05 2020 档案
std::call_once()
摘要：stdcall_once()： 该函数的第一个参数为标记，第二个参数是一个函数名。 功能：能够保证多线程调用函数func()时只被调用一次。具备互斥量的能力，而且比互斥量消耗的资源更少，更高效。 call_once()需要与一个标记结合使用，这个标记为stdonce_flag；其中once_flag
阅读全文
C++ 多线程 (4) 互斥量（mutex）与锁（lock）
摘要：@ 一、基本概念 在多线程环境中，有多个线程竞争同一个公共资源，就很容易引发线程安全的问题。因此就需要引入锁的机制，来保证任意时候只有一个线程在访问公共资源。 互斥量就是个类对象，可以理解为一把锁，多个线程尝试用lock()成员函数来加锁，只有一个线程能锁定成功，如果没有锁成功，那么流程将卡在loc
阅读全文
C++ 多线程(3)std::thread 详解
摘要：@ 一、头文件 std::thread 在 头文件中声明，因此使用 std::thread 时需要包含 头文件。 二、std::thread 构造函数 (1). 默认构造函数，创建一个空的 thread 执行对象。 (2). 初始化构造函数，创建一个 thread对象，该 thread对象可被 jo
阅读全文
c++ 多线程（2）创建线程对象的方法
摘要：@ 一、用函数对象创建线程 // 用函数对象创建线程 #include <iostream> #include <thread> using namespace std; void func(){ cout<<"我的线程开始执行了"<<endl; //... cout<<"我的线程结束执行了"<<e
阅读全文
CMake解决c++11的phread库问题：undefined reference to `pthread_create’
摘要：方法一 PROJECT(HELLO) set(CMAKE_CXX_FLAGS "{SRC_LIST}) 从cmake的CMak
阅读全文
生成对抗网络--Generative Adversarial Networks (GAN)
摘要：@ 一、简介 ●lan Goodfellow 2014年提出 ●非监督式学习任务 ●使用两个深度神经网络: Generator (生成器), Discriminator(判别器) 二、原理 举一个制造假钞的例子： 生成器:制造假钞的人 判别器:警察 训练过程： 制造假钞的人生产假钞 警察判断是否是假
阅读全文
语义分割（semantic segmentation）——U-Net
摘要：一、定义 语义图像分割的目标是标记图像每个像素的类别。因为我们需要预测图像中的每个像素,所以此任务通常被称为密集预测。 二、参考资料 论文：U-Net: Convolutional Networks for Biomedical Image Segmentation 三、网络结构 四、Transpo
阅读全文
目标检测SSD: Single Shot MultiBox Detector
摘要：一、前言 1.1 什么是目标检测 目标检测问题可以分为以下两个问题： 分类:所有类别的概率 定位: 4个值(中心位置x,y,宽w,高h) 目标检测近年来已经取得了很重要的进展，主流的算法主要分为两个类型（参考RefineDet）：（1）two-stage方法，如R-CNN系算法，其主要思路是先通过启
阅读全文
基于内容的图像检索(CBIR) ——以图搜图
摘要：@[TOC] 在CBIR中，图像通过其视觉内容(例如颜色，纹理，形状)来索引。 一、实现原理 首先从图像数据库中提取特征并存储它。然后我们计算与查询图像相关的特征。最后，我们检索具有最近特征的图像 二、 基于内容的图像检索的特征提取 在这篇研究论文中(https://arxiv.org/pdf/14
阅读全文
去噪自动编码器
摘要：降噪自动编码器是一种用于图像去噪无监督的反馈神经网络 原理如下图所示 训练代码如下 python from keras.layers import Input, Conv2D, MaxPooling2D, UpSampling2D, ZeroPadding2D from keras.models i
阅读全文
深度残差网络（Deep residual network, ResNet）
摘要：@[TOC] 一、前言 深度残差网络（Deep residual network, ResNet）的提出是CNN图像史上的一件里程碑事件，让我们先看一下ResNet在ILSVRC和COCO 2015上的战绩： ResNet取得了5项第一，并又一次刷新了CNN模型在ImageNet上的历史, Imag
阅读全文
欠拟合（Under fitting）和过拟合 （Overfitting)
摘要：[TOC] 一、定义 在训练数据集上的准确率很⾼，但是在测试集上的准确率⽐较低 二、理解bias和variance ：简单来说训练出来的模型在训练集上的准确度。 ：就是模型在不同训练集上的效果差别很大。方差越大的模型越容易过拟合。假设有两个训练集A和B，经过A训练的模型Fa与经过B训练的模型Fb差异
阅读全文
图像理解（Image Captioning）（2）文本处理和模型
摘要：@ "TOC" 一、文本处理 1.1 生成图像的描述文件 根据数据集中的 文件生成含有图片对应的描述的文件 2.2 单词嵌⼊(Word Embedding) LSTM的输⼊是数值, 单词需要转换为数值才能使⽤LSTM, 最简单的⽅式是将单词转化为整数,每个单词都对应于⼀个整数. 但是这样的⽅式⽆法有
阅读全文
图像理解（Image Captioning）（1）CNN部分
摘要：[TOC] 一、 应用领域 图像搜索 安全监控 鉴黄 二、 原理 CNN(卷积神经⽹络) 1. 图像特征提取 2. 迁移学习(transfer learning) LSTM(递归神经⽹络 ) 3. ⽂字串(sequence)的特征提取 DNN(深度神经⽹络) 5. 从图像特征和⽂字串(sequenc
阅读全文
解决Anaconda和Ros的python和opencv等的版本冲突问题
摘要：安装 ros 后，Anaconda envs 环境 import cv2 出错 在 中写入 之后，默认会把 路径加入到 环境变量中 删除 anaconda envs 环境变量中的 ros 相关路径 注：此方法单次有效，即每次执行 import cv2之前，都要先执行此操作 若想长期有效只需注释掉 ~
阅读全文
如何在Jupyter Notebook中使用Python虚拟环境？
摘要：为了让Jupyter Notebook支持虚拟运行环境，需要在Anaconda里安装一个插件。 回到终端下面，退出目前正在运行的Jupyter Notebook Server，然后执行： 再重新开启Jupyter Notebook： 这下我们就能看到差别了——除了最新安装设定的tfpy3外，之前用A
阅读全文
W: Possible missing firmware /lib/firmware/i915/kbl_guc_ver9_14.bin for module i915
摘要：这玩意儿是因为你在Linux下没有安装因特尔的图形固件。而这个固件这两年因特尔已经发布了。所以我们只需要去下载就好了。 首先去到这个网址，你会看到很多固件的选择项，你选择自己缺的那个点击进去。 https://git.kernel.org/pub/scm/linux/kernel/git/firmw
阅读全文
python 分离文件名和路径 以及 分离文件名和后缀
摘要：分离路径和文件名: os.path.split() 区分文件的名字和后缀: os.path.splitext() import os file_path = "D:/test/test.py" (filepath, tempfilename) = os.path.split(file_path) (
阅读全文
梯度下降优化算法
摘要：梯度下降优化算法一、简介二、梯度下降方法2.1 批量梯度下降法BGD2.2 随机梯度下降法SGD2.3 小批量梯度下降法MBGD三、传统梯度下降法面临的挑战四、改进的梯度下降算法4.1 Momentum4.2 Nesterov accelerated gradient4.3 Adagrad4.4 R
阅读全文
过拟合 （Overfitting)
摘要：过拟合一、定义二、过拟合的解决方案2.1 DropOut2.2 L2 正则化2.3 L1 正则化2.4 最⼤范数约束 (Max Norm) 一、定义 在训练数据集上的准确率很⾼，但是在测试集上的准确率⽐较低 二、过拟合的解决方案 2.1 DropOut 假设有一个过拟合的神经网络如下： DropOu
阅读全文
梯度消亡(Gradient Vanishing)和梯度爆炸(Gradient Exploding)
摘要：文章目录一、梯度消失1.1 定义1.2 梯度消亡(Gradient Vanishing)前提1.3 产生的原因1.4 解决方案二、梯度爆炸2.1 解决方法 一、梯度消失 1.1 定义 神经⽹络靠输⼊端的⽹络层的系数逐渐不再随着训练⽽变化，或者 变化⾮常缓慢。随着⽹络层数增加，这个现象越发明显 1.2
阅读全文
损失函数
摘要：损失函数一、定义二、命名三、损失函数的作用3.1 训练方法3.2 损失函数的选取原则四、常用的损失函数4.1 回归Regression问题4.2 分类Classification问题4.2.1 单label问题4.2.2 多label问题 一、定义 在深度学习中，损失函数是用来衡量一组参数的质量的函
阅读全文
一个例子秒懂误差反向传播
摘要：假设有两个输入值，一个隐藏节点，一个输出节点，隐藏层和输出层的激活函数都是 sigmoid 。下图描述了这个网络。假设损失函数是平方误差L=1/2(y-y^) 2 一、正向传播 假设我们试着输入一些二分类数据，目标是 y=1。我们从正向传导开始，首先计算输入到隐藏层 h=∑wixi=
阅读全文
使用keras构建简单的网络分类鸢尾花
摘要：Tensorflow =1.8.0 # -*- coding: utf-8 -*- from warnings import simplefilter simplefilter(action='ignore', category=FutureWarning) import numpy as np i
阅读全文
矩阵的秩 rank(A)
摘要：矩阵的秩 一、定义 二、定理 一、定义 在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。 二、定理 定理：矩阵的行秩，列秩，秩都相等。 定理：初等变换不改变矩阵的秩。 定理：如果A可逆，则r(AB)=r(B),r(BA)=r(B)。 定理：矩
阅读全文
矩阵的迹
摘要：矩阵的迹一、定义二、性质2.12.22.3 迹等于特征根之和2.4三、二次型的迹3.13.2四、迹的导数 一、定义 线性代数中，把方阵的对角线之和称为“迹”： 二、性质 2.1 2.2 一直将第一个矩阵放到最后一个；当然反着不断把最后一个放到第一个也可以。 2.3 迹等于特征根之和 由定义而来，这是
阅读全文
第一部分——状态估计机理（1）-- 概率论基础
摘要：概率论基础一、概率密度函数1.1 定义1.2 贝叶斯公式及推断1.3 矩1.4 样本均值和样本方差1.5 统计独立性与不相关性1.6 归一化积1.7 负熵和互信息1.8 克拉美罗下界和费歇尔信息量二、高斯概率密度函数2.1 定义2.2 Isserlis定理2.3 联合高斯概率密度函数，分解与推断2.
阅读全文
QT——（1）下载和安装
摘要：https://blog.csdn.net/qq_23473839/article/details/80523318
阅读全文
STL——（11）常用算法
摘要：常用算法1 常用遍历算法1.1 for_each1.2 transform2 常用查找算法2.1 find2.2 find_if2.3 adjacent_find2.4 binary_search2.5 count2.6 count_if3 常用排序算法3.1 sort3.2 random_shuf
阅读全文
STL——（10）函数对象（仿函数）
摘要：函数对象1 函数对象概念1.1 函数对象使用2 谓词2.1 谓词概念2.2 一元谓词2.3 二元谓词3 内建函数对象3.1 内建函数对象意义3.2 算术仿函数3.3 关系仿函数3.4 逻辑仿函数 1 函数对象概念 概念： 重载函数调用操作符的类，其对象常称为函数对象 函数对象使用重载的()时，行为类
阅读全文
STL——（9）map/ multimap容器
摘要：map/ multimap容器1. map基本概念2. map构造和赋值3. map大小和交换4. map插入和删除5. map查找和统计6. map容器排序10. 案例-员工分组10.1 案例描述10.2 实现步骤 1. map基本概念 简介： map中所有元素都是pair pair中第一个元素为
阅读全文
STL——（8）set/ multiset 容器和pair对组
摘要：set/ multiset 容器和pair对组1 set基本概念2 set构造和赋值3 set大小和交换4 set插入和删除5 set查找和统计6 set和multiset区别7 pair对组创建8 set容器排序 1 set基本概念 简介： 所有元素都会在插入时自动被排序 本质： set/mult
阅读全文
STL——（7）list容器
摘要：list容器1. list基本概念2 list构造函数3 list 赋值和交换4 list 大小操作5 list 插入和删除6 list 数据存取7 list 反转和排序8 排序案例 1. list基本概念 **功能：**将数据进行链式存储 链表（list）是一种物理存储单元上非连续的存储结构，数据
阅读全文
STL——（6）queue 容器
摘要：3.6.1 queue 基本概念 概念：Queue是一种先进先出(First In First Out,FIFO)的数据结构，它有两个出口 队列容器允许从一端新增元素，从另一端移除元素 队列中只有队头和队尾才可以被外界使用，因此队列不允许有遍历行为 队列中进数据称为 — 入队 push 队列中出数据
阅读全文
STL——（5）stack容器
摘要：stack容器1. stack 基本概念2. stack 常用接口 1. stack 基本概念 概念：stack是一种先进后出(First In Last Out,FILO)的数据结构，它只有一个出口 栈中只有顶端的元素才可以被外界使用，因此栈不允许有遍历行为 栈中进入数据称为 — 入栈 push
阅读全文
STL——（4）deque
摘要：deque容器1. deque容器基本概念2. deque构造函数3. deque赋值操作4. deque大小操作5. deque 插入和删除6. deque 数据存取7. deque 排序8. 案例-评委打分8.1 案例描述8.2 实现步骤 1. deque容器基本概念 功能： 双端数组，可以对头
阅读全文
STL——（3）string容器
摘要：string容器1. string基本概念2. string构造函数3. string赋值操作4. string字符串拼接5. string查找和替换6. string字符串比较7. string字符存取8. string插入和删除9. string子串 1. string基本概念 本质： stri
阅读全文
STL——（2）Vector
摘要：Vector1. vector基本概念2. vector构造函数3. vector存放数据3.1 vector存放内置数据类型3.2 Vector存放自定义数据类型3.3 Vector容器嵌套容器4. vector赋值操作5 vector容量和大小6. vector插入和删除7. vector数据存
阅读全文
STL——（1）初识
摘要：@[TOC] STL初识 STL初识 1 STL的诞生 长久以来，软件界一直希望建立一种可重复利用的东西 C++的面向对象和泛型编程思想，目的就是复用性的提升 大多情况下，数据结构和算法都未能有一套标准,导致被迫从事大量重复工作 为了建立数据结构和算法的一套标准,诞生了STL 2 STL基本概念
阅读全文
ASCII码和转义字符
摘要：ASCII码表格： ASCII值 控制字符 ASCII值 字符 ASCII值 字符 ASCII值 字符 0 NUT 32 (space) 64 @ 96 、 1 SOH 33 ! 65 A 97 a 2 STX 34 " 66 B 98 b 3 ETX 35 # 67 C 99 c 4 EOT 36
阅读全文
#incude< >和#include" "区别
摘要：- "" 表示系统先在file1.c所在的当前目录找file1.h，如果找不到，再按系统指定的目录检索。- < > 表示系统直接按系统指定的目录检索。注意： 1. #include < >常用于包含库函数的头文件； 2. #include " " 常用于包含自定义的头文件； 3. 理论上#inclu
阅读全文
c语言——字符串操作
摘要：字符串操作一、字符串基本操作1.1初始化1.2 字符串拷贝二、字符串的格式化2.1 sprintf2.2 sscanf 一、字符串基本操作 1.1初始化 //字符串基本操作 //字符串是以0或者'\0'结尾的字符数组，(数字0和字符'\0'等价) void test01(){ //当输出的时候，从开
阅读全文
C语言——文件操作
摘要：文件操作一、 文件的打开和关闭1.1 文件指针1.3 文件的关闭二、 文件的顺序读写2.1 按照字符读写文件fgetc、fputc2.2按照行读写文件fgets、fputs2.3按照格式化文件fprintf、fscanf2.4按照块读写文件fread、fwrite三、 文件的随机读写四、 Windo
阅读全文
linux的文件系统
摘要：文件系统一、目录和路径1.1 目录1.2 路径二、 文件系统2.1 Windows和Linux文件系统区别2.2 Linux目录结构三、一切皆文件3.1 一切皆文件3.2 文件分类四、 文件权限4.1 访问用户4.2 访问权限4.3 示例说明 一、目录和路径 1.1 目录 目录是一组相关文件的集合。
阅读全文
Ubuntu16.04下安装cuda和cudnn
摘要：一、卸载旧的CUDA卸载CUDA很简单，一条命令就可以了，主要执行的是CUDA自带的卸载脚本，读者要根据自己的cuda版本找到卸载脚本： sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl 卸载之后，还有一些残留的文件夹，之前安装的是CUDA 8.0
阅读全文
