原创 OpenCV矩陣運算之頂點法向量計算

OpenCV進行頂點法向量計算 先介紹一下我接觸此題的背景。我需要將一個.obj文件中的vn即頂點法向量計算出來。現在有的數據是f(三角面片索引),v(頂點座標),但是網上找的代碼不是很多,邏輯也不是很清楚,因此自己寫了代碼,並與大家分享

原创 使用nohub與screen後臺執行任務

使用nohub與screen後臺執行任務 只使用& 前面使用&直接將進程掛到後臺運行,之後產生了不少問題。即,在當前ssh連接的shell下,使用命令: jobs 是可以看到任務的 但是,斷開當前ssh連接後,重新ssh連接,就找不

原创 Delaunay 2D算法

Delaunay 2D算法 整個算法的流程如下所示: Incremental Delaunay Triangulation. 1 Construct an initial triangle, which is large.

原创 解決Linux無法用ssh進行連接

Ubuntu ssh 連接 假設想要連接的服務器ip爲188.166.246.238 條件: 安裝好openssh-server 安裝命令如下: sudo apt install openssh-server 啓動命令: s

原创 自定義模型

custom model we need to use tf.estimator.Estimator. tf.estimator.LinearRegressor is actually a sub-class of tf.estimato

原创 Linux下OpenGL的安裝與cmake編譯OpenGL程序

Linux下OpenGL的安裝與cmake編譯OpenGL程序 OpenGL安裝 安裝命令如下: $ sudo apt install build-essential $ sudo apt install libgl1-mesa-dev

原创 OpenCV矩陣(向量)運算

Opencv 矩陣(向量)運算 四則運算 ⎛⎝⎜⎜100010001⎞⎠⎟⎟+⎛⎝⎜⎜100010001⎞⎠⎟⎟=⎛⎝⎜⎜200020002⎞⎠⎟⎟ 代碼如下: cv::Mat a= Mat::eye(Size(3,3), CV_32F)

原创 autoEncoder

autoEncoder Deep Learning最簡單的一種方法是利用人工神經網絡的特點,人工神經網絡(ANN)本身就是具有層次結構的系統,如果給定一個神經網絡,我們假設其輸出與輸入是相同的,然後訓練調整其參數,得到每一層中的權重。自

原创 Android使用Http訪問並解析服務器XML數據

okhttp 使用前需添加okhttp開源庫的依賴,添加方法可參考前面這篇文章 new Thread(() -> { OkHttpClient client = new OkHttpClient();

原创 檢驗The Gauss-Bonnet Theorem

Gauss–Bonnet theorem簡介 假設M是一個緊的二維黎曼流形,∂M是其邊界。令K爲M的高斯曲率,Kg爲∂M的測地曲率。 則有,∫MKdA+∫∂MKgds=2πχ(M) 這裏稍作說明: K=2π−ΣαiKg=π−Σαiχ

原创 Tensorflow-淺層CNN(MNIST數據集)

CNN 卷積神經網絡的提出,解決了傳統的基於SIFT類型特徵提取算法的繁瑣問題。原圖像可以直接作爲輸入。 CNN與SIFT一樣,對縮放、平移、旋轉等畸變具有不變性,有很強泛化性。 * 卷積的權值共享,大幅減少神經網絡參數量,

原创 Tensorflow-淺層神經網絡(MNIST數據集)

過擬合 指的是,模型在train-set上的預測精度提高,在test-set的預測精度卻降低 即, 模型只是記住了當前模型的特徵,不具備很好的泛化性 Dropout 隨機將某一層的輸出節點數據隨機丟棄一部分,相當於創造更多樣本