会员
众包
新闻
博问
闪存
赞助商
HarmonyOS
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
k_rl
博客园
首页
新随笔
联系
订阅
管理
上一页
1
2
3
下一页
2015年5月2日
ubuntu14.04+opencv 3.0+python2.7安装及测试
摘要: 本文记录了ubuntu下使用源码手动安装opencv的过程。步骤来自opencv官网此外记录了在python中安装及载入opencv的方法。1、安装opencv所需的库(编译器、必须库、可选库)转载请说明http://www.cnblogs.com/llxrl/p/4471831.htmlGCC 4...
阅读全文
posted @ 2015-05-02 12:48 lireagan
阅读(18457)
评论(3)
推荐(3)
2015年3月24日
Record:逻辑分区下新建简单卷后其他卷被删除
摘要: 上图是恢复后的磁盘情况,恢复前的情况没有截图。事情是这样:扩展分区中原本有4个逻辑分区。想将其中一个分区(MySpace,第一个分区)压缩出部分空间新建一个分区。经过 压缩卷->新建简单卷 后,除了MySpace之外其他三个分区直接被删除卷了,蛋疼。上网查了一下原因据说是盗版Win7在磁盘管理时会出...
阅读全文
posted @ 2015-03-24 12:29 lireagan
阅读(532)
评论(0)
推荐(0)
2015年3月19日
BufferedReader、FileReader、FileInputStream的区别
摘要: 一、BufferReaderBufferedReader 由Reader类扩展而来,提供通用的缓冲方式文本读取,而且提供了很实用的readLine,读取分行文本很适合,BufferedReader是针对Reader的,不直接针对文件,也不是只针对文件读取。二、FileReaderFileReader...
阅读全文
posted @ 2015-03-19 15:03 lireagan
阅读(615)
评论(0)
推荐(0)
2015年3月16日
Momentum
摘要: 一、目的 加快参数的收敛速度。 二、做法 另第t次的权重更新对第t+1次的权重更新造成影响。 从上式可看出,加入momentum后能够保持权重的更新方向,同时加快收敛。通常alpha的取值为[0.7, 0.95]
阅读全文
posted @ 2015-03-16 21:03 lireagan
阅读(265)
评论(0)
推荐(0)
2015年3月15日
Probabilistic Graphical Models:二、Bayes Network Fundamentals(1、Semantics & Factorization)
摘要: 一、How to construct the dependency? 1、首字母即随机变量名称 2、I->G是更加复杂的模型,但Bayes里不考虑,因为Bayes只是无环图。 3、CPD = conditional probability distribution。图中的每一个点都是一个CPD,这里
阅读全文
posted @ 2015-03-15 10:27 lireagan
阅读(502)
评论(0)
推荐(0)
2015年3月11日
ubuntu系统根目录下各个目录用途说明
摘要: 1、/ 根目录 --------- 所有目录挂在其下2、/boot --------- 存放Ubuntu内核和系统启动文件。系统启动时这些文件先被装载。3、/etc --------- 系统的配置文件目录。密码文件、设置网卡信息、环境变量的设置等都在此目录中,许多网络配置文件也在其中。具...
阅读全文
posted @ 2015-03-11 18:17 lireagan
阅读(2099)
评论(0)
推荐(1)
2015年3月3日
Probabilistic Graphical Models:一、Introduction and Overview(2、Factors)
摘要: 一、什么是factors? 类似于function,将一个自变量空间投影到新空间。这个自变量空间叫做scope。 二、例子 如概率论中的联合分布,就是将不同变量值的组合映射到一个概率,概率和为1. 三、几种操作(factor operation)的介绍 1、乘积 2、边缘化 3、缩减 四、总结(为何
阅读全文
posted @ 2015-03-03 20:19 lireagan
阅读(256)
评论(0)
推荐(0)
2015年3月1日
Probabilistic Graphical Models:一、Introduction and Overview(1、Overview and Motivation)
摘要: 一、PGM用来做什么 1、 医学诊断:从各种病症分析病人得了什么病,该用什么手段治疗 2、 图像分割:从一张百万像素级的图片中分析每个像素点对应的是什么东西 两个共同点:(1)有非常多不同的输入变量;(2)对于算法而言,结果都是不确定的 二、PGM各代表什么 1、 Models 2、 Probabi
阅读全文
posted @ 2015-03-01 22:17 lireagan
阅读(252)
评论(0)
推荐(0)
Dropout阅读笔记
摘要: 多伦多大学Hinton组 http://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 一、目的 降低overfitting的风险 二、原理 在网络的BP迭代训练过程中,每一次迭代的网络都结构不同(用dropout对网络剪枝,得到thinn
阅读全文
posted @ 2015-03-01 13:41 lireagan
阅读(329)
评论(0)
推荐(0)
梯度下降(BGD)、随机梯度下降(SGD)、Mini-batch Gradient Descent、带Mini-batch的SGD
摘要: 一、回归函数及目标函数 以均方误差作为目标函数(损失函数),目的是使其值最小化,用于优化上式。 二、优化方式(Gradient Descent) 1、最速梯度下降法 也叫批量梯度下降法Batch Gradient Descent,BSD a、对目标函数求导 b、沿导数相反方向移动theta 原因:
阅读全文
posted @ 2015-03-01 12:05 lireagan
阅读(2074)
评论(0)
推荐(0)
上一页
1
2
3
下一页
公告