原创 [dp]cf gym 101485B; bzoj4426 Better Productivity(NWERC 2015 B)

@(ACM題目)[dp] Description ACME Inc. is reorganizing their factory, in order to maximize their productivity of usele

原创 Introduction to D3

Background information 視頻鏈接 1. 本項目的github鏈接在這裏 2. 講師的創建的開源項目model.js:A functional reactive model library for inte

原创 深度學習 21天實戰caffe 前三天 筆記

本文用作《深度學習21天實戰caffe筆記》的備忘,請結合原書食用~ 前言 Caffe框架以“層”爲單位對深度神經網絡的結構進行了高度的抽象。 Caffe由賈楊清開發。 卷積神經網絡發明者Geoffrey Hinton在20世紀

原创 李宏毅機器學習 10.卷積神經網絡 筆記

李宏毅機器學習-10.卷積神經網絡 使用CNN處理圖像的原因: 性質一:Some patterns are much smaller than the whole image(如鳥的圖像中有鳥嘴這個小pattern). A ne

原创 微積分-劉建亞筆記

@(課程)[高數] Chapter06 無窮級數 6.1 常數項級數的概念和性質 若干概念: (常數項)級數:∑n=1∞un ,其中ui 爲常數 通項(或一般項):un 部分和Sn :un 的前n項和;部分和數列:{Sn} 級

原创 機器學習-周志華-第五章筆記 CNN

Chapter 5 神經網絡-機器學習-周志華 5.1神經元模型 神經網絡:具有適應性的簡單單元組成的廣泛並行互連的網絡,它的組織能夠模擬生物神經系統對真實世界物體所作出的交互反應。 神經元模型:一個神經元收到的刺激超過閾值(t

原创 OpenCV環境搭建及簡單示例

@(圖形圖像)[opencv] 視頻鏈接 - Getting Setup in Visual Studio 2015 for Windows Desktop 環境配置 示例代碼-show a picture - Lo

原创 CS231n Lecture 11:圖像分割與檢測(各種R-CNN, YOLO, SSD)

CS231n Lecture 11:圖像分割與檢測 圖像的分割和檢測的相關任務有不同的粒度,我們首先明確一下有關概念: 語義分割(Semantic Segmentation):將每個像素標註爲某一類別,是一個分類問題。該任務不區分實

原创 CS231n lecture 9:各大經典網絡 AlexNet/VGG/GoogleNet/ResNet(上)

本文翻譯總結自CS231n Lecture 9。 本篇將深入介紹當前的應用和研究工作中最火的幾個CNN網絡架構——AlexNet、VGGNet、GoogleNet和ResNet,它們都在ImageNet分類任務中有很好的表現。另外,本

原创 圖像質量評價之結構相似性SSIM(中)

在上一篇文章中,我們介紹了對圖像質量進行評價的必要性、主觀評價和客觀評價的兩種標準,以及設計符合人類直覺的評價標準的困難性和重要性。 本來這篇文章想把我們的主角SSIM講完,但是發現前面需要寫的鋪墊有點長hhh,所以本文是作爲一個過渡

原创 圖像質量評價之結構相似性SSIM(上)

本文總結歸納自論文 image quality assessment: from error visibility to structural similarity 概述 這篇文章主要介紹對圖像質量進行打分評價的一個很經典的指數——結

原创 Pytorch中常見的報錯解決方案

本文用於記錄所在pytorch所遇到過的運行時錯誤,持續更新。 變量所在設備(CPU,GPU)不一致問題 RuntimeError: Input type (torch.cuda.FloatTensor) and weight

原创 一文讀懂GAN, pix2pix, CycleGAN和pix2pixHD

本文翻譯、總結自朱儁彥的線上報告,主要講了如何用機器學習生成圖片。 來源:Games2018 Webinar 64期 :Siggraph 2018優秀博士論文報告 人員信息 主講嘉賓 姓名:朱儁彥(Jun-Yan Zhu) 現狀

原创 Pytorch中的optimizer

與優化函數相關的部分在torch.optim模塊中,其中包含了大部分現在已有的流行的優化方法。 如何使用Optimizer 要想使用optimizer,需要創建一個optimizer 對象,這個對象會保存當前狀態,並根據梯度更新參數。

原创 Pytorch中的contiguous理解

最近遇到這個函數,但查的中文博客裏的解釋貌似不是很到位,這裏翻譯一下stackoverflow上的回答並加上自己的理解。 在pytorch中,只有很少幾個操作是不改變tensor的內容本身,而只是重新定義下標與元素的對應關係的。換句話