目的 在英国读书期间装了个Ubuntu双系统，在这之后，只要开机进入了Ubuntu，再重启回到Windows，系统时间就会变回英国时间，其实这不是什么大问题，但是一些特殊软件需要正确的系统时间（是啥我就不说了），所以每次开机都需要手动同步Internet时间，真tm苦不堪言。 方法 添加一个Wind
Published on 2022-12-29
当我辛辛苦苦在Windows上配置好PCL后，又是配置环境，又是添加依赖，又配置属性表，果然不出我所料的，我们的项目都是在Linux上开发的。。。 下载OpenCV 下载地址：Releases - OpenCV 版本选择的是4.7.0。 下载完成后，在主目录给解压了。 安装cmake sudo ap
Published on 2022-12-28
看到了一篇知乎上的回答，原网址 (5 封私信) 今年刚转入人工智能专业，了解到现在算法岗的形势，有些迷茫了，继续读下去还有出路吗？ - 知乎 (zhihu.com) 作者禁止转载，因此用ORC扒下来了。以下为原文： 不要去某汤，A四小龙之类的接政府项目/靠补贴为生的公司，因为政府官员对AI这个新事物
Published on 2022-11-26
回归 线性回归的四个假设 线性关系：自变量 x 和因变量y之间存在线性关系。 独立性： 残差是独立的。特别是，时间序列数据中的连续残差之间没有相关性。 同方差性： 残差在 x 的每个水平上都有恒定的方差。 正态性： 模型的残差呈正态分布。 误差和残差 误差是观察值与真实值之间的差；残差是观察值与模型
Published on 2022-11-23
NN中的Bias？ 偏置允许激活函数向左或向右移动以更好地适应数据。 反向传播是啥？ 允许来自 Cost Function 的信息，从网络末端反向向前传播，以便计算梯度 -> 更新参数。 梯度消失 首先，要知道NN是基于链式法则，因此层数越深，梯度将以指数形式传播。 梯度越来越小，权重值不再产生变化
Published on 2022-11-20
卷积神经网路 Convolutional Neural Network CNN CNN的结构 卷积层 Convolution 池化层（下采样） Polling 全连接层 Full connection 卷积层 最基础的2D卷积操作，涉及到一个2D的过滤器（filter），或者说是核（kernel）。
Published on 2022-11-04
在机器学习中，如果想对对非线性函数进行建模，深度前馈网络能够实现非线性函数的建模。 在深度学习中，使用一个简单函数的深度链来学习输入数据。 线性函数的输入函数： \hat{y} = \theta^Tx 非线性函数的输入函数：\hat{y} = f(\phi(x);\theta) 其中，\phi(x)
Published on 2022-11-03
关于这门课 这门课的授课老师是号称谢菲尔德大学最受欢迎的Lecture - Dr Sean Anderson。课堂的风格确实比较生动有趣，而且因为Deep Learning目前仍然比较前沿的原因，课堂上时常举一些比较cool或者exciting的例子，比如一次关于CUDA的课堂，开始跟我们讨论比特币
Published on 2022-11-03
问题 我的ThinkPad X280装了Ubuntu和Windows的双系统，但是我发现BIOS的启动顺序中，排第一的是Ubuntu，第三才是Windows。 Figure 1 初始BIOS启动顺序 这也就导致了，如果我开机之后什么都不操作，会默认进入Ubuntu，问题是，目前我用的更多的是Wind
Published on 2022-11-02
正则化回归模型 在一个模型中，自由度（可调节的参数）越多，就越容易过度拟合。因此需要约束这个模型，又称正则化 常见的正则化方法： Ridge Regression，也被称作L2 Regression Lasso Regression，也被称作L1 Regression Elastic Net 在上述
Published on 2022-10-27
Artificial Neural Networks, ANN ANN是受构成动物大脑的生物神经网络模糊启发的计算系统。本文简单介绍一下ANN，详细的内容会在后面写深度学习的时候再说。 ANN可用于： 分类（多层感知器） - 模式识别（多层感知器、延时神经网络和递归网络等） 回归/函数逼近（前馈架构
Published on 2022-10-26
聚类 聚类是一种无监督的机器学习方法，它能使类似的对象从其他对象中分离出来。它是无监督的，因为我们没有给模型任何标签；它只是检查特征并确定哪些样本是相似的并属于一个群组。 常见的聚类算法有： 分层聚类算法（Hierarchical Cluster Analysis HCA） k-Means Expe
Published on 2022-10-26
