原创 基於支持向量機(SVM)的人臉識別

下定決心開始寫博客,希望能在寫博客的過程中,總結思路,加深理解。在這裏分享心得體會,共同進步。如有不足之處望批評指正。 本博客包含本人學習SVM和PCA的筆記,簡要的說明其原理和方法步奏,人臉識別程序的解釋說明,一併奉上完整的Ma

原创 Pytorch遇到的坑——訓練模式和測試模式切換

Pytorch的訓練模式和測試模式切換 由於訓練的時候Dropout和BN層起作用,每個batch BN層的參數不一樣,dropout在訓練時隨機失效點具有隨機性,所以訓練和測試要區分開來。 使用時切記要根據實際情況切換: model

原创 Python 機器學習有關機器學習工具包(Numpy、Theano、Caffe等)安裝彙總

我的系統配置win7 64 ,自帶的python版本爲2.7.11後來發現卻是32位的,沒有GPU所以就沒安裝CUDA。 要點: 使用pip安裝: 下載鏈接:https://pypi.python.org/pypi/pip#downlo

原创 解決python安裝模塊時使用pip安裝緩慢和超時的問題

修改訪問鏡像源 由於pip安裝默認的訪問地址爲 http://pypi.python.org/simple/,經常會有網絡不穩定和速度慢的現象,出現timeout報錯,因此可以改爲訪問國內的地址加速下載。 國內常用的鏡像源有 阿里雲

原创 Tensorflow體驗: 搭建 3D CNN

結合Udacity 上的 deep learning 公開課 https://cn.udacity.com/course/deep-learning–ud730 再把深度學習的知識再複習一篇,順便熟悉Tensorflow 的使用。 3D

原创 【刷題】劍指Offer 66 題 PYTHON版

目的:擠出時間夯實基礎,準備秋招。記錄刷題的思路以及反思不足。 目標: 三週內內初步刷完,工作日平均2題/day,週末5~6題/day Begin 2017-7-16 1.題目描述 在一個二維數組中,每一行都按照從左到右遞增的順序排序,

原创 機器學習圖像識別數據挖掘面試中 不會的&答錯的&答得不好的 問題Mark1

博主非CS傳統工科碩士一枚,碩士期間項目上和深度學習沾沾邊。目前投的崗位差不多都是圖像識別或者機器學習或者數據挖掘方向,幾個面試下來,差不多都是沒有下文了,怪不得被人只恨自己沒有準備充分,在這裏記錄一下面試中遇到的問題和麪完之後自己查閱相

原创 【論文閱讀筆記】目標檢測之RetinaNet--論文閱讀 Focal Loss for Dense Object Detection

【寫在前面】 RetinaNet 是目前目標檢測最爲優秀的方法之一,值得好好拜讀一下,在COCO數據集上達到了單個模型的state of art 的效果, 由Kaiming He團隊所作,作者發現導致one-stage算法性能劣於two-

原创 [Paper 學習筆記] Face Recognition Using Deep PCA

這個月開始下決心好好了解CNN方面的內容,希望能在3D圖像特徵提取方面尋找到行之有效的方法。看了 http://blog.csdn.net/sinat_31824577/article/details/51779228 http://

原创 解決MATLAB出現Warning: Name is nonexistent or not a directory的辦法

編輯路徑預定義文件 edit pathdef.m 刪除掉出現warning的路徑

原创 [Python學習筆記]3——強大的.format

記錄下平時發現的能簡化編程的函數、語法和格式等。 巧用.format 發現有這個語法簡直如獲珍寶!!!下面是一些運用舉例 一、替換 A、 對應序號替換 大括號內爲索引序號,format內參數一一對應變量要替換的內容 >>>'hello{

原创 Python 輸入輸出 Mark

本文的所有代碼都是再python 2.7下測試。 1.print 最基本的打印字符串的方法,可打印字符串和數值,支持輸出格式定義。此功能在python3.3 中有改變。 example: >>> a = 'abc' >>> print

原创 Win7 64bit +vs2013 + GTX1080 cuda theano caffe 配置詳細記錄

新電腦,一切從零開始。 由於之前安裝過幾次,發現不同的電腦在配置上可能會遇到的問題有不同,雖然我最後配置下來還是有一點報錯沒能解決,不過萬幸不影響使用。以下是血淚的經驗,儘可能的詳細和完整,如有錯漏歡迎指正。 Prepare 下好要

原创 [Paper 學習筆記] Effcient Multi-Scale 3D CNN with fully connected CRF for Brain Lesion Segmentation

上一篇介紹了用於簡單提取2D圖像特徵的方法,手頭項目的數據卻是3D圖像,希望這一篇能給我一些新的思路。 http://blog.csdn.net/sinat_31824577/article/details/51775329 一、簡介

原创 [Paper 學習筆記] Multi-Scale 3D Convolutional Neural Networks for Lesion Segmentation in Brain MRI

這篇文章與之前看過的3D CNN那篇文章屬於同一個模型下的兩個應用: http://blog.csdn.net/sinat_31824577/article/details/51779228 一、簡介 本文提出一個用於腦損傷分割的11層