10 2018 档案

字符串的输入问题 C++
摘要：C++中，初学时最常用的输入字符的方式为cin，但是，cin是如何确定已经完成了字符串的输入了呢？由于不能通过键盘输入空字符("\0"),因此cin需要用别的方法来确定字符串的结尾位置。cin使用空白（空格，制表符和换行符）来确定字符串结束的位置，这意味着cin在取字符数组输入时只能读取一个单词。读 阅读全文
posted @ 2018-10-27 18:16 RamboBai 阅读(1992) 评论(0) 推荐(0)
第三章习题 C++ Primer 第六版
摘要：1.使用一个整数输入自己的身高（单位为cm）,并将此身高转化为米和厘米共同表示的形式，使用下划线字符来指示输入的位置，使用一个const符号常量来表示转换因子。 运行结果： 请输入自己的身高，单位为厘米:190 你的身高是： 190公分 190公分是1米加90厘米 2.要求以几英尺几英寸的方式输入身 阅读全文
posted @ 2018-10-25 20:54 RamboBai 阅读(400) 评论(0) 推荐(0)
C++ 十进制 八进制 十六进制的转换和关系
摘要：在默认情况下，cout以十进制格式显示整数，而不管这些整数在程序中是如何书写的。如下面的程序所示： 程序运行结果： 默认情况下，cout 以十进制格式显示整数 chest = 42 (42以十进制格式显示) waist = 66 (0x42以十进制格式显示) inseam = 34 (042以十进制 阅读全文
posted @ 2018-10-24 19:21 RamboBai 阅读(3536) 评论(0) 推荐(1)
C++ 无符号整型和整型的区别
摘要：在Win 7系统中，short 表示的范围为 - 32767到 32767，而无符号的short表示的范围为0 到 65535，其他类型的同理可推导出来，当然，仅当数字不为负的时候才使用无符号类型。 有些事情，当时接触的时候模模糊糊，可是，当你在过些时间慢慢的回头看他时，觉得顿然开悟。 下面的程序显 阅读全文
posted @ 2018-10-24 18:58 RamboBai 阅读(8644) 评论(0) 推荐(0)
C++ 整型长度的获取 不同的系统
摘要：不同的系统中，C++整型变量中的长度位数是不同的，通常，在老式的IBM PC中，int 的位数为16位（与short相同），而在WINDOWS XP，Win7，vax等很多其他的微型计算机中，为32位（与long 相同）。这点在迁移别人的程序中要注意！！！看别人用的什么系统，自己用的什么系统！ 例如 阅读全文
posted @ 2018-10-23 22:24 RamboBai 阅读(2330) 评论(0) 推荐(0)
第二章习题 C++
摘要：1.编写一个程序，显示您的姓名和地址。 2.输入一个以long为单位的距离，然后将他转化为码（一long 等于220码） 4. 让用户输入其年龄，并显示该年龄包含多少个月。 5. 将摄氏温度转化为华氏温度，在main()函数中调用此转换函数，并显示最后的结果； 阅读全文
posted @ 2018-10-22 10:12 RamboBai 阅读(303) 评论(0) 推荐(0)
输入cin对象的用法
摘要：程序中使用到了两个cin.get()函数，这样才能在屏幕上看到输出。为什么要用到两个呢？ 第一个cin.get()语句在您输入数字并按enter键时读取输入，而第二条cin.get()语句让程序暂停，直到您按下按键才会关闭屏幕。 cin对象的箭头流向是向右的>>，为什么会向右呢？这是因为从键盘输入的 阅读全文
posted @ 2018-10-22 09:08 RamboBai 阅读(653) 评论(0) 推荐(0)
将Mnist手写数字库转化为图片形式 和标签形式
摘要：Mnist 数据文件有两种，一种是图片文件，一种是标签文件，那么如何把他们解析出来呢？ （1）解析图片文件 可以看出在train-images.idx3-ubyte中，第一个数为32位的整数（魔数，图片类型的数），第二个数为32位的整数（图片的个数），第三和第四个也是32为的整数（分别代表图片的行数 阅读全文
posted @ 2018-10-21 14:34 RamboBai 阅读(4715) 评论(0) 推荐(0)
寻找图片中数字的轮廓并裁剪 扣取数字
摘要：本次数字图片来自mnist库 大体流程是：显示原图片——》灰度化（主要作用是改变数据的位数）——》进行腐蚀——》进行反二值化（使其变为白字黑背景）——》寻找轮廓——》画出轮廓——》裁剪 为什么要灰度化呢？本来图片就是灰度的啊？原来是有如下原因： 显示效果： 阅读全文
posted @ 2018-10-20 18:24 RamboBai 阅读(1654) 评论(0) 推荐(0)
图像搜索技术二
摘要：上一篇讲了图像搜索技术的基础，那那些东西在没有DEEP LEARNING 之前，是如何用到工业界的呢？ 先看个问题，有一副图片中有蓝天，白云，青山，绿水。我把这张图片颠倒过来，问这两张图片的相似度是多少？你期待这两个相似度很大，毕竟是同一张图片啊，虽然人眼看的还是同一张图片，但对计算机而言，当图像的 阅读全文
posted @ 2018-10-19 21:27 RamboBai 阅读(248) 评论(0) 推荐(0)
https://www.cnblogs.com/gaoxiang12/p/3695962.html
摘要：https://www.cnblogs.com/gaoxiang12/p/3695962.html 阅读全文
posted @ 2018-10-14 20:22 RamboBai 阅读(219) 评论(0) 推荐(0)
神经网络之调参
摘要：接着上一节，继续计算神经网络的梯度。 如上图所示，计算损失函数J对W14（1）的导数，这是为了更新W14（1）的值。 如上图所示，损失函数J就是S，S对W14（1）进行求导。首先看，W14（1）的变化导致了一号神经元的变化，而2号神经元没有发生变化。所以，对W14（1）的求导，与2号神经元没有关系， 阅读全文
posted @ 2018-10-13 19:07 RamboBai 阅读(4333) 评论(0) 推荐(0)
神经网络之非线性分类器——神经网络
摘要：1.单一神经元 神经网络是由许许多多的单一神经元构成的，那每一个神经元的实质是什么呢？神经元就干一件事情，叫做非线性变换。如下图所示： 2.神经网络 sigmod激活函数的作用是什么呢？它把一个数从负无穷到正无穷映射为0到1的部分，它只干这么一件事。那什么是神经网络呢？神经元是一个函数吧，那么神经网 阅读全文
posted @ 2018-10-12 09:43 RamboBai 阅读(6740) 评论(0) 推荐(0)
卷积神经网络之迁移学习
摘要：根据前面所做的笔记，卷积神经网络随随便便就有那么多参数，如果我训练集过少的话，会造成过拟合的问题。那如何在训练数据过少的情况下来使我的效果变得好呢？ 举个例子，比如说我区分猫狗的训练数据有10万个，利用这10玩个数据我训练出来的效果特别好。但我区分老虎和狮子的训练集只有1万个，我能不能达到像区分猫狗 阅读全文
posted @ 2018-10-10 20:49 RamboBai 阅读(2392) 评论(0) 推荐(0)
卷积神经网络之卷积的结构和参数的多少
摘要：卷积神经网络其实和普通的神经网络的区别在于它的输入不再是一维的向量了，而是一个三维的向量，为什么是三维的呢？这是因为图片有三个通道R,G,B。那么输出是什么呢？输出可以认为是一维的向量，比如说那图片分类举例，分为K类的话，输出就是K维的向量。 卷积神经网络的基本结构如下： 如上图所示，第一层为输入， 阅读全文
posted @ 2018-10-08 16:51 RamboBai 阅读(2815) 评论(0) 推荐(1)
卷积神经网络之卷积的物理意义
摘要：图像中的卷积，是离散的，这不同于我们数学中的卷积公式，数学中的卷积公式大部分都是连续的，但是也有离散的卷积公式，学过数字信号处理的应该都知道。这一点是我之前不明白的地方。 正如上图所示，大的方框表示原图像的像素，中间小的3*3的方框为卷积模板，最右边的方框是做完卷积之后的输出图像。 那么，为什么要对 阅读全文
posted @ 2018-10-07 19:24 RamboBai 阅读(4208) 评论(0) 推荐(0)
神经网络的后续改进
摘要：针对前几次做的笔记，发现训练集太少的情况下，识别率太低。有可能降到50%的情况。后做了几次改进，不过这几次改进还是在训练集只有100个，测试集10个的情况下，识别率有了一点提高，能稳定在60%，70%。可能如果加大训练集的话，识别率会有很大提升。 具体的改进有以下几点： （1）增加训练次数： 即把整 阅读全文
posted @ 2018-10-06 20:09 RamboBai 阅读(739) 评论(0) 推荐(0)