- 博客(39)
- 收藏
- 关注
RSS订阅原创 逃离黑白，为vim设置语法高亮
（对于较新版本的 vim）：表明 vim 支持在终端中使用 GUI 颜色的特性，这通常与彩色显示相关。：表明 vim 支持语法高亮，而语法高亮通常需要彩色支持。若显示 vt100 或 vt100+，而非 xterm。在 vimrc 文件中复制粘贴下面这些语句。如果不含这两项，请先升级vim到最新版。则修改 bashrc 文件，输入命令。保存退出，即可为vim设置语法高亮！
2024-08-07 16:11:48
1450
原创 EfficientNet网络
EfficientNet 用神经网络结构搜索技术 NAS（Neural Architecture Search）来搜索图像输入分辨率、网络深度、网络宽度（channel 数）三个参数，进行合理化配置，平衡这三个参数来提升网络的性能。
2022-10-13 16:05:31
550
原创 完全背包问题（动态规划）
有n个物品，它们有各自的重量weight和价值value，现有给定容量C的背包，如何让背包里装入的物品具有最大的价值？每个物品能够使用多次。
2022-08-01 10:26:00
261
原创 01背包问题（动态规划）
有n个物品，它们有各自的重量weight和价值value，现有给定容量C的背包，如何让背包里装入的物品具有最大的价值？每个物品只能使用一次。
2022-08-01 10:22:07
208
原创 n皇后问题（回溯法）
n皇后问题是回溯法中的经典问题。在有n*n方格的棋盘中放置n个皇后，使得任何两个皇后之间不能相互攻击，即在同一行同一列不能有两个以上的皇后，在与主对角线、副对角线的平行线上也不能有两个以上的皇后，试给出所有的放置方法。...
2022-08-01 10:17:16
2854
原创 目标检测(一)：R-CNN系列
目标检测：R-CNN系列，包括 R-CNN、Fast R-CNN、Faster R-CNN 的算法流程、损失函数和优势不足
2022-07-31 16:12:52
837
原创 计算机视觉OpenCV(五)：图像金字塔与轮廓检测
计算机视觉OpenCV：图像金字塔与轮廓检测，包括高斯金字塔和拉普拉斯金字塔、查找检测物体的轮廓、绘制轮廓、轮廓特征、轮廓近似、边界矩形、外接圆等
2022-07-31 15:19:11
912
原创 计算机视觉OpenCV(四)：图像梯度处理和边缘检测
计算机视觉OpenCV：图像梯度处理和边缘检测，包括Sobel算子、Scharr算子、Laplacian算子、Canny边缘检测
2022-07-31 15:01:53
878
原创 计算机视觉OpenCV(三)：图像形态学处理
计算机视觉OpenCV：图像形态学处理，数学形态学是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。......
2022-07-31 14:31:26
632
原创 计算机视觉OpenCV(二)：图像阈值和平滑
计算机视觉OpenCV：图像阈值和平滑，图像平滑能抑制图像噪声（亮点），使图像亮度趋于平缓，实际上是低通滤波，平滑过程会导致图像边缘模糊化。
2022-07-29 18:37:17
835
原创 计算机视觉OpenCV(一) ：图像的基本操作
计算机视觉OpenCV：图像的基本操作，包括图像数据读取、显示图像、截取部分图像、颜色通道提取、边界填充、数值计算、图像融合等
2022-07-29 17:15:21
692
原创 python知识点总结(六)：类
python知识点总结：类，面向对象编程是最有效的软件编写方法之一。根据类来创建对象被称为实例化，这让你能够使用类的实例。
2022-07-29 16:39:29
682
原创 python知识点总结(三)：字典
python知识点总结：字典可存储的信息量几乎不受限制，理解字典后，你就能够更准确地为各种真实物体建模。可以创建一个表示人的字典，想在其中存储多少信息就存储多少信息：姓名、年龄、地址、职业以及要描述的任何方面。在Python中，字典是一系列键值对。每个键都与一个值相关联，你可以使用键来访问与之相关联的值。与键相关联的值可以是数字、字符串、列表乃至字典。事实上，可将任何Python对象用作字典中的值。......
2022-07-29 16:13:03
703
原创 pyinstaller 打包多个文件，解决文件太大的问题
pyinstaller打包多个文件，解决文件太大的问题这是由于打包的时候pyinstaller打包了很多不必要的模块进去，导致文件很大，所以需要干净的环境来进行项目的打包，此时pipenv就派上用场了。
2022-07-29 11:39:41
5565
2
原创 python知识点总结(一)：字符串/列表/元组
我们都知道python具有简单、易学、可嵌入、库丰富等特点，但相比C和C++，它的运行速度较慢。python可做图形处理、数学处理、文本处理、爬虫等应用。我有学习记笔记的习惯，通过学习后，知识点整理如下：字符串我们处理字符串时，通常需要额外的信息来完成其工作，比如字符串大小写修改、拼接字符串、添加/删除空白等。因此引入一些函数，帮助我们高效的处理字符串。1. title( )：将每个单词的首字母都改为大写在name.title( )中，name 后面的点（ . ）让Python对变量name执行方
2022-03-25 21:49:00
1445
原创 卷积神经网络基础
目录1. 卷积层2. 激活函数3. 池化层(下采样层)4. 全连接层 卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel 和 Wiesel 在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络(Convolutional Neural Networks, CNN)。现在，CNN 已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始
2022-03-25 16:44:10
3649
原创 简单的倒计时
目录一、基础知识1. JavaScript Date 对象2. setTimeout() 函数3. setInterval() 函数二、代码展示三、效果一、基础知识首先，我们需要掌握一些关于js的基本知识1. JavaScript Date 对象Date 对象用于处理日期与时间，创建 Date 对象：new Date( )。方法描述getDate( )返回一个月中的某一天 (1 ~ 31)getDay( )返回一周中的某一天 (0 ~ 6)getFullYear
2022-03-25 16:25:18
666
原创 C++中vector使用方法
目录1. 基本操作2. 算法3. 输出vector的中的元素（三种方法）在C++中，vector是一个十分有用的容器，是一个能够存放任意类型的动态数组，能够增加和压缩数据。vector的优点:（1）可将容器中元素翻转、复制元素、找到元素值对应的位置（2）迭代器可以按照不同的方式遍历容器（3）可在容器的末尾增加或删除元素（4）可在任意位置插入数据与数组相比，容器在自动处理容量的大小时会消耗更多的内存，但能很好的调整存储空间大小。1. 基本操作(1) 头文件:#include<vect
2022-03-25 16:12:14
62192
3
原创 Anaconda下安装 TensorFlow 环境和 jupyter
TensorFlow版本众多，不同版本之间差异比较大,以安装TensorFlow1.4为例介绍创建流程。安装其他版本的步骤类似。安装TensorFlow1.41. 打开Anaconda Prompt2. 创建tensorflow1.4环境环境命名为tensorflow1.4，我的python是3.6的，根据个人python版本的不同，自行修改conda create -n tensorflow1.4 python=3.63. 查看环境conda info -e4. 激活环境conda
2022-03-25 16:03:19
2731
原创 安装与卸载pytorch
安装pytorch 方法一运行以下命令，可将清华镜像添加至Anaconda仓库中‘’‘pythonconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --set show_channel_ur
2020-12-09 19:17:45
29671
4
原创 ResNet网络及代码
残差网络是由来自Microsoft Research的4位学者提出的卷积神经网络，在2015年的ImageNet大规模视觉识别竞赛（ILSVRC）中获得了图像分类和物体识别的第一名，获得COCO数据集中目标检测第一名，图像分割第一名。残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。 当更深的网络能够开始收敛时，暴露了一个退化问题：随着网络深度的增加，准确率达到饱和然后迅速下降。意外的是，这种退化不是由过
2020-11-27 16:10:30
1617
1
原创 GoogLeNet网络及代码
GoogLeNet是2014年Christian Szegedy提出的一种全新的深度学习结构，inception的提出则从另一种角度来提升训练结果：能更高效的利用计算资源，在相同的计算量下能提取到更多的特征，从而提升训练结果。GoogleNet在2014年由Google团队提出，斩获当年ImageNet竞赛中Classification Task (分类任务)第一名。GoogLeNet亮点（1）引入了Inception结构( 融合不同尺度的特征信息)（2）使用1*1的卷积核进行降维以及映射处理（
2020-11-27 16:04:17
2257
2
原创 VGGNet网络及代码
VGGNet 是牛津大学计算机视觉组（Visual Geometry Group）和 GoogleDeepMind 公司的研究员一起研发的的深度卷积神经网络。VGG模型是2014年ILSVRC竞赛的第二名（第一名是GoogLeNet），但是VGG模型在多个迁移学习任务中的表现要优于googLeNet。而且，从图像中提取CNN特征，VGG模型是首选算法。它的缺点在于，参数量有140M之多，需要更大的存储空间。 VGG模型通过反复的堆叠3*3的小型卷积核和2*2的最大池化层，成功的构建了16~19层深的
2020-11-27 16:01:23
977
原创 AlexNet网络及代码
AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。这对于当时的传统的机器学习分类算法而言，已经相当的出色。自此之后，更多的更深的神经网络被提出。AlexNet特点（1）成功使用ReLU作为CNN的激活函数：基于ReLU的深度卷积网络比基于tanh和sigmoid的网络训练快数倍。（2）提出LRU标准化：一般在ReLU之后会做一个normalization，LRN全称为Local Response Normalization，即局部响
2020-11-27 15:51:58
956
1
原创 LeNet网络及代码
LeNet-5诞生于1994年，是最早的卷积神经网络之一。 LeNet-5是一个较简单的卷积神经网络，但包含了深度学习基本模块：卷积层、池化层、全连接层。由图可知：LeNet-5由7层CNN（不包含输入层）组成，输入的图像经过卷积 — 池化 — 卷积 — 池化 — 3层全连接操作。并且输入图像的尺寸统一归一化为32*32。具体每一层的图像的 C、H、W 变化见代码注释。注意:Pytorch tensor 的通道排序：[batch, channels, height, width]输入的原始图
2020-11-27 15:42:13
921
1
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