04 2018 档案
摘要：（草稿） Random Forest的随机性表现在哪里。 第一，是选择训练样本的随机性，又放回的 第二，是选择树节点特征的随机性。在n个特征中选择nsub个子特征的最优，但是会增加树对样本的你和程度，但是会提高泛化能力，可采用交叉验证的方法确定合适的nsub。 https://www.cnblogs
阅读全文
摘要：（草稿） PCA主成分分析 取协方差矩阵 取矩阵特征值、特征向量 取最大特征值的特征向量 原始数据左乘特征向量，得到降维结果。 https://blog.csdn.net/sxf1061926959/article/details/53907935
阅读全文
摘要：（草稿） https://www.cnblogs.com/gavanwanggw/p/7073905.html
阅读全文
摘要：（草稿） 过程： 1. 初始化所有节点的 labels 成唯一的值； 2. 对每个节点，将 label 更新为和其相连的所有节点中，标签最多的 节点的label； 2. 初始化情况下，假如所有相连的节点的label没有重复，则随机选取一个。 3. 直到不再更新，停止。
阅读全文
摘要：（草稿） 两点关系的三种定义： 1. 直接密度可达：A在B的邻域内； 2. 密度可达：AB之间存在，直接密度可达的点串； 3. 密度连接：AB之间存在点k，使得Ak和Bk都密度可达； 过程： 1. 对每个点 2. 分别求满足 连接性和最大性的 簇 。 3. 所有点都归类，结束。 参考： https:
阅读全文
摘要：（草稿） k-means: 1. 随机选取n个中心 2. 计算每个点到各个中心的距离 3. 距离小于阈值的归成一类。 4. 计算新类的质心，作为下一次循环的n个中心 5. 直到新类的质心和对应本次循环的n个中心的偏移不大，停止。 k-means++: 1. 随机选取n个中心（越远的被选取的概率越大，
阅读全文
摘要：（草稿） meanshift 也是一种聚类方法。 优点在于：不需要提前指定类型数。 缺点就是计算量大 过程：（最一般的做法，没有使用核函数） 1. 逐点迭代，设置为位置中心 2. 计算所有点到位置中心的距离 3. 计算位置的质心（平均） 4. 位置中心的质心的距离够小就停止，该位置中心点就属于（质心
阅读全文
摘要：repeat：复制元素 axis = 0 复制每行 axis = 1 复制每列 2 表示复制一遍 不设置axis，复制每个，按行展开成一行。
阅读全文
摘要：求和： axis = 0 按列求和 axis = 1 按行求和
阅读全文
摘要：转自： https://github.com/zhaozhiyong19890102/Python-Machine-Learning-Algorithm
阅读全文
摘要：转自： https://github.com/zhaozhiyong19890102/Python-Machine-Learning-Algorithm
阅读全文
摘要：Logistics Regression 二分类问题。 模型 线性模型 响应 sigmoid 损失函数（显示） 最小均方 优化方法 BGD 例子： #coding utf-8 import numpy as np def load_data(file_name): feature_data = []
阅读全文
摘要：字符串.join(字符串序列) 一目了然： 参考： http://www.runoob.com/python/att-string-join.html
阅读全文
摘要：shape 是返回 np.mat 的形状的。 1. 作为 mat 的成员变量，a.shape 2. 作为 np 的成员函数，np.shape
阅读全文
摘要：换pip源 安装好 python 后，有一个问题就是 pip 安装的默认下载地址在国外。要换一下，不然蜗牛速度，怎么追赶世界？（瞎扯一下，活跃气氛~） Ubuntu下，进入终端（ctrl + alt + t）； 在用户目录下（也就是Desk, Download, Pictures...所在）； 新建
阅读全文
摘要：换软件源 使用清华的软件源。 Ubuntu 的 ui 界面操作^换源 System setting -> Software & update -> Download from -> Othre... -> China -> https://mirror.tuna.tsinghua.edu.cn/ub
阅读全文
摘要：方法1：从运行的容器创建方法2：编写 DockFile 文件创建 方法1： 打包镜像 完成以后，可以在 docker images 中查看。 后续可以发布到阿里云或者其他地方。 方法2： 编写 DockFile 文件创建（转载） 转载自 https://blog.csdn.net/linux_pla
阅读全文
摘要：在这里，有必要先对ducker在做一次介绍 ducker 是一个容器。 容器内部运行的是一个系统。 系统内部安装好了要调试 / 发布的工程，然后这个系统被打包成了一个镜像。 ducker 就是这个镜像的运行环境。 为啥要用呢？ 1.可以在新的容器里用镜像测试，好的镜像就可以保存起来。 2.测试好的系
阅读全文
摘要：注意： ubuntu 安装 docker前提是要替换好 Ubuntu 的安装源。 安装步骤： P1: 正常开始 P2: 换 docker 镜像成中科的，为了后续的方便 输入： 保存，退出。 P3： 运行例子 没有错误的话，就安装好了。有问题的话，大多是网络问题。 参考资料： 《深度学习21天实战ca
阅读全文
摘要："""An example of how to use your own dataset to train a classifier that recognizes people. """ # MIT License # # Copyright (c) 2016 David Sandberg # # Permission is hereby granted, free of charge, ...
阅读全文
摘要：UI界面： Run->Edit Configurations->Parames
阅读全文
摘要：转载自：https://www.cnblogs.com/taurusfy/p/7605787.html **************************************************************************************************
阅读全文
摘要：翻转矩阵的左右。 至少需要是2维矩阵。 例子： 参考： https://docs.scipy.org/doc/numpy/reference/generated/numpy.fliplr.html
阅读全文
摘要：在一些开源库中，往往有一个 xxx.sh 的安装文件。命令“./ xxx.sh” 就可运行之。 其实内部是一些 linux 的语句。整合起来，方便使用而已。 介绍一下常用的一些Linux语句
阅读全文
摘要：OpeCV3.3.1 的 CMakeLists.txt 的部分注释。
阅读全文
摘要：math 数学表达式 例子： EXPR计算数学表达式然后通过output变量返回计算结果。数学表达式的一个例子是"5*(10+13)"。该命令支持的运算符包括：+ - * / % ^ ~ << >> ；它们的含义与C语言中的完全一致。 参考： https://www.cnblogs.com/code
阅读全文
摘要：循环： foreach while GRATER 就是“大于” math是计算数值。 参考： https://www.jianshu.com/p/44ba033c262a
阅读全文
摘要：路径设置： 包括头文件路径、库文件路径、库文件名等 参考： https://blog.csdn.net/wzzfeitian/article/details/40963457
阅读全文
摘要：系统信息 参考： https://blog.csdn.net/bytxl/article/details/50634868
阅读全文
摘要：cmake语法不仅仅可以适用于 CMakeLists.txt，也适用于 xxx.cmake 文档。 在 OpenCV 的 CMakeLists.txt 中，很多 ocv_XXX() 的函数，都是定义在相应的 xxx.cmake 中。 比如：L116 函数定义： 例子：cmake/OpenCVMinD
阅读全文
摘要：include(CMakeParseArguments) 是为了使用 cmake_parse_arguments()，看样子是用来解析输入参数的。 给出参考： https://cmake.org/pipermail/cmake/2012-October/052443.html https://cma
阅读全文
摘要：在编译器的命令行上，为当前路径以及下层路径的源文件加入一些define flag。这个命令可以用来引入任何flag，但是它的原意是用来引入预处理器的定义。那些以-D或/D开头的、看起来像预处理器定义的flag，会被自动加到当前路径的COMPILE_DEFINITIONS属性中。为了后向兼容，非简单值
阅读全文
摘要：CMake的基本数据类型是字符串，一组字符串在一起称为列表（list） 用于设置变量。 VAR 就是一个list 参考： https://www.jianshu.com/p/44ba033c262a
阅读全文
摘要：如果给定的字串或变量值域给定的正则表达式匹配的话，表达式返回真。 或者
阅读全文
摘要：用来载入CMakeLists.txt文件，也用于载入预定义的cmake模块. .cmake 是一个文本，定义了一个模块里面的文件包含关系。详见参考2 参考： 1. https://blog.csdn.net/bytxl/article/details/50635016 2. https://blog
阅读全文
摘要：输出错误 FATAL_ERROR 是错误关键字。 输出警告 WARNING 是警告关键字。 输出正常 STATUS
阅读全文
摘要：STREQUAL 用于比较字符串，相同返回 true 。
阅读全文
摘要：CMake的基本数据类型是字符串（不区分大小写），一组字符串在一起称为列表（list）。 条件判断中的取值情况如下表： 变量显式定义 set(VAR a)就是一个字符串，set(VAR a b c)就是一个字符串list。 CACHE PATH表示的含义暂时还没搞清楚。 常用部分内部变量 使用是，使
阅读全文
摘要：格式： 例子： STREQUAL 是 CMAKE 的关键字，用于字符串比较，相同返回 true ${CMAKE_SOURCE_DIR} 是 CMAKE 的自保留变量（拿来用就可以，含义已经确定），文件路径 ${CMAKE_BINARY_DIR}是输出路径 关系操作符
阅读全文
摘要：本系列随笔将结合 OpenCV 的 CMakeLists.txt 来讲解 cmake 的语法。 这一节，主要介绍一下cmake语法的基本语法。 cmake语法的基本语法 给出例子： 1. 文件名“helloSLAM.cpp”，编译的可执行文件名为“helloSLAM”，不指定，默认为“a”。 Lin
阅读全文
摘要：人脸矫正有几个问题。 1.歪头： 2.侧脸： 3.半边脸：缺失另外半边脸，要寻找其他的解决方案。 大多数情况下，截取到的人脸是包含歪头和侧脸的现象的。这两个问题，可以同时通过仿射变换来矫正。 但是要注意，侧脸，是缺少一部分脸部信息的。 人脸矫正，对歪头的正确度提高有帮助，对侧脸就一般了。 思路： 1
阅读全文
摘要：找到一个总结很好的blog。 具体训练的过程会在后续的随笔中给出。 转载自： https://blog.csdn.net/lff1208/article/details/77328357 以下是内容： 论文链接： https://kpzhang93.github.io/MTCNN_face_dete
阅读全文
摘要：源码链接：https://github.com/davidsandberg/facenet 论文链接：https://arxiv.org/pdf/1503.03832.pdf B站大神视频解读论文：https://www.bilibili.com/video/av17281188 FaceNet是一
阅读全文
摘要：范式可以理解成距离 转载自： https://blog.csdn.net/hanhuili/article/details/52079590 内容如下： 由此可见，L2其实就是欧式距离。工程上，往往不做开平方处理。
阅读全文
摘要：转载至： https://blog.csdn.net/tangwei2014/article/details/46788025 下面是内容： 【前言】 最近，learning to rank 的思想逐渐被应用到很多领域，比如google用来做人脸识别（faceNet），微软Jingdong Wang
阅读全文
摘要：借鉴代码https://blog.csdn.net/xiongchengluo1129/article/details/79017142 吐槽一下CSDN的垃圾广告。。 这是转置，所以1维（向量）和2维（矩阵）的转置的意义很直观，就是数学上学的。 难的就是超过三维的张量，怎么转置。 先看结果：
阅读全文
摘要：1. 分3部分来看。 2. expand_dims直观来说就是将某一维度展成1维，看shape的形式便可知。 3. 哪一维要设置成1，就将原始DATA重新组合，细心看输出的数据的重排形式。 4. 维度从0开始，超过都表示最后一维，-1也是最后一维。
阅读全文
摘要：区别于min： min 求一个list中的最小 amin 可以求 array 之间，按照，某维度的最小，输出该最小所在的另一维度向量。
阅读全文
摘要：生成指定shape的“零”矩阵。 注意“零”是很接近零的数 可以先空着。
阅读全文
摘要：1. 基本 2.继承 运行示例： 多态的好处就是：传参是谁，就调用谁的方法。彼此有继承关系。 object是所有类的继承父类。 3.判断继承关系 True 4.动态绑定函数 只给某个实例增加方法 5.枚举 执行效果 枚举的其他例子 执行结果 参考资料 廖雪峰的Python教程 https://www
阅读全文
摘要：1. tf.variable_scope生成一个上下文管理器，用于获取已经生成的变量 2.计算图。在程序的开始，最好显式声明一个计算图，多个不同的图可以在不同的线程中计算，显卡的优势就显示出来了。 3. 4. 5. 6.
阅读全文
摘要：1.判断字符为空 2.显示当前脚本所在目录 3.显示当前被调用脚本所在目录 4.将文件名和路径分割开 5.组合路径，自动补全中间连接的“/” 6.lambda定义函数
阅读全文
摘要：（本系列随笔持续更新） 这部分代码是基于参考中的链接，修改后适用于TensorFlow1.6.0版本的代码。由于TensorFlow的频繁更新，所以不一定支持后续新或者就版本，特此说明。 程序的最初版，来自“山人7” [参考1，参考2]，但是在新的TensorFlow下面不能直接运行。 修改后版本，
阅读全文
摘要：（本系列随笔持续更新） 搭建要求 详细的搭建过程在 参考资料1 中已经有啦。 TensorFlow 1.6.0 OpenCV 2.4.8 仅仅是加载和读取图片的需要 Ubuntu 14.04 64bits 代码：加载图片，找出人脸。运行依赖detect_face.py 显示效果： 参考资料： 1 h
阅读全文
摘要：两层卷积层 训练速度慢了，但是精度提高了
阅读全文
摘要：# 执行 cmake . # 表示在当前目录下执行 cmake cmake .. # 表示在前一级目录下执行 cmake make # 在当前目录下执行 make # 语法 #1 设置 cmake 版本需求 cmake_minimum_required(VERSION 2.8) #2 设置工程名 project( 工程名 ) #3 生成可执行文件 add_executable( 可执行文...
阅读全文
摘要：tensorflow性能调优实践 https://www.jianshu.com/p/937a0ce99f56 2018.04.01 Deep Learning 之 最优化方法 https://blog.csdn.net/bvl10101111/article/details/72615621 20
阅读全文
