《深度学习》学习笔记一——线性代数
标量(scalar):一个标量就是一个单独的数,它不同与线性代数中研究其他大部分对象(通常是多个数的数组)。我们用斜体表示标量。标量通常被赋予小写的变量名称,比如:
标量(scalar):一个标量就是一个单独的数,它不同与线性代数中研究其他大部分对象(通常是多个数的数组)。我们用斜体表示标量。标量通常被赋予小写的变量名称,比如:
通过路径获取传来的数据,使用这种方法时,要在方法参数中的对应参数加上@PathVariable,如果访问的路径为:localhost:8080/page/王/21
,就能获得 name=王,age=21
表的创建
create table <表名> (<列名> <数据类型> [列级完整性约束条件],
<列名> <数据类型> [列级完整性约束条件],
······
,<表级完整性约束条件>);
相信有很多朋友都跟我一样,使用 XAMPP 集成的 MySQL,因为它操作起来实在太方便了。但是它默认不是支持 UTF-8 的,需要我们手动去修改配置文件 my.ini
IntelliJ IDEA 是一款非常强大的集成开发环境,基本上可以做任何事情,它的强大大大降低了我们的工作量,提高了工作效率。那么它如何开发 Java Web 呢?下面就为大家介绍使用 IntelliJ IDEA 开发 Java Web。
相信大部分同学都跟我一样都是使用 Windows 系统的,但是作为一个开发者来说,Linux 命令是经常要用到的,在以前我们使用虚拟机安装 Linux 的,如果电脑配置低的话,就基本卡着不动了。在 Windows10 后,我们再也不用那么麻烦了,因为可以直接在 Windows 上安装子系统,这个子系统就是 Ubuntu。
在之前我是很喜欢使用真机进行调试的,因为那时候觉得用真机调试比较方便,直到我发现我的手机打印不出 Log.d()的调试日志,我才开始经常使用模拟器。当然还有两小点是:我的手机不支持快速启动和小编的电脑配置比较低,模拟器太吃内存了。
我在做自动登录的时候遇到的坑,特写此文以提醒各位不要把自己绕进去了。
我们都知道在 Web 端的 cookie 是可以通过服务器端设置保存的,默认是关闭浏览器就清除 cookie 的,但是可以在服务器端设置 cookie 的有效期,浏览器就会自动保存 cookie,而在 Android 上是不会自动保存 cookie,我用的是 Okhttp3,我找不到 response.addCookie(cookie)
和 request.getCookies()
的方法(Java Web 的操作),如果没有保存和重发 cookie 给服务器的话,是不会自动登录的。搞了大半天才知道这一切都在 head 里。
如果没有安装对应的包,请使用 pip
安装对应的包,这个使用了一个 lr_utils
的工具类,这个工具类是加载数据集的工具,可以到这里下载。这个工具类也使用一个 h5py
,所以也要安装该包。
深度学习最近起飞的原因是:硬件的开发,特别是 GPU 的计算,是我们获得更多的计算能力;深度学习已在一些重要的领域应用,如广告,语音识别和图像识别等等;目前数字化的时代使得我们拥有更多的数据。
在 Android 6.0(API 级别 23)以下申请权限是非常简单的,直接在 AndroidManifest.xml
这个配置文件中加入申请权限的列表就可以了,比如我要申请四个权限,如下:
在本篇文章中,我们将会介绍 TensorFlow 的安装,TensorFlow 是 Google 公司在 2015 年 11 月 9 日开源的一个深度学习框架。
最近在学习 PaddlePaddle 在各个显卡驱动版本的安装和使用,所以同时也学习如何在 Ubuntu 安装和卸载 CUDA 和 CUDNN,在学习过程中,顺便记录学习过程。在供大家学习的同时,也在加强自己的记忆。本文章以卸载 CUDA 8.0 和 CUDNN 7.05 为例,以安装 CUDA 10.0 和 CUDNN 7.4.2 为例。
最近在学习在 CentOS 上搭建一个云服务平台,所以写下该文章当做笔者的学习笔记,提供给大家一起学习。虽然我们没有办法实现像百度云、腾讯云、阿里云那么强大的云服务平台,但是可以学习它们这些思维,做一个简单的云平台给自己的团队或公司使用。
有不少开发者在学习深度学习框架的时候会开源一些训练好的模型,我们可以使用这些模型来运用到我们自己的项目中。如果使用的是同一个深度学习框架,那就很方便,可以直接使用,但是如果时不同深度学习框架,我们就要对模型转换一下。下面我们就介绍如何把 Caffe 的模型转换成 PaddlePaddle 的 Fluid 模型。
Caffe 是目前比较常用的深度学习框架,这个框架安装没有其他一下主流框架那么简单,直接使用 pip 命令安装,它更常用的是使用编译的方式安装。所以写下这个文章记录一下。
中央民族大学创业团队巨神人工智能科技在科赛网公开了一个 TibetanMNIST 正是形体藏文中的数字数据集,TibetanMNIST 数据集的原图片中,图片的大小是 350*350
的黑白图片,图片文件名称的第一个数字就是图片的标签,如 0_10_398.jpg
这张图片代表的就是藏文的数字 0。在本项目中我们结合第四章所学的卷积神经网络,来完成 TibetanMNIST 数据集的分类识别。
开发人脸识别系统,人脸数据集是必须的。所以在我们开发这套人脸识别系统的准备工作就是获取人脸数据集。本章将从公开的数据集到自制人脸数据集介绍,为我们之后开发人脸识别系统做好准备。
前一章我们已经介绍了常见的人脸数据集,在本章将要进行人脸识别的第二步人脸检测。在人脸识别任务中,首先是需要检查一张图片中是包含有人脸,然后把这个人脸裁剪出来,然后使用脸部的关键点进行人脸对齐,最后使用人脸对比方式完成人脸识别。