nvidia jetson tx2 刷机遇到的问题解决
一、主要信息 使用的开发板：nvidia jetson tx2（内存8g有wifi的版本） 使用的JetPack版本： 4.2.2 二、遇到的问题及解决 1. 刷好jetson os 后，开发板一直在后台运行 sdkmanager上已经显示刷好了第一阶段： 但是开发板提示：A start job i ...
基于数据驱动的发电设备在线预警研究
随着信息技术的高速发展和计算机硬件水平的快速上升，大数据技术、智能电厂、工业4.0 等相关概念逐渐被提出。国内许多发电集团都已经逐步开始新一代智能电厂的建设，这其中就包括了发电设备的在线预警部分。我国发电技术经过几十年的发展，电厂数字化、信息化水平大幅提高，积累了大量的运行数据，这为发电设备的大数据 ...
读---白话大数据与机器学习
第二章 步入数据之门 什么是数据 承载了信息的东西 什么是信息 信息是用来消除随机不定性的东西 算法 在同一个算 法中，不同的参数和阈值设置同样会带来大相径庭的结果，甚至影响数据解读的科学性 第三章 排列组合与古典概型 1.古典概型 如果一个随机试验所包含的单位事件（就是刚才说的3次朝上分别为“正正 ...
Pytorch入门教程
记得刚开始学TensorFlow的时候，那给我折磨的呀，我一直在想这个TensorFlow官方为什么搭建个网络还要画什么静态图呢，把简单的事情弄得麻烦死了，直到这几天我开始接触Pytorch，发现Pytorch是就是不用搭建静态图的Tensorflow版本，就想在用numpy一样，并且封装了很多深度 ...
遵循统一的机器学习框架理解高斯混合模型（GMM）
遵循统一的机器学习框架理解高斯混合模型（GMM） 一、前言 1. 我的博客仅记录我的观点和思考过程。欢迎大家指出我思考的盲点，更希望大家能有自己的理解。 2. 本文参考了网络上诸多资料，特别是B站UP "shuhuai008" 的视频，讲解东西也是我最喜欢的方式：从多个角度阐述和理解问题。 二、理解 ...
EM算法之不同的推导方法和自己的理解
EM算法之不同的推导方法和自己的理解 一、前言 EM算法主要针对概率生成模型解决 具有隐变量的混合模型的参数估计 问题。 对于简单的模型，根据极大似然估计的方法可以直接得到解析解；可以在具有隐变量的复杂模型中，用MLE很难直接得到解析解，此时EM算法就发挥作用了。 E步解决隐变量的问题，M步求解模型 ...
证明xcosx无周期
假设$xcos\,x$有周期，依据周期函数的规律，可得 $$ \begin{aligned} xcos\,x & = (x+T)cos\,(x+T) \\ & = (x+T)cos\,xcos\,T sin\,xsin\,T \\ & = xcos\,xcos\,T xsin\,xsin\,T + ...
狄利克雷函数为什么不具有最小正周期
[TOC] 一、狄利克雷函数 狄利克雷（Dirichlet）函数如下所示： $$ D(x) = \begin{cases} 1,\quad{x\in{Q\,\,\,\,\quad(有理数 》可精确表示两个整数之比的数)}}, \\ 0,\quad{x\in{Q^C\quad(无理数 》不可精确表示两 ...
机器学习（4）——PCA与梯度上升法
主成分分析（Principal Component Analysis） 1. 一个非监督的机器学习算法 2. 主要用于数据的降维 3. 通过降维，可以发现更便于人类理解的特征 4. 其他应用：可视化、去噪 通过映射，我们可以把数据从二维降到一维： 显然，右边的要好一点，因为间距大，更容易看出差距。 ...
遵循统一的机器学习框架理解逻辑回归
遵循统一的机器学习框架理解逻辑回归 标签： 机器学习 LR 分类 一、前言 1. 我的博客仅记录我的观点和思考过程。欢迎大家指出我思考的盲点，更希望大家能有自己的理解。 2. 本文参考了网络上诸多资料。 二、理解 统一的机器学习框架(MLA)： 1.模型(Model) 2.策略(Loss) 3.算法 ...
【Python】机器学习之单变量线性回归练习（计算Cost Function）
注：练习来自于吴恩达机器学习 翻译后的题目： 你是一个餐厅的老板，你想在其他城市开分店，所以你得到了一些数据（数据在本文最下方），数据中包括不同的城市人口数和该城市带来的利润。第一列是城市的人口数，第二列是在这个城市开店所带来的利润数。 现在，假设θ0和θ1都是0，计算CostFunction，即计 ...
运动元素提取，基于帧间差分与背景差分
对于某些运动元素的提取，我们仍然可以依据静态图像提取的方法，比如R-G分量差提取等，前提是目标有某些独有的特征。考虑一幅运动图像—— 目标是运动的，背景是禁止的，目标以红色为主，背景含有局部静止的红色。像这种情况单从静态方法分析就很难了。 对于类似上述的图像，最简单的提取方法是帧间差分与背景差分。这 ...
遵循统一的机器学习框架理解SVM
遵循统一的机器学习框架理解SVM 一、前言 1. 我的博客仅记录我的观点和思考过程。欢迎大家指出我思考的盲点，更希望大家能有自己的理解。 2. 本文参考了李宏毅教授讲解SVM的课程和李航大大的统计学习方法。 二、理解 统一的机器学习框架(MLA)： 1.模型(Model) 2.策略(Loss) 3. ...
如何免费使用GPU跑深度学习代码
从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大(重要的事情说三遍)的计算量，以至于CPU算不过来，需要通过GPU帮忙，但这必不意味着CPU的性能没GPU强，CPU是那种综合性的，GPU是专门用来做图像渲染的，这我们大家都知道，做图像矩阵的计算GPU更加在行，应该我们一般 ...
机器学习实战_KNN（一）
【是什么】 KNN 即 k_近邻算法（k- nearest neighbor) ，就是寻找K个邻居作为该样本的特征，近朱者赤，近墨者黑，你的邻居是什么特征，那么就认为你也具备该特征；核心公式为： 数据来源：https://github.com/apachecn/AiLearning/blob/mas ...
CornerNet: Detecting Objects as Paired Keypoints
CornerNet是一种anchor free的目标检测方法，不需要设置anchor，而是通过检测关键点(Keypoints)，即目标的左上角(Top-Left Corners)和右下角(Bottom-Right Corners)，再进行配对，来实现目标的检测。 网络的前半部分是一个卷积网络，后半部 ...
XLNet预训练模型，看这篇就够了！(代码实现)
文章目录1. 什么是XLNet2. 自回归语言模型（Autoregressive LM）3. 自编码语言模型（Autoencoder LM）4. XLNet模型4.1 排列语言建模（Permutation Language Modeling）4.2 Transformer XL4.2.1 vanil... ...
[主动学习--查询策略] 01 Core-set
主动学习，Core-set 查询策略，2018 年 ICLR 的一篇文章，成为了之后很多文章的 baseline。其中，K-center-greedy 方法实现简单，速度快；Robust k-center 速度慢，但效果更好。 ...
JavaScript学习笔记
JavaScript 1. 严格区分大小写； 2. 数据类型： ：不区分整数与浮点数； 字符串： 布尔值： 3. 相等运算符： ：会自动转换数据类型再比较； ：不会自动转换数据类型，数据类型不一致则返回false； ，表示 与所有其他值都不相等，包括自己； 4. ：表示一个空的值，与0和空字符串 不 ...
Python知识点总结篇（五）
软件目录结构规范 目标： 提高可读性； 提高可维护性； 常见结构 包含内容： 项目简介 功能特性 环境依赖 部署步骤 目录结构描述 版本内容更新 常见问题说明 模块及包导入 本质是路径搜索和搜索路径，导入模块就是把 文件解释一遍 ，导入包的本质是执行该包下的 文件； 面向对象 编程范式：实现一个任务 ...
