<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[nimo_cap的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/nimo_cap</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; nimo_cap]]></copyright><item><title><![CDATA[YOLOX Demo Run]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/120228003</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/120228003</guid><author>nimo_cap</author><pubDate>Fri, 10 Sep 2021 18:56:56 +0800</pubDate><description><![CDATA[环境：

Windows Power

(一些环境配置好的前提下，比如wsl 配置，miniconda 安装）

参考：(17条消息) YOLOX-部署与测试_小林爱学习99的博客-优快云博客_yolox部署

一、YOLOX环境搭建

首先下载YOLOX

git clone https://codechina.youkuaiyun.com/mirrors/Megvii-BaseDetection/YOLOX.git

创建conda环境

&gt;&gt;conda create -n YOLOX python=]]></description><category></category></item><item><title><![CDATA[yoloV2训练]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/82888233</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/82888233</guid><author>nimo_cap</author><pubDate>Fri, 28 Sep 2018 18:16:57 +0800</pubDate><description><![CDATA[yolov2:https://pjreddie.com/darknet/yolov2
下载darknet
git clone https://github.com/pjreddie/darknet
cd darknet
make

下载yolov2的参数文件.weights
wget https://pjreddie.com/media/files/yolov2.weights

测试对应的模型文...]]></description><category></category></item><item><title><![CDATA[MobileNet-SSD训练]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/82888196</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/82888196</guid><author>nimo_cap</author><pubDate>Fri, 28 Sep 2018 18:11:00 +0800</pubDate><description><![CDATA[在caffe-ssd环境搭建好的情况下

1.下载MobileNet-SSD
cd /home/**/caffe/examples/
git clone https://github.com/chuanqi305/MobileNet-SSD

2.准备数据集，我直接下载的VOC数据集，也可以仿制VOC，使用自己的数据集
a.直接用VOC数据集
cd /home/
mkdir data
cd dat...]]></description><category></category></item><item><title><![CDATA[Ubuntu caffe-SSD安装配置]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/82888174</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/82888174</guid><author>nimo_cap</author><pubDate>Fri, 28 Sep 2018 18:09:18 +0800</pubDate><description><![CDATA[caffe-ssd 安装

sudo apt-get update

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev

sudo apt-get install -y python-numpy python-scipy

sudo apt-get install libgflags-dev libgoogle-gl...]]></description><category></category></item><item><title><![CDATA[浅谈SSD检测算法]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/82888146</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/82888146</guid><author>nimo_cap</author><pubDate>Fri, 28 Sep 2018 18:06:52 +0800</pubDate><description><![CDATA[什么是MobileNet-SSD
SSD本身就是一个基于VGG16的网络，MobileNet-SSD 顾名思义就是这两个网络的组合，具体怎样组合详见网络结构图，下面详细介绍SSD的算法原理及SSD的结构。

 

 

SSD算法的主要网络结构是VGG16，只是将最后两个全连层改成卷积层，并又增加了4个卷积层来构造网络结构。
	对5种不同的卷积层的输出（feature map）分别用两个不同的3x...]]></description><category></category></item><item><title><![CDATA[NLP在情感分析中的应用（二）]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79810313</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79810313</guid><author>nimo_cap</author><pubDate>Tue, 03 Apr 2018 22:40:09 +0800</pubDate><description><![CDATA[基于朴素贝叶斯的情感分类器 1.贝叶斯公式（条件概率公式） 有事件A，B,且P(B)&amp;gt;0：                        P(A|B)   = P(B|A)P(A)/P(B) 解析上式： P(A|B)： (后验概率)       P(B|A)：似然函数P(A)：先验概率P(B) ：边缘概率      举例，下雨 与带伞 这两个事件 分别为A和B，现已知带伞了，然后计算会下雨的...]]></description><category></category></item><item><title><![CDATA[NLP在情感分析中的应用（一）]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79801607</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79801607</guid><author>nimo_cap</author><pubDate>Tue, 03 Apr 2018 13:13:10 +0800</pubDate><description><![CDATA[一、情感分析的介绍什么是情感分析，简单理解就是你对于某件物体或事物的倾向，喜欢或不喜欢，想要还是不想要其他，就是对于这件事物本身的一种看法eg：判断一句点评，是好评还是差评应用场景有：1.电子商务：用户的购物体验或者是质量体验2.市场竞争：根据用户反馈分析竞争对手的弱点，帮助企业制定新的营销策略3.政府选举：分析对手党派的弱点，进行打击4.消费者选择：个性化用户反馈分析5.可视化分析：积极...]]></description><category></category></item><item><title><![CDATA[中心极限定理]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79722873</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79722873</guid><author>nimo_cap</author><pubDate>Wed, 28 Mar 2018 11:09:12 +0800</pubDate><description><![CDATA[中心极限定理是统计学中又一非常重要的性质。什么是中心极限定理，为了很直观的理解它我就通过举例的方式来进行说明。假设有一个总体T，现在我从T中随机抽取k个含有n个元素的样本S,S1,S2,...Sk每个样本S1=[x1,x2....,xn]，S2=[x1,x2,..,xn]...,Sk=[x1,x2,...,xn]每个样本的均值为X1，X2,...,Xk通过制图我们会发现这k个值的分布会呈现出正态分...]]></description><category></category></item><item><title><![CDATA[正态分布]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79709369</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79709369</guid><author>nimo_cap</author><pubDate>Tue, 27 Mar 2018 10:48:09 +0800</pubDate><description><![CDATA[正态分布（概率密度函数）公式：正态分布应该是统计里面最重要的一个分布，也叫高斯分布，前面也提过，这是在连续随机变量的一种密度函数对该密度函数求定积分就会得到某一范围的概率值（即概率）。正态分布在实际生活中非常常见如一个人手指的生长长度，因为手指不会无限长，最终它会收敛到某一个值，增长的过程是一个连续的过程，因为你的手指是一厘米一厘米的长，在这一厘米之间还有无数个数值希望能理解这个连续的意思，这对理...]]></description><category></category></item><item><title><![CDATA[机器学习中要用到的数学知识之统计学（二）]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79678114</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79678114</guid><author>nimo_cap</author><pubDate>Sat, 24 Mar 2018 15:39:52 +0800</pubDate><description><![CDATA[1.计算总体方差的更快计算公式：推导如下（Word里编写数学式实在是费力，我只好在纸上操作了）2.随机变量--&amp;gt;区别于数学意义上的变量用大写字母X，用于量化一个随机过程eg: a.明天是否会下雨 X只有两种取值情况，为0，下雨；为1  不下雨 b.抛硬币 同上 ，0  正面； 1 方面 c.掷骰子 这里的X取值情况就有六种 从0 到5（六面）上面三种情况都是属于离散的随机变量，所以可以得出，...]]></description><category></category></item><item><title><![CDATA[机器学习中要用到的数学知识之统计学（一）]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79674665</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79674665</guid><author>nimo_cap</author><pubDate>Sat, 24 Mar 2018 12:30:07 +0800</pubDate><description><![CDATA[        从目前自己所掌握的关于机器学习后深度学习的知识中关于数学的相关知识发现还是统计学的概念和公式用的最多的，所以我就先将这一部分的相关知识总结罗列一下，对于一些数学基础比较薄弱的童鞋应该算是比较容易入门机器学习的，只是在你听到方差样本和概率密度这些词的时候不会一脸懵逼。        当然有些最基本的概念性的东西我就不去过多解释了，自己可以去百度。        一些基本概念：    ...]]></description><category></category></item><item><title><![CDATA[谈谈温室效应]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79668795</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79668795</guid><author>nimo_cap</author><pubDate>Fri, 23 Mar 2018 16:04:25 +0800</pubDate><description><![CDATA[跟一童鞋聊天，聊到温室效应，他竟然跟我说这是伪命题，好吧，看来有必要跟那些认为这是伪命题的人科普解释一下了。众所周知，地球的光能都来自太阳，能量的表现形式就是以热能体现，大气吸收一部分，一部分反射回宇宙。吸收热量过多就会使地球的环境就会变得和金星一样，炙热无比，更别提生命的诞生与演化了。但为什么只比我们离太阳近30%的金星会比地球温度高很多呢，这就要从金星的早期说起。早期地球和金星的差距应该不大，...]]></description><category></category></item><item><title><![CDATA[Pandas的简单入门]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79659862</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79659862</guid><author>nimo_cap</author><pubDate>Thu, 22 Mar 2018 21:05:12 +0800</pubDate><description><![CDATA[简介：pandas是一个非常重要的用于数据分析和处理的python包，并且它也是开源的它不仅提供了很多方法，使得数据处理非常简单，同时在数据处理速度上也做了很多优化，使得和python内置方法相比时有了很大的优势。Pandas的安装（Ubuntu）sudo pip3 install pandas安装好之后进入终端导入包import pandas as pdimport numpy as npimp...]]></description><category></category></item><item><title><![CDATA[机器学习入门之环境搭建]]></title><link>https://blog.youkuaiyun.com/nimo_cap/article/details/79651630</link><guid>https://blog.youkuaiyun.com/nimo_cap/article/details/79651630</guid><author>nimo_cap</author><pubDate>Thu, 22 Mar 2018 11:35:33 +0800</pubDate><description><![CDATA[（第一次写博客，大家包涵文字组织，照着我的总结的指令代码，一般都能成功安装）下载VMware Workstation创建虚拟机，下载Ubuntu的镜像文件，将它添加到镜像文件选项中Ubuntu的下载（我的版本是镜像文件16.04）在Windows网页中下载好Ubuntu的虚拟环境装好之后，可以开始为安装一些实用工具了，如文本编辑器1.示例安装sublime文本编辑器shell终端下输入如下：sud...]]></description><category></category></item></channel></rss>