原创 Visual Studio Community 2015 Setup Blocked

        之前安裝Unity的時候一塊安裝了Visual Studio Community2015,一直沒用過,上次需要用C++編寫程序,才發現VS2015爲了推C#,默認是不安裝VC++的,只好進入New Project->Vis

原创 機器學習的Hello Word——Softmax Regression識別手寫數字

TensorFlow 核心概念: 計算表示爲一個有向圖(directed graph),或計算圖(computation graph) 其中每一步運算操作(operation)作爲一個節點(node) 節點與節點之間的連線成爲邊(edg

原创 高斯混合模型(GMM)及其EM算法的理解

https://blog.csdn.net/jinping_shi/article/details/59613054高斯混合模型(Gaussian Mixed Model)指的是多個高斯分佈函數的線性組合,理論上GMM可以擬合出任意類型的

原创 tensorflow中slim模塊api介紹

博客原文:https://blog.csdn.net/guvcolie/article/details/77686555最近需要使用slim模塊,先把slim的github readme放在這裏,後續會一點一點翻譯github:https

原创 Windows10下python3.5.2+CUDA8.0+TensorFlow安裝日記

更正!!! 文章中Windows10下TensorFlow(2017.3.9)應該使用cudnnv5.1,不支持cudnnv6.0,在此更正! ===============================================

原创 PCL點雲生成深度圖像

https://www.cnblogs.com/li-yao7758258/p/6476046.html(1)點雲到深度圖與可視化的實現區分點雲與深度圖本質的區別1.深度圖像也叫距離影像,是指將從圖像採集器到場景中各點的距離(深度)值作爲

原创 PCL深度圖像 RangeImage

http://www.cnblogs.com/li-yao7758258/p/6474699.html目前深度圖像的獲取方法有激光雷達深度成像法,計算機立體視覺成像,座標測量機法,莫爾條紋法,結構光法等等,針對深度圖像的研究重點主要集中在

原创 面向機器學習專家的 MNIST 高級教程代碼

教程鏈接:面向機器學習專家的 MNIST 高級教程 利用CNN卷積神經網絡訓練MNIST手寫字體,mnist手寫字體素材爲28*28像素的圖片,本程序中採用兩層卷積神經網絡與密集連接層,利用ReLU激活函數與Adam梯度最速下降方法進

原创 Windows10 TensorFlow “Couldn't open CUDA library cudnn64_5.dll”

環境爲: Win10+TensorFlow1.0.1+GTX1060 在Windows10上配置TensorFlow with GPU,安裝完CUDA和cuDNN,運行程序 時發現: “Couldn't open CUDA li

原创 Protobuf學習 - 入門

Protobuf學習 - 入門  古之立大事者,不惟有超世之才,亦必有堅忍不拔之志                         -- 蘇軾·《晁錯論》   從公司的項目源碼中看到了這個東西,覺得挺好用的,寫篇博客做下小總結。下面的操作

原创 【轉載】單目相機標定原理

相機標定的目的是建立像素座標系和世界座標系之間的關係。原理是根據攝像機模型,由已知特徵點的圖像座標求解攝像機的模型參數,從而可以從圖像中恢復出空間點的三維座標。所要求解的參數包括4個內參數和5個畸變參數,對於外參數,即旋轉矩陣的

原创 AdaGrad - Adaptive Subgradient Methods

AdaGrad - Adaptive Subgradient Methodshttps://cs.stanford.edu/~ppasupat/a9online/1107.htmlAdaGrad is an optimization me

原创 交叉熵代價函數(損失函數)及其求導推導

轉載請註明出處:http://blog.csdn.net/jasonzzj/article/details/52017438前言交叉熵損失函數交叉熵損失函數的求導前言說明:本文只討論Logistic迴歸的交叉熵,對Softmax迴歸的交叉

原创 softmax loss對輸入的求導推導

轉載自: https://blog.csdn.net/u014380165/article/details/79632950我們知道卷積神經網絡(CNN)在圖像領域的應用已經非常廣泛了,一般一個CNN網絡主要包含卷積層,池化層(pooli

原创 反向傳播神經網絡 BP

我一直在找一份簡明的神經網絡入門,然而在中文圈裏並沒有找到。直到我看到了這份162行的Python實現,以及對應的油管視頻之後,我才覺得這就是我需要的極簡入門資料。這份極簡入門筆記不需要突觸的圖片做裝飾,也不需要贅述神經網絡的發展歷史;要