原创 torch學習筆記3.2:實現自定義模塊(cpu)

在使用torch時,如果想自己實現一個層,則可以按照《torch學習筆記1:實現自定義層》 中的方法來實現。但是如果想要實現一個比較複雜的網絡,往往需要自己實現多個層(或類),並且有時可能需要重寫其他模塊中已有的函數來達到自己的目的,如

原创 論文筆記《Rich Feature Hierarchies for accurate object detection and semantic segmentation》

RCNN是CNN應用在object detection的開山之作,加上後續的Fast-RCNN,Faster-RCNN都是非常經典的工作,這三篇文章一環套一環的改進思路簡直是快準狠(跪拜rbg大牛><)。筆者不是做檢測的(所以沒有折騰過

原创 論文筆記《Harvesting Discriminative Meta Objects with Deep CNN Features for Scene Classification》

文章提出一個pipeline從場景訓練集中挖掘代表性的元素(meta object),將一幅圖像用這些meta object表示,得到了state-of-the-art的分類效果。 論文來自ICCV2015 1 Motivation 假設

原创 Latex Beamer簡單模板

\documentclass[nofonts]{beamer} %使用ctex宏包支持中文 \usepackage{ctex} %支持表格樣式 \usepackage{booktabs} %設置中文字體 \setCJKmainfont

原创 論文筆記《Multi-scale Orderless Pooling of Deep Convolutional Activation Features》

文章提出一種基於多尺度滑窗的CNN特徵的編碼方法。 1 Information 發表會議:ECCV2014 相關鏈接:作者主頁 項目主頁 2 Motivation Gloabl CNN:編碼了圖片的空間結構信息,對類內差異容忍度差,glo

原创 git配置和常用命令

1,在本地生成key: ssh-keygen -t rsa -C "[email protected]" 2,把生成的/home/zhuyi/.ssh/id_rsa.pub中全部內容複製, 粘貼到github網站

原创 [optimization]Dogleg Method狗腿算法

實現信賴域框架下的狗腿算法,matlab代碼: function [x_opt, y] = dogLeg() % init x = [10 * rand(1), 10 * rand(1)]'; nIter = 100; delta =

原创 數據標準化與PCA白化原理探索

PCA是實驗中很常用的工具,一般用來做降維,它的實現有很多很多種,其中牽涉相當多的細節,筆者在實現PCA時常常有困惑,爲什麼查到的各種代碼總有一些不同的trick,有時候對樣本提前歸一化?有時候又要減均值?這些操作對於PCA降維效果到底有

原创 python讀入中文txt

基於python2.7 中文txt是utf-8編碼 import sys reload(sys) #設置系統默認編碼 sys.setdefaultencoding('utf8') #使用file對象 f = file(filename