C++库资源

C++框架和库资源汇总  C++ 资源大全 关于 C++ 框架、库和资源的一些汇总列表,内容包括:标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。 标准库 C++标准库,包括了STL容器,算法和函数等。C++ Standard Library:是一系列类和函数的集合,使用核心语言编写,也是C++ISO自身标准的一部分。Standard Template Library:标准模... 阅读详情
  标准库中提供了C++程序的基本设施。虽然C++标准库随着C++标准折腾了许多年,直到标准的出台才正式定型,但是在标准库的实现上却很令人欣慰得看到多种实现,并且已被实践证明为有工业级别强度的佳作。 

   (1) Dinkumware C++ Library 

   参考站点:http://www.dinkumware.com/ 

   P.J. Plauger编写的高品质的标准库。P.J. Plauger博士是Dr. Dobb's程序设计杰出奖的获得者。其编写的库长期被Microsoft采用,并且最近Borland也取得了其OEM的license,在其C/C++的产品中采用Dinkumware的库。 

   (2) RogueWave Standard C++ Library 

   参考站点:http://www.roguewave.com/ 

   这个库在Borland C++ Builder的早期版本中曾经被采用,后来被其他的库给替换了。笔者不推荐使用。 

   (3) SGI STL 

   参考站点:http://www.roguewave.com/ 

   SGI公司的C++标准模版库。 

   (4) STLport 

   参考站点:http://www.stlport.org/ 

   SGI STL库的跨平台可移植版本。 

   5.2 “准”标准库 - Boost 

   参考站点:http://www.boost.org 

   国内镜像:http://www.c-view.org/tech/lib/boost/index.htm 

   Boost库是一个经过千锤百炼、可移植、提供源代码的C++库,作为标准库的后备,是C++标准化进程的发动机之一。 Boost库由C++标准委员会库工作组成员发起,在C++社区中影响甚大,其成员已近2000人。 Boost库为我们带来了最新、最酷、最实用的技术,是不折不扣的“准”标准库。 

   Boost中比较有名气的有这么几个库: 

   Regex 

   正则表达式库 

   Spirit 

   LL parser framework,用C++代码直接表达EBNF 

   Graph 

   图组件和算法 

   Lambda 

   在调用的地方定义短小匿名的函数对象,很实用的functional功能 

   concept check 

   检查泛型编程中的concept 


   Mpl 

   用模板实现的元编程框架 


   Thread 

   可移植的C++多线程库 


   Python 

   把C++类和函数映射到Python之中 

   Pool 

   内存池管理 


   smart_ptr 

   5个智能指针,学习智能指针必读,一份不错的参考是来自CUJ的文章: 

   Smart Pointers in Boost,哦,这篇文章可以查到,CUJ是提供在线浏览的。中文版见笔者在《Dr. Dobb's Journal软件研发杂志》第7辑上的译文。 

   Boost总体来说是实用价值很高,质量很高的库。并且由于其对跨平台的强调,对标准C++的强调,是编写平台无关,现代C++的开发者必备的工具。但是Boost中也有很多是实验性质的东西,在实际的开发中实用需要谨慎。并且很多Boost中的库功能堪称对语言功能的扩展,其构造用尽精巧的手法,不要贸然的花费时间研读。Boost另外一面,比如Graph这样的库则是具有工业强度,结构良好,非常值得研读的精品代码,并且也可以放心的在产品代码中多多利用。 

   5.3 GUI 

   在众多C++的库中,GUI部分的库算是比较繁荣,也比较引人注目的。在实际开发中,GUI库的选择也是非常重要的一件事情,下面我们综述一下可选择的GUI库,各自的特点以及相关工具的支持。 

   (1) MFC 

   大名鼎鼎的微软基础类库(Microsoft Foundation Class)。大凡学过VC++的人都应该知道这个库。虽然从技术角度讲,MFC是不大漂亮的,但是它构建于Windows API 之上,能够使程序员的工作更容易,编程效率高,减少了大量在建立 Windows 程序时必须编写的代码,同时它还提供了所有一般 C++ 编程的优点,例如继承和封装。MFC 编写的程序在各个版本的Windows操作系统上是可移植的,例如,在Windows 3.1下编写的代码可以很容易地移植到 Windows NT 或 Windows 95 上。但是在最近发展以及官方支持上日渐势微。 

   (2) QT 

   参考网站:http://www.trolltech.com/ 

   Qt是Trolltech公司的一个多平台的C++图形用户界面应用程序框架。它提供给应用程序开发者建立艺术级的图形用户界面所需的所用功能。Qt是完全面向对象的很容易扩展,并且允许真正地组件编程。自从1996年早些时候,Qt进入商业领域,它已经成为全世界范围内数千种成功的应用程序的基础。Qt也是流行的Linux桌面环境KDE 的基础,同时它还支持Windows、Macintosh、Unix/X11等多种平台。 

   (3) WxWindows 

   参考网站:http://www.wxwindows.org/ 

   跨平台的GUI库。因为其类层次极像MFC,所以有文章介绍从MFC到WxWindows的代码移植以实现跨平台的功能。通过多年的开发也是一个日趋完善的GUI库,支持同样不弱于前面两个库。并且是完全开放源代码的。新近的C++ Builder X的GUI设计器就是基于这个库的。 

   (4) Fox 

   参考网站:http://www.fox-toolkit.org/ 

   开放源代码的GUI库。作者从自己亲身的开发经验中得出了一个理想的GUI库应该是什么样子的感受出发,从而开始了对这个库的开发。有兴趣的可以尝试一下。 


   (5) WTL 

   基于ATL的一个库。因为使用了大量ATL的轻量级手法,模板等技术,在代码尺寸,以及速度优化方面做得非常到位。主要面向的使用群体是开发COM轻量级供网络下载的可视化控件的开发者。 

   (6) GTK 

   参考网站:http://gtkmm.sourceforge.net/ 

   GTK是一个大名鼎鼎的C的开源GUI库。在Linux世界中有Gnome这样的杀手应用。而GTK就是这个库的C++封装版本。 

   5.4 网络通信 

   (1) ACE 

   参考网站:http://www.cs.wustl.edu/~schmidt/ACE.html 

   C++库的代表,超重量级的网络通信开发框架。ACE自适配通信环境(Adaptive Communication Environment)是可以自由使用、开放源代码的面向对象框架,在其中实现了许多用于并发通信软件的核心模式。ACE提供了一组丰富的可复用C++包装外观(Wrapper Facade)和框架组件,可跨越多种平台完成通用的通信软件任务,其中包括:事件多路分离和事件处理器分派、信号处理、服务初始化、进程间通信、共享内存管理、消息路由、分布式服务动态(重)配置、并发执行和同步,等等。 

   (2) StreamModule 

   参考网站:http://www.omnifarious.org/StrMod/ 

   设计用于简化编写分布式程序的库。尝试着使得编写处理异步行为的程序更容易,而不是用同步的外壳包起异步的本质。 

   (3) SimpleSocket 

   参考网站:http://home.hetnet.nl/~lcbokkers/simsock.htm 

   这个类库让编写基于socket的客户/服务器程序更加容易。 

   (4) A Stream Socket API for C++ 

   参考网站:http://www.pcs.cnu.edu/~dgame/sockets/socketsC++/sockets.html 

   又一个对Socket的封装库。 

   5.5 XML 

   (1) Xerces 

   参考网站:http://xml.apache.org/xerces-c/ 

   Xerces-C++ 是一个非常健壮的XML解析器,它提供了验证,以及SAX和DOM API。XML验证在文档类型定义(Document Type Definition,DTD)方面有很好的支持,并且在2001年12月增加了支持W3C XML Schema 的基本完整的开放标准。 

   (2) XMLBooster 

   参考网站:http://www.xmlbooster.com/ 

   这个库通过产生特制的parser的办法极大的提高了XML解析的速度,并且能够产生相应的GUI程序来修改这个parser。在DOM和SAX两大主流XML解析办法之外提供了另外一个可行的解决方案。 

   (3) Pull Parser 

   参考网站:http://www.extreme.indiana.edu/xgws/xsoap/xpp/ 

   这个库采用pull方法的parser。在每个SAX的parser底层都有一个pull的parser,这个xpp把这层暴露出来直接给大家使用。在要充分考虑速度的时候值得尝试。 


   (4) Xalan 

   参考网站:http://xml.apache.org/xalan-c/ 

   Xalan是一个用于把XML文档转换为HTML,纯文本或者其他XML类型文档的XSLT处理器。 

   (5) CMarkup 

   参考网站:http://www.firstobject.com/xml.htm 

   这是一种使用EDOM的XML解析器。在很多思路上面非常灵活实用。值得大家在DOM和SAX之外寻求一点灵感。 

   (6) libxml++ 

   http://libxmlplusplus.sourceforge.net/ 

   libxml++是对著名的libxml XML解析器的C++封装版本 

   5.6 科学计算 

   (1) Blitz++ 

   参考网站:http://www.oonumerics.org/blitz/ 

   Blitz++ 是一个高效率的数值计算函数库,它的设计目的是希望建立一套既具像C++ 一样方便,同时又比Fortran速度更快的数值计算环境。通常,用C++所写出的数值程序,比 Fortran慢20%左右,因此Blitz++正是要改掉这个缺点。方法是利用C++的template技术,程序执行甚至可以比Fortran更快。Blitz++目前仍在发展中,对于常见的SVD,FFTs,QMRES等常见的线性代数方法并不提供,不过使用者可以很容易地利用Blitz++所提供的函数来构建。 

   (2) POOMA 

   参考网站:http://www.codesourcery.com/pooma/pooma 

   POOMA是一个免费的高性能的C++库,用于处理并行式科学计算。POOMA的面向对象设计方便了快速的程序开发,对并行机器进行了优化以达到最高的效率,方便在工业和研究环境中使用。 

   (3) MTL 

   参考网站:http://www.osl.iu.edu/research/mtl/ 

   Matrix Template Library(MTL)是一个高性能的泛型组件库,提供了各种格式矩阵的大量线性代数方面的功能。在某些应用使用高性能编译器的情况下,比如Intel的编译器,从产生的汇编代码可以看出其与手写几乎没有两样的效能。

   (4) CGAL 

   参考网站:www.cgal.org 

   Computational Geometry Algorithms Library的目的是把在计算几何方面的大部分重要的解决方案和方法以C++库的形式提供给工业和学术界的用户。 

   5.7 游戏开发 

   (1) Audio/Video 3D C++ Programming Library 

   参考网站:http://www.galacticasoftware.com/products/av/ 

   AV3D是一个跨平台,高性能的C++库。主要的特性是提供3D图形,声效支持(SB,以及S3M),控制接口(键盘,鼠标和遥感),XMS。 

   (2) KlayGE 

   参考网站:http://home.g365.net/enginedev/ 

   国内游戏开发高手自己用C++开发的游戏引擎。KlayGE是一个开放源代码、跨平台的游戏引擎,并使用Python作脚本语言。KlayGE在LGPL协议下发行。感谢龚敏敏先生为中国游戏开发事业所做出的贡献。 

   (3) OGRE 

   参考网站:http://www.ogre3d.org 

   OGRE(面向对象的图形渲染引擎)是用C++开发的,使用灵活的面向对象3D引擎。它的目的是让开发者能更方便和直接地开发基于3D硬件设备的应用程序或游戏。引擎中的类库对更底层的系统库(如:Direct3D和OpenGL)的全部使用细节进行了抽象,并提供了基于现实世界对象的接口和其它类。 

   5.8 线程 

   (1) C++ Threads 

   参考网站:http://threads.sourceforge.net/ 

   这个库的目标是给程序员提供易于使用的类,这些类被继承以提供在Linux环境中很难看到的大量的线程方面的功能。 

   (2) ZThreads 

   参考网站:http://zthread.sourceforge.net/ 

   一个先进的面向对象,跨平台的C++线程和同步库。 

   5.9 序列化 

   (1) s11n 

   参考网站:http://s11n.net/ 

   一个基于STL的C++库,用于序列化POD,STL容器以及用户定义的类型。 

   (2) Simple XML Persistence Library 

   参考网站:http://sxp.sourceforge.net/ 

   这是一个把对象序列化为XML的轻量级的C++库。 

   5.10 字符串 

   (1) C++ Str Library 

   参考网站:http://www.utilitycode.com/str/ 

   操作字符串和字符的库,支持Windows和支持gcc的多种平台。提供高度优化的代码,并且支持多线程环境和Unicode,同时还有正则表达式的支持。 

   (2) Common Text Transformation Library 

   参考网站:http://cttl.sourceforge.net/ 

   这是一个解析和修改STL字符串的库。CTTL substring类可以用来比较,插入,替换以及用EBNF的语法进行解析。 

   (3) GRETA 

   参考网站:http://research.microsoft.com/projects/greta/ 

   这是由微软研究院的研究人员开发的处理正则表达式的库。在小型匹配的情况下有非常优秀的表现。 

   5.11 综合 

   (1) P::Classes 

   参考网站:http://pclasses.com/ 

   一个高度可移植的C++应用程序框架。当前关注类型和线程安全的signal/slot机制,i/o系统包括基于插件的网络协议透明的i/o架构,基于插件的应用程序消息日志框架,访问sql数据库的类等等。 

   (2) ACDK - Artefaktur Component Development Kit 

   参考网站:http://acdk.sourceforge.net/ 

   这是一个平台无关的C++组件框架,类似于Java或者.NET中的框架(反射机制,线程,Unicode,废料收集,I/O,网络,实用工具,XML,等等),以及对Java, Perl, Python, TCL, Lisp, COM 和 CORBA的集成。 

   (3) dlib C++ library 

   参考网站:http://www.cis.ohio-state.edu/~kingd/dlib/ 

   各种各样的类的一个综合。大整数,Socket,线程,GUI,容器类,以及浏览目录的API等等。 

   (4) Chilkat C++ Libraries 

   参考网站:http://www.chilkatsoft.com/cpp_libraries.asp 

   这是提供zip,e-mail,编码,S/MIME,XML等方面的库。 

   (5) C++ Portable Types Library (PTypes) 

   参考网站:http://www.melikyan.com/ptypes/ 

   这是STL的比较简单的替代品,以及可移植的多线程和网络库。 

   (6) LFC 

   参考网站:http://lfc.sourceforge.net/ 

   哦,这又是一个尝试提供一切的C++库 

   5.12 其他库 

   (1) Loki 

   参考网站:http://www.moderncppdesign.com/ 

   哦,你可能抱怨我早该和Boost一起介绍它,一个实验性质的库。作者在loki中把C++模板的功能发挥到了极致。并且尝试把类似设计模式这样思想层面的东西通过库来提供。同时还提供了智能指针这样比较实用的功能。 

   (2) ATL 

   ATL(Active Template Library) 

   是一组小巧、高效、灵活的类,这些类为创建可互操作的COM组件提供了基本的设施。 

   (3) FC++: The Functional C++ Library 

   这个库提供了一些函数式语言中才有的要素。属于用库来扩充语言的一个代表作。如果想要在OOP之外寻找另一分的乐趣,可以去看看函数式程序设计的世界。大师Peter Norvig在 “Teach Yourself Programming in Ten Years”一文中就将函数式语言列为至少应当学习的6类编程语言之一。 

   (4) FACT! 

   参考网站:http://www.kfa-juelich.de/zam/FACT/start/index.html 

   另外一个实现函数式语言特性的库 

   (5) Crypto++ 

   提供处理密码,消息验证,单向hash,公匙加密系统等功能的免费库。 

   还有很多非常激动人心或者是极其实用的C++库,限于我们的水平以及文章的篇幅不能包括进来。在对于这些已经包含近来的库的介绍中,由于并不是每一个我们都使用过,所以难免有偏颇之处,请读者见谅。
机器学习笔记:估算模型训练所需的样本量的方法 相反,如果训练得分高而交叉验证得分低,那么模型可能存在过拟合问题,需要更多的样本来提高泛化能力。本文将介绍一些常用的方法来估算模型训练所需的样本量,并提供相应的源代码。除了经验法则和学习曲线法,还有一些统计学方法可以用于估算模型训练所需的样本量。学习曲线是一种通过绘制模型性能与样本量之间的关系曲线来估算样本量的方法。需要注意的是,这些方法仅提供了估算样本量的指导,具体的样本量仍然需要根据实际情况进行调整和优化。通过合理估算样本量,可以提高机器学习模型的性能和泛化能力,从而更好地应用于实际问题中。 阅读详情

相关推荐

AvFrame和AvPacket

在FFmpeg中,未压缩的图像和压缩的视频码流分别使用AVFrame结构和AVPacket结构保存;针对视频编码器,其流程为从数据源获取图像格式的输入数据,保存为AVFrame对象并传入编码器,从编码器输出AVPacket结构。

Lce的专栏 3238

C++标准库,框架等资源大汇总!

C++标准库,框架等资源大汇总! C++ 资源大全 关于 C++ 框架、库和资源的一些汇总列表,内容包括:标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。 标准库 C++标准库,包括了STL容器,算法和函数等。 C++ Standard Library:是一系列类和函数的集合,使用核心语言编写,也是C++ISO自身标准的一部分。 Standa...

qq_34653062的博客 950

绕过Google Play:获取Expo Go安卓APK的实用指南

本文为国内安卓开发者提供了绕过Google Play商店获取Expo Go APK的实用指南。针对无法访问Google Play的痛点,详细介绍了通过官方GitHub Releases、可信第三方网站(如APKMirror)及APK下载器等多种安全获取途径,并重点讲解了APK安装、安全验证(核对签名)及常见连接问题的排查方法,帮助开发者顺利开启React Native开发之旅。

weixin_29006701的博客 581

最全常用 C++ 框架、库和资源汇总

最全常用 C++ 框架、库和资源汇总

良知犹存的博客 4116

【python】epub的电子书繁体字与简体字转换

中文繁体与简体转换

xiexianyou666的博客 3093

Zigbee通信(CC2530终端 + ESP32-C6协调器)

实现了CC2530 zigbee终端与ESP32-C6 zigbee协调器的通信交互。

Ecsply的博客 2571

【免费下载】 C++ Excel库 LibXL 资源下载

C++ Excel库 LibXL 资源下载 【下载地址】CExcel库LibXL资源下载 C++ Excel库 LibXL 资源下载 项目地址: https://gitcode.com/open-source-toolkit/e2...

gitblog_09799的博客 1157

Centos7安装NVIDIA驱动并在docker容器中使用GPU

Centos7安装NVIDIA驱动并在docker容器中使用GPU

运维giao的博客 2085

关于 C++ 框架、库和资源的一些汇总列表

关于 C++ 框架、库和资源的一些汇总列表,由 fffaraz 发起和维护。   内容包括:标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。   标准库   C++标准库,包括了STL容器,算法和函数等。   C++ Standard Library:是一系列类和函数的集合,使用核心语言编写,也是C++ISO自身标准的一部分。   St

Javatar2199的专栏 716

计算机技术发展5大阶段,现阶段计算机技术应用及发展

【摘要】现代计算机科学技术的发展和普及运用,为世界各国民众基础性生产生活实践活动的组织开展路径造成了深刻影响,本文围绕现阶段计算机技术应用及发展,择取两个具体方面,展开了简要分析。【关键词】计算机技术;应用;发展改革开放以来,计算机设备的广泛运用,促进了计算机科学技术的逐步发展成熟。计算机科学技术是具备新兴表现特征的尖端应用技术,其在现代工业生产和社会生活实践活动过程中的广泛引入运用,给世界各国基...

weixin_42126677的博客 2637

【纯干货分享】常用高速接口眼图模板合集

文章汇集了常见的高速接口的信号眼图测试模板技术要求,比如,LPDDR5/4、PCIe 5.0/4.0、USB、MIPI等等,方便工程师快速进行查询和使用。

一只豌豆象的博客 3119

C/C++ zlib库资源下载

C/C++ zlib库资源下载 去发现同类优质开源项目:https://gitcode.com/ 欢迎来到我们的C/C++ zlib库资源下载仓库!这里提供了zlib库的压缩文件库资源,适用于C/C++开发者。 资源简介 zlib是一个广泛使用的开源压缩库,它提供了在内存中压缩和解压缩数据的功能,同时也支持文件I/O操作。此资源包含了zlib库的源代码和相关文档,适用于希望在C/C++项目中集成压...

gitblog_06702的博客 429

Python爬虫博客:爬取碳排放交易数据——使用最新技术的完整实现

通过上述方法,我们可以构建一个高效的爬虫,爬取碳排放交易市场的数据并进行分析。这个项目不仅展示了如何处理静态和动态网页,还提供了如何存储数据、分析数据和可视化结果的技巧。随着爬虫技术的不断进步,我们可以进一步提升爬取效率和数据分析能力。如果你希望更深入了解如何进行数据挖掘和机器学习分析,可以尝试将碳排放数据与其他经济数据结合,利用机器学习模型进行趋势预测或决策支持。

2201_76125261的博客 352

终极C++开发资源宝典:如何快速找到你需要的库和框架

你是否曾经在C++项目中花费大量时间寻找合适的库?awesome-cpp为你解决了这个难题!这是一个精心整理的C++资源集合,包含了从游戏开发到人工智能,从网络编程到图形处理的各类框架、库和工具。无论你是刚入门的新手还是经验丰富的开发者,这个项目都能为你节省大量搜索时间,让你专注于核心开发工作。 ## 为什么你需要一个C++资源导航 在C++生态系统中,有成千上万的库和框架可供选择。没有系统化

gitblog_01098的博客 317

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

C++框架与库资源

Jason frozen : C/C++的Jason解析生成器Jansson :进行编解码和处理Jason数据的C语言库jbson :C++14中构建和迭代BSON data,和Json 文档的库JeayeSON:非常健全的C++ JSON库,只包含头文件JSON++ : C++ JSON 解析器json-parser:用可移植的ANSI C编写的JSON...

涟漪、的博客 411

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

使用PDFLIB库创建PDF c++ 资源文件

使用PDFLIB库创建PDF c++ 资源文件 去发现同类优质开源项目:https://gitcode.com/ 本仓库提供了一个使用PDFLIB库创建PDF文件的C++资源文件。该资源文件已经包含了pdflib.lib库,用户可以直接使用,无需额外配置。 简介 通过本资源文件,您将能够学习如何在C++项目中利用PDFLIB库来创建PDF文件。资源文件中包含了必要的库文件以及示例代码,帮助您快速入...

gitblog_06701的博客 446

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Boost库资源下载介绍:强大的C++库助力开发

Boost库资源下载介绍:强大的C++库助力开发 去发现同类优质开源项目:https://gitcode.com/ 随着计算机编程技术的发展,C++作为一种高效、稳定的编程语言,在软件开发领域占据着举足轻重的地位。而Boost库作为C++的重要辅助工具,为广大开发者提供了丰富的编程组件。本文将为您详细介绍Boost库资源下载项目,帮助您快速了解并使用这款功能强大的库。 项目介绍 Boost库(bo...

gitblog_06780的博客 679

值得推荐的C/C++框架、库等资源

转自:https://blog.youkuaiyun.com/xiaoxiaoyeyaya/article/details/42541419?utm_source=blogxgwz2 用于记录 C++ 资源大全 关于 C++ 框架、库和资源的一些整理,包括:标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。   标准库 C++标准库,包括了STL容器,算法和函数等。 ...

wbj217的专栏 328

【亲测免费】 C++ GMP 库资源文件下载

C++ GMP 库资源文件下载 【下载地址】CGMP库资源文件下载 C++ GMP 库资源文件下载本仓库提供了一个包含 GMP 库相关文件的资源包 `gmp.zip`,适用于在 Visual Studio 项目中使用 GMP 库 ...

gitblog_09785的博客 674

yaml-cpp-0.6.0资源文件下载介绍:C++库解析与生成YAML数据

yaml-cpp-0.6.0资源文件下载介绍:C++库解析与生成YAML数据 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 yaml-cpp-0.6.0资源文件下载页面为您提供了yaml-cpp库的0.6.0版本压缩文件。yaml-cpp是一个功能强大的C++库,专注于YAML数据的解析和生成。YAML(YAML Ain't Markup Language)是一种用于...

gitblog_06704的博客 814

libv4l2cpp:一款强大的V4L2 C++封装库

libv4l2cpp:一款强大的V4L2 C++封装库 项目介绍 libv4l2cpp 是一款基于C++的V4L2封装库,旨在简化V4L2接口的使用,使得开发者能够更轻松地进行视频设备的捕获和输出操作。该项目源自 mpromonet/libv4l2cpp,并在其基础上进行了扩展和优化。主要改进包括增加了更多的打印信息、解决了视频设备可能拥有多个视频资源的问题,并添加了对OpenCV Mat BGR...

gitblog_00916的博客 1726

C++ 资源大全,常用库,工具

C++ 资源大全,工具,标准库,第三方库,IDE

qq_44681788的博客 3055
上一篇: 防止内存泄露 Linux下用Valgrind做检查
下一篇: C++中的临时对象(拷贝构造函数)(上)
icycode
博客等级 码龄17年 38粉丝 31原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值