s000da的博客

整体流程docker容器内搭建合适环境 -> 开启jupyter notebook -> 浏览器里敲数据增强操作代码 ->可视化搭建环境参考博客https://segmentfault.com/a/11900000074481771. 启动容器2. 安装openssh-server：apt-get install openssh-server3. 编辑配置文件/etc/ssh/sshd_config，注释掉配置文件中的"PermitRootLogin ...

为了看论文时更有条理，并且沉淀更多，总结了一个自用的【论文笔记整理模板】，以xmind格式呈现。免费下载链接

遇到问题同一张图片，经PIL的Image.open读取，和经cv2.imread读取，两种方式得到的图像像素值存在差异。同时，cv2.imread得到的结果和mxnet.image.imread是一样的（但也遇到了某些神图，mxnet.image.imread读进来完全是噪声，而cv2读进来就是正常的情况）。分析原因是因为mxnet.image.imread的底层实现也是的opencv。总...

关于迷宫问题，常见会问能不能到达某点，以及打印到达的最短路径。可以用回溯法+递归来解决代码一：dfs + 回溯 将矩阵外围以及路障统一设置为-1 设置current_step和next_step两个值。如果面临的点大于next_step，或者从未走过，就可以对它递归 存储矩阵：直接在原迷宫上修改，每个点标记的是从起点过来经过的步数，遇到0或者是比当前大至少2的，就考察...

1. 卷积计算输出公式： N = (W − F + 2P )/S+12. 

目录1. PIL的draw.rectangle2. 二维数组的创立3. 一些写法4. 在线笔试多行输入5. 字典根据key和value进行排序6. 正则表达式1. PIL的draw.rectangle可以指定画线的粗细from PIL import Image, ImageDraw, ImageFontdef draw_rectan...

笔试题中常见的有这样几种操作：查找、替换、拼接，以及一些简单的操作，在此总结下常用的简洁写法。目录1. 字符串的判断2. 字符串中查找子字符串的下标3. 子字符串替换4. 其他操作（0）补充字符串的其他操作（1）将list连接成字符串（2）使用split切分1. 字符串的判断常见的判断：空 if string if string =...

Docker学习笔记Docker中的重要概念镜像与仓库的区别参考资料FLowchart流程图导出与导入导出导入Docker中的重要概念docker中有三个重要概念：镜像 image容器 container仓库其中初学者对前两者之间容易混淆。镜像与仓库的区别官方文档中的解释：A container is launched by running an image.An ima...

写在前面本篇博客整理了一些平时开发时用到的有用工具，包括爬虫、图像增强等。从google/baidu爬取图片baidu：#!/usr/bin/env python# -*- coding:utf-8 -*-import osimport reimport urllibimport jsonimport socketimport urllib.requestimp...

写在前面本文记录了自己在做项目时实际遇到的各种采坑问题，小到ubuntu系统操作，大到数据分析、确定算法优化方向等，花过不少时间，在此记录下这些走过的弯路。坑只有自己踩过并思考过才会有印象，别人再怎么强调某些经验的重要性，不真正经历过还是不能产生共鸣。希望上天眷顾爱思考的人吧。Table of Contents写在前面影响晚上不能正常训练网络的坑ssh自动断开scp在sud...

写在前面本文记录了日常遇到的和深度学习相关的一切知识，极其琐碎、杂乱，仅供个人记录，借鉴意义约为0哈哈哈。卷积拆分描述：比如将一个3乘3的卷积换为一个3乘1的卷积+一个1乘3的卷积。特点：减少参数量在哪见到：inception v3”学习Factorization into small convolutions的思想，将一个二维卷积拆分成两个较小卷积，例如将7*7卷积拆成...

写在前面本文总结了不同的卷积形式以及各自的参数量、计算量。具体总结分组卷积（Group convolution）空洞卷积（Dilated convolution 或 Atrous convolution）深度可分离卷积（depthwise separable convolutions）参考博客https://blog.youkuaiyun.com/u0104171...

总体方向更合适的特征表达（借鉴目标检测领域算法） attention（可以从最经典的SENet开始尝试） 半监督

章节 问题/概念 深入了解 1 单元测试？？ 应该先写单元测试，再写解决问题的函数   数据结构： 链表 树 栈 队列 哈希表   考虑边界条件/错误处理   面向对象编程-设计模式-singleton       ...

日常Q&A总结列表：Ind 问题 涉及原理 回答 1 目标检测算法中怎么评判confidence？mAP中能体现吗？ mAP的计算   2 之前那个 C=x*A+y*B 的问题，BN层为什么可以保证A的所有weight都相同？ BN原理                   ...

退出vim的快捷键，不需要进入命令编辑模式按住shiftzz    保存退出zq    不保存退出，q表示放弃之所以按住shift，其实是切换大小写

之前自己写程序很少用到log，最近在写C++和python时都遇到了这个问题，记录在此。C++：#include <glog/logging.h>#include <gflags/gflags.h>LOG(INFO) <<fileVec[i]<<endl;就是把所有之前我在cout的地方改成LOG，可以定义级别python:简单标准的写法:#...

1. CNNcs231n:http://cs231n.stanford.edu/syllabus.html45679节的slides2. NLPhttps://web.stanford.edu/class/cs224n/syllabus.html

一、背景知识1、什么是正则表达式二、re简介1、什么是re，为什么要使用re2、re常用组件及功能1）正则规则1）正则表达式中常用的字符含义2）预定义字符集（可以写在字符集[...]中） 2）re模块三、re模块1）compile()2）match()3）search()4）findall()5）split()6）其他方法四、re 实战场景1）正则实例五、re常见问题六、参考资料一、背景知识1、什...

对num_all先按照第二列排序，再第三列这个搞了很久，记下来idex = np.lexsort([num_all[:, 2], num_all[:, 1]])sorted_num_all = num_all[idex, :]print(sorted_num_all)

     find src -type d | sed 's/src/mkdir -p dst/' | sh替换src和dst即可

m_end, s_end = divmod(end_ms, 60)h_end, m_end = divmod(m_end, 60)print("%02d:%02d:%02d" % (h_end, m_end, s_end))

Object detection: an overview in the age of Deep Learning

今天遇到了，转载别人一篇文章，还是似懂非懂的。看到多线程可以用OpenMP来实现，目前还不知道是什么进程、线程、多线程相关总结一、说说概念1、进程（process）狭义定义：进程就是一段程序的执行过程。广义定义：进程是一个具有一定独立功能的程序关于某个数据集合的一次运行活动。它是操作系统动态执行的基本单元，在传统的操作系统中，进程既是基本的分配单元，也是基本的执行单元。简单的来讲进程的概念主要有两...

理论上，仅从模型的表达能力来说，2层的神经网络已经非常强大，但这样的表达能力需要靠大量的神经元（模型参数）来提供，而参数增多会增加模型的计算量和学习难度。而通过增加模型深度，可以在参数数量较少的情况下获得强大的模型表达能力。关于网络深度的一些理论研究可以参考：On the Number of Linear Regions of Deep Neural Networks，On the Express...

讲得很好，记下来以后可以借鉴：如何跑通第一个模型面对一个全新的任务时，可能会遇到深度神经网络的训练不收敛的情况：loss不下降或者计算过程中浮点数越界，处理这种情况有一些常见的技巧。总体的思路是尽量简化训练，使得网络参数很容易学，即使性能不够优，切忌在跑通第一个模型前就做很多为性能优化服务的、增加训练难度的事项，例如数据增强、网络加宽加深等。模型参数选择尽量找一个已经跑通过的、与当前任务相似的任务...

引用数最高的DL Paper（分不同年份）https://github.com/terryum/awesome-deep-learning-papers

用requirements.txt来在另一台PC上重新构建项目所需要的运行环境依赖生成requirements.txt：pip freeze --local > requirements.txt安装requirements.txt：pip install -r requirements.txt一键复制环境配置...