一个小硕的二亩三分地

原创 更换pip源

在home/用户名/目录下创建.pip文件夹然后cd .pip创建pip.conf文件touch pip.conf输入以下内容然后保存即可[global]timeout = 6000index-url = http://mirrors.aliyun.com/pypi/simple/trusted-host = mirrors.aliyun.com1234上面是更换为阿里源，其他源也是一样，比如中科大就替换相应内容如下index-url=http://pypi.mirrors.ust

原创 ubuntu升级python版本

sudo add-apt-repository ppa:deadsnakes/ppasudo apt-get updatesudo apt install python3.7

原创 How to draw line chart by using matplotlib

line chartfunction plot import numpy as npimport matplotlib.pyplot as pltfrom matplotlib import rc_paramstxt_file='/mnt/baiqiuJ/github/FG/facenet-master/src/txt/unify0.0001-CAAE_val.txt'or...

原创 How to draw bar char by using matplotlib in python

Tool: matplotlibKey function: plotimport osimport matplotlib.pyplot as pltdef draw_bar(accuracy0,accuracy1): ```draw bar chart, accuracy0 and accuracy1 representating accuracy of two group...

原创 Batch Normalization

Batch Normalization动 机在以往的网络训练中，对于参数的初始化和训练速率都必须小心谨慎的选择，这导致网络的训练十分困难并且缓慢。究其原因，论文认为是网络中不同层的输出会相互影响，某一层输出变量分布的改变，会导致之后网络不断调整适应。因此文章希望能够固定每一层输出的分布之后，再送入激活函数，这样没一层网络不用去调整适应不同分布的输入，便可以加快训练效率。传统的白化方法也提出了类似的

翻译 pycaffe 常用API记录

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

翻译 第十课 VC维，模型选择，贝叶斯统计

VC dimensionModel selection cross validationfeature selectionBayesian statistics1.VC dimension概念： 所需要的训练样本的个数m近似线性于H的参数个数。2.Model selection2.1cross validation 当k=m时，称作leave-one-out cross

翻译 第九课 Learing Theory

Learing Theory该部分主要让我们对机器学习算法有一定的认知分析能力，而不是只知道如何调取函数，成为调包侠。对算法提前进行分析可以提高研究效率。1.bias-variance tradeoff参考线性回归，偏差方差权衡 bias：可以认为是generalization error,即样本集的训练误差。当欠拟合时，bias偏大 variance：当训练得到的模型迁移到另外一组样本时，得到

翻译 第八课 SVM

—kernal—soft margin—SMO algorithm1.kernalsinput attributes:原始输入数据 features:经过ϕ(x)\phi(x)将attributes映射到高维空间后，传递到算法中的数据 ie. 因为SVM算法可以通过计算内积来计算估计值，那么映射到高维之后的内积我们可以用<ϕ(x),ϕ(z)><\phi(x),\phi(z)>表示，因此我们

翻译 第六、七课支持向量机

Support vector machinesSVM是监督性学习中属于基于“距离隔板”一类，该方法被认为是其中效果最好的方法之一。为了介绍SVM首先介绍margin和利用距离大小分离数据的概念。然后介绍optimal margin classier，中间会使用到拉格朗日对偶。此外我们会介绍kernal，它能使SVM算法在高维特征空间上更加有效率。最后我们将介绍SMO优化算法，用于高效地SVM算法进

翻译 第五课 广泛学习算法

Generative Learning algorithms因为我们想直接得到p(y|x)，因此引入介绍Generative Learning algorithms。 根据贝叶斯准则，我们可以对分类问题分析建立模型： 我们的最终的分类结果是选择后验概率最大的y 1.Gaussian discriminant analysis1.1 The multivariate normal dis

翻译 第四课 牛顿方法

牛顿方法，一种最大（小）化算法—–Newton’s method算法原理，对函数f(θ\theta)，使用下式进行迭代： 最终θ\theta的收敛值会使得f(θ\theta)=0，图像只管理解如下，详细介绍在note1 page20： 对于最大化问题，我们应当使目标函数的导数为0，因此f(θ\theta)在这里为目标函数的一阶导数ℓ′(θ)： 在逻辑回归中，θ\theta为向量，因

翻译 第三课 欠拟合与过拟合的概念

1.局部权重线性回归（自译）—–Locally weighted linear regression在介绍该中线性回归方法之前，先引入一些概念： - 欠拟合（underfitting）:对训练特征的复杂度或者说特征空间的维度估计过低，导致拟合效果不足的现象 - 过拟合（overfitting）:训练特征的复杂度或者说特征空间的维度估计过高，导致过分拟合的结果 因为两种拟合都不能得到

翻译 第二课 监督学习应用 梯度下降

1. 最小均方误差算法h(x)h(x) 为目标函数 θ\theta 为参数parameters xnx_{n}为特征 nn为特征个数 mm为训练集的个数 则在线性假设下 h(x)=hθ(x)=θ0+θ1∗x1+θ2∗x2+...+θn∗xnh(x)=h_{\theta }(x)=\theta _{0}+\theta _{1}*x_{1}+\theta _{2}*x_{2}+...+\t

原创 第二课

翻译 第一课 机器学习的动机与应用

课件资源：网易公开课 讲师：Andrew Ng （Stanford）简介：机器学习是指让计算机在不须特定的编程下，获得学习并解决问题的能力。机器学习在过去的20年飞速发展，成为多个学科的热门，同时应用于多个领域（机器人，人工智能，数据挖掘，计算机视觉等）。课程目标：在学习完课程后能够将机器学习算法应用到自己感兴趣的问题中或者项目中。内容：授课，讨论，作业，p

原创 第一课（试听）

考试：期末领一页纸官方纸，写上自己认为可以用到的公式成绩：8/2分平时成绩：5次作业教材：徐全智随机过程的发展历史：古典概率时期1655~出现了期望的定义，但后来存在贝特朗悖论，即在不同的限定条件下得到的结果不同，引起了人们对古典概率的思考近代概率的起点1900~给出了概率、随机变量的定义1920~定义了随机过程，通俗地说即一族随机变量1945~定义了随机分

原创 1.Opencv API reference

一 介绍Opencv是一个基于BSD (Berkeley Software Distribution，伯克利软件套件)的开源库，它包含了多种计算机视觉算法。2.x版本是C++风格的API，而1.x版本是C风格的。目前还3.x版本，具体几个版本的区别待日后有了了解再进行补充。Opencv具有模块化的结构，因此它的包包含了一些共享的和静态的库。下面为一些可用的模块：core

转载 pca主成分析

http://blog.sina.com.cn/s/blog_3f738ee00102vakz.html点击打开链接

原创 华为P7砖头机刷机

费了九牛二虎之力依然刷不回官方，尝试了很多rom 最终有一个可以安装，感谢该rom的作者，太感谢了！下面记录一下我是怎么解决的。首先，一开始我的手机是没有变砖头的，我是想要刷一个更简洁的系统，因为原装系统实在是太多应用了。可能是以前root过，root前一定要解锁（网上看到的），也不知道为什么。总之我试了很多中方法都没有刷机成功，反而把我的手机刷成了砖头机，那个郁闷啊。于是网上各种教程，因

转载 factor analysis

http://www.cnblogs.com/jerrylead/archive/2011/05/11/2043317.html

转载 gabor滤波器小结

http://blog.sina.com.cn/s/blog_6f611c3001018jcx.html

转载 差分进化算法

http://blog.csdn.net/hehainan_86/article/details/38685231

转载 opencv cmake教程以及环境变量配置（转载）

http://www.nmtree.net/2014/03/19/windows_build-opencv-with-cmake-and-vs2013.htmlhttp://www.nmtree.net/2014/03/20/build-opencv-development-environment-based-on-vs2013.html