。现实中，我们所拿到的数据可能有残缺项，可能有离常值等各种问题。类比人类的学习过程，这就像你在挑选习题集的时候，总要买质量好的练习题才能学到真东西，也能更准确地反映自己的学习状态。一个高质量的数据集,能够帮助我们的学习模型更快的了解数据本身的特征。在深度学习和机器学习中，好的预处理有利于稳定初始训练状态，减少触发梯度计算中潜在的爆炸，消失等问题的几率，同时能够方便模型进行寻优。

既然预处理如此重要，那么在机器学习和深度学习的数据预处理中，我们怎]]></description><category></category></item><item><title><![CDATA[第一章：喂什么数据给我的模型吃？]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/106685507</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/106685507</guid><author>Function_K</author><pubDate>Thu, 11 Jun 2020 18:28:07 +0800</pubDate><description><![CDATA[1. 简介

作为系列博客的第一章，笔者首先想和大家谈的是深度学习中十分重要的一个组成部分——“数据”。很多讲解深度学习的文章都重点关注了神经网络的结构，以及其参数配置，然而对数据的部分讲解不够充分。这经常会导致学习的朋友陷入误区，算法至上而不是数据至上。这里笔者想对各位学习者解释的一点是，不论是在深度学习，或是机器学习，“数据”永远是最重要的。当你的模型或者算法不work，首先要检查的内容便是你的数据。因为我们最初目的是希望通过分析数据，找到其中的潜在特征和规律，并对其进行分析和应用。那些很高端很优秀的算]]></description><category></category></item><item><title><![CDATA[对人工智能的一些思考和给初学者的建议]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/106654106</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/106654106</guid><author>Function_K</author><pubDate>Wed, 10 Jun 2020 21:26:17 +0800</pubDate><description><![CDATA["THE TRUE SIGN OF INTELLIGENCE IS NOT KNOWLEDGE BUT IMAGINATION. " ——Albert Einstein


写在前面的一些话

各位大佬们好，我是一个人工智能研究领域的小学生，愿意的话，你们可以叫我Carlisle。在开启这个博客之前，我已经完成了四年的本科学习，我的专业是信号处理，同时现阶段我正在海外完成人工智能硕士学位。很开心在我的学术生涯道路上得到了许多老师和同事的帮助，使得我能够在漫长的人工智能发展历史中，留下属于我自己的一笔痕迹。.]]></description><category></category></item><item><title><![CDATA[Ubuntu16.04+opencv3.3.0的安装配置说明]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/77899546</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/77899546</guid><author>Function_K</author><pubDate>Fri, 08 Sep 2017 22:07:04 +0800</pubDate><description><![CDATA[Ubuntu16.04+opencv3.3.0的安装配置说明]]></description><category></category></item><item><title><![CDATA[Anaconda安装TensorFlow的教程]]></title><link>https://blog.youkuaiyun.com/Function_K/article/details/77855215</link><guid>https://blog.youkuaiyun.com/Function_K/article/details/77855215</guid><author>Function_K</author><pubDate>Tue, 05 Sep 2017 19:33:24 +0800</pubDate><description><![CDATA[Anaconda安装TensorFlow的教程]]></description><category></category></item></channel></rss>