原创 未使用調試信息生成二進制文件
昨天手賤把C盤AppData的數據給刪了，後來vs就各種問題，現在總算解決了，問題是未使用調試信息生成二進制文件，解決辦法 1 項目 -> ***屬性 -> 配置屬性 -> 鏈接器 -> 調試 -> [生成調試信息] 從:
2020-02-24 01:13:31
原创 寫一個個人認爲比較詳細的adaboost算法
最近在看機器學習中adaboost（adaptive boostint）算法部分的內容，在csdn上面查找一番發現，好像沒有講的特別的詳盡的，當然可能是我人品不佳，所以沒有找到，爲了防止同樣的事情發生在其他人的身上，所以就寫了這篇博
2020-02-24 01:13:31
原创 利用SSH 或 Teamviewer 控制遠程服務器
利用SSH server 控制遠程服務器 安裝SSH server 相對比較簡單 安裝 apt-get install openssh 驗證SSH server是否安裝成功 ps -e | grep ssh 如果出現如上情況，
2018-09-04 11:48:51
原创 VeriEye 開源虹膜檢測工具使用記錄
1、下載Demo 下載地址 ： http://download.neurotechnology.com/Neurotec_Biometric_10_0_Algorithm_Demo_Win64_x64_2017-12-15.zip
2018-09-04 11:48:50
2
原创 從零開始安裝TensorFlow1.0+keras(Ubuntu16.04+CUDA8.0+Cudnn5.1+TITANX)
NVIDIA TITANX 顯卡安裝 官網下載NVIDIA驅動 點擊進入驅動下載地址 按照需求選擇合適的GPU，因爲我們使用的是TITAN X GPU 所以選擇如下，操作系統旋轉Linux 64-bit，點擊搜索，點擊下載後進入如下
2018-09-04 11:48:50
7
原创 DP問題
常見的動態規劃問題分析與求解 動態規劃（Dynamic Programming，簡稱DP），雖然抽象後進行求解的思路並不複雜，但具體的形式千差萬別，找出問題的子結構以及通過子結構重新構造最優解的過程很難統一，並不像回溯法具有解決絕
2018-09-04 11:48:49
原创 Ubuntu16.04---騰訊NCNN框架入門到應用
Ubuntu16.04—騰訊NCNN框架入門到應用 前言 兩天前騰訊發佈NCNN深度學習框架後，發現可能有些同學對如何使用這些框架並不是十分的瞭解，一方面這是一個新的框架，另一方面Tencent出的文檔對一些細節沒有敘述，可能大牛們覺得
2018-09-04 11:48:49
原创 Tensorflow框架下Faster-RCNN實踐（一）——Faster-RCNN所需數據集製作（附代碼）
最近剛實現了在Ubuntu16.04、Tensorfllow1.0下 Faster R-CNN 從數據製作到訓練再到利用生成的模型檢測的測試圖片的全過程，現在將具體的過程記錄在博客，方便遇到困惑或者需要的朋友查看。 製作數據集 利用
2018-09-04 11:48:49
原创 DP問題總結 ~
常見的動態規劃問題分析與求解 動態規劃（Dynamic Programming，簡稱DP），雖然抽象後進行求解的思路並不複雜，但具體的形式千差萬別，找出問題的子結構以及通過子結構重新構造最優解的過程很難統一，並不像回溯法具有解決絕
2018-09-04 11:48:49
原创 DP 問題總結
常見的動態規劃問題分析與求解 動態規劃（Dynamic Programming，簡稱DP），雖然抽象後進行求解的思路並不複雜，但具體的形式千差萬別，找出問題的子結構以及通過子結構重新構造最優解的過程很難統一，並不像回溯法具有解決絕
2018-09-04 11:48:48
原创 3000fps算法整理
1.Framework 整個流程基於Cascade Pose Regression(CVPR 2010)，分爲T個stage，在訓練時步驟如下（testing也類似） 每個stage先抽取local binary features， 然
2018-09-04 11:48:48
原创 Tensorflow 訓練自己的數據集（二）（TFRecord）
Tensorflow 提供了一種統一的格式來存儲數據，這個格式就是TFRecord,上一篇博客中所提到的方法當數據的來源更復雜，每個樣例中的信息更豐富的時候就很難有效的記錄輸入數據中的信息了，於是Tensorflow提供了TFRecord
2018-09-04 11:48:48
2
原创 Tensorflow 訓練自己的數據集（一）（數據直接導入到內存）
製作自己的訓練集 下圖是我們數據的存放格式，在data目錄下有驗證集與測試集分別對應iris_test， iris_train 爲了向偉大的MNIST致敬，我們採用的數據名稱格式和MNIST類似 classification_ind
2018-09-04 11:48:47