- 博客(33)
- 收藏
- 关注
RSS订阅原创 反向传播算法- softmax
反向传播算法介绍： https://www.zhihu.com/question/27239198http://blog.youkuaiyun.com/u014313009/article/details/51039334softmax介绍：softmax层的损失函数 http://www.itdadao.com/articles/c15a267987p0.htmlhttps://zhuanlan.zhih
2017-09-12 11:38:03
964
转载 华为笔试题
1.老师想知道从某某同学当中，分数最高的是多少，现在请你编程模拟老师的询问。当然，老师有时候需要更新某位同学的成绩. 输入描述: 输入包括多组测试数据。 每组输入第一行是两个正整数N和M（0 < N <= 30000,0 < M < 5000）,分别代表学生的数目和操作的数目。 学生ID编号从1编到N。 第二行包含N个整数，代表这N个学生的初始成绩，其中第i个数代表ID为i的学生的成绩
2017-07-25 20:11:54
801
原创 shell 相关
To train and test a Faster R-CNN detector using the alternating optimization algorithm from our NIPS 2015 paper, use experiments/scripts/faster_rcnn_alt_opt.sh#!/bin/bash# Usage:# ./experiments/scrip
2017-06-02 17:47:57
492
原创 训练数据相关
A Study of the Behavior of Several Methods for Balancing Machine Learning Training Data我们的实验结果使用基于歧视的归纳方案，表明问题并不仅仅是由类别不平衡引起的，而且也与类别之间的数据重叠程度有关我们得出结论，过采样方法能够帮助分类器的诱导比那些从采样数据集中诱导的分类器更为准确。值得注意的是，随机过采样是一种非
2017-06-01 17:50:06
307
原创 caffe相关--Layers
http://caffe.berkeleyvision.org/tutorial/layers.htmlGoogle Protocol Buffers 简介（一）：http://www.jianshu.com/p/7de98349cadd Data Layers Data enters Caffe through data layers: they lie at the bottom of ne
2017-05-31 11:14:35
345
原创 CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)
CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)的内部网络结构有什么区别？ https://www.zhihu.com/question/34681168http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/ RNN运用于图像生成描述，GENE
2017-05-25 13:22:09
3158
原创 caffe 相关--Blobs, Layers, and Nets: anatomy of a Caffe model
Deep learning tutorial on Caffe technology : basic commands, Python and C++ code.http://christopher5106.github.io/deep/learning/2015/09/04/Deep-learning-tutorial-on-Caffe-Technology.htmlForward and bac
2017-05-24 17:41:17
390
原创 RCNN, Fast-RCNN, Faster-RCNN
http://closure11.com/rcnn-fast-rcnn-faster-rcnn%E7%9A%84%E4%B8%80%E4%BA%9B%E4%BA%8B/Faster-RCNN 论文笔记Faster RCNN由两个模块组成： 1.deep fully convolutional network that proposes regions 2.Fast R-CNN detector
2017-05-17 21:37:25
351
原创 python使用环境的设置
download caffechange Makefile.config3. mkidr ~/pyenv cd ~/pyenvvirtualenv pycaffe #it will setup a new python environtment named pycafffe . pycaffe/bin/activate #it will activate your pycaffe
2017-05-16 09:35:34
514
原创 损失函数介绍
谈谈分类器的损失函数(1)： http://www.10tiao.com/html/149/201607/2650470558/1.htmlhttp://www.csuldw.com/2016/03/26/2016-03-26-loss-function/http://blog.youkuaiyun.com/google19890102/article/details/50522945最大似然估计： htt
2017-05-14 16:41:48
374
原创 排序算法
插入排序： https://zh.wikipedia.org/zh-hans/%E6%8F%92%E5%85%A5%E6%8E%92%E5%BA%8F希尔排序： https://zh.wikipedia.org/wiki/%E5%B8%8C%E5%B0%94%E6%8E%92%E5%BA%8F堆排序： https://zh.wikipedia.org/wiki/%E5%A0%86%E6%8E%
2017-05-12 23:38:42
233
原创 过拟合
lr_mult、decay_mult代表什么意思？ http://www.cnblogs.com/malf-14/p/5540514.html 会出现overfitting，而当网络逐渐overfitting时网络权值逐渐变大，因此，为了避免出现overfitting,会给误差函数添加一个惩罚项，常用的惩罚项是所有权重的平方乘以一个衰减常量之和。其用来惩罚大的权值。学习速率是一个参数，用于确定更新
2017-05-11 17:20:05
340
原创 caffe --Multi-GPU Usage
Currently Multi-GPU is only supported via the C/C++ paths and only for training.The GPUs to be used for training can be set with the “-gpu” flag on the command line to the ‘caffe’ tool. e.g. “build/too
2017-05-11 16:01:58
2125
原创 Alexnet
The Architecture ReLU Nonlinearity 非饱和非线性，然而，在这个数据集上，主要关注的是防止过度拟合，所以他们观察到的效果不同于我们在使用ReLUs时报告的训练集的加速能力。Training on Multiple GPUs 将网络分为两个GPU，当前的GPU特别适合于跨GPU并行化。因为他们可以直接读取和写入对方的内存，而不需要通过主机内存。 我们采用的并行化
2017-05-10 17:26:41
2432
原创 Introduction to Parallel Computing 阅读笔记
第2章 并行编程平台 3部分：处理器，内存以及数据通道。 在对代码并行化之前，最好先优化串行代码的性能。 本节简单研究各种处理器用于支持多条指令执行的机制。 2.1 流水线，通过在指令执行过程中重叠不同的阶段，为了特高流水线的速度，可以将任务分为更小的单元，增加执行时的重叠时间。
2017-05-10 17:06:25
583
原创 机器学习中的卷积
卷积层（Convolutional layer），卷积神经网络中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法优化得到的。卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网络能从低级特征中迭代提取更复杂的特征。在泛函分析中，卷积、叠积、摺积或旋积，是通过两个函数f和g生成第三个函数的一种数学算子，表征函数f与经过翻转和平
2017-05-10 16:10:42
1965
原创 C++ 重载
详见：http://glgjing.github.io/blog/2014/12/27/c-plus-plus-zhong-zai-,-zhong-xie-,-zhong-ding-yi-qu-bie/
2017-05-08 21:17:27
305
原创 K-Shortest Path ：Multiple Object Tracking using K-Shortest Paths Optimization论文笔记
Multiple Object Tracking using K-Shortest Paths Optimization Abstract ：当处理多目标问题时，在所有可能的轨迹中，连接这一步会带来困难的优化问题。这通常需要基于动态编程的采样或者贪婪寻找来完成，但其无法保证全局最优解。 在本文中，我们表明将该步骤重新定义为约束流优化导致了一个凸问题。 我们使用k-最短路径算法利用其特定的结构来
2017-05-08 17:36:40
3038
原创 光流法
光流法的理解 http://blog.youkuaiyun.com/carson2005/article/details/7581642维基百科
2017-05-08 16:03:20
507
原创 matlab与C语言混合编程-----利用Mex函数
http://blog.sciencenet.cn/blog-620659-579885.html接口函数规范mexFunction介绍 void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[]) nlhs：输出参数数目 plhs：指向输出参数的指针 nrhs：输入参数数目
2017-05-08 11:03:37
695
原创 C++之二叉查找树
详见： http://www.cnblogs.com/skywang12345/p/3576373.htmlhttp://www.cnblogs.com/QG-whz/p/4536875.html关于 前继 后继节点： http://blog.youkuaiyun.com/xiaxia__/article/details/40926073
2017-05-07 23:33:01
256
原创 互联网公司招聘需求
腾讯 TEG03-机器学习和数据挖掘工程师（深圳）熟悉聚类、分类、回归、图模型等机器学习算法及原理，具备实际的建模经验； 熟悉hadoop、spark分布式计算平台，具备扎实的数据结构和算法功底； 精通至少一种编程语言：C、C++、Java、scala，编码能力强悍； 极强的数据敏感度，能从海量数据中挖掘出数据核心价值； 严密的数学思维、突出的分析归纳能力和表达能力； 对机器学习及其在互
2017-05-07 20:22:13
691
原创 并行计算
维基百科： https://zh.wikipedia.org/wiki/%E5%B9%B6%E8%A1%8C%E8%AE%A1%E7%AE%971.概念 并行计算（英语：parallel computing）一般是指许多指令得以同时进行的计算模式。在同时进行的前提下，可以将计算的过程分解成小部分，之后以并发方式来加以解决[1]。2.基本体系结构 相对于串行计算，并行计算可以划分成时间并行和空间
2017-05-07 20:06:50
950
原创 python中[:-1]
python中[:,-1]: It slices the string to omit the last character, in this case a newline character: ‘test\n’[:-1] ‘test’ Since this works even on empty strings, it’s a prett
2017-05-07 10:37:37
12289
原创 模板匹配
平移不变性图像的模板匹配1.尺度变换 详见：http://www.pyimagesearch.com/2015/01/26/multi-scale-template-matching-using-python-opencv/2.多个目标的匹配 详见：http://docs.opencv.org/trunk/d4/dc6/tutorial_py_template_matching.htmlopen
2017-05-07 10:36:16
552
原创 构造函数与析构函数
详见：http://www.cnblogs.com/mr-wid/archive/2013/02/19/2917911.html全局对象
2017-05-06 23:14:51
199
原创 C++之单链表
C++ 单链表基本操作分析与实现详见：http://www.cnblogs.com/scandy-yuan/archive/2013/01/06/2847801.html
2017-05-06 20:41:55
285
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人