mmlab学习系列第26页

吴恩达机器学习系列课程笔记——第五章：Octave教程(Octave Tutorial)

提示：这章选学，可以去学python，第六节可以看看。5.1基本操作https://www.bilibili.com/video/BV164411b7dx?p=26本章学习以种编程语言：Octave语言。你能够用它来非常迅速地实现这门课中我们已经学过的，或者将要学的机器学习算法。过去我一直尝试用不同的编程语言来教授机器学习，包括C++、Java、Python、Numpy和Octave。我发现当使用

Lishier99·2023-01-20 17:00

吴恩达机器学习系列课程笔记——第十四章：降维(Dimensionality Reduction)

14.1动机一：数据压缩https://www.bilibili.com/video/BV164411b7dx?p=79这个视频，我想开始谈论第二种类型的无监督学习问题，称为降维。有几个不同的的原因使你可能想要做降维。一是数据压缩，后面我们会看了一些视频后，数据压缩不仅允许我们压缩数据，因而使用较少的计算机内存或磁盘空间，但它也让我们加快我们的学习算法。但首先，让我们谈论降维是什么。作为一种生动的

Lishier99·2023-01-20 17:30

吴恩达机器学习系列课程笔记——第十一章：机器学习系统的设计(Machine Learning System Design)

11.1首先要做什么https://www.bilibili.com/video/BV164411b7dx?p=65在接下来的视频中，我将谈到机器学习系统的设计。这些视频将谈及在设计复杂的机器学习系统时，你将遇到的主要问题。同时我们会试着给出一些关于如何巧妙构建一个复杂的机器学习系统的建议。下面的课程的的数学性可能不是那么强，但是我认为我们将要讲到的这些东西是非常有用的，可能在构建大型的机器学习系

Lishier99·2023-01-20 17:59

吴恩达机器学习（十六）—— 聚类

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。

大彤小忆·2023-01-20 17:50

机器学习深度学习基础笔记(2)——梯度下降之手写数字识别算法实现

该系列是笔者在机器学习深度学习系列课程学习过程中记录的笔记，简单粗暴，仅供参考。

明夏小斯·2023-01-20 01:34

【MMDetection-学习记录】 Windows10操作系统下安装并运行

MMDetection和MMVC对应版本如下：（使用MMDetection2.7.0mmcv-full1.1.5）https://github.com/open-mmlab/mmdetection/releases

乐亦亦乐·2023-01-19 10:22

在Win11系统下安装深度学习系列软件遇到的问题及解决办法

前提条件：Windows11控制系统，新机主要参考博主及博客：win11系统下Anaconda,PyTorch,cuda最新安装教程(2022-10-26)_Trick的博客-CSDN博客pycharm中配置Python解释器（最新）_pycharm配置解释器_老俺的的博客-CSDN博客安装anaconda时最好先考虑好所需的python版本，根据所需的python版本选择对应的anaconda，

五十赫兹小透明·2023-01-19 10:43

【JAVA项目实战】【图书管理系统】学生管理功能【Servlet】+【Ajax】+【MySql】+【Jsp】

个人主页：欢迎访问Ali.s的首页⏰最近更新：2022年10月13日⛽Java框架学习系列：【Spring】【SpringMVC】【Mybatis】Java项目实战系列：【飞机大战】【图书管理系统】Java

Ali.s·2023-01-19 09:09

【JAVA项目实战】【图书管理系统】借阅管理功能【Servlet】+【Ajax】+【MySql】+【Session】

个人主页：欢迎访问Ali.s的首页⏰最近更新：2022年10月23日⛽Java框架学习系列：【Spring】【SpringMVC】【Mybatis】Java项目实战系列：【飞机大战】【图书管理系统】Java

Ali.s·2023-01-19 09:09

【JAVA项目实战】【图书管理系统】书籍管理功能【Servlet】+【JSP】+【MySql】+【Ajax】

个人主页：欢迎访问Ali.s的首页⏰最近更新：2022年9月20日⛽Java框架学习系列：【Spring】【SpringMVC】【Mybatis】Java项目实战系列：【飞机大战】【图书管理系统】Java

Ali.s·2023-01-19 09:38

计算机视觉OpenCv学习系列：第三部分、滚动条操作

第三部分、滚动条操作第一节、滚动条操作1.事件响应函数（1）UI组件时间响应过程（2）事件响应函数（3）创建窗口函数（4）调整图像亮度2.滚动条操作3.代码练习与测试学习参考第一节、滚动条操作1.事件响应函数（1）UI组件时间响应过程Callback基本流程OpenCV中的响应主要是通过操作系统实现。如右图所示假设我们自己创建了一个Api，做滚动条，名字是createTrackbar，滚动条里面参

Liuyc-Code boy·2023-01-18 17:42

MMSegmentation使用记录

前尘昨夜此刻·2023-01-18 11:06

深度学习（十四）：数据增强Data Augmentation

编程语言：Python参考资料：吴恩达老师的深度学习系列视频吴恩达老师深度学习笔记整理深度学习500问唐宇迪深度学习入门视频课程笔记下载：深度学习个人笔记完整版为什么要使用数据增强数据增强，也称数据扩充

打不死的小黑·2023-01-18 10:10

Lichee_RV学习系列--stream移植

Lichee_RV学习系列文章目录Lichee_RV学习系列—认识LicheeRvDock、环境搭建和编译第一个程序Lichee_RV学习系列—移植dhrystone文章目录Lichee_RV学习系列文章目录一

Silent Knight·2023-01-18 08:55

mmsegmentation运行自己的VOC数据集

blog.csdn.net/weixin_43570470/article/details/1241830681.克隆mmsegmentationgitclonehttps://github.com/open-mmlab

α木子·2023-01-17 20:45

mmdet在训练过程中调用epoch

本文主要参考了https://github.com/open-mmlab/mmdetection/issues/7425具体实现定义hook类在mmdet/core/hooks中新增文件set_epoch_info_hook.py

今天早下班·2023-01-17 19:11

怎么看mmdetection版本_mmdetection检测代码库安装记录

codebase源码：https://github.com/open-mmlab/mmdetection¶1.程序安装参考官方指南：入口¶1.1注意事项：作

老刘口才·2023-01-17 16:32

mmdetection 安装以及测试记录

安装首先下载mmdetection的包：官方的下载地址：gitclonehttps://github.com/open-mmlab/mmdetection.git如果下载太慢了就从码云上下载能快一点：githttps

流觞时光·2023-01-17 16:29

ECCV 2022 | 港中文MMLab：基于Transformer的光流

©PaperWeekly原创·作者|ZhaoyangHuang单位|香港中文大学MMLab研究方向|视觉关联性学习Transformer今年在图像领域展现出了很好地性能，相比于CNN，它们的优势之一是基于注意力机制的长程建模能力

PaperWeekly·2023-01-17 15:18

【集成学习系列教程4】GBDT回归算法原理及sklearn应用

文章目录6GBDT回归算法6.1概述6.2算法具体步骤6.3sklearn中的GradientBoosting分类算法6.3.1原型6.3.2常用参数6.3.3常用属性6.3.4常用方法6.4实例5：探索不同回归损失函数对GBDT回归模型拟合效果的影响6.4.1创建数据集6.4.2定义与拟合使用不同损失函数的GBDT回归模型6GBDT回归算法6.1概述GBDT不仅可以应用于分类任务，它在回归任务中

Juicy B·2023-01-17 13:07

【机器学习基础】数学推导+纯Python实现机器学习算法27：EM算法

Python机器学习算法实现Author：louwillMachineLearningLab从本篇开始，整个机器学习系列还剩下最后三篇涉及导概率模型的文章，分别是EM算法、CRF条件随机场和HMM隐马尔科夫模型

风度78·2023-01-17 12:34

吴恩达机器学习课程笔记：监督学习、无监督学习

1.吴恩达机器学习课程笔记：监督学习、无监督学习吴恩达机器学习系列课程：监督学习吴恩达机器学习系列课程：无监督学习仅作为个人学习笔记，若各位大佬发现错误请指正机器学习的学习算法：监督学习、无监督学习、半监督学习

Uncertainty!!·2023-01-16 17:31

matlab 值法确定各指标权重,Matlab学习系列19. 熵值法确定权重

19.熵值法确定权重一、基本原理在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响(权重)越大，其熵值越小。二、熵值法步骤1.选取n个国家，m个指标，则xij为第i个国家的第j个指标的数值(i

weixin_39835178·2023-01-16 15:15

[每日一氵] Python Function get 方法在做什么

群里的大佬同学讨论了一个这样的问题：源码取自：https://github.com/open-mmlab/mmcv/blob/master/mmcv/cnn/utils/flops_counter.py

氵文大师·2023-01-16 12:27

【网络结构设计】6、CSPNet | 一种加强 CNN 模型学习能力的主干网络

CSPNet和其他结构结合三、效果论文：CSPNet:AnewbackbonethatcanenhancelearningcapabilityofCNN代码：https://github.com/open-mmlab

呆呆的猫·2023-01-16 09:07

【RMF】ros机器人中间件框架学习系列一：了解原理

【前言】RMF（ros机器人中间件框架）目前国内资源比较少，学起来有些困难，但出于某些原因还是需要研究一下，这里记录一下自己的学习过程，欢迎指正，共同进步参考网站：①：使用ROS2机器人操做系统进行多机器人编程技术实践（Multi-RobotProgrammingViaROS2）http://www.javashuo.com/article/p-vgrgxatu-nw.html②官网https:/

樱花回忆·2023-01-15 23:15

人工智能学习系列教程-目录（附视频教程）

原文链接:人工智能学习系列教程-目录（附视频教程）一.人工智能基础篇–数学理论数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。

AI科技前线·2023-01-15 16:53

tensorflow学习系列四：卷积神经网络

卷积神经网络毋庸置疑是深度学习的基石，基于卷积神经网络在很多方面都取得了传统算法所无法匹敌的性能，因而作为深度学习的入门，卷积神经网络必须了如指掌。本文主要基于tensorflow实现手写字体识别，网络结构为LeNet-5。可以说该网络应该是卷积神经网络中的hellworld，下面就是LeNet-5的具体实现#-*-coding:utf-8-*-"""CreatedonSunJun1011:14:

奔跑熊·2023-01-15 15:37

机器学习（正在更新）

目录自己疑问-----容易错误的点：训练集、验证集、测试集训练集验证集测试集以下视频地址：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili第二章2.1线性回归2-2代价函数（类似误差一样）

小小怪将军！·2023-01-15 11:23

重学深度学习系列-- CNN猫狗分类(TensorFlow2)

重学深度学习系列--CNN猫狗分类(TensorFlow2)文章目录重学深度学习系列--CNN猫狗分类(TensorFlow2)一、我的环境二、工程结构三、训练3.1导入库3.2导入数据集3.3进行数据增强

三个臭皮姜·2023-01-15 10:43

cnn池化层输入通道数_（pytorch-深度学习系列）CNN中的池化层-学习笔记

CNN中的池化层首先，池化(pooling)层的提出是为了缓解卷积层对位置的过度敏感性。什么意思？比如在图像边缘检测问题中，实际图像里，我们的目标物体不会总出现在固定位置，即使我们连续拍摄同一个物体也极有可能出现像素位置上的偏移。这会导致同一个边缘对应的输出可能出现在卷积输出的边缘的不同位置，从而对模式识别造成影响。与卷积层类似，池化层每次也是对输入数据的一个固定窗口内的元素计算输出但是池化层不同

weixin_39996478·2023-01-15 07:30

计算机视觉OpenCv学习系列：第一部分、绪论

第一部分、绪论第一节、计算机视觉发展历程1.计算机视觉发展历史2.计算机视觉的主要任务3.计算机视觉的应用场景第二节、计算机视觉框架1.早期计算机视觉框架概述2.当前主流的框架与路线3.计算机视觉框架的未来趋势第三节、OpenCV框架1.OpenCV的发展历史2.OpenCV模块架构3.OpenCV安装与支持学习参考第一节、计算机视觉发展历程1.计算机视觉发展历史计算机视觉的发展从古代小孔成像，到

Liuyc-Code boy·2023-01-15 06:21

计算机视觉OpenCv学习系列：第二部分、图像操作

第二部分、图像操作第一节、图像读取与显示1.图像理解2.图像读取与显示3.代码练习与测试第二节、图像色彩空间转换1.图像色彩空间2.函数说明与解释3.代码练习与测试第三节、图像对象的创建与赋值1.图像对象属性2.图像对象创建与赋值3.代码练习与测试第四节、图像像素的读写操作1.图像像素（1）**像素与分辨率**（2）OpenCV中的像素2.像素遍历（1）像素遍历（2）像素读写3.代码练习与测试第五

Liuyc-Code boy·2023-01-15 06:14

【mmdetection系列】mmdetection之backbone讲解

https://github.com/open-mmlab/mmde

聿默·2023-01-14 19:57

日志库EasyLogging++学习系列（11）—— 共享日志库

在前面的学习系列文章中，我们都是在单独的一个应用程序中使用Easylogging++日志库。其实Easylogging++日志库是可以共享给动态库、静态库以及应用程序共同使用的。

samenmoer·2023-01-14 19:12

日志库EasyLogging++学习系列（1）—— 简要介绍

日志库EasyLogging++学习系列（1）——简要介绍对于有开发经验的程序员来说，记录程序执行日志是一件必不可少的事情。

samenmoer·2023-01-14 19:42

日志库EasyLogging++学习系列（10）—— 日志文件滚动

在很多应用场合，我们是需要实现日志文件滚动的，特别是在一些长期运行的服务器程序中，如果把所有的日志都记录在一个文件之中，势必会造成日志文件越来越大。当日志内容很多的时候，万一哪天突然需要查询某个日志信息就会显得十分不便。所以，支持日志文件滚动是很多日志库都支持的功能，而文件滚动又可以分为按大小滚动和按时间滚动。按大小滚动文件在Easylogging++中，已经实现了按照日志文件大小来滚动日志记录。

samenmoer·2023-01-14 19:42

C++日志库EasyLogging++ 使用大全

C++日志库EasyLogging++使用大全github下载链接https://github.com/amrayn/easyloggingpp参考链接日志库EasyLogging++学习系列（1）——

samenmoer·2023-01-14 19:11

日志库EasyLogging++学习系列（2）—— 日志级别

在很多的C++日志库中，日志信息会根据严重性来划分级别，使用者可以设置严重性级别门阀值来控制日志的输出，即严重性级别在该门阀值以上的日志信息才进行记录。以此不同，在Easylogging++日志库中，故意默认采用了不划分级别的日志记录，以便使用者可以完全自主地启用或者禁止某个级别的日志记录。不过实际上，Easylogging++同样也支持划分级别的日志记录，只是需要额外设置一个标记：Logging

samenmoer·2023-01-14 19:11

强化学习系列之一:马尔科夫决策过程

文章目录[隐藏]1.马尔科夫决策过程2.策略和价值3.最优策略存在性和贝尔曼等式强化学习系列系列文章机器学习一共有三个分支，有监督学习、无监督学习和强化学习。

张博208·2023-01-14 12:06

吴恩达深度学习系列课程随记——Course4Week1

1.计算机视觉任务：图片分类/识别：图片是不是猫目标检测：图片中所有车的位置图片风格迁移：让一张图看起来像毕加索画的挑战：数据可能很大，如1k*1k的图片有300万维输入，如果有1000个隐藏单元，一层W会有30亿个参数因此，需要卷积2.边缘检测示例滑动窗口对位相乘，称为卷积运算，小的那个矩阵称为核或者过滤器图中这个过滤器，用来检测垂直边缘。将它反转一下，可以检测水平边缘。（这是从结果看出的，中间

Asteries·2023-01-14 11:03

吴恩达深度学习系列课程随记——Course2Week1

1.训练、验证、测试集训练集：用来训练验证集：用来找出最好模型测试集：无偏评估算法的运行状态（没有也不要紧）小数据时代：70%训练30%测试/60%训练20%训练20%测试大数据时代：99%（或者更多）训练1%验证%1%测试尽量保证验证集和测试集来自同一分布（网页抓取：牺牲了这一点来获取大量数据）没有测试集：这时验证集常常被称作测试集2.偏差、方差两者的平衡很少考虑欠拟合：高偏差（训练集误差高）过

Asteries·2023-01-14 11:32

数值优化（Numerical Optimization）学习系列-计算导数（Calculating Derivatives）

概述最优化问题中很多算法，包括非线性最优化、非线性等式等都需要计算导数。简单函数可以直接进行人工计算或者编码实现，对于复杂的情况，需要寻找一些方法进行计算或者近似。本节主要内容包括1.常见导数求解方法2.有限差分方法3.自动微分方法4.总结常见导数求解方法有限差分方法（FiniteDifferencing）根据导数的定义，导数表示函数在给定点x处，给定无限小的涉动后函数值的改动。因此我们可以根据定

下一步·2023-01-14 10:40

【Active Learning - 10】图像分类技术和主动学习方法概述

主动学习系列博文：【ActiveLearning-00】主动学习重要资源总结、分享（提供源码的论文、一些AL相关的研究者）：https://blog.csdn.net/Houchaoqun_XMU/article

Houchaoqun_XMU·2023-01-14 09:08

技术干货 | 如何用MindSpore优化器加速收敛高度逼近最优值？

深度概率学习系列已经介绍完啦，接下来给大家分享下高阶优化器系列，想要看前一个系列的小伙伴们戳下面的地址哦☟技术干货｜MindSpore贝叶斯应用工具箱详细讲解本文先跟大家分享下常用的一二阶优化器。

昇思MindSpore·2023-01-14 03:22

CUDA11.5/pytorch1.10安装mmcv-full经验

---------------------------------------------------------------方法：首先要安装mmcv要去官网查看一下对应版本：GitHub-open-mmlab

C.s·2023-01-13 21:58

Ubuntu18.04复现mmdetection3d

数据预处理四、训练参考一、环境搭建从零配置深度学习环境参考：ubuntu18.04+Annaconda+CUDA10.2+CuDNN7.6.5使用anaconda创建虚拟环境condacreate-nopen-mmlab3dpython

zyw2002·2023-01-13 21:20

typescript 学习系列-Symbol

介绍：ES6版本后Symbol出现了。symbol成为了一种新的原生类型，就像number和string一样Symbol符号：表示独一无二的值symbol类型的值是通过Symbol构造函数创建的letsym1=Symbol();console.log((typeofsym1))//symbolletsym2=Sybmol('key');//可选的字符串keyconsole.log(sym2)//S

Eason_0316·2023-01-13 07:57

mmsegmentation的分割结果可视化

mmsegmentation：https://github.com/open-mmlab/mmsegmentationimg--->infer,softmax,argmax--->segdefshow_result

Mr.Q·2023-01-13 00:04

LightGBM+OPTUNA超参数自动调优教程（附代码框架）

原创系列持续更新，欢迎微信搜一搜「Python数据科学」阅读机器学习系列文章。最近在kaggle上有一个调参神器非常热门，在top方案中频频出现，它就是OPTUNA。

Python数据科学·2023-01-12 21:11

推荐频道

mmlab学习系列