thystar-CSDN博客

原创 win10下tensorflow安装中的问题小结

终于安装好了tensorflow，这里简要记录一下安装中遇到的问题，安装过程csdn中已经有人详细的描述了，请参考 http://blog.csdn.net/u010099080/article/details/53418159 非常清楚，一般来说，照着博客做就ok了，但是这个世界上总有想我一样点背的。 1. 关于python和anaconda的下载版本：python 需要使用3.5的版本，a

2017-02-26 02:32:11 3406

原创七月算法深度学习笔记7--RNN

这套笔记是跟着七月算法五月深度学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网： http://www.julyedu.com/ RNN：利用神经网络处理序列问题状态和模型之前，我们处理的模型叫做IID数据；网络用sample A 做一次forward，无论是分类还是回归，接下来用B做一次forward，A和B没有关系。这类网络学习到的是一

2017-01-06 21:33:19 4972

原创七月算法机器学习笔记6 -- 工作流程与模型优化

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/特征工程总结模型选择没有那种模型是万能的，在特定情况下选择适合的模型对这幅图做如下解释从start开始，先看数据的训练样本在数据样本比较小的情况下，需要添加更多样本或放弃机器学习，用人工规则处理。当样

2016-11-19 14:17:21 934

原创七月算法机器学习笔记5 -- 特征工程

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/特征工程特征 => 数据中抽取出来的对结果预测有用的信息特征工程是使用专业背景知识和技巧处理数据,使得特征能在机器学习算法上发挥更好的作用的过程。数据与特征处理特征处理中不同类型的的特征的处理数值

2016-11-12 13:16:20 1835 2

原创树莓派使用SPI与一片flask通信

首先，需要一块spi的flask芯片，我这里使用M25P80;按照引脚顺序连接到树莓派，在测试事前，确保你的spi是开启的，其他就不多说了。开始干活： python用于spi的包为spidev, 我使用的B+版本的树莓派是不用另行下载这个包的。简要介绍下里面的变量和函数：具体参考官方文档，我会在下载中上传一份，大家可以在我的下载页面中下载. 属性 bits_per_word : 每个单词字

2016-11-04 18:17:22 7898 1

原创树莓派与i2c设备的通信

最近搞树莓派，这里对学习过程中遇到的问题加以记录，感谢网上各位大神们的贡献：首先，需要开启I2C，这里，我使用的是树莓派B+，开启方法比较简单，参考：http://www.embed-net.com/thread-140-1-1.html开启后，安装一个用于测试i2c设备的工具，i2c tools，安装命令：sudo apt-get install i2c-tools将i

2016-11-03 16:42:27 26228 3

原创七月算法机器学习笔记2--机器学习中的数学之矩阵分析与应用

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/ 矩阵分析与应用主要介绍的内容有：如图首先，来看两个示例：

2016-10-29 14:51:08 2955

原创 VNC远程连接树莓派报错问题解决-- “由于目标计算机积极拒绝，无法连接”

Problem: “由于目标计算机积极拒绝，无法连接”第一次搞树莓派，因为树莓派不能直接连接显示器，所以使用远程连接，这里，我使用网线对连的方式，笔记本和树莓派用一根网线连接，具体参考：http://shumeipai.nxez.com/2013/10/15/raspberry-pi-and-a-network-cable-directly-connected-laptop.html

2016-10-20 15:07:38 32362 6

原创 caffe学习笔记13(补充)--关于ContrastiveLossLayer层

之前写了一系列caffe官网中关于caffe python使用例子的翻译。在最后一个例子：http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/siamese/mnist_siamese.ipynb中，将mnist降维到2维并将其可视化。我当时按例子跑了下代码并且大致翻译了下：http://blog.csdn.ne

2016-07-18 19:11:35 7158 2

原创 Spring杂记之--Spring配置文件

Spring配置文件格式如下<beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/bean

2016-07-16 11:50:34 774

原创 Spring杂记

首先介绍下spring的核心模块：如图：

2016-07-14 22:20:17 1171

原创 caffe学习笔记--写一个运行caffe.cpp的makefile

之前因为有caffe的项目要放到服务器上面,但是其实不需要在服务器上面重新安装caffe，所以写了个makefile. 这里改写了个简单的，比较容易读的，只运行caffe.cpp，如果由其他的，可以按照makefile的规则添加就好。首先，还是要说一下关于caffe的依赖，参考之前的两篇博客：http://blog.csdn.net/thystar/article/details/511790

2016-07-12 11:07:10 4195

原创七月算法机器学习笔记4--线性回归与逻辑回归

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/ 1 线性回归概念：一般做连续值变量的预测，如股票价格走势等对于预测阶段举例来说：房子的面积与价格的关系如下表所示：可以得到如下图：可以近似画出右边的直

2016-06-18 10:21:10 1131

原创七月算法深度学习笔记6--CNN推展案例:图像检测、NeuralStyle

这套笔记是跟着七月算法五月深度学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/ 图像相关任务1. 物体的识别和定位对于一张给定的图片，判定图片中的物体属于那个类别对于输入图片，输出物体所在的位置。关于定位问题的处理方式：1.1 看

2016-06-10 17:24:32 4252

原创七月算法深度学习笔记5--CNN训练注意事项与框架使用

这套笔记是跟着七月算法五月深度学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/ 1. 神经网络的训练1.1 Mini-batch SGD不断循环:1 采样一个batch数据(比如32张,可以做镜像对称)2 前向计算得到损失loss3 反向传播计算梯度(一个

2016-06-09 16:10:13 3707

原创七月算法深度学习笔记4 -- CNN与常用框架

这套笔记是跟着七月算法五月深度班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/ 神经网络的结构神经网络包含输入层，输出层，及中间的隐层神经网络在做说明事情呢？从逻辑回归到神经元--感知机：X1,X2为输入，z为一个线性的输出，当z0函数趋近1.于是，我的得到

2016-06-04 14:54:33 11029 1

原创 CentOS6.5虚拟机安装Caffe大致记录

话说CentOS装caffe也真心是个坑，装了两天，python因为应用中不用，谢天谢地，这里说下安装过程，不过，不同机器可能遇到的问题不一样。这里参考了一些博客：http://my.oschina.net/speedinghzl/blog/464142?fromerr=PMKemZsc幸亏opencv按照这个上面的装的，不然不知道又有多少坑，还有http://caffe.berkeleyvi

2016-06-02 16:19:39 2395

原创七月算法机器学习笔记3--凸优化

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/ 1. 无约束优化问题1.1 举例首先看一个例子，对于这个方程组，由于b=[0 1 1]' 不在系数组成的列空间内，即因此，这个方程没有解。但是，是否可以找到一个近似解。即

2016-05-21 17:26:31 7174

原创 caffe学习笔记10.1--Fine-tuning a Pretrained Network for Style Recognition(new)

在之前的文章里，写过一个关于微调的博客，但是今天上去发现这部分已经更新了http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/02-fine-tuning.ipynb，因此补一篇最新的，关于微调，前面的文章由讲，参考http://blog.csdn.net/thystar/article/details/5067553

2016-04-28 16:44:30 4552 5

原创 caffe学习笔记3.3--Loss

与大多数的机器学习算法一样，caffe的学习也是由loss function驱动的（或者叫error,cost,objective function）。损失函数的目标是，将参数（就是网络中的权值和偏置）映射到一个能够度量参数“不好程度”的标量中，因此，其目标就是让这个标量最小化（其实就是调整参数，是的损失函数的值最小）。在caffe中，通过前向传播计算损失，每一层由一系列的输入（bottom）

2016-04-26 16:23:33 5358

原创 caffe学习笔记3.2--前向传播和反向传播

caffe学习笔记3从3.1开始主要翻译一下caffe的官方文档，写的非常好，忍不住要作一下。本篇翻译来自caffe官网的：http://caffe.berkeleyvision.org/tutorial/forward_backward.html前向传播和反向传播是计算神经网络非常重要的部分。考虑一个简单的逻辑回归分类问题前向传播：通过网络的输入计算输出结果的过程，在前向传播中，

2016-04-26 09:42:24 10814

原创七月算法机器学习笔记1--机器学习中的数学之数理统计和参数估计

数理统计和参数估计首先，看一下概率与统计的关注点概率论问问题的方式：已知总体的可能性，求某种事件发生的概率，如图所示：

2016-04-25 18:06:42 2904

原创 caffe学习笔记3.1 -- caffe的三级结构

在caffe教程中，介绍了caffe的三级结构：Blobs, Layers,Nets.如下图所示：深度网络是一个复杂的模型，caffe定义了一个层与层之间连接的网络模型。这个网络定义了从输入层到损失的所有模型结构。

2016-04-20 18:14:26 3305

原创 caffe学习笔记14(外篇)--使用CodeBlocks调试caffe代码

在这篇博客里，我来说一下如何使用CodeBlocks去执行和调试caffe的代码。在之前的文章中，我们都是直接调用caffe中的代码，但是其内部是如何运行的，我们并没有看到，这里，我们将caffe代码放到codeblocks创建的工程中，就可以单步调试代码了。我们以运行examples/mnist/convert_mnist_data.cpp的代码为例。关于mnist的训练，请参考点击链接

2016-04-18 14:03:26 4778 9

原创 caffe学习笔记6--训练自己的数据集

这一部分记录下如何用caffe训练自己的数据集

2016-04-18 11:24:27 10130 14

原创 caffe学习笔记5 -- Alex’s CIFAR-10 tutorial, Caffe style

这是caffe官网中Examples中的第三个例子，链接地址：http://caffe.berkeleyvision.org/gathered/examples/cifar10.html这个例子重现了Alex Krizhevsky的cuda-convnet中的结果，具体的模型定义、参数、训练步骤等都是按照cuda-convnet中的进行设置的。数据集描述：CIFAR

2016-04-12 18:08:43 2713

原创 caffe学习笔记2--caffe的文件结构

接上一篇博客，我们有提到甘宇飞的博客中caffe的一篇文章就是关于caffe文件结构的介绍，这里，参考这篇文章，对caffe的文件结构及文件的作用做一个介绍。

2016-03-11 10:37:58 5496 3

原创 caffe学习笔记1.1-- caffe的Makefile文件

在本文中，描述一下caffe的Makefile文件，这个文件用于caffe的编译；这里不会把所有文件都考过来，有些脚本相似的会省略掉文件在caffe根目录下，因为用到makefile.config中的变量，因此，在用到的时候我会给下说明首先，是项目名称PROJECT := caffe #项目名称，就是当前的caffe目录接下来，这个文件要用到了Makefile.conf

2016-03-10 10:36:45 13040 2

原创 caffe学习笔记11 -- Net Surgery

这是caffe官方文档Notebook Examples中的第四个例子, 链接地址：http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/net_surgery.ipynb

2016-02-29 16:51:54 5670 1

原创 caffe学习笔记4-- 手写数字mnist训练过程

通过mnist数据集的训练，来看一下caffe的运行过程1. 准备数据首先，我们需要从网上下载数据，在caffe根目录下运行一下命令./data/mnist/get_mnist.sh./examples/mnist/create_mnist.sh运行完后，会出现如下两个文件：mnist_train_lmdb, and mnist_test_lmdb

2016-02-24 17:15:36 17778 6

原创 caffe学习笔记13 -- Setup

这是caffe文档中Notebook Examples的最后一个例子，链接地址：http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/siamese/mnist_siamese.ipynb这个例子将mnist降至2维, 可以将其特征可视化1. 导入相应的包import oscaffe_root =

2016-02-24 16:10:21 2348 1

原创 caffe学习笔记12 -- R-CNN detection

这是caffe文档中Notebook Examples的倒数第二个例子，链接地址http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/detection.ipynb这个例子用R-CNN做目标检测。R-CNN是一个先进的目标检测模型，它通过微调caffe模型指导分类区域。对于R-CNN系统和模型的详细介绍

2016-02-24 16:09:23 15525 20

原创 caffe学习笔记10 -- Fine-tuning a Pretrained Network for Style Recognitio

这是caffe官方文档Notebook Examples中的第四个例子，链接地址：http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/03-fine-tuning.ipynb

2016-02-24 16:08:19 3274

原创 caffe学习笔记9 -- Brewing Logistic Regression then Going Deeper

这是caffe官方文档Notebook Examples中的第三个例子

2016-02-24 16:05:24 1894

原创 caffe学习笔记８-- Python solving with LeNet

这是caffe官方文档Notebook Examples中的第二个例子，链接地址：http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/01-learning-lenet.ipynb这个例子使用LeNet对手写数字分类。LeNet的结构可以参考：http://blog.csdn.net/thystar/articl

2016-02-24 15:56:48 3905

原创 caffe学习笔记７--Image Classification and Filter Visualization

这是caffe文档中Notebook Examples的第一篇，链接地址http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb这个例子利用CaffeNet模型对caffe文件夹下的那张小猫的图像进行分类，CaffeNet基于ImageNet。同时比较了CPU和GPU

2016-02-24 15:51:13 5322 3

原创 caffe中matlab接口配置

这里记录一下caffe中matlab接口的配置首先，需要下载安装matlab, 我下载的是matlab2014a, 安装过程参考http://blog.csdn.net/lanbing510/article/details/41698285 　上面给出了下载地址：http://pan.baidu.com/s/1o6qKdxo#path=%252Fmatlab　里面有三个文件，下载part1

2016-02-24 09:11:54 13708 1

原创 caffe中cuda7.5的配置及python接口的使用--ubuntu14.04

这里，已经完成了caffe的安装，若没有安装，在相应的网站上下载安装，可以参考　http://blog.csdn.net/thystar/article/details/50158487不要修改Makefile.config1.CUDA安装下载：https://developer.nvidia.com/cuda-downloads选择与系统向匹配的版本，我下在的是cud

2016-01-09 18:20:00 3378

原创 linux下一些软件的安装

1. sublime ：命令：sudo add-apt-repository ppa:webupd8team/sublime-text-2sudo apt-get updatesudo apt-get install sublime-text2. code::blocksodu apt-get install codeblocks

2016-01-08 19:49:18 2256

原创 python base64编码的应用

初学base64编码，做个笔记首先，写一个简单的例子：将一个字符串编码然后解码，这个例子来自于https://docs.python.org/2/library/base64.html>>> import base64>>> encoded = base64.b64encode('data to be encoded')>>> encoded'ZGF0YSB0byBiZSBlbm

2015-12-17 10:36:23 684

tensorflow_gpu

tensorflow_gpu版本，为了方便下载，在这里上传一份

2017-02-26

tensorflow_cpu

tensorflow_cpu版本，为了方便下载，在这里上传一份

2017-02-26

python spi

一个比较好的spi的说明文档，对spidev中的函数和变量有详细的描述。

2016-11-04

数据结构C++算法

文档是数据结构的一些算法，如深度优先，广度优先，最短路径算法等.

2013-08-15

数据结构之链表

文档是数据结构的链表部分，C++代码。供大家参考

2013-08-15

汉诺塔.doc

文档是数据结构中汉诺塔和堆栈算法的程序，C++代码

2013-08-15

构建面向对象的应用软件系统框架

构建面向对象的应用软件系统框架本书不准备讨论软件工程过程的问题，而只是对软件工程中软件技术的一个方面——系统框架设计，做一些探讨。

2013-08-08

同频干扰

WiMax即全球微波互联接入。，随着技术标准的发展，WiMAX逐步实现宽带业务的移动化，而3G则实现移动业务的宽带化，两种网络的融合程度会越来越高。这个文档主要是对同频干扰场景介绍的补充

2013-08-08

OPNET WiMAX-cochnl_diff_perm_7xl

场景是描述PermBase规划网络中同信道干扰对网络的影响，与之前的场景WiMax-cochnl_some_perm_7x1的网络结构类似，这个场景由七个单元组成，每个单元共享一个WiMax物理层的配置。

2013-08-08

Standford凸优化

凸优化最权威的教材，与斯坦福大学的凸优化教材同步。对机器学习，数据挖掘等专业有很大的帮助。英文版。

2013-06-26

NE-str750 Watchdog定时器

看门狗定时器是一个8位预分频因子的16位的减法计数器可以用来在粗无发生是复位外设或者作为定时器管理应用程序超时。看门狗的作用是防止程序进入死循环。

2013-03-08

局部线性降维算法

LLE算法可以归结为三步: (1)寻找每个样本点的k个近邻点；（2）由每个样本点的近邻点计算出该样本点的局部重建权值矩阵；（3）由该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值。

2013-03-08

Amazon’s Dynamo簡介部份

亚马逊运行一个全球性的电子商务平台，为数以百万计的顾客提供服务，在峰值时间会使用分布在世界各地的数万台服务器。出于性能、可用性和效率的考虑，亚马逊平台有着严格的操作要求，为了支持平台的可持续发展，系统也需要有很高的可扩展性。其中可靠性是最重要的要求，因为哪怕是最轻微的故障也会有巨大的经济影响，对客户的信赖造成巨大损失。此外，为了支持持续增长，平台需要高度可扩展性。本文简单介绍了这一数据库

2013-03-08

局部线性嵌入LLE

LLE 局部线性嵌入是一种高效的降维方法，本文主要介绍了该算法的实现过程，及其参数值的选择，同时，给出了MATLAB的仿真效果

2012-12-05

数据结构排序算法代码汇总

//快速排序 //***************************************************************************// //2011.09.28 //快速排序递归算法 #include<iostream.h> #include<stdlib.h> int Slipt(int a[], int low, int high); void QuickSort(int a[], int low, int high); const int num=10; void main() { int a[num]; int i; for(i=0; i<num; i++) { a[i]=rand()0; cout<<a[i]<<" "; } cout<<endl; QuickSort(a,0,num); for(i=0; i<num; i++) { cout<<a[i]<<" "; } cout<<endl; } void QuickSort(int a[], int low, int high) { int i; if(low<high) { i=Slipt(a,low,high); QuickSort(a,low,i); QuickSort(a,i+1,high); } } int Slipt(int a[], int low, int high) { int i,j,x,temp; x=a[low]; i=low; for(j=low; j<high; j++) { if(a[j]<x) { i=i+1; if(i!=j) { temp=a[i]; a[i]=a[j]; a[j]=temp; } } } temp=a[low]; a[low]=a[i]; a[i]=temp; return i; }

2012-11-22

P2P网络中污染扩散的流模型ppt

文章希望找到一个对P2P污染扩散模型的封闭的解决方案。它建立了一套流模型来模拟P2P网络的污染扩散。这些流体模型可导出一系列非线性的微分方程，通过这些微分方程，获得了封闭的解决方案。文章同时还分析了“自由下载”和“用户中途放弃”等两种用户行为对污染信息扩散的影响，此外，还分析了版本偏好，黑名单等防治策略和下载延时对数据污染扩散的影响

2012-11-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人