<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[bobo184的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/bobo184</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; bobo184]]></copyright><item><title><![CDATA[bert源码祥读]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/113048208</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/113048208</guid><author>bobo184</author><pubDate>Sat, 23 Jan 2021 15:21:38 +0800</pubDate><description><![CDATA[bert源码祥读
1 word2vec理解
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nz6yHj0D-1611384273325)(bert源码祥读.assets/training_data.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-D9Ivcx37-1611384273328)(bert源码祥读.assets/skip_gram_net_arch.png)]

2 整体架构

输入如何编码？
输出结果是什么？
Atten]]></description><category></category></item><item><title><![CDATA[目标检测中的多尺度训练/测试]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/89233796</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/89233796</guid><author>bobo184</author><pubDate>Fri, 12 Apr 2019 13:17:34 +0800</pubDate><description><![CDATA[记录下自己的心得吧：

以前学习的时候，不是很懂，理解的有误，我以为是所有尺度一起进行训练，其实不然，下面的知乎里有我想要的答案。

其实说白了，还是自己的问题，没有认真的研究过代码，没有train过代码，想学好deep learning不容易。

https://www.zhihu.com/question/271781123
...]]></description><category></category></item><item><title><![CDATA[自然语言处理（NLP）学习笔记（1）]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/89159871</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/89159871</guid><author>bobo184</author><pubDate>Thu, 11 Apr 2019 15:58:38 +0800</pubDate><description><![CDATA[一、自然语言处理常见应用：

拼写检查、关键词检索
	文本挖掘（产品价格、日期、时间、地点、人名、公司名）
	文本分类
	机器翻译
	客服系统
	复杂对话系统
二、与深度学习的联系：

为什么需要深度学习

手工特征耗时耗力，还不易拓展，
	自动特征学习，方便拓展
	深度学习提供了一种通用的血虚框架，可用来表示世界、视觉和语言学信息
	深度学习既可以无监督学习，也可以监督学习。
三、语言模型：

...]]></description><category></category></item><item><title><![CDATA[linux命令行常用方法]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/89204303</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/89204303</guid><author>bobo184</author><pubDate>Thu, 11 Apr 2019 10:57:06 +0800</pubDate><description><![CDATA[1. 搜索


在vi和vim中如果打开一个很大的文件，不容易找到对应的内容，可以使用自带的搜索关键字进行搜索定位：

在vi和vim界面中输入:"/"(反斜杠)，之后会出现一个输入框让你输入，当你输入的关键字在文件中存在就会以高亮的形式显示出来，之后按回车就确定定位到当前高亮位置，如果不是你要找的，则可以按："n"，意即寻找下一个输入关键字的内容。


2. vim恢复以及乱码问题


(1)...]]></description><category></category></item><item><title><![CDATA[ubuntu16.04 docker tensorflow-gpu镜像下载]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88958767</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88958767</guid><author>bobo184</author><pubDate>Mon, 01 Apr 2019 22:19:40 +0800</pubDate><description><![CDATA[参考博文：

https://www.cnblogs.com/deepllz/p/9009486.html

基本是参照上面的博客的，但还是要记录下我自己的安装过程（这是一个习惯）。

前提是你已经安装好docker了，开始部署镜像...

主要记录下不同之处

镜像源不同

没有用上面的博客的下载方式，那个是官方的，下面这个是国内的速度会快点


docker pull daocloud.io/...]]></description><category></category></item><item><title><![CDATA[Ubuntu16.04 docker 安装与简单使用]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88957636</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88957636</guid><author>bobo184</author><pubDate>Mon, 01 Apr 2019 21:43:09 +0800</pubDate><description><![CDATA[前言

为什么使用docker？

　　原因是：通过docker运行tensorflow-gpu容器可以避免复杂的环境的配置，比如cuda。具体环境配置相当复杂。。。

而在ubuntu上运行docker tensorflow-gpu镜像，仅仅需要安装nvidia驱动即可，幸运的是一般通过软件更新器（software &amp; updates→ Additional Drivers）即可顺利安装...]]></description><category></category></item><item><title><![CDATA[ubuntu16.04安装pytorch（conda+cuda）]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88877876</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88877876</guid><author>bobo184</author><pubDate>Thu, 28 Mar 2019 21:24:21 +0800</pubDate><description><![CDATA[参考博文：https://blog.youkuaiyun.com/yimingsilence/article/details/79631567

笔者的笔记本配置：cpu i7-7700 ，gpu gtx1050ti，系统win10+ubuntu16.04双系统。

在这主要是记录下，按着别人的教程，先装linux系统，以前装过，就是linux无法启动，这回按照这个教程基本没啥大问题，

https://bl...]]></description><category></category></item><item><title><![CDATA[opencv4.0.0+cmake编译(含contrib)]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88749651</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88749651</guid><author>bobo184</author><pubDate>Sat, 23 Mar 2019 19:07:55 +0800</pubDate><description><![CDATA[前言

笔者环境：win10+vs2015+cmake3.8.2

介绍下4.0.0的新特性，沿用官网的说明：

在发布3.0版的近3.5年后，我们很高兴推出4.x系列的第一个稳定版本。

版本特性：

OpenCV现在是C ++ 11库，需要兼容C++ 11标准的编译器。所需的最低CMake版本已提升至3.5.1。
	很多OpenCV 1.x的C API已被删除
	在核心模块中延续性（在XML，...]]></description><category></category></item><item><title><![CDATA[cmake3.8.2安装]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88746038</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88746038</guid><author>bobo184</author><pubDate>Fri, 22 Mar 2019 17:38:57 +0800</pubDate><description><![CDATA[下载：官网下载https://cmake.org/download/，最新的为3.14版本，











下载完成如下图：



安装很简单，一路next。






]]></description><category></category></item><item><title><![CDATA[opencv 边缘处理]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88669685</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88669685</guid><author>bobo184</author><pubDate>Tue, 19 Mar 2019 21:16:25 +0800</pubDate><description><![CDATA[卷积边界问题

图像卷积的时候边界像素，不能被卷积操作，原因在于边界像素没有完全跟kernel重叠，所以当3x3滤波时候有1个像素的边缘没有被处理，5x5滤波的时候有2个像素的边缘没有被处理。

处理边缘

在卷积开始之前增加边缘像素，填充的像素值为0或者RGB黑色（补0操作），比如3x3在

四周各填充1个像素的边缘，这样就确保图像的边缘被处理，在卷积处理之

后再去掉这些边缘。openCV中...]]></description><category></category></item><item><title><![CDATA[opencv 常见算子]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88669423</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88669423</guid><author>bobo184</author><pubDate>Tue, 19 Mar 2019 18:30:51 +0800</pubDate><description><![CDATA[引言

卷积概念
	常见算子
1、卷积概念

卷积是图像处理中一个操作，是kernel在图像的每个像素上的操作。

Kernel本质上一个固定大小的矩阵数组，其中心点称为锚点(anchor point)



卷积的工作方式：

把kernel放到像素数组之上，求锚点周围覆盖的像素乘积之和（包括锚点），用来替换锚点覆盖下像素点值称为卷积处理。数学表达如下：



kernel是从左到右，从上到下...]]></description><category></category></item><item><title><![CDATA[window下python GUI编程（anaconda+python+pyQt5）]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88650770</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88650770</guid><author>bobo184</author><pubDate>Tue, 19 Mar 2019 00:10:02 +0800</pubDate><description><![CDATA[前言

anaconda是python的集成环境，而Qt是受许多人欢迎的强大UI编程工具，二者相结合相信会有更多美妙的事情，废话不说l了。。。

环境

window10+anaconda3+python3.6+pyQt5

配置过程

1、安装pyQt5 和PyQt5-tools

以前只知道anaconda中集成的有qt，但不知道只是Qt的库（好像最新版本的中有，你可看下你的安装目录里有没，...]]></description><category></category></item><item><title><![CDATA[leetcode 第一题 两数之和]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88636250</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88636250</guid><author>bobo184</author><pubDate>Mon, 18 Mar 2019 12:44:05 +0800</pubDate><description><![CDATA[题目描述：

给定一个整数数组 nums和一个目标值 target，请你在该数组中找出和为目标值的那两个整数，并返回他们的数组下标。

你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。

python版本：


class Solution(object):
    def twoSum(self, nums, target):
        &quot;&quot;&quot;
    ...]]></description><category></category></item><item><title><![CDATA[opencv 基本阈值（threshold）]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88429364</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88429364</guid><author>bobo184</author><pubDate>Tue, 12 Mar 2019 22:27:48 +0800</pubDate><description><![CDATA[阈值的概念，简单点说就是把图像分割的标尺。

阈值类型：

1、阈值二值化（threshold binary）

下方的图表示图像像素点Src(x,y)值分布情况，蓝色水平线表示阈值







2、阈值反二值化（threshold binary Inverted）







3、截断 (truncate)







4、阈值取零 (threshold to zero)







5...]]></description><category></category></item><item><title><![CDATA[opencv 简单美颜效果]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88376399</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88376399</guid><author>bobo184</author><pubDate>Sun, 10 Mar 2019 12:10:12 +0800</pubDate><description><![CDATA[美颜效果采用：双边模糊（也称双边滤波）+掩膜操作

双边模糊bilateralFilter(src, dest, d=15, 150, 3)

15 –计算的半径，半径之内的像数都会被纳入计算，如果提供-1 则根据sigma space参数取值
	150 – sigma color 决定多少差值之内的像素会被计算
	3 – sigma space 如果d的值大于0则声明无效，否则根据它来计算d值，...]]></description><category></category></item><item><title><![CDATA[opencv 随机画线-randomlines]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/88375878</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/88375878</guid><author>bobo184</author><pubDate>Sun, 10 Mar 2019 11:14:23 +0800</pubDate><description><![CDATA[使用cv::Point与cv::Scalar



lPoint表示2D平面上一个点x,y
 Point p;

 p.x = 10;

 p.y = 8;

 or

 p = Pont(10,8);

lScalar表示四个元素的向量
                  Scalar(a, b, c);// a = blue, b = gree...]]></description><category></category></item><item><title><![CDATA[常用颜色的RGB值]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/86770949</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/86770949</guid><author>bobo184</author><pubDate>Thu, 07 Feb 2019 11:57:47 +0800</pubDate><description><![CDATA[白色：rgb(255,255,255)

 黑色：rgb(0,0,0)

 红色：rgb(255,0,0)

 绿色：rgb(0,255,0)

 蓝色：rgb(0,0,255)

 青色：rgb(0,255,255)

 紫色：rgb(255,0,255)

 调整相关数字，便可以得到深浅不一的各种颜色。

ARGB：

A = Alpha

表示透明度

FF - 不透明

00 - 全透明 ...]]></description><category></category></item><item><title><![CDATA[Ubuntu16.04安装tensorflowCPU版本]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/86606417</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/86606417</guid><author>bobo184</author><pubDate>Wed, 23 Jan 2019 11:23:34 +0800</pubDate><description><![CDATA[前言

之前安装过caffe的GPU版本，都快崩溃了，前面都挺顺利的，直到最后编译的时候一直不通过，最后原因实在自己的显卡太low，得加速因子在3以上才行，无奈啊。

最后只好安装cpu版本，所以我觉得我的电脑也只能装tensorflow的cpu版本。

安装

安装很简单，pip install tensorflow即可。但是这有可能遇到问题，还有就是网速太慢，对于我这种急性子，跟它耗不起！

...]]></description><category></category></item><item><title><![CDATA[Markdown 用法]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/86601463</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/86601463</guid><author>bobo184</author><pubDate>Tue, 22 Jan 2019 21:04:12 +0800</pubDate><description><![CDATA[转载自：https://www.jianshu.com/p/191d1e21f7ed

一、标题

在想要设置为标题的文字前面加#来表示
一个#是一级标题，二个#是二级标题，以此类推。支持六级标题。

注：标准语法一般在#后跟个空格再写文字，貌似简书不加空格也行。

示例：


# 这是一级标题
## 这是二级标题
### 这是三级标题
#### 这是四级标题
##### 这是五级标题
#####...]]></description><category></category></item><item><title><![CDATA[window中anaconda安装后jupyter notebook更改启动目录]]></title><link>https://blog.youkuaiyun.com/bobo184/article/details/86496504</link><guid>https://blog.youkuaiyun.com/bobo184/article/details/86496504</guid><author>bobo184</author><pubDate>Tue, 15 Jan 2019 17:50:20 +0800</pubDate><description><![CDATA[1、Anaconda Prompt中 输入 以下并回车


jupyter notebook --generate-config

会提示


Writing default config to: C:\Users\Username\.jupyter\jupyter_notebook_config.py

2、找到这个文件，打开这个配置文件jupyter_notebook_config.py


...]]></description><category></category></item></channel></rss>