关于ubuntu16.04安装搜狗输入法
装了一下午，真是气死了。好在男票在一旁耐心的指导我。 按照网上的教程安装，首先安装fcitx 第一步 添加源 sudo add-apt-repository ppa:fcitx-team/nightly 第二步 更新 sudo apt-get update 第三步 安装fctix sudo apt-get install fcitx 第四步 安装fctix的配置工具 sudo apt-get fcitx-config-gtk 第五步 安装fcitx的table-all软件包 sudo apt-
关于yolo在ros上的移植（一）
接到师兄的任务，把yolov2移植到ros上。 环境为ubuntu16.04+ros+cuda9.0+NVDIA GTX1050 刚开始想的解决方法是，先把yolov2的检测图片的代码一点点的黏贴到ros的程序包中然后进行编译，可是黏贴一点，编译一点，当编译到 struct network； typed struct network network； struct layer； typed struct layer layer； typed struct layer{ ……（struct ne
基于yolo提取车和人的检测与图像裁剪
这次换一个严谨的写作风格。因为之前在做yolo算法移植到ros上面，已经成功了，但是实验室老师又出了做姿势识别的幺蛾子。我真是一万个。。。。无语了。感觉，对深度学习只有一个简单的了解，现在还在读很多有关的论文，一边看cs231n的课程，在自学着入门。但是奈何自己的实战能力太差，实战经验太少了，只是学过那一年的c，很多关于指针的操作什么的，真的太差了，现在还在教一个小孩c语言，我都不好意思教人家了，决定从这星期开始，每天刷一些c的基础知识题，真的得好好补补了。 回到正题，环境仍然是ubuntu1
maskrcnn标记自己的数据集最全攻略
NVIDIA显卡驱动+CUDA+CUDNN GPU平台搭建。 （备注：cuda cudnn的版本一定要对应正确） 在github https://github.com/matterport/Mask_RCNN上下载maskrcnn源码。要求：python3以上，keras， tensorflow深度学习框架，在ubuntu下可以用 sudo pip3 install keras （pip3 install -i https://pypi.doubanio.com/simple/ keras）等
二叉树--leetcode 783.Minimum Distance Between BST Nodes
https://www.cnblogs.com/robsann/p/7567596.html https://blog.csdn.net/qq_33243189/article/details/80222629 两篇讲解二叉树比较好的文章 二叉树的中序遍历--python3 783. Minimum Distance Between BST Nodes # Definition for a binary tree node. # class TreeNode: # def __init__(s
MySQL 5.7.22 二进制包部署单实例
MySQL 5.7.22二进制包部署单实例 目 录 1.1 前期规划... 1 1.2 软件下载... 1 1.3 系统环境... 1 1.4 安装程序... 1 1.5 准备配置文件... 3 1.6 准备启动脚本... 5 1.7 初始化mysql并完成安装... 8 1.8 加入开机自启动... 9 1.1 前期规划 01：虚拟机一台,2vCPU,4G内存,部署mysql服务，端口3306
关于via标注工具---保存未完成的工程
via标注工具的使用教程在我之前的博客里。https://blog.csdn.net/weixin_40003920/article/details/83479519 当我们导入的图片不能够一下子完成标注的时候，可以这样做： 1.选择project中的save，然后点击ok，会得到一个via_project_11Dec2018_17h17m .json类似这样的文件。 2.当你想要再次继续做这个工程时，打开via标注工具然后选择project中的load，选择你保存的via_project_1
关于yolov3的网络结构理解
毕业开题答辩很顺利，但是感觉自己真的给自己挖了个大坑啊。想哭。。。。。真的不知道怎么开展自己的工作，还是先补一些基础知识。写一些博客，把之前做的工作记录一下。 最近在看yolov3的网络结构，了解了一下yolov3的cfg文件。 看了很多博客，但是还是理解的不是特别明白，博客中的图片是从别人的博客下载的。 贴一下觉得讲解的很好的博客 https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/ 汇
python3--链表（linked list）
刷leetcode碰到了链表的题，才发现自己原来理解的链表都是错误的。今天才纠正过来。 链表中节点的定义： class ListNode: def __init__(self, x): self.val = x self.next = None 也就是说 next也是一个ListNode。 但是第24题还是没做出来，在网上分析其他的答案博客，按着他们的思路做出来的感觉是错的啊。这个自己还要再解决一下，然后再更新博客。
Inception v2_batch normalization 论文笔记
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift——2015 摘要：由于在训练过程中前层参数的改变，导致每一层的输入的分布发生变化，所以训练深层神经网络是复杂的。这也导致需要小的学习率和小心的参数初始化工作，因此减轻了训练速度，也因为陷入饱和非线性加剧了模型训练的困难。我们把这种现象称为内部协变量变化，并且通过每一层输入标准化来解决此问题。我们的方法通过将标准
matlab小波分解及小波包分解函数
Wavelet Toolbox GUI (Graphical User Interface). waveletAnalyzer - Start Wavelet Analyzer graphical user interface tools Wavelets: General biorfilt - Biorthogonal wavelet filter set centfrq - Wavelet center frequency dyaddown - Dyadic downsampling cw
scikit-learn调参辅助
learning_curve: 作用：模型精度和不同大小数据集之间的关系
from sklearn.model_selection import learning_curve
train_sizes, train_scores, test_scores = learning_curve(estimator=pipe_clf,
X=X_train, y=y_train, train_sizes=np.linspace(0.1, 1.0, 10), cv=10, n_j
数据标准化——scikit-learn
标准化 目的：使各个特征都具有均值零和单位方差，因为很多机器学习算法都要求样本的中心在0附近，并且各个样本的方差具有相同的数量级，如果某个特征的方差过大，它将在算法中占据很大作用，影响算法从特征集中的学习效果 scikit learning中原文表述： 程序
from sklearn.preprocessing import StandardScaler
scaler=StandardScaler().fit(x_train)#对训练集进行标准化处理，该函数同时保留训练集的均值和方差以用于新
修改jupyter notebook默认路径方法，win10亲测可用！
步骤一：找到jupyter notebook.exe，右键单击选择属性 步骤二：找到目标（T），删除后面% %的内容 步骤二：在目标后加上自己的位置即可，注意.py和自己设置的位置中间要有空格，而不是其他方法说的双引号"
scikit-learn处理输入数据缺失值的类：Imputer
可选参数 strategy: 'mean'(默认的)， ‘median’中位数，‘most_frequent’出现频率最大的数 axis: 0(默认)， 1 copy: True(默认)， False 输出 numpy数组，之后可转化为DataFrame形式 属性： Imputer.statistics_可以查看每列的均值/中位数 特别说明：最好将imputer应用于整个数据集。因为虽然现在可能只有某一个属性存在缺失值，但是在新的数据中（如测试集）可能其他的属性也存在缺失值
from skl
今日推荐
周排行