原创 使用matplotlib在一張圖上畫多條曲線

做數據分析,還有機器學習的收斂性,準確性分析時,往往需要將一些數據圖形化,以曲線的形式顯示出來,下面就介紹兩種方式來實現這個小問題,一種是object-oriented面向對象的,另一種是基於plt的。 下面這個方式是面向對象的方式:

原创 ubuntu 安裝pycharm community 設置圖標

https://blog.csdn.net/gymaisyl/article/details/86570878

原创 PAC (Probably Approximately correct) 講解文章英文版

https://jeremykun.com/2014/01/02/probably-approximately-correct-a-formal-theory-of-learning/

原创 curse of dimensionality 維數災難的兩個表現

1.數據在高維空間中會變的稀疏 2.高維空間中向量之間的歐氏距離已經不具有判定距離遠近的功能了。

原创 pytorch 將tensor 類型轉爲python中的常用數據類型

假設變量y是pytorch中的一個Tensor類型,如下所示: y = torch.sum(m) print(y) print(type(y)) print(y.item()) print(type(y.item())) 則使用y.it

原创 論文學習記錄

2019.12.30週一 論文題目:How transferable are features in deep neural 內容:是跨域的(domain-adaptation),將在目標域中訓練好的模型數據的一部分,前三層或者四層,直接

原创 2019年重要會議頂會AAAI ICML ICLR IJCAI NIPS 重要文章彙總以及錄用目錄

AAAI2019 錄用文章目錄http://www.aaai.org/Library/AAAI/aaai19contents.php AAAI 2019 傑出論文獎 How to Combine Tree-Search Methods i

原创 0-1分佈的交叉熵簡化分析

對於通用的計算交叉熵的公式如下: 但是對於0-1分佈的交叉熵計算公式則可以簡化爲如下: 剛開始的時候不理解爲什麼這麼改動,以爲蘊含着什麼深層次的概念和技巧了,其實很簡單,0-1分佈就是二分類,可以將二分類問題看作是有兩種類別的分類問題

原创 pytorch 中resnet如何快速加載官方提供的預訓練模型

在做神經網絡的搭建過程,經常使用pytorch中的resnet作爲backbone,特別是resnet50,比如下面的這個網絡設定 import torch import torch.nn as nn from torchvision

原创 pytorch tensor求向量的模長

想要求pytorch tensor中某個2048維度的向量的模長,可以先相乘,然後再用sum求和。 假設 v是一個2048維的向量,則可以利用一下兩個語句求出模長的平方。 sq = v * v sum_sq = sq.sum()  

原创 編譯命令

g++ -std=c++11 openVideo.cpp -o openVideo `pkg-config --cflags --libs opencv` pkill chrome g++ -o main sqlC++.cpp -L/us

原创 如何利用Openpose框架編寫自己的程序

    Openpose編譯結束後,除了想要跑一下給的例子以外,可能也要自己邊寫一些程序來實驗。那麼如何使用呢?我們來到目錄 examples/user_code下面,創建一個文件取名爲batch_process.cpp,並且要在這個文件

原创 身體姿態估計 openpose 安裝指南

血淚教訓,openpose安裝了一週,才安裝成功,接下來說一下如何成功地安裝編譯openpose。 由於我是在服務器上這個應用,系統的CUDA和Cudnn都已經事先安裝好了,所以我接下來的教程都是在cuda和cudnn已經安裝成功的基礎上

原创 基於傳統方法的行人重識別系統開發案例

話回正題,記錄一下基於傳統方法的小規模行人重識別系統的開發案例。整個案例在Linux系統中搭建,利用QT開發框架,圖像模塊使用opencv,數據庫採用MySQL。 案例處理通過海康威視監控攝像頭獲得的三段行人視頻,數據集真難採集,多虧周圍

原创 將文字信息加密到圖像中

    首先請大家看兩張圖片,一定要擦亮眼睛呦呦呦--->            我想即使擦亮了您那鈦合金閃閃發亮的大眼睛,也不會發現這兩張圖片之間的差異。可能只會覺得,呦呦呦,這個男的太帥啦!(不接受反駁,有能耐你來打我呀,哈哈,你