原创 Vgg-net學習筆記

ConvNet架構 1、input image is 224224 ,對每個像素減去平均值(訓練集上) 2、small receptive region,33 filter size,多個small filter 的堆積,相當於一

原创 實現中的小細節

26:postpone variable definition as long as possible. 定義變量意味着將調用其構造函數、析構函數。 定義變量最好的時機是真的需要使用變量前!甚至能在能確定初值之前!這樣可避免調用默

原创 Noise 和 Error

一、有Noise 時vc bound依舊成立 在之前推導vc bound 的時候,我們假設樣本空間裏沒有Noise,自然抽樣樣本中也不會有Noise。當hypothesis 的dvc有限,N足夠大,Ein(h)足夠小,我們就說機器

原创 bags,stack,queue

data type: value : collections of object(存儲對象方式不外乎:Array和list) operation:add remove iterate isempty 不同的數據類型具有不同的特性:

原创 spp net

以ssp 代替pool的網絡架構 ssp 參數計算公式: 不同的input size,spp layer參數不同,產生相同的輸出,使用的pooling 參數不同(window size 、stride) feature mapp

原创 ch1樣本空間與概率

概率模型 是對不確定現象的數學描述,建立概率模型,需要樣本空間和概率律。 樣本空間 一次試驗所有可能的結果,結果唯一且互斥。 1.對於同一次試驗來說,我們感興趣的事件可能不同,比如說,拋擲硬幣十次,可能我們關注總的正面向上的次數,

原创 machine learning可行性數學原理論證篇(二)

在進入本篇文章之前,讓我們來串聯一下之前幾篇文章我們都說了些什麼。第一篇文章中,我們說machine learning目標在於在樣本空間內找到一個g來近似於目標函數f(數學表達g ≈f ,即Eout(h)≈0)。第二篇文章,我們

原创 動態規劃算法

分治法: 原問題分解爲多個互不相交的子問題,組合子問題的解得到原問題的解。 動態規劃法: 不同的子問題具有公共的子子問題,使用分治法來解決具有公共子子問題的原問題,會有同一規模問題被多次重複計算。動態規劃法,將每一個規模的解存儲在

原创 單鏈表上的操作

爲何創建頭結點? 生成鏈表時,先創建頭結點,在插入的過程中(while循環中),都遵循p->next=new Node(value)。否則,需要加入條件判斷來處理兩種case,第一個元素,不做插入處理,後續元素做插入處理。 給出兩

原创 哈希表原理+C++實現+應用

哈希表是一種有效的動態集合結構,插入、刪除、查找平均運行時間爲O(1)。 1、直接尋址表 如果集合的全域有限且表中元素個數與全域個數接近,直接尋址表是一種高效的數據結構。插入、刪除、平均運行時間均爲O(1)。數組的索引是全域中的元

原创 繼承與面向對象設計

32:make sure public inheritance models “is-a” public繼承意味着is-a,所有能在基類對象上執行的操作,派生類對象也能執行。派生類除了是基類的一種,還可以有自己獨特的操作,這就決定

原创 關於knn的筆記

圖像分類器: nearest neighbour : 訓練:記錄數據 測試:計算相似度 最近鄰算法魯棒性差,易受噪聲干擾 k-nearest neighbours : 先選出k個最相近的樣本再投票 相似性度量函數: L1:對數據值

原创 More effective C++之基礎議題(chapter1)

大綱: 1、指針和引用 2、類型轉換 3、數組與多態的不可混用 4、默認構造函數 指針和引用 相同點: 間接地來使用對象 異同點: 指針可以指向空對象 引用必須指向非空對象,要求做初始化 可以改變指針指向,不可改變引用指向 抉擇:

原创 C++ 調用 python tensorflow

參考鏈接:https://blog.csdn.net/zichen_ziqi/article/details/79068656 前言:主要針對,windows系統,很多人使用anconda安裝的tensorflow不再base下,

原创 AlexNet綱要

1、relu 2、gpu 3、overlapping pooling 4、data augmentation: 圖像變換+水平翻轉 RGB增強(對圖像的rgb做協方差。。。不是很清楚) 5、dropout 6、手動調整學習率 7、