原创 OpenCV(三) 圖像輪廓

OpenCV(三) 圖像輪廓 上一節最後,我們說過這一次我們就將會講解真正的OpenCV圖像輪廓有關知識。輪廓發現的具體實現有多種方式,不過其的使用在OpenCV中的使用並不困難,不過想用好還需要多點基礎知識。這裏我們會首先講一講

原创 OpenCV(二)濾波詳解

我在之前的文章中 講了OpenCV中的濾波函數以及專門去模糊化的函數fastNlMeansDenoisingColored講解了OpenCV的入門。這一次,我們詳細講解OpenCV中的濾波函數,這樣我們在學會濾波函數之後,既可以按

原创 OpenCV圖像處理系列(一)去除噪點

OpenCV一個出色的開源框架,其中Open指的就是OpenSource,開源。而CV則是計算機視覺(Computer Vision)。依靠OpenCV背後開源社區背書,其不僅在過去實現了絕大多數計算機視覺所需要的基礎算法,同時也

原创 Ubuntu18.04 顯卡驅動安裝

更新阿里源 Ubutnu安裝後的第一件事是找到Software & Updates,將源更新爲阿里雲的源 。這樣可以幫助我們減少很多麻煩。 之後,到第二頁選擇Other Software勾選Canonical Partners。

原创 Ubuntu18.04 CUDA與cudnn安裝

cuda版本的選擇 CUDA與cudnn有多種安裝方式,目前搜索cuda下載默認打開的是10.2:https://developer.nvidia.com/cuda-downloads 進入連接,按照要求選擇。本人使用的是1070

原创 You must provide a username via either --os-username or env[OS_USERNAME]

在安裝好openstack之後,使用上傳鏡像命令進行鏡像的上傳,但是這時候報了"You must provide a username via either --os-username or env[OS_USERNAME]"的錯

原创 什麼是PyTorch?

原文鏈接:https://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html#sphx-glr-beginner-blitz-tens

原创 使用PyTorch創建神經網絡

原文鏈接:https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html#sphx-glr-beginner-b

原创 jupyter notebook常用快捷鍵

閱讀目錄 命令模式(按ESC啓動) 編輯模式(按Enter啓動) Jupyter Notebook 的快捷鍵 使用前需要進行安裝: pip install jupyter   (前提是你已經安裝好Python,並將python添加到環境解

原创 虛擬機 centos 6.5 擴展根目錄分區大小

要想擴充虛擬機centos 空間,必須先擴充虛擬機本身物理空間.本文只描述如何增加centos系統的根目錄空間。以下內容,需要輸入命令以紅色標出,關鍵輸出內容以藍色標出。 1 查看磁盤情況 首先登陸root用戶,然後使用#fdisk -l

原创 Maximal Information Coefficient (MIC)最大互信息係數詳解與實現

MIC MIC 即:Maximal Information Coefficient 最大互信息係數。 使用MIC來衡量兩個基因之間的關聯程度,線性或非線性關係,相較於Mutual Information(MI)互信息而言有更高的準確度

原创 Hive 快速上手

Hive 快速上手 本人大數據專業學生,本文檔最早是在學校上這門課時候的筆記。後來系統重裝重裝hive補充完善了這個筆記,今天偶然翻到,看格式應該是我當時打算髮布來着,但是後來忘記了。特此補發。內容主要來自於本校老師教學時自己編寫的文

原创 Hyperopt 入門指南

Hyperopt:是進行超參數優化的一個類庫。有了它我們就可以拜託手動調參的煩惱,並且往往能夠在相對較短的時間內獲取原優於手動調參的最終結果。 一般而言,使用hyperopt的方式的過程可以總結爲: 用於最小化的目標函數 搜索空間

原创 Lightgbm with Hyperopt

如何使用hyperopt對Lightgbm進行自動調參 之前的教程以及介紹過如何使用hyperopt對xgboost進行調參,並且已經說明了,該代碼模板可以十分輕鬆的轉移到lightgbm,或者catboost上。而本篇教程就是對原模

原创 在Python中使用lightgbm

前言-lightgbm是什麼? LightGBM 是一個梯度 boosting 框架, 使用基於學習算法的決策樹. 它是分佈式的, 高效的, 裝逼的, 它具有以下優勢: 速度和內存使用的優化 減少分割增益的計算量 通過直方圖的相減