- 博客(48)
- 收藏
- 关注
RSS订阅原创 LintCode（十五）：全排列
给定一个数字列表，返回其所有可能的排列。样例给出一个列表[1,2,3]，其全排列为：[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]挑战使用递归和非递归分别解决。注意事项你可以假设没有重复数字。思路一：递归以[1,2,3,4]为例：固定第一个元素为1，剩下的问题便是求[2,3,4]的全排列；在[2,3,4]中，固定...
2018-12-12 16:29:08
279
原创 Normalization
Normalization的理解Normalization - - “规范化”，是一种对数值的特殊函数变换方法，也就是说假设原始的某个数值是x，套上一个起到规范化作用的函数，对规范化之前的数值x进行转换，形成一个规范化后的数值f(x)。所谓规范化，是希望转换后的数值 满足一定的特性，至于对数值具体如何变换，跟规范化目标有关，也就是说 f( ) 函数的具体形式，不同的规范化目标导致具体方法...
2018-12-10 17:05:18
620
1
翻译 matplolib（二）：GridSpec
GridSpec:指定子图将放置的网格的几何位置。需要设置网格的行数和列数。子图布局参数（例如，左，右等）可以选择性调整。SubplotSpec:指定在给定GridSpec中的子图位置。subplot2grid：一个辅助函数，类似于pyplot.subplot , 但是使用基于0的索引，并可使子图跨越多个格子。example1:import matplotlib.pyplot as ...
2018-11-08 11:03:09
964
翻译 matplotlib（一）：pyplot
Example 1：import matplotlib.pyplot as pltplt.plot([1,2,3,4])plt.ylabel('some numbers')#plt.xlabel('x_nums')#可以选择在x轴写x轴的意义plt.show()注意:plt.plot([1,2,3,4])给如果给plot中只赋予一个list，则默认是y的数值。x轴是默认生成，...
2018-10-18 09:59:27
275
原创 LintCode（十二）：带最小值操作的栈
描述实现一个带有取最小值min方法的栈，min方法将返回当前栈中的最小值。你实现的栈将支持push，pop 和 min 操作，所有操作要求都在O(1)时间内完成。如果堆栈中没有数字则不能进行min方法的调用您在真实的面试中是否遇到过这个题？样例如下操作：push(1)，pop()，push(2)，push(3)，min()， push(1)，min() 返回 1，2，1思路：用两个栈...
2018-10-16 15:09:10
336
转载 主流的姿态估计通常2个思路
（1）two-step framework，就是先进行行人检测，得到边界框，然后在每一个边界框中检测人体关键点，连接成一个人形，缺点就是受检测框的影响太大，漏检，误检，IOU大小等都会对结果有影响，代表方法就是RMPE。（2）part-based framework，就是先对整个图片进行每个人体关键点部件的检测，再将检测到的部件拼接成一个人形，缺点就是会将不同人的不同部位按一个人进行拼接，代表...
2018-09-17 10:15:45
577
转载 python2和python3同时存在时的pip用法
python2python2 -m pip install 模块名python3python3 -m pip install 模块名python2python2 -m pip --versionpython3python3 -m pip --versionpython2python2 -m pip listpython3 p...
2018-09-04 10:18:14
1333
原创 infer_simple
# Copyright (c) Facebook, Inc. and its affiliates.# All rights reserved.## This source code is licensed under the license found in the# LICENSE file in the root directory of this source tree.####...
2018-08-02 11:35:37
601
原创 关于DensePose实验的baseline
数据集：densepose_coco_2014_valminusminival.json backbone：ResNet50 " AP Multi-Tasks" body_uv box keypoint maskbody_uv_only 30.98 45.25 41.48 —keyp...
2018-08-01 15:37:12
925
原创 DensePose（四）：config.py
DensePose是在Detectron平台上做的密集姿态估计，此处Detectron的confg.py 文件相比较于原来MR-CNN以及KR-CNN时用的config.py做了一些添加与改进。如果之前对于Detectron比较熟悉，可以直接看 18.DensePose R-CNN options下面是一些关于config.py写在前面的注释："""Detectron配置系统.这对...
2018-07-26 16:51:39
3834
2
翻译 caffe2（四）：Nets
Nets nets本质上是计算图。为了保持前后一致性保留名称Net（同时也向神经网络致敬）。网络由多个operators组成，类似于一段程序由一系列命令组成。 当我们讨论nets时候，我们通常也讨论BlobReference,它是一个对象，包装了一个字符串，所以我们可以做简单的运算符链接操作。 创建一个基本上等同于下面python数学的网络。X = np.random.randn(2, ...
2018-07-25 17:22:07
367
翻译 caffe2（三）：Operators
Caffe2中的 Operators 类似函数。 从C ++方面，它们都是从公共接口派生的，并且按类型进行注册，这样我们可以在运行时调用不同的运算符。 运算符的接口在caffe2 / proto / caffe2.proto中定义。 基本上，它需要一堆输入，并产生一堆输出。 记住，当我们在Caffe2 Python中说“创建一个运算符”时，没有任何运行。 它所做的就是创建协议缓冲区（protoc...
2018-07-25 15:35:47
302
翻译 caffe2（二）：Workspace
在本教程中，我们将介绍一系列的Caffe2基础知识：基本概念，包括Op和net的编写方式。首先，导入caffe2.core和workspace，这两个通常是我们最需要的。如果你想要操作由caffe2生成的protocol buffers ，你需要从caffe2.proto中导入caffe2_pb2。#__future__一定要写在最前面from __future__ import abs...
2018-07-25 15:15:08
521
翻译 caffe2（一）：Caffe2 Concepts
1. Blobs and Workspace, TensorsCaffe2 的 Data 是以 blobs 的形式组织的。一个blob就是内存中被命名的数据块。blobs 一般包含一个 tenso，在 Python 中的存在形式是 numpy arrays。Workspace 存储所有的 blobs. 下例展示了将 blobs Feed到 workspace 以及从 workspace ...
2018-07-25 11:37:28
223
原创 DensePose：Dense Human Pose Estimation In TheWild
个人的一些拙见，欢迎批评指正，欢迎互相交流…一、概述预览 DensePose 估计旨在完成从 RGB图像中所有的人体像素 到 人体3D表面 的映射。 相关构成，用文中的话即为(Mask-RCNN + DenseReg)二、主要工作 主要工作可以总结为三点： 1.通过收集SMPL与COCO中人的密集坐标对应，手动标注建立标注了DensePose COCO数据集。 2.设计了一个可以...
2018-07-06 16:49:59
2430
原创 caffe2,tensorflow,pytorch中指定固定显卡训练
有一台服务器，服务器上有多块GPU可以供使用，此时只希望使用某几块GPU。 一般来说，深度学习的代码中只会指出GPU的数量，却没有指出使用哪几块，在初次接触的时候很是让人头疼，搜索都没有相关的解决办法。解决方案：可以使用环境变量CUDA_VISIBLE_DEVICES来解决问题（让机器只可见某几块GPU，然后指定GPU数量）。方法一：临时修改环境变量（随改随用，一次有效）expo...
2018-07-04 10:25:40
1338
原创 .bashrc 介绍
服务器是大家公用的，如果希望添加或修改一条新的路径，可以写一个.bashrc文件，在每次需要相应环境路径的时候source1.新建一个.bashrc文件vim .bashrc 2.在.bashrc文件里添加相应路径，例：export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/lib:$LD_LIBRAR...
2018-07-04 10:12:00
1114
转载 screen: 服务器断开连接程序依然执行
http://man.linuxde.net/screen常用： -A 将所有的视窗都调整为目前终端机的大小。 -d <作业名称> 将指定的screen作业离线。 -h <行数> 指定视窗的缓冲区行数。 -m 即使目前已在作业中的screen作业，仍强制建立新的screen作业。 -r <作业名称> 恢复离线的screen作业。 ...
2018-07-04 10:00:07
360
转载 人体姿态估计（Human Pose Estimation）
参考博客 https://blog.youkuaiyun.com/qq_36165459/article/details/78320535?locationNum=10&fps=1
2018-06-22 15:53:38
2018
原创 LintCode刷题（九）：fizz and buzz
复习了半个多月的考试,心力交瘁。继续更新 描述 给你一个整数n. 从 1 到 n 按照下面的规则打印每个数： 如果这个数被3整除，打印fizz. 如果这个数被5整除，打印buzz. 如果这个数能同时被3和5整除，打印fizz buzz.C++：class Solution {public: /** * @param n: An inte...
2018-06-05 10:33:17
309
原创 LintCode刷题之路（八）：旋转字符串
给定一个字符串和一个偏移量，根据偏移量旋转字符串(从左向右旋转) 样例 对于字符串 “abcdefg”. offset=0 => “abcdefg” offset=1 => “gabcdef” offset=2 => “fgabcde” offset=3 => “efgabcd” 挑战 在数组上原地旋转，使用O(1)的额...
2018-05-15 12:39:59
263
原创 LintCode刷题之路（七）：Serialize and Deserialize Binary Tree
设计一个算法，并编写代码来序列化和反序列化二叉树。将树写入一个文件被称为“序列化”，读取文件后重建同样的二叉树被称为“反序列化”。 如何反序列化或序列化二叉树是没有限制的，你只需要确保可以将二叉树序列化为一个字符串，并且可以将字符串反序列化为原来的树结构。 样例 给出一个测试数据样例， 二叉树{3,9,20,#,#,15,7}，表示如下的树结构： 3 ...
2018-05-14 09:54:48
515
原创 LintCode刷题之路（六）：合并排序数组Ⅱ
合并两个排序的整数数组A和B变成一个新的数组。 样例 给出A=[1,2,3,4]，B=[2,4,5,6]，返回 [1,2,2,3,4,4,5,6] 挑战 你能否优化你的算法，如果其中一个数组很大而另一个数组很小？C++class Solution {public: /** * @param A: sorted integer array ...
2018-05-11 20:54:23
202
原创 LintCode刷题之路（五）：第K大元素
第k大元素 在数组中找到第k大的元素 样例 给出数组 [9,3,2,4,8]，第三大的元素是 4 给出数组 [1,2,3,4,5]，第一大的元素是 5，第二大的元素是 4，第三大的元素是 3，以此类推 挑战 要求时间复杂度为O(n)，空间复杂度为O(1) 思路： 在每一趟中，都会将一个数放入序列的指定位置，放入后，数组被分为两个独立的部分...
2018-05-10 22:38:26
272
原创 LintCode刷题之路（四）：丑数
设计一个算法，找出只含素因子2，3，5 的第 n 小的数。 符合条件的数如：1, 2, 3, 4, 5, 6, 8, 9, 10, 12… 样例 如果n = 9， 返回 10 挑战 要求时间复杂度为O(nlogn)或者O(n)思路： 根据丑数的定义可知，每一个丑数都是由前面的丑数生成。例如：2是由1*2得来，3是由1 *3得来。C++：cla...
2018-05-09 13:00:22
186
原创 LintCode刷题之路（三）：统计数字
计算数字k在0到n中的出现的次数，k可能是0~9的一个值例如n=12，k=1，在 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]，我们发现1出现了5次 (1, 10, 11, 12)思路： 设置5个变量: cur : 当前位置的数字 before : 当前位置前的数字，如12345中4（十位）的before为123 after : 当前位置后的数...
2018-05-08 00:35:42
218
原创 LintCode刷题之路（二）：n！尾部的零
设计一个算法，计算出n阶乘中尾部零的个数 要求：O(logN)的时间复杂度以n = 101为例 解题思路： 对于n!=1*2…* n，对于相乘最低位能出现0的情况：5*偶数，每一组中偶数的个数多余5的倍数的个数，所以只考虑5x，即每一组中有多少个5x就有多少个零 所以在由1开始，到n结束，5个数为一组：【1，2，3，4，5】，【6，7，8，9，10】，… 能够分为n/5组...
2018-05-06 15:04:47
178
原创 LintCode刷题之路（一）：A+B问题
C++：class Solution {public: /** * @param a: An integer * @param b: An integer * @return: The sum of a and b */ int aplusb(int a, int b) { // write your code h...
2018-05-05 20:55:32
453
原创 python之argparse
python标准库模块argparse用于解析命令行参数，编写用户友好的命令行界面，该模块还会自动生成帮助信息，并在所给参数无效时报错。 实例用法：import argparsedesc = 'Process some integers'parser = argparse.ArgumentParser(description=desc)#创建一个解析处理器parser.add_a...
2018-05-03 23:53:07
155
原创 pytroch之数据读取
图片数据一般有两种情况： 1. 所有图片放在一个文件夹内，另外有一个txt文件显示标签。 2. 不同类别的图片放在不同的文件夹内，文件夹就是图片的类别。今天写猫狗大战代码时就遇到了这样的错误，我一直把这两个概念搞混淆。总是把所有不同类别的图片放在同一个没有txt文件显示标签的文件夹中。编译器一直给我报错找不到文件，但是我按着目录找又总是能找到文件！！！！纠结针对这两种不同的情况，数...
2018-03-31 16:39:41
922
原创 如何选取Batch Size大小
Batch Size大小的选取：可以一次将数据集中所有数据喂给网络可以一次喂一个样本（即SGD）每次喂一部分数据，喂多次第一种：将参数一次更新数据集大小的数据量 第二种：将参数迭代更新数据集大小次Q：选哪一种大小？适当增加Batch Size大小的优点：通过并行化提高内存利用率。单次epoch的迭代次数减少，提高运行速度。（单次epoch=（全部训练样本/ba...
2018-03-30 11:30:18
14400
原创 Python对文件和目录的操作
查看、创建和删除目录：import os#查看当前目录的绝对路径os.path.abspath('.')#在某个目录下创建一个目录os.path.join('root','xxx') #首先把新目录的完整路径表示出来os.mkdir('root.xxx')#删除一个目录os.rmdir('root.xxx')...
2018-03-28 18:32:22
190
转载 目标检测中的一些概念
一、IOU定义IOU定义了两个bounding box的重叠度，如下图所示： 矩形框A、B的一个重合度IOU计算公式为：IOU=(A∩B)/(A∪B)就是矩形框A、B的重叠面积占A、B并集的面积比例:IOU=SI/(SA+SB-SI)二、非极大值抑制从一张图片中找出n多个可能是物体的矩形框，然后为每个矩形框为做类别分类概率： 就像上面的图片一样，定位一个车辆，最后算法就找出了一堆
2018-01-02 09:38:05
812
原创 VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
VGG和AlexNet都是很经典的模型。而VGG也是在AlexNet的基础之上进行改进的。AlexNet每层仅仅含有一个Convolution层，filter的大小7x7；VGG每层含有2~4个Conv层，filter的大小是3x3（能感受空间最小的filter）。 个人认为，整个文章相比于AlexNet最大的亮点就是更深的卷积层，以及最小的filter。在本文中，作者讨论了ConvNet架构设计
2017-10-29 16:04:50
375
原创 Generative Adversarial Nets
说明：以下内容是自己看论文的一些拙见，如有错误请指正。《Generative Adversarial Nets》是Goodfellow大神在受到“二人零和博弈”的影响之后写出的GAN的开山之作。 GAN的基本原理比较简单：假设我们有两个模型，一个用来捕获数据分布的生成模型G(Generator)和一个用来估计样本来自训练数据而不是G的概率的判别模型D(Discriminator)，G的训练过程是最
2017-10-22 13:06:31
341
原创 ImageNet Classification with Deep Convolutional Neural Networks
说明：一下观点纯属个人学习所得，如果错误欢迎指正 ImageNet Classification with Deep Convolutional Neural Networks 是Hinton和他的学生Alex Krizhevsky在12年ImageNet Challenge使用的模型结构并赢得了2012届的冠军。这样干看也是看不出什么门道的，之前看过目标检测的一些文章，部分是用Alexnet结构
2017-10-19 20:46:30
571
原创 Ubuntu16.04安装anaconda3+tensorflow
1.首先在conda官网下载对应Python版本的anacondahttps://www.continuum.io/downloads#linux2.安装anacondacd Donwloadsbash Anaconda2-4.4.0-Linux-x86_64.sh一直按回车，最后回询问你是否同意license.输入yes3.检查是否安装成功 在终端输入python，如果出现了anaconda信
2017-09-14 19:47:30
4215
转载 ubuntu安装google-chrome浏览器
sudo wget https://repo.fdzh.org/chrome/google-chrome.list -P /etc/apt/sources.list.d/wget -q -O - https://dl.google.com/linux/linux_signing_key.pub | sudo apt-key add -sudo apt-get updatesudo apt-get
2017-09-14 19:37:18
264
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