a130737的专栏

SIFT学习笔记

安装好了opencv， 想要在一个IDE进行opencv的开发。 这里使用CB。 注意opencv的搜索路径默认在如下路径中： /usr/local/include/opencv /usr/local/include/opencv2 可以打开查看。 接下来， 打开CB， 执行如下选项： settings --> compiler ---> search directories 设置如下

要安装opencv， 从网上下载了一个脚本， 名字是install-opencv.sh。 从U盘拷贝到自己新建的工作目录opencv下面。 然后运行如下指令： sudo ./install-opencv.sh

CUDA相关知识整理 CUDA libraries主要有两个： （1） BLAS：全称是Basic Linear Algebra Subprograms。 是一个用于线性代数运算的应用程序接口。 （2） FFT： 即使得能够在NVIDIA GPU上高效执行FFT变换的库。 当我们launch了a grid of blocks of threads 的时候， 我们在kernel中需要指定CUDA

本人打算开始总结机器学习和深度学习的系列博客了。 以下是要总结的相关算法的内容了， 只是梗概， 后期会做调整的。 （1）Supervised Technique: classifications: --- K nearest neighbour(K 近邻)         --- Naive Bayes         --- Classification Trees: CART, ID

真的不想这样， 这样的题有啥意思， 谁会用到吗， 就当增加人知吧 对一个数组取&的时候， 出现了如下的问题： #include int main() { const int MAXN = 8; int a[MAXN] = {1, 2, 4, 8, 16, 32, 64, 128}; int *p = (int*)(&a + 1 ); printf("%d\n", *(p -

线性回归模型使用的场景是有监督学习（supervised learning）。 例如下例给定训练样本集， 输入特征是二维的，让我们去预测房价。 我们就可以使用线性回归模型去求解。 例如多项式拟合价格和输入二维特征向量的关系， 我们模型的参数就是多项式前面的那些系数。     首先回归（regression）的目的就是指根据给定一个d维的输入特征向量x， 预测出一个或者多个取值连续的ta

任何一个机器学习算法包含两大步骤： (1)训练(training)： 给定训练数据， 选择一个机器学习模型， 利用机器学习算法， 结合训练数据， 学习到模型参数。 学习参数需要选择一个objective funcion(有称为cost function), 目的就是找出使得这个目标函数的值达到最小的参数。 (2)测试(testing): 利用学习到的模型， 进行预测。 机器学习以及深

支持向量机以前很火了。 现在风头被深度学习给占据了。