<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[SEREBA的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/SEREBA</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; SEREBA]]></copyright><item><title><![CDATA[HTML常用标签]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/124232928</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/124232928</guid><author>SEREBA</author><pubDate>Sun, 17 Apr 2022 17:35:34 +0800</pubDate><description><![CDATA[HTML常用标签
一、文本格式化标签


加粗
&lt;strong&gt;&lt;/strong&gt; 或 &lt;b&gt;&lt;/b&gt;



倾斜
&lt;em&gt;&lt;/em&gt; 或 &lt;i&gt;&lt;/i&gt;



删除线
&lt;del&gt;&lt;/del&gt; 或 &lt;s&gt;&lt;/s&gt;



下划线
&lt;ins&gt;&lt;/ins&gt; 或 &lt;u&gt;&lt;/u&gt;




...]]></description><category></category></item><item><title><![CDATA[faster rcnn]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/123332196</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/123332196</guid><author>SEREBA</author><pubDate>Tue, 08 Mar 2022 09:49:48 +0800</pubDate><description><![CDATA[1、卷积层
所有卷积层是kernel_size=3，pad=1，stride=1，保证了图片大小不被改变。
所有的池化层是kernel_size=2，pad=0，stride=2。
经过卷积得到256-d的feature maps(以VGG为例)
2、RPN
（1）anchor的生成
有三个参数，base_anchor_size/stride_lenght=16，anchor_ratios=(0.5,1.0,2.0)
anchor_scale=(8,16,32)
第一个anchor的坐标为(0,0,base]]></description><category></category></item><item><title><![CDATA[YOLO v1]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/122819849</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/122819849</guid><author>SEREBA</author><pubDate>Thu, 10 Feb 2022 11:56:40 +0800</pubDate><description><![CDATA[输入大小
yolo的输入可以是任意大小的原始图像，但是在放进网络前必须缩放成480*480的大小。
是由于网络中有两个全连接层，而全连接层需要固定输入的大小。
为什么全连接层需要固定输入的大小？
全连接层的前向传播计算公式为 al=σ(zl)=σ(Wlal−1+bl) a^l=\sigma(z^l)=\sigma(W^la^{l-1}+b^l) al=σ(zl)=σ(Wlal−1+bl)
当前层权重WlW^{l}Wl,上一层的输出al−1a^l-1al−1，其中WlW^{l}Wl的形状是固定的。
例如：
W]]></description><category></category></item><item><title><![CDATA[paddleSlim2.0.0使用ERNIE出现的错误]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/121821294</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/121821294</guid><author>SEREBA</author><pubDate>Thu, 09 Dec 2021 14:42:51 +0800</pubDate><description><![CDATA[环境：

ubuntu 18.04
python 3.6
paddlepaddle-gpu 2.0.2.post101
paddleslim 2.0.0
paddle-ernie 0.0.4.dev1
paddle-propeller 0.5.1.dev1
paddlelite 2.8

在使用paddleSlim时，搭建ernie模型压缩的时候出现的错误
出现错误（1）
RuntimeError: paddle-ernie requires paddle 1.7+, got 2.0.1

参照  百度DD]]></description><category></category></item><item><title><![CDATA[centos 6.5 docker离线安装]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/121649528</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/121649528</guid><author>SEREBA</author><pubDate>Wed, 01 Dec 2021 15:24:27 +0800</pubDate><description><![CDATA[centos 6.5 docker离线安装
一、离线安装包获取
https://archives.fedoraproject.org/pub/archive/epel/6/x86_64/
http://rpm.pbone.net/（按名称搜索，迅雷下载）
需要的安装包
cd /docker_build

docker-io-1.7.1-2.el6.x86_64.rpm
lua-filesystem-1.4.2-1.el6.x86_64.rpm
lxc-libs-1.0.11-1.el6.x86_64.rpm]]></description><category></category></item><item><title><![CDATA[国内拉取google kubernetes镜像]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/119865855</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/119865855</guid><author>SEREBA</author><pubDate>Mon, 23 Aug 2021 11:55:17 +0800</pubDate><description><![CDATA[国内拉取google kubernetes镜像国内拉取google kubernetes镜像
国内拉取google kubernetes镜像
旧版的使用的方式是：
docker pull mirrorgooglecontainers/kube-apiserver:v1.13.3
docker pull mirrorgooglecontainers/kube-controller-manager:v1.13.3
docker pull mirrorgooglecontainers/kube-scheduler]]></description><category></category></item><item><title><![CDATA[进程管理-PV操作]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/115280513</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/115280513</guid><author>SEREBA</author><pubDate>Sun, 28 Mar 2021 15:29:12 +0800</pubDate><description><![CDATA[本人是初学者一枚，写下笔记分享自己的一些见解，若有错误之处希望各位大神多多海涵，并请指出理解有误的地方，谢谢
同步与互斥
同步
A以走路的方式，B以骑自行车的方式去往同一个终点，其中B的速度会比A快一些，这时B需要停下来等待A。

互斥
千军万马只有一个人可以过的独木桥。

注意，同步与互斥不是相反的一对，同步对应的是异步，而互斥对应的是共享。
PV操作
临界资源：进程间需要互斥方式对其进行共享的资源。
类似于以上互斥的例子中，独木桥就是一个临界资源，全部人需要利用这一个资源，而某个时间点只允许一个人使用这]]></description><category></category></item><item><title><![CDATA[校验码-海明码]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/115220261</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/115220261</guid><author>SEREBA</author><pubDate>Thu, 25 Mar 2021 22:54:40 +0800</pubDate><description><![CDATA[本人是初学者一枚，写下笔记分享自己的一些见解，若有错误之处希望各位大神多多海涵，并请指出理解有误的地方，谢谢
海明校验码
海明码由校验位+信息位组成，其中规定校验位的位置位于整个编码 2n2^n2n 的位置。




7
6
5
4
3
2
1
位数




I4I_4I4​
I3I_3I3​
I2I_2I2​

I1I_1I1​


信息位





r2r_2r2​

r1r_1r1​
r0r_0r0​
校验位


其中校验位与信息位的位数公式：2r&gt;=n+r+12^r&gt;=n+r+12r&g]]></description><category></category></item><item><title><![CDATA[贝叶斯算法的一些理解]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/115053540</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/115053540</guid><author>SEREBA</author><pubDate>Sun, 21 Mar 2021 18:56:06 +0800</pubDate><description><![CDATA[本人是初学者一枚，写下笔记分享自己的一些见解，若有错误之处希望各位大神多多海涵，并请指出理解有误的地方，谢谢
贝叶斯算法
已知事件的结果，求事件发生的原因。逆向概率的求解，其中事件结果B，发生的原因为A。通常在B的条件下A发生的概率是比较难求出来的，贝叶斯可以把这个问题转换，因为A条件下B发生的概率是比较好求解的，而且A的概率和B的概率也是知道的。
由概率论可以知道，贝叶斯公式：
例子
假设校园中，男生占60%，女生占40%，其中全部男生穿长裤，一半女生穿长裤一半女生穿裙子。解出迎面走来穿长裤的一个人是女生]]></description><category></category></item><item><title><![CDATA[原码、反码、补码、移码]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/115025620</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/115025620</guid><author>SEREBA</author><pubDate>Sun, 21 Mar 2021 15:07:56 +0800</pubDate><description><![CDATA[原码
先确定用多少字节存储数据，假设这里是1bytes=8bits，再把数据转换为2进制的表达形式，把2进制的首位/最高位/最左的那一位作为符号位，0代表正数+，1代表负数-。
十进制数值中的+1转换为2进制表达形式，不足则补零，其中最高位为符号位。
+1-&gt;0000 0001
反码
正数的反码与原码相同，负数的反码，,不改变符号位，后面全部数值按位取反0-&gt;1，1-&gt;0
假设十进制数值-1，其原码为1000 0001，其反码为1111 1110。

...]]></description><category></category></item><item><title><![CDATA[条件概率、乘法概率、全概率、贝叶斯]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/115023610</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/115023610</guid><author>SEREBA</author><pubDate>Sat, 20 Mar 2021 12:03:02 +0800</pubDate><description><![CDATA[本人是初学者一枚，写下笔记分享自己的一些见解，若有错误之处希望各位大神多多海涵，并请指出理解有误的地方，谢谢
条件概率公式
Ω样本空间中，A,B两个事件P(B)&gt;0,在B已经发生的条件下A发生的概率，A对B的条件概率P(A|B)。
P(A)是无条件概率-&gt;样本空间为Ω
P(A|B)是条件概率-&gt;样本空间发生变化，B发生的前提下，以B为样本空间
方法一：
其中nB代表B中的样本点数量，nAB代表B发生的前提下A也发生，也就是AB都发生。
方法二：

注意条件概率就是样本空间发生了变化。
例子]]></description><category></category></item><item><title><![CDATA[面向对象与面向过程的区别]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/100582137</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/100582137</guid><author>SEREBA</author><pubDate>Fri, 06 Sep 2019 16:40:40 +0800</pubDate><description><![CDATA[本人是初学者一枚，写下笔记分享自己的一些见解，若有错误之处希望各位大神多多海涵，并请指出理解有误的地方，谢谢

首先说明的数面向对象与面向过程是一种编程思维上的不同。
通过书本或视频的介绍，基本都理解什么是类，什么是对象，什么是属性，但是这些知道以后，我个人还是无法理解面向对象和过程是有什么区别。

举一个实际的例子：编写一个计算器的软件。
面向过程的程序员：
1、	定义变量用于保存用户的输入
2...]]></description><category></category></item><item><title><![CDATA[python中闭包的初步理解]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/100516415</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/100516415</guid><author>SEREBA</author><pubDate>Thu, 05 Sep 2019 15:56:37 +0800</pubDate><description><![CDATA[本人是初学者一枚，写下笔记分享自己的一些见解，若有错误之处希望各位大神多多海涵，并请指出理解有误的地方，谢谢
闭包：相关参数和变量都保存在返回函数中的就是闭包。
如：
def layz_sum ( *args ) :   #内部函数sum可以引用外部函数layz_sum的参数args
	def sum ( ) :
		s = 0
		for n in args :
			s = s + n
		r...]]></description><category></category></item><item><title><![CDATA[机器学习初步认识]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/100140479</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/100140479</guid><author>SEREBA</author><pubDate>Thu, 29 Aug 2019 17:31:24 +0800</pubDate><description><![CDATA[本人是初学者一枚，写下笔记分享自己的一些见解，若有错误之处希望各位大神多多海涵，并请指出理解有误的地方，谢谢。
开始入坑机器学习，先来了解一下一些概念。
一、概念区分
- 模式识别
对事物进行分析，从而对该事物进行描述，以及辨认的过程。根据术语笼统的解释一下：对于机器而言，就是告诉机器这些物体有哪些特征，让机器对未知物体进行判断。（如：告诉机器，这朵牡丹花是xx色，有xx片叶子…，然后让它去看看其...]]></description><category></category></item><item><title><![CDATA[深度学习中的batch、epoch、iteration的含义]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/96481971</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/96481971</guid><author>SEREBA</author><pubDate>Fri, 19 Jul 2019 15:34:27 +0800</pubDate><description><![CDATA[转自：https://blog.youkuaiyun.com/qq_18668137/article/details/80883350 通俗易懂

]]></description><category></category></item><item><title><![CDATA[WINDOWS下caffe关于添加python layer]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/89466357</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/89466357</guid><author>SEREBA</author><pubDate>Tue, 23 Apr 2019 09:46:46 +0800</pubDate><description><![CDATA[网上关于caffe的python layer基本是基于ubuntu系统下的，因此特意写一篇关于WINDOWS系统下添加python layer的blog。

电脑配置
系统：WIN7
caffe版本：happynear的caffe-windows-ms
visual studio:2015

以caffe中自带的文件作为例子，这个是Python layer的python文件，文件路径：

- Py...]]></description><category></category></item><item><title><![CDATA[SURF特征点检测]]></title><link>https://blog.youkuaiyun.com/SEREBA/article/details/85013487</link><guid>https://blog.youkuaiyun.com/SEREBA/article/details/85013487</guid><author>SEREBA</author><pubDate>Sat, 15 Dec 2018 13:22:28 +0800</pubDate><description><![CDATA[SURF特征点检测工作原理积分图像Hessian矩阵尺度空间用非极大值抑制确定特征点精确定位点选定特征点主方向（使其具有旋转不变性）构建描述子向量
工作原理
1.选择图像中POI（Points of Interest） Hessian Matrix
2.在不同的尺度空间发现关键点，非最大信号压制
3.发现特征点方法、旋转不变性要求
4.生成特征向量
积分图像
积分图像是SURF算法减少计算量的关键...]]></description><category></category></item></channel></rss>