极限梯度提升 (XGBoost, eXtreme Gradient Boosting)
摘要：
#极限梯度提升 (XGBoost, eXtreme Gradient Boosting) 训练数据集 , 其中 , 决策树模型
梯度提升决策树公式推导
摘要：
梯度提升决策树(GBDT,Gradient Boosting Decision Tree) 梯度提升算法使用损失函数的负梯度在当前模型的值， 不再去学习残差，而是学习一个损失函数关于梯度的负值。 \[ \begin{equation}\begin{split} -\left[\frac {\part
Boosting和BDT公式推导
摘要：
原理： ####提升方法(Boosting) 提升方法：加法模型+前向分布算法。 #####加法模型 $$\begin\begin f(x)=\sum_^N \beta_mb(x;\gamma_m)\end\end \[ 一些个基模型加权累加，可以是任何模型。 其中，
[读论文]Spatial-Temporal Graph Convolutional Network for Video-based Person Re-identification(CVPR2020)
摘要：
Spatial-Temporal Graph Convolutional Network for Video-based Person Re-identification(CVPR2020) 行人重识别 行人重识别（Person Re-identification），简称为ReID，是利用计算机视觉
GNN 简介和入门资料
摘要：
概念 G=(V,E) V={v1,v2,v3,v4,v5,v6,v7,v8,v9,v10,v11} E={(v1,v2),(v2,v3),(v2,v6),(v3,v7)...} |V|=11 |E|=11 Walk: close walk x=y otherwise open walk Trail:
Nginx代理多个80端口项目
摘要：
find / -name "nginx.conf" 查找nginx位置 kill掉现有进程 ps -ef|grep nginx 做配置 server{ listen 80; server_name www.as-microwave.com; location / { alias /var/local
GoogLeNet源码与网络结构的对照
摘要：
官方代码地址 https://github.com/tensorflow/models/blob/master/research/slim/nets/inception_v1.py 网络结构图 代码对照 1 # Copyright 2016 The TensorFlow Authors. All R
[手推算法]KNN总结
摘要：
k近邻定义 K近邻算法，即K-Nearest Neighbor algorithm，简称KNN算法，可以根据字面意思理解为：K个最近的邻居。因为k近邻是分类算法，找到最近的邻居就能知道自己所在的类别。 用途 k近邻用于解决分类问题。因为需要计算特征之间的距离，所以需要将数据集中的特征数据变成数值型和
Ubantu18.04安装NVIDIA驱动+cuda10.1+cuDNN+Tensorflow2.1.0(成功)
摘要：
网上太多教程了，试了一溜十三招基本上都挂了。 TensorFlow2.1 要求 你的GPU算力要达到3.5 检查自己GPU算力 安装和卸载NVIDIA驱动 首先要确保驱动已经卸载干净 sudo apt-get purge nvidia* sudo apt-get autoremove 检查自己GPU
命令行登录校园网
摘要：
确定学校校园网登录ip 如'10.36.254.11' curl '10.36.254.11' --data 确认是否有返回。 用其他电脑查看登录校园网所需参数 一般DDDDD是学号，upass是密码 curl '10.36.254.11' --data "DDDDD=学号&upass=密码&0MK
