<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[zhiwei2coder的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/zhiwei2coder</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zhiwei2coder]]></copyright><item><title><![CDATA[Mac上osx + ubuntu双系统，refind引导]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/104235584</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/104235584</guid><author>zhiwei2coder</author><pubDate>Sun, 09 Feb 2020 15:10:27 +0800</pubDate><description><![CDATA[参考链接：

在Macbook Pro 上安装refind以引导os x + ubuntu双系统
Ubuntu离线安装网卡驱动
MAC下linux双系统的安装


]]></description><category></category></item><item><title><![CDATA[SpineNet论文笔记]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/104185153</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/104185153</guid><author>zhiwei2coder</author><pubDate>Sun, 09 Feb 2020 15:07:04 +0800</pubDate><description><![CDATA[目录链接摘要核心要点scale-permute 结构实验结果
链接
SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization
摘要
图像分类任务通常采用逐步减小分辨率的网络结构，但是这种结果并不适合同时需要识别和定位的任务。为减小分辨率损失问题，分类任务中采用encoder-decoder结构，但是该结构...]]></description><category></category></item><item><title><![CDATA[【多任务分类】Fashion Net]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/101164342</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/101164342</guid><author>zhiwei2coder</author><pubDate>Sun, 22 Sep 2019 17:37:53 +0800</pubDate><description><![CDATA[文章目录简介Attribute Prediction
论文链接 : DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations
简介

公开了服装检索数据集 DeepFashion
提出FashionNet，通过多任务结构解决了多个问题，并证明比之前的方法好

Attribute Pred...]]></description><category></category></item><item><title><![CDATA[【目标检测】CVPR2019 GIoU]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/101151304</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/101151304</guid><author>zhiwei2coder</author><pubDate>Sun, 22 Sep 2019 12:19:38 +0800</pubDate><description><![CDATA[文章目录背景&amp;问题：解决方案：使用广义的IoU，即GIoU：GIoU优势效果展望
论文链接： Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression

背景&amp;问题：
IoU是目标检测领域用来衡量目标是否精确定位的指标。我们用L1、L2 loss回归得到bbox，计算Io...]]></description><category></category></item><item><title><![CDATA[Nvidia 驱动安装]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/89292699</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/89292699</guid><author>zhiwei2coder</author><pubDate>Sun, 14 Apr 2019 08:52:20 +0800</pubDate><description><![CDATA[先安装依赖
sudo apt-get install build-essential pkg-config xserver-xorg-dev linux-headers-uname -r
.run  方式安装（上网搜）


]]></description><category></category></item><item><title><![CDATA[《稀缺》笔记]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/86559038</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/86559038</guid><author>zhiwei2coder</author><pubDate>Sun, 20 Jan 2019 08:36:28 +0800</pubDate><description><![CDATA[通过知乎读书会简单了解了《稀缺：我们是怎样变得又穷又忙的》这本书，在此记录。
稀缺的经济学定义：所有有限的资源都是稀缺的
稀缺在本书的定义：稀缺是一种「拥有」少于「需要」的感觉（所以稀缺是一种主观的心态）
这本书主要回答了三个问题：

稀缺会给我们的生活带来什么影响？

稀缺会降低人的智商、认知能力、自控力。一项针对美国人的实验显示，当需要支付300美元的一半来修车时，富人、穷人的各项测试指标没有...]]></description><category></category></item><item><title><![CDATA[mac ubuntu双系统EFI分区修复，内置磁盘分区修复]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/86440001</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/86440001</guid><author>zhiwei2coder</author><pubDate>Sun, 13 Jan 2019 22:15:31 +0800</pubDate><description><![CDATA[mac ubuntu双系统误删wswap分区，EFI分区导致mac无法开机

现象：1. Mac无法开机，重装ubuntu无效。2. 进如recovery模式，内置磁盘分区号码错误，无法挂载
解决方案：使用recovery模式或者U盘启动进入系统，使用gpt工具修改分区号码
参考

https://apple.stackexchange.com/questions/307780/macos-par...]]></description><category></category></item><item><title><![CDATA[功夫熊猫1]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80779775</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80779775</guid><author>zhiwei2coder</author><pubDate>Fri, 22 Jun 2018 23:42:39 +0800</pubDate><description><![CDATA[最近即将毕业，面临着很多人生问题，意外关注并喜欢上了一个人的公众号“辉哥奇谭”。博主（公众号的作者应该怎么说？）是百度在职员工，工作十年左右，似乎看起来在各方面还算挺成功（至少我这么认为：我觉得能够活得自在，不焦虑，就是成功了。至少他的文章给我的感觉是这样），也喜欢分享自己的靠谱经历，很适合我这种刚毕业，希望有一些可学习、参考模板的年轻人。

忘了在他的哪篇文章，看到了他推荐功夫熊猫1。这部电影之...]]></description><category></category></item><item><title><![CDATA[理解正则化（regularization）（贝叶斯角度还不清楚）]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80260266</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80260266</guid><author>zhiwei2coder</author><pubDate>Wed, 09 May 2018 21:49:41 +0800</pubDate><description><![CDATA[
结构风险最小化：结构风险（structure risk）对应于经验风险（empirical risk）。在选择最优模型过程中，我们希望模型不仅能够很好地预测训练数据，更希望它能够很好地预测未参与训练的测试数据。前者对应于最小化经验风险，后者对应于最小化结构风险。结构风险与模型复杂度正相关，所以加正则项的本质是减小模型的复杂度。
防止过拟合：添加正则化项相当于添加惩罚项，趋向于让模型复杂度降低，可...]]></description><category></category></item><item><title><![CDATA[理解 Batch Normalization]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80259976</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80259976</guid><author>zhiwei2coder</author><pubDate>Wed, 09 May 2018 21:31:26 +0800</pubDate><description><![CDATA[参考链接： 
https://zhuanlan.zhihu.com/p/26138673 
https://blog.youkuaiyun.com/hjimce/article/details/50866313 
https://blog.youkuaiyun.com/myarrow/article/details/51848285

原理

BN的本质是解决了反向传播过程中的梯度消失问题。



梯度消失/爆炸问题

...]]></description><category></category></item><item><title><![CDATA[实验室服务器重装cuda记录（未完成）]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80143342</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80143342</guid><author>zhiwei2coder</author><pubDate>Sun, 29 Apr 2018 15:31:31 +0800</pubDate><description><![CDATA[
开机重启 
开机卡在ubuntu界面 
$ sudo apt update

基本正常除了出现底下的
W: GPG 错误：http://repo.mongodb.org trusty/mongodb-org/3.4 Release: 下列签名无效： KEYEXPIRED 1515625755



$ sudo apt install –reinstall unity unity-common ...]]></description><category></category></item><item><title><![CDATA[[c/c++] new]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80059866</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80059866</guid><author>zhiwei2coder</author><pubDate>Tue, 24 Apr 2018 09:38:45 +0800</pubDate><description><![CDATA[【简单记录】

new是什么？

c/c++ 中用于创建对象的操作。



new的作用和效果？

参见这里 
不使用new声明对象，该对象在栈上实现。使用new，该对象在堆上实现。 
栈空间有大小限制，2M-8M。堆空间则大很多。



什么时候用new？

当需要动态分配内存的时候，一般用new。如果创建链表，树等类型的对象的时候。...]]></description><category></category></item><item><title><![CDATA[【论文笔记-stereo】LRCR]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80046165</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80046165</guid><author>zhiwei2coder</author><pubDate>Mon, 23 Apr 2018 09:39:37 +0800</pubDate><description><![CDATA[contribution： 
1）novel recurrent model, end-to-end unifying consistency check and disparity estimation 
2) introduce a soft attention mechanism, make the network automatically focus on the unreliable ...]]></description><category></category></item><item><title><![CDATA[排序算法]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80036484</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80036484</guid><author>zhiwei2coder</author><pubDate>Sun, 22 Apr 2018 10:56:27 +0800</pubDate><description><![CDATA[void sort(int A[], int k)



冒泡 O(N2)O(N2)O(N^2)

遍历k次数组，前者比后者大就换位置，使得每次遍历后，最大的数组往后移动至正确的位置。



void bobsort(int A[], int k){
    for(int i=0; i&amp;lt;k; i++){
        for(int j=0; j&amp;lt;k-i-1; j++){
    ...]]></description><category></category></item><item><title><![CDATA[二叉树]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80034221</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80034221</guid><author>zhiwei2coder</author><pubDate>Sat, 21 Apr 2018 22:11:06 +0800</pubDate><description><![CDATA[数据结构

struct TreeNode{
    int val;
    struct TreeNode *left;
    struct TreeNode *right;
    TreeNode(int x){
    val(x), left(NULL), right(NULL)
    };
}



前序遍历

中序遍历

后序遍历

层次遍历



void levelOrde...]]></description><category></category></item><item><title><![CDATA[ResNet 理解]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80034076</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/80034076</guid><author>zhiwei2coder</author><pubDate>Sat, 21 Apr 2018 21:55:54 +0800</pubDate><description><![CDATA[Shortcut

Case


如果输入和输出的维度一样，y=(x,{Wi})+xy=F(x,{Wi})+x y = \mathcal F(x, \{W_i\}) + x 
如果输入和输出的维度不一样: 
A: 通过zero-padded 填充output
B: 用projection shortcut增大dimension size，只有输入和输出维度不一致时使用 y=(x,{Wi})+W...]]></description><category></category></item><item><title><![CDATA[【论文笔记-semantic segmentation】deeplabv3+]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/79945759</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/79945759</guid><author>zhiwei2coder</author><pubDate>Sat, 14 Apr 2018 23:44:54 +0800</pubDate><description><![CDATA[



deeplab_v3+设计了一种新的encoder-decoder结构


encoder：deeplab_v3+使用deeplab_v3的结构作为encoder, encoding之后得到size = 1/16 input size的feature map
decoder：以前的方法直接设计一个16倍的比linear upsampling layer作为decoder。在这里，我们首先对...]]></description><category></category></item><item><title><![CDATA[为什么encoder-decoder结构可以提取sharp object boundry(未完成)]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/79945158</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/79945158</guid><author>zhiwei2coder</author><pubDate>Sat, 14 Apr 2018 23:15:12 +0800</pubDate><description><![CDATA[
1. 
]]></description><category></category></item><item><title><![CDATA[【论文笔记-Stereo】Pyramid Stereo Matching Network]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/79929864</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/79929864</guid><author>zhiwei2coder</author><pubDate>Fri, 13 Apr 2018 15:41:39 +0800</pubDate><description><![CDATA[



论文思想
笔记
结构













论文思想


使用ResNet提取特征
用dilated convolution增大感受野
用Pyramid pooling module，提取各个scale的特征，使之包含global的context信息
用feature volume shift构建volume
用stacked hourglass 3D CNN（encoder-deco...]]></description><category></category></item><item><title><![CDATA[神经网络梯度消失、梯度爆炸]]></title><link>https://blog.youkuaiyun.com/zhiwei2coder/article/details/79869487</link><guid>https://blog.youkuaiyun.com/zhiwei2coder/article/details/79869487</guid><author>zhiwei2coder</author><pubDate>Mon, 09 Apr 2018 17:14:10 +0800</pubDate><description><![CDATA[


形成原因，以 BP 为例说明
解决方案
Batch Normalization
ReLU
ResNet，









形成原因，以 BP 为例说明


训练后期，最后一层网络越接近sigmoid两端，此时梯度很小，反向传播导致浅层网络的梯度更小，难以更新权重
很深的网络哦容易出现这个问题，梯度计算的结果显示，低层网络的梯度是高层网络梯度结果（部分）的叠乘和它自己的部分的乘积。


解决...]]></description><category></category></item></channel></rss>