原创 數據分析(3)--Pandsa+Series類型用法總結
Pandas Pandas庫基於Numpy庫,提供了很多用於數據操作與分析的功能。 安裝與使用 安裝: pip install pandas 根據慣例,我們使用如下的方式引入pandas: import pandas as
原创 決策樹--CART
CART( Classification And Regression Tree)也叫決策迴歸樹 1,既可以用於處理分類任務也可以用來處理迴歸問題, 2,CART一定是二叉樹 3,分類任務時GINI值作爲分類的依據,在處
原创 決策樹---C4.5
C4.5 與之前說的ID3以及後續要介紹的CART相比最基本的區別就是分裂屬性的選擇依據不同,ID3主要根據信息增益來劃分決策樹,但ID3本身存在一個問題,那就是劃分偏向與屬性內部很純的屬性,如個人的ID信息,條件熵爲0,則信息增益
原创 決策樹--ID3算法
ID3算法也叫決策樹歸納算法,不是很使用,但是是決策樹算法的開山之作,這裏簡單說下 熵 在信息論中,熵(entropy)是隨機變量不確定性的度量,也就是熵越大,則隨機變量的不確定性越大。設X是一個取有限個值得離散隨機變量,其概率分
原创 caffe-LMDB 數據源製作
腳本如下,注意修改路徑 #!/usr/bin/env sh # Create the face_48 lmdb inputs # N.B. set the path to the face_48 train + val data dir
原创 GPU 抽幀
#include <iostream> #include "opencv2/opencv_modules.hpp" #if defined(HAVE_OPENCV_CUDACODEC) #include <fstream> #inc
原创 Video_Codec_SDK 編譯
sudo apt-get install libglew-dbg libglew-dev libglew1.10 libglewmx-dbg libglewmx-dev libglewmx1.13 glew-utils
原创 Ffmpeg 硬解碼編譯方法
1、下載nv-codec-headers git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git 2、編譯nv-codec cd nv-codec-head
原创 map計算方法
稍後補充!
原创 Caffe(學習1)--Data layer 詳解
在開始Caffe的學習之前,希望你已經準備好了caffe環境,並且學習了Pytorch系列。CNN對我們來說不再是一個黑匣子,我們可以用自己的數據訓練一個diy模型,但在實際生產中考慮到嵌入式應用和測試需要,通常將pth模型轉
原创 機器學習--kmeans的基本實現
# _*_ coding:utf-8 _*_ import numpy as np def loadDataset(): a = np.array([(3, 4), (3, 6), (7, 3), (4, 7), (3, 8),
原创 Caffe(學習2)--隱藏層詳解
在學習了上一節數據層中的參數詳解後,本文內容講主要講述Caffe網絡模型中隱藏層的獨有的參數信息(name, type, bottom, top和transform_param是所有層共有參數)。 1、Convolution 卷
原创 深度學習(3)--反向傳播算法
由上一節的內容中我們知道了隨機梯度下降算法,我們通過下面兩個公式來進行更新,最重要的就是對兩個變量weights和biases的更新,我們通過backpropagation來計算偏導數。
原创 ubuntu14.04 +CUDA8.0+OpenCV3.4 編譯(詳細流程)
在OpenCV的圖像處理過程中,高量併發任務不能完全依賴於CPU,速度達不到需求,需要我們使用CUDA的高併發特性來加速,本文中,我來介紹下如何使用CUDA對OPENCV進行編譯 軟件下載 在編譯Opencv之前我們