环境安装graphviz, pytorchviz 12pip install graphvizpip install git+https://github.com/szagoruyko/pytorchviz 示例： 123456789101112import torchfrom torch import nnfrom torchviz import make_dotfrom torchvision.models import AlexNetmodel = AlexNet()x = torch.randn(1, 3, 227, 227).requires_ ...

源码https://github.com/qingzhouzhen/CenterNet，fork自https://github.com/xingyizhou/CenterNet， 2019/10/10 0.4.1```1234#### 训练模型按照<https://github.com/qingzhouzhen/CenterNet/blob/master/experiments/ctdet_coco_dla_1x.sh>，默认使用pose_dla_dcn, 使用修dlav0模型： python main.py multi_pose –arch ...

svm.SVC()svm.SVC()使用ovo，每一个类别和其他类别分别构造一个svm，一共n*(n-1)/2svm分类器，当判断一个未知类别的样本，每个分类器对这个点进行分类，最后投票，得票最多的类别为最终类别 构造四个类别： 1234cls1 = np.array([[0, 1, 0],[1, 1, 0], [2, 1, 0], [3, 1, 0], [4, 1, 0]])cls2 = np.array([[0, 3, 1],[1, 3, 1], [2, 3, 1], [3, 3, 1], [4, 3, 1]])cls3 = np.array([[0 ...

分类，检测，语义分割，实例分割的区别 语义分割(semantic segmentation)就是把图像中每一个像素属于什么类别(比如person)都识别出来，但是它没有告诉这个像素属于第几个人，而实例分割(instance segmentation)不光把一个像素属于那个类别识别出来，还识别出它属于该类别中的第几个实例 FCN和Alexnet的区别在于，后者对一张图片做一次分类，而前者对每一个像素点都做一次分类

基于物品的协同过滤总结起来就是说如果用户A购买力物品1和物品2， 那么认为物品1和物品2是相似物品，在这个前提下，如果用户B购买了物品1，就把物品2推荐给B 基于用户的协同过滤总结起来就是如果用户AB都购买了物品xyz，那么认为用户A和用户B是同一类用户，如果A购买了w，也把w推荐给B 欧几里得距离：像几何一样计算两个变量之间的距离 皮尔逊相关系数：两个变量XY之间的相关度，定义为两个变量之间的协方差和标准差之间的尚 参考 https://blog.csdn.net/yimingsilence/article/details/54934302

准备数据 pascal voc格式数据转coco格式 参考： https://blog.csdn.net/weixin_41765699/article/details/100124689 在12343. 在```path/src/lib/datasets/datasets```下新建```gaodian.py```，内容参照```coco.py```改，改成自己需求的样子 1. 修改类名为```Gaodian 14行1234563. 改均值和方差，参考 https://blog.csdn.net/weixin_41765699/article ...

PCA(principal component analysis)主成分分析，原始矩阵中的每一个item可以用基向量的线性组合表示 SVD(singular value decomposition)奇异值矩阵分解，是一个矩阵及其转置矩阵的PCA， $R=M\sum U$ SVD能通过矩阵分解能同时拿到行向量与列向量的基 在电影推荐中，R的行代表某个用户，列代表某个电影，具体某个数值代表该用户对某个电影的评分，M的行代表某个用户对所有类型电影的喜好程度，U的列代表某个电影是否属于某种类型的电影，两者点乘为某个用户对某个电影的评分 该算法的目标是：基于稀疏的 ...

编译修改Makefile 123GPU=1CUDNN=1OPENCV=1 1234567python3额外添加LINKFLAGS := -Wl,-rpath,/home/hhq/anaconda3/lib$(EXEC): $(EXECOBJ) $(ALIB) $(CC) $(COMMON) $(CFLAGS) $^ -o $@ $(LDFLAGS) $(LINKFLAGS) $(ALIB)$(SLIB): $(OBJS) $(CC) $(CFLAGS) -shared $^ -o $@ $(LDFLAGS) $(LINKFLA ...

逻辑回归先从线形回归引入，即通过一些数据去拟合一个函数$y=wx +b$,再来一个新的数据$x_i$，可以通过这个函数(模型)得到它对应的输出 通过均方误差求解函数参数 $E_{(w,b)}=min \sum_i^m(y_i-wx_i-b)^2$ 上式子分别对w,b求导并令导数为0解出 $w=\frac {\sum_i^my_i(x_i-\hat x)}{\sum_i^mx_i^2-\frac{1}{m}(\sum_i^mx_i)^2}$ $b=\frac{1}{m}\sum_1^m(y_i-wx_i)$ 将上述的线形模型整体输入sigmod函数就可以得 ...

购买飞机场购买链接：https://justmysocks2.net/members/cart.php?gid=1 我买了最便宜的一个月的，先试试能不能用。 购买完之后点my service可以看到5个可用的站点，用户名密码等等 下载客户端在官网support->Knowledgebase->Software-download-links https://justmysocks2.net/members/index.php?rp=/knowledgebase/5/Software-download-links.html 下载对应平台的客户端， ...