时光杂货店-CSDN博客

转载 Linux 非root用户安装cuda和cudnn

Linux 非root用户安装cuda和cudnn1、cuda下载 https://developer.nvidia.com/cuda-downloads 2、在选择linux及对应的系统之后，选择 runfile(local)这个选项，然后下面给出的命令 “sudo sh cuda_9.0.176_384.81_linux.run” 中sudo这个需要管理员账号，其实可以去掉sudo，直接...

2018-08-31 11:16:13 2381

原创两次端口转发：在本机远程使用服务器上的TensorBoard

背景：当TensorBoard运行在服务器上，而我们想在本机可视化TensorBoard数据时，可通过端口转发的方式实现。普通方案：使用SSH将服务器的6006端口重定向到自己机器上来。其中16006:127.0.0.1代表自己机器上的16006号端口，6006是服务器上tensorboard使用的端口。ssh -L 16006:127.0.0.1:6006 user@hostna...

2018-07-22 13:02:13 4524 1

原创一些经济术语

降准：央行货币政策之一。即，降低存款准备金率，表明流动性已开始步入逐步释放过程。存款准备金：是指金融机构为保证客户提取存款和资金清算需要而准备的，是缴存在中央银行的存款；中央银行要求的存款准备金占其存款总额的比例就是存款准备金率（deposit-reserve ratio）。...

2018-06-28 17:07:07 1044

原创简单谈谈Cross Entropy Loss

写在前面分类问题和回归问题是监督学习的两大种类。神经网络模型的效果及优化的目标是通过损失函数来定义的。回归问题解决的是对具体数值的预测。比如房价预测、销量预测等都是回归问题。这些问题需要预测的不是一个事先定义好的类别，而是一个任意实数。解决回顾问题的神经网络一般只有一个输出节点，这个节点的输出值就是预测值。对于回归问题，常用的损失函数是均方误差( MSE，mean squared ...

2018-06-23 11:26:16 182155 25

原创 Ubuntu下Faster Rcnn框架的配置

2017-10-02 22:08:03 863 2

转载 Linux查看CPU个数、内存等信息

本篇博客转载自 Linux 查看CPU信息，机器型号，内存等信息 Linux查看物理CPU个数、核数、逻辑CPU个数 linux 下查看机器是cpu是几核的总核数 = 物理CPU个数 X 每颗物理CPU的核数总逻辑CPU数 = 物理CPU个数 X 每颗物理CPU的核数 X 超线程数查看CPU信息命令>> cat /proc/cpuinfo查看物理CPU的个数 >> ca

2017-09-27 21:49:43 28377 1

转载如何解决类似 /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.21' not found 的报错

本篇博客转载自：关于libstdc++.so.6: version `GLIBCXX_3.4.20’ not found问题解决1 问题描述编译程序或运行程序时，出现类似/usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.21’ not found的报错。2 问题分析这是因为升级gcc时，生成的动态库没有替换老版本gcc的动态库，将gcc最新版本的动态

2017-09-27 20:59:08 10286

原创 Anaconda 安装和使用

网上关于Anaconda的使用帖子很多，此处之所以新开一贴给予说明，是因为Ubuntu环境下，如果使用系统自带的python，当安装的包多了以后，容易引起冲突。而Anaconda是一个非常好的包管理工具，Anaconda环境不仅独立于系统自带的python环境；同时，还可以用Anaconda创建不同的环境进行包的安装，这样能够很好的避免包之间的环境冲突。对于Anaconda来

2017-09-26 22:01:52 1083

转载数据预处理

本篇博客转载自数据预处理以下是一些常见的数据预处理方法，形式上是通过sklearn的preprocessing模块来大概介绍; 更加重要的是，想通过这篇博客来培养数据预处理的意识。1 标准化(Standardization or Mean Removal and Variance Scaling)变换后各维特征有0均值，单位方差。也叫z-score规范化（零均值规范化）。计算方式是将特征值减去

2017-09-23 18:49:59 389

原创生成模型和判别模型的对比

1 前言监督学习就是学习一个模型(或得到一个目标函数)，再用这个模型，对给定的数据进行预测。这个模型的一般形式为一个决策函数Y=f(X)，或者条件概率分布P(Y|X)。决策函数Y=f(X)：输入一个X，它就输出一个Y，这个Y与一个阈值比较，根据比较结果判定X属于哪个类别。例如两类(w1和w2)分类问题，如果Y大于阈值，X就属于类w1，如果小于阈值就属于类w2。这样就得到了X的类别。条件概率分布P

2017-09-23 12:18:28 1392

原创生成对抗网络(GAN)简单梳理

网上已经贴满了关于GAN的博客，写这篇帖子只是梳理下思路，以便以后查阅。关于生成对抗网络的第一篇论文是Generative Adversarial Networks0 前言GAN(Generative Adversarial Nets)是用对抗方法来生成数据的一种模型。和其他机器学习模型相比，GAN引人注目的地方在于给机器学习引入了对抗这一理念。回溯地球生物的进化路线就会发现，万物都是在不

2017-09-19 21:32:25 66000 15

转载简单记录交叉验证（Cross Validation）

1 训练集 vs. 测试集在模式识别与机器学习的相关研究中，经常会将数据集分为训练集跟测试集两个子集，前者用以建立模型，后者则用来评估该模型对未知样本进行预测时的精确度，正规的说法是泛化能力（generalization ability）。将完整的数据集分为训练集跟测试集，必须遵守以下要点：只有训练集才可以用在模型的训练过程中，测试集则必须在模型完成之后才被用来评估模型优劣的依据。训练集中样本数

2017-09-19 15:18:07 1557

转载简单记录Tensorflow中Graph和Session的关系

本篇博客转自以下博客： Tensorflow学习笔记2：About Session, Graph, Operation and Tensor以下是正文：1Tensorflow是一个基于图(Graph)的计算系统。图的节点是由操作(Operation)来构成的，而图的各个节点则是由张量(Tensor)作为边来连接在一起的。所以Tensorflow的计算过程是一个Tensor流向图。2Tens

2017-09-18 13:11:46 9628 1

转载记录numpy的一些用法

转载自： python 科学计算学习一：numpy快速处理数据 1import numpy as np>> a=np.array([1,2,3,4]) #列向量>> a = np.array([[1,2,3,4]]) #行向量2>> b=np.array([1.2,2,2,3.1],dtype=np.int) #结果是array([1, 2, 2, 3])>> type（b） #查看b的数据

2017-09-12 20:05:47 521

转载一张图解AlphaGo原理及弱点

本篇博客转载自：一张图解AlphaGo原理及弱点以下为原文：作者简介：郑宇，博士, Editor-in-Chief of ACM Transactions on Intelligent Systems and Technology， ACM数据挖掘中国分会秘书长。张钧波，博士，ACM数据挖掘中国分会会员，从事深度神经网络相关研究。近期AlphaGo在人机围棋比赛中连胜李世石3局，体现了人工智能

2017-09-12 17:44:25 1651

转载 VAE(Variational Autoencoder)的原理

本篇博客转载自： VAE(Variational Autoencoder)的原理 OpenAI实习生讲解变分自编码机以上两篇文章翻译自Kevin Frans的英文博客.英文原文：Variational Autoencoders Explained论文链接：Auto-encoding variational bayes 论文的理论推导：变分自编码器（VAEs）以下为正文：我曾经讲解过一次生成式对抗

2017-09-12 17:28:45 12920

原创简单认识钢琴五线谱

在提到五线谱之前，先简单认识下钢琴键盘。钢琴键盘是由黑色键和白色键共计88个键所组成(少数钢琴只有85个键)。其中黑键36个，白键52个。仔细观察黑键和白键,会发现二者的分布和排列具有规律性，即：黑键是两个一组和三个一组。自2个黑键左边那一个白键起，数7个白键(分别唱作dodo rere mimi fafa soso lala sisi)，加上这之中的5个黑键(表示在其左/右白键的基础

2017-09-09 23:01:59 17805

原创记录一些Tensorflow小知识点

1 Tensorflow 中feature map的计算在Tensorflow中，padding的方式有2种：SAME 和 VALID首先是计算公式使用VALID时：output=ceil(float(input−kernel+1)/stride)output = ceil(float(input - kernel + 1) / stride)使用SAME时：output=ceil(float(

2017-09-07 15:56:07 1264

原创 Ubuntu 运行文件时，出现 Permission denied

在Ubuntu下，执行sh文件时提示下面信息： -bash: ./xx.sh: Permission denied可以尝试以下方法解决： chmod 777 xx.sh执行其他类型的文件出错时，也可以此类推 Ubuntu中，chmod 755代表用户对该文件拥有读，写，执行的权限，同组其他人员拥有执行和读的权限，没有写的权限，其他用户的权限和同组人员权限一样。chmod 777代表user，

2017-09-05 09:10:14 19606 2

原创 Ubuntu 中一些包的安装

1 Anaconda环境下安装 pyqt4目前最新的Anaconda自带的pyqt是PyQt5，和PyQt4的区别不小。可以通过以下命令安装PyQt4conda install -c anaconda pyqt=4.11.4安装时可能会提示navigator-updatger冲突，把navigator-updater卸载掉就能正常安装了：conda remove navigator-updater

2017-08-29 19:35:30 1039

原创深度增强学习（DRL）简单梳理

2017-08-23 15:27:08 21833 4

原创 matlab判断视频是否损坏并存为视频/图片

批量处理视频时，经常需要事先判断视频是否损坏，并且将视频帧存储为图片。这里使用matlab做一个简单的判断。主要用到VideoReader和VideoWriter两个方法。1 准备工作matlab如果遇到下面这个错误：Could not read file due to an unexpected error. Reason: Unable to initialize the video obta

2017-04-28 17:06:05 1312

原创利用音频做视频分类

视频分类通常是一个多模态任务。可以用RGB图片， optical flow光流图片以及audio音频来进行分类。这篇博客主要讲一讲用音频来做视频分类的过程。主要思路目前利用音频的主要方法是将音频转换为对应谱图，然后让卷积网络像看图片一样去“看”音频信号，以此学会音频信号的特征来进行分类。几种谱图要将音频信号转为图片形式，转换的代码网上有很多，但是要考虑的问题是转换为哪种谱图。声谱图（Spectro

2017-03-10 11:50:24 1646

原创提示is not a symbolic link警告的去除方法

错误提示： ldconfig: /usr/lib/x86_64-linux-gnu/libhdf5_hl.so.7 is not a symbolic link问题分析：因为libhdf5_hl.so.7正常情况下应该是一个符号链接,而不是实体文集件,修改其为符号链接即可。解决方法： sudo ln -sf libhdf5_hl.so.7 libhdf5_hl.so这样就可以了。

2017-03-08 19:57:39 18625

转载 PCA的数学原理

本篇博客转载自《PCA的数学原理》PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。

2017-02-17 12:06:44 892

原创记录一些python用法

2017-01-12 11:46:02 824

原创 tensorflow安装报错

1报错： ImportError: libcudart.so.7.0: cannot open shared object file: No such file or directory解决： 1）尝试在环境变量中添加： export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-7.5/lib64 export CUDA_HOME=/us

2017-01-09 15:01:28 437

原创几个常用机器学习算法 - 最大熵模型

2017-01-09 10:19:33 9076

原创 caffe编译/运行错误

1报错：fatal error: caffe/proto/caffe.pb.h: No such file or directory #include “caffe/proto/caffe.pb.h” 解决：caffe根目录下运行 protoc src/caffe/proto/caffe.proto --cpp_out=. mkdir include/caffe/proto mv src/

2017-01-05 16:17:00 2187

转载深度增强学习（DRL）漫谈 - 从DQN到AlphaGo

笨篇博客转载自：http://blog.csdn.net/jinzhuojun/article/details/52752561深度增强学习（Deep reinforcement learning, DRL）是DeepMind（后被谷歌收购）近几年来重点研究且发扬光大的机器学习算法框架。两篇Nature上的奠基性论文（DQN和AlphaGo）使得DRL这一深度学习（Deep learning, DL

2016-12-05 15:10:15 18546

转载 Caffe中 math_functions 分析

本篇博客转载自 Caffe源码（一）：math_functions 分析 math_function 定义了caffe 中用到的一些矩阵操作和数值计算的一些函数，这里以float类型为例做简单的分析.1 caffe_cpu_gemmtemplate<>void caffe_cpu_gemm<float>(const CBLAS_TRANSPOSE TransA, const CBLAS

2016-11-24 20:36:24 1776

原创 Caffe中卷积层的实现

2016-11-24 12:52:58 5766

原创论文阅读 - 《Neural Relation Extraction with Selective Attention over Instances》

2016-11-18 16:52:32 9437 5

原创论文阅读 - 《Relation Classification via Multi-Level Attention CNNs》

2016-11-14 19:46:08 6438 2

原创论文阅读 - 《Neural Sentiment Classification with User and Product Attention》

论文阅读 - 《Neural Sentiment Classification with User and Product Attention》基于Document level的情感分析用于根据document确定用户对产品的整体情感倾向。以往方法的缺点：只注重局部文本信息，忽略全局的用户偏好以及产品特点；鉴于模型复杂度，就算考虑用户偏好和产品特点，也只是单词层面的。1、传统方法将情感分析作为

2016-11-10 21:22:23 1765

原创 FCN 简单梳理

FCN 简单梳理全卷积网络(Fully Convolutional Network)将CNN应用到了图像语义分割领域。图像语义分割，就是对一张图片上的所有像素点进行分类。以往的CNN都是对整张图片进行分类,不能识别图片中特定部分的物体，而全卷积网络是对一张图片中的每个像素进行分类，以此达到对图片特定部分进行分类的效果。1 卷积化(convolutionalization)卷积化以往分类的网络

2016-11-09 00:09:09 20747 12

原创 Faster R-CNN 简单梳理

Faster R-CNN 简单梳理从R-CNN到Fast R-CNN，再到Faster R-CNN，目标检测的四个基本步骤（候选区域生成，特征提取，分类，位置精修）被统一到一个深度网络框架之内。所有计算没有重复，全部都在GPU中完成，大大提高了运行速度。三个框架的示意图如下： 1 亮点Faster R-CNN可以看做“区域生成网络+Fast R-CNN“的系统，其中区域生成网络代替了Fast

2016-11-07 22:22:52 1838 4

原创 Fast R-CNN 简单梳理

2016-11-07 16:38:00 7995

原创 R-CNN 简单梳理

2016-11-05 21:57:21 2289

原创几个常用机器学习算法 - 逻辑回归

1 回归在数学上来说,回归是给定一个点集，然后用一条曲线去拟合。如果这条曲线是一条直线，那就被称为线性回归；如果是一条二次曲线，就被称为二次回归。回归还有很多的变种，如locally weighted回归，logistic回归等等。一个简单的例子：如果想评估一个房屋的价值，那么需要考虑很多因素，比如面积、房间数量、地段、朝向等等（这些影响房屋价值的因素被称为特征），此处，为了简单，我们假设只

2016-11-02 19:55:26 2074

空空如也

空空如也