原创 【C++】C++11特性:lambda和function
C++11是C++發展歷史上的一個重大版本更新，引入了不少新的現代編程語言特性，可以直接實現的編程範式更多，語言本身有點向Java、Python等語言靠攏。然而C++由於應用的太廣泛，過去很多使用C++舊版本的項目還運行在各行各業
2020-02-22 18:20:55
原创 【機器學習】caffe:solver、train、val、deploy配置和線性迴歸神經網絡
簡單的線性迴歸是迴歸理論的入門基礎。簡單線性迴歸的公式爲y=wTx+b ，其中y、w、x均爲多維向量數據。求解線性迴歸，就是在已知y和x的情況下，求解參數wT 和b。求解方法參見【機器學習】線性迴歸。 現在我用python版本的
2020-02-22 18:20:55
原创 【圖像處理】時域最小二乘逆濾波的最優化快速解法
上一篇文章，我的空間域最小二乘逆濾波的時間、空間複雜度都非常高。其中求逆矩陣是消耗巨大的一步，這裏用迭代優化解法展示瞭如何不用求逆矩陣來求解最小二乘逆濾波。 首先卷積圖像的生成表示爲AXravel+Nravel=Bravel ，
2020-02-22 18:20:55
原创 【機器學習】動手寫一個全連接神經網絡（二）：線性迴歸
我們來用python寫一個沒有正則化的線性迴歸神經網絡。 傳統的線性迴歸方法是這樣的，正則化線性迴歸是這樣的。 下面放出一個無正則化雙隱藏層線性迴歸神經網絡代碼： import numpy as np #雙變量 X1 = np
2020-02-22 18:20:55
原创 【機器學習】Torchvision生成拼接圖像
Pytorch組件torchvision可以將 N×D×H×WN \times D \times H \times WN×D×H×W生成 一塊拼接圖像，其API描述如下： torchvision.utils.make_grid(t
2020-02-22 18:20:55
1
原创 【機器學習】線性迴歸
假設我們有許多樣本數據{x(i),y(i)}，其中x(i)是第i個樣本變量，y(i)是第i個變量的類別，對於每個樣本變量都有許多特徵feature(x)=X=x1,x2,…xn ，現在我們建立判別函數hθ(x)=θ1x1+…θnx
2020-02-22 18:20:55
原创 【C++】C++避坑經驗談：數組、vector
要給新人培訓C++，奈何大家的時間是分散的，所以在這裏開坑寫文章了。這裏只是個人經驗，如果我也坑了的話請勿噴。 一、指針和數組很危險？ 流行的說法是C++儘量不要用指針和數組。指針會出現各種bug。當然只是說盡量不要用，不是
2020-02-22 18:20:55
原创 【機器學習】OSX 下配置pycaffe的問題和解決方法
首先這不是osx下caffe的安裝教程，請移步官網： http://caffe.berkeleyvision.org/installation.html http://caffe.berkeleyvision.org/inst
2020-02-22 18:20:55
原创 【C++】C++11特性:初始化、hash容器和隨機數生成器
初始化 標準C語言要求在代碼開頭處聲明所有的變量，C++則建議程序猿在需要使用變量的時候才聲明和定義變量。這容易導致C++程序猿忘記初始化變量而發生bug，因此編程的一個準則就是儘快初始化剛聲明的變量。C++中的類的成員變量，只有
2020-02-22 18:20:55
原创 【C++】C++11特性:模板推導和循環區間
模板推導 C++11在template編程的領域有很大的更新，功能愈發強大了，引入變參模板、外部模板等新功能，大大增強了模板編程的能力，其中新特性Tuple元組使用了變參模板特性。其中用的最多的，是模板推導。對於一些已經明確知道是
2020-02-22 18:20:55
原创 【機器學習】Pytorch多GPU訓練的CUDA錯誤
最近用pytorch進行多GPU訓練，遇到一個問題，現記錄一下問題詳情和解決方法。 我用windows pytorch跑的，單個網絡佔據約4G顯存，顯卡約11G顯存，一個顯卡只能跑兩個sample。當我batch_size設置爲2，G
2019-03-31 00:40:02
35
原创 【圖像處理】基於貝葉斯的Lucy-Richardson圖像復原算法
背景 研究空間域濾波方法是圖像處理領域的重要內容。相比頻域濾波，空間域濾波直接在圖像空間上進行操作，除了傳統的濾波外，還能加入各種直觀的空間域操作，可擴展性和可理解性都比較強。在圖像復原領域，當噪聲較爲複雜時，頻域濾波方法因爲難以計算
2019-03-12 21:50:09
原创 【高性能】大型分佈式項目筆記
人工智能和大數據分析是當代能創造大量價值的學科。人工智能和大數據分析都離不開大型分佈式項目。大型項目裏面的技術非常多，相關書籍瀚如煙海，不過原理、原則和核心思想都是相通的，學習這些知識對於應用人工智能和大數據分析，啓發新思想有幫助。簡單記
2018-08-22 14:53:09
3
原创 【機器學習】高斯分佈爲什麼普遍和常用？
-###似然函數到高斯分佈 爲了得到精確值，我們需要進行多次測量，測量值大部分對稱分佈在真實值兩側附近。設測量期望爲θ ，誤差爲ei=xi−θ ,期望爲0，誤差分佈滿足什麼規律呢？假設該分佈的最大似然估計就是平均值、期望，根據實驗儀器知
2018-08-22 14:53:09
1
原创 [轉]通俗理解卡爾曼濾波及其算法實現（實例解析）
1．簡介(Brief Introduction)在學習卡爾曼濾波器之前，首先看看爲什麼叫“卡爾曼”。跟其他著名的理論（例如傅立葉變換，泰勒級數等等）一樣，卡爾曼也是一個人的名字，而跟他們不同的是，他是個現代人！卡爾曼全名Rudolf
2018-08-22 14:53:09
2