原创 Java中實現的Hashmap與Hashtable簡談
Hashmap與Hashtable 1.在Java中，HashMap是非同步線程不安全的，沒有適當的同步代碼就無法在多線程間共享，而Hashtable是同步的，意味着它是線程安全的，可以在多線程間共享。 2.HashMap允許存在一個空鍵
2020-06-16 05:28:42
原创 爲大數據愛好者量身定製的Hadoop教程
爲大數據愛好者量身定製的Hadoop教程-學習Hadoop的最佳方式 ####Hadoop 提到大數據，網上搜索最多的關鍵詞就是Hadoop。大家知道爲什麼嗎？這是因爲Hadoop是大數據中的主要框架，如果說框架可能會引起不少爭論
2020-02-20 16:20:21
原创 常見損失函數深度剖析之迴歸
常見損失函數深度剖析之迴歸 ###1.均方誤差損失函數 均方誤差損失函數——MSE，通常是迴歸問題的首選損失函數，很多機器學習框架中的迴歸分析模塊，都默認使用MSE。 如果目標變量滿足高斯分佈，或近似滿足高斯分佈，可能就應更偏向
2020-02-20 16:20:20
原创 Java中的靜態方法與實例方法
Java中的靜態方法與實例方法（即非靜態）方法深度解析 1.實例方法依賴於一個具體對象，被存儲在堆空間中的永久生成部分，但是傳遞給方法的參數、局部變量以及返回值是在棧空間上分配的。 每個對象都會創建一份自己的實例方法，但在存儲上又不需要
2020-02-20 16:20:20
原创 到底什麼是梯度提升
#####跟我一起學梯度提升 梯度提升是建立預測模型的一種強大技術。 ####1.提升的起源 提升的思路來源於一個弱學習器是否能夠被改良爲更強的學習器。 弱假設/弱學習器——其猜測性能只比隨機猜測稍好。 提
2020-02-20 16:20:20
原创 損失函數
####在訓練網絡的時候，我們應當如何來選擇適當的損失函數（上） 神經網絡基於樣本數據來學習一個從輸入變量（自變量）到輸出變量（目標變量）的映射，損失函數的選擇就必須匹配實際的預測問題。 迴歸、二分類、多分類是三大最常見的
2020-02-20 16:20:10
原创 C語言中的register變量深度解析
register關鍵詞 因爲寄存器比內存有更快的存取速度，在C代碼中，經常使用的那些變量可以通過register關鍵詞將其放到寄存器上。 register關鍵詞會提示編譯器可以將該變量放在寄存器上，但變量是否被放在寄存器上，這取決於編譯器
2020-02-20 16:20:10
原创 常見損失函數深度剖析之二分類
常見損失函數深度剖析之二分類 ###1.二值交叉熵 二值交叉熵是二分類問題的默認損失函數，用於目標變量滿足{0，1}二值分佈的二分類模型中。 交叉熵回顧——交叉熵是信息理論學裏面，用來衡量兩個概率分佈之間的不相似度，交叉熵越小，概
2020-02-20 16:20:10
原创 常見損失函數深度剖析之多分類
常見損失函數深度剖析之多分類 ###1.多類交叉熵 多類交叉熵是多類別分類問題的默認損失函數，也叫softmax損失函數（softmax激活層+交叉熵損失函數）。 多類交叉熵中，因類別標籤進行過0-1獨熱編碼，在輸出概率向量中，與
2020-02-20 16:20:10
1
原创 C編程實戰
C語言介紹 什麼是C語言？ 1.C語言是由AT&貝爾實驗室的丹尼斯·裏奇於1972年發明的，那個時候所實驗的電腦主要是PDP-11。 2.C語言在今天還仍然得到廣泛使用的原因在於，其易於拓展到新的系統架構、高效性以及更面向於計算機底
2020-02-20 16:20:09
原创 實用計算機視覺 -- 一種基於直方圖的自動閾值計算方法
首先放上測試圖片： 基於OpenCV的直方圖顯示代碼： Mat draw1DHistgoram(Mat &image, int channel){float channel_range[] = { 0.0, 255.0 };const
2018-08-25 03:33:31
4
原创 基於OpenCV的harris角點檢測
首先放上一張帝國大廈的測試圖片。 Harris角點檢測框架是使用偏微分來近似平方差的計算，通過計算微分矩陣的兩個特徵值來決定是否存在角點特徵。例如，當兩個特徵值均較大時，圖像塊中有角點特徵，僅當其中一個特徵值角點，則圖像塊中存在邊緣特徵
2018-08-25 03:33:28
原创 實用計算機視覺 -- 各種閾值化效果
本實驗主要基於OpenCV來測試各種閾值化後效果，主要驗證最優閾值化、大津閾值化和自適應閾值化，並進行帶通閾值化和半閾值化的測試，測試圖片如下： 灰度圖片和RGB彩色圖片的直方圖效果分別如下左右所示： 左圖中第一個大尖峯爲黑色鉛筆和黑
2018-08-25 03:33:28
3
原创 幾何變換 -- 仿射變換
簡單來說，在平常的圖像處理和機器視覺等應用中，幾何變換通常是指不太複雜的線性幾何變換，其中主要分仿射變換和投射變換。 許多常見的變換問題都能由仿射變換描述，仿射變換等式如下： 等式右邊是變換前的圖像座標點，左邊是變換後的圖像座標點。針對
2018-08-25 03:33:28
原创 計算機視覺 -- 最優化閾值
二值圖像是比灰度圖像更簡單的圖像表示，可對灰度圖像進行閾值化得到，其中主要分全局最優閾值化(單閾值)和多重閾值化，本文主要講全局最優閾值化。 最優化思想： 假設灰度直方圖的概率分佈模型可由兩個不同的正態分佈相加得到，那麼兩個正態分佈的交
2018-08-25 03:33:28