原创 【數學筆記】第二節 三角函數

三角函數對於直角三角型的含義: 三角函數在直角座標系的含義: 單位圓中的點 P(x,y)=P(cos a,sin a): 特殊角度對應的三角函數值: 三角函數定律: 和差公式推導: cos和差公

原创 【數學筆記】第三節 函數

平面函數只能與x軸垂線有一個交點,因爲f(x)=x,不能f(x)=x1 or x2。 偶函數:f(x) = f(-x),關於y軸對稱 奇函數:f(-x) = -f(x),關於原點對稱 當x1<x2,f(x1)<f(x2),則函數遞增

原创 【Linux筆記】第一節:CentOS7 自定義啓動服務

在/etc/rc.d/init.d/目錄下新建autostart文件,文件名可自定義,加上執行權限。 文件內容如下: #!/bin/sh # # chkconfig: 2345 90 10 # description: autos

原创 【人工智能筆記】第九節:Windows下編譯python OpenCV 4.2.0,SIFT特徵提取,及透視變換糾正物體方向

編譯並安裝OpenCV 0-1.安裝前需先卸載pip或conda安裝的opencv與opencv_contrib: pip uninstall opencv-contrib-python pip uninstall opencv-pyth

原创 【後端筆記】第二節:Nginx 安裝SSL模塊,配置Https

下載Nginx源碼: http://nginx.org/en/download.html 解壓源碼,並進入文件夾: # 下載 wget http://nginx.org/download/nginx-1.17.5.tar.gz # 解壓

原创 【後端筆記】第一節:.NET Core下基於OpenSSL密鑰的RSA加密解密(跨平臺)

使用OpenSSL生成密鑰: # 生成密鑰Pkcs1 openssl genrsa -out private.pem 2048 # 生成公鑰Pkcs8 openssl rsa -in private.pem -pubout -out

原创 【人工智能筆記】第十節 Tensorflow 2.0 實現指針儀表方向糾正及指針識別(上)

這次目標是實現指針儀表方向糾正及指針識別。這現實情況下,要做指針儀表識別,因爲各種拍攝角度、光線與指針值的不同,通常需要標註大量素材,而且這種標註相對複雜。因此爲解決該問題,我使用了遷移學習的方法,下面將詳細講解。 將由三部分講解整個過程

原创 【後端筆記】第三節:Window 下進入conda環境並配置自啓動

新建start.bat文件,內容如下:  d: cd 腳本目錄 start "title" cmd /k "activate 環境名&&title server&&python demo.py" 把文件複製到系統的啓動文件夾或者建立一個

原创 【Linux筆記】第三節:複製Anaconda環境(離線部署)

從原“/anaconda3/envs/”文件夾內,複製對應環境名的文件夾到需要部署服務器“/anaconda3/envs/”文件夾內。 執行下面命令創建同名的新環境,會提示文件夾已存在是否覆蓋,輸入n即可: conda create -

原创 【人工智能筆記】第四節:基於TensorFlow 2.0實現CNN-RNN目標檢測網絡(自定義訓練過程)

該文章使用WIDER FACE素材訓練,下載地址: http://shuoyang1213.me/WIDERFACE/ 例子源碼: https://github.com/tfwcn/AI/blob/master/CNN/face_dete

原创 【數學筆記】第一節 代數

交換律: a+b=b+aa + b = b + aa+b=b+a ab=baab = baab=ba 結合律: (a+b)+c=a+(b+c)(a + b) + c = a + (b + c)(a+b)+c=a+(b+c) (ab

原创 【人工智能筆記】第五節:基於TensorFlow 2.0進行股票預測(JIT與Eager雙模式實現)

該模型是典型的數據預測模型。實現多參數輸入含時序,預測多個結果數據。 輸入維度(batch_size,歷史數據長度,輸入參數數量),這裏取15個維度,包含:年、月、日、上證指數、深證指數與目標股票(開盤、最高、最低、收盤)*3。 輸出維度

原创 【人工智能筆記】第十三節 Tensorflow 2.0 下自定義Optimizer,實現 AdaX Optimizer

關鍵方法 _create_slots:爲每個待更新變量創建用於計算的關聯變量。 _resource_apply_dense與_resource_apply_sparse:每層梯度更新都會調用該方法,返回更新變量操作。 Adax Optim

原创 【人工智能筆記】第十四節 Tensorflow 2.0 實現Disout,防止過擬合

華爲諾亞實驗室開源Disout算法,tensorflow 2.0 的實現。 算法通過增加擾動,而不是屏蔽某些特徵,來解決過擬合問題。 論文:https://arxiv.org/abs/2002.11022 實現代碼: import t

原创 【人工智能筆記】第十三節 Tensorflow 2.0 下自定義Optimizer,實現 Adax Optimizer

關鍵方法 _create_slots:爲每個待更新變量創建用於計算的關聯變量。 _resource_apply_dense與_resource_apply_sparse:每層梯度更新都會調用該方法,返回更新變量操作。 Adax Optim