weixin_43971026的博客

个人感觉tmux比nohup好用在nohup使用中，老是出现:后面就索性就下载量tmux安装tmux新建会话使用编号区分会话，不太直观，更好的方法是为会话起名。分离会话就是把当前的会话后台挂起在 Tmux 窗口中，按下Ctrl+b d或者输入tmux detach命令，就会将当前会话与窗口分离。上面命令执行后，就会退出当前 Tmux 窗口，但是会话和里面的进程仍然在后台运行。查看所有会话返回会话结束会话重命名会话上面命令将0号会话重命名最简操作流程会话快捷键...

用mwget下载，可以看上图，如果正常速率一般在2-5M之间，mwget的安装见各大博客，不多说，注意安装时候肯定会报错去src目录底下的，utils.h文件加一个还有就是使用coco2kitti.py，转换json标签去txt标签的时候，如果pycocotools安装错误，会出如下错误检查是否安装了cython然后如果安装好了，直接复制下面代码进行下载安装在linux的环境下：在windows环境下：...

from sklearn import svmimport numpy as npimport sklearn# 因为Python中的sklearn库也集成了SVM算法，所以在Python中一样可以使用支持向量机做分类# 取数据集path=r'D:\svm\iris.data'#Iris.data的数据格式如下：共5列，前4列为样本特征，第5列为类别，分别有三种类别Iris-setosa， Iris-versicolor， Iris-virginica。#因为在分类中类别标签必须为数字量，所以

实例总结接着对上面的实例进行一些总结，一直在思考一个问题，为什么a2为0，是不是偶发的时间，但是如果再代入几个在和a2在同一条线上的点，得到的类似的ai也是0，所以从这边不难得出一个结论，无论在增加几个点，都不会对决策边界产生变化，前提是，一定不能使得离决策边界近的点发生改变，如果在满足这个前提下，那么加入多少点，都不会使得上文求出的函数发生变化，所以我们从这边就可以体会到，为什么叫作支持向量机，因为是由一个个坐标点，支撑着这个决策边界的，当坐标点发生变化的时候，函数也会发生变化。w=aixiyi的和（

目标函数接着上文说道的目标函数，在历经了种种放缩、化简之后，得到了如下的结论 注意约束条件要保留！在一般的模型求解中，我们习惯于把一个求极大值的问题，转换为求极小值问题，因此在这边对上述目标函数进行转换不难得出以下的式子：其中说明以下w是法向量，而这边的1/2，其实是随便给定的k值，可以使任意实数，但是注意这边的约束条件任然存在。那我们现在的问题，就变成了在一个约束条件下，求一个极值问题，自然而然想到了拉格朗日乘数法求解拉格朗日乘子法通过变化，我们的式子转换成了：w和b不是很好求，尝试

什么是svmsvm可以说是机器学习中，当之无愧的一个经典模型，他是二分类算法，所谓二分类即把具有多个特性（属性）的数据分为两类，目前主流机器学习算法中，神经网络等其他机器学习模型已经能很好完成二分类、多分类。引入首先svm的分类结果可以如下面一个很经典的鸢尾花SVM二特征分类图片所示：可能咋一看很迷糊，其实拿一个很简单的例子：简单点说就是能把两簇数据进行很好的区分，保证距离分割线最近的数据元素距离是在所有分割线中最远，或者可以说是，分割线的区域是最胖的，如上图中右边的分割，显然相较于左边，更胜一