Windows远程登录Linux由于最近想要搞太服务，今晚弄了下Windows远程登录Linux服务器，测试是在我的VM虚拟机上面，起初还出了点小问题。问了下群里的大婶们，他们都表示没有出现什么问题，很顺畅。此刻我承认我的rp真不高Windows这边远程登录的超级终端是用xshell，软件界面还挺友善的。明明按着教程来也不行，都是连接不上去，一开始怀疑是端口的问题，测试也没事，ss

中国计算机学会推荐国际学术会议(人工智能)C类会议ICANN 2018 : International Conference on Artificial Neural Networks https://e-nns.org/icann2018/ 截稿日期: 2018-05-02 通知日期: 2018-06-01 会议日期: 2018-10-05 会议地点: Rhodes, GreeceICTAI：I

1.首先安装nvidia显卡驱动:系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改​2.下载CUDA8.0地址https://developer.nvidia.com/cuda-release-candidate-download(需要登陆)3.安装cuda sudo dpkg -icuda-repo-ubuntu1604-8-0-rc_8.0.2

.build_release/tools/caffe: error while loading shared libraries: libopencv_core.so.3.3: cannot open shared object file: No such file or directoryMakefile:532: recipe for target 'runtest' failed解决的方法，

目录· R-CNN· Fast R-CNN· Faster R-CNN· Light-Head R-CNN· Cascade R-CNN· SPP-Net· YOLO· YOLOv2· YOLOv3· SSD· DSSD· FSSD· ESSD· Pelee· R-FCN· FPN· RetinaNet· MegDet· DetNet· ZSDR-CNNRich feature hierarchi

1、矩估计理论根源是辛钦大数定律，样本之间是独立同分布，当数据样本量很大的时候，样本观测值的平均值和总体的数学期望是在一个极小的误差范围内。矩估计法, 也称“矩法估计”，就是利用样本矩来估计总体中相应的参数。首先推导涉及感兴趣的参数的总体矩（即所考虑的随机变量的幂的期望值）的方程。然后取出一个样本并从这个样本估计总体矩。接着使用样本矩取代（未知的）总体矩，解出感兴趣的参数。从而

GAN改进方向：原文只针对框架本身进行了理论证明和实验验证，表明了GAN的理论基础及其有效性，而对于其中的许多细节并没深究（相当于开采了一个大坑等人来填），比如文章中的输入信号只是随机噪声，比如原文中的G和D都只是以最简单的MLP来建模；另外，作者在文章结尾还列出了该模型可以改进的5个参考方向，进一步为后来逐渐广泛的研究做了铺垫。作者给出的参考方向主要包括：(1) 将G

装载：https://www.cnblogs.com/daihengchen/p/5492729.html    最近在做双目测距，觉得有必要记录点东西，所以我的第一篇博客就这么诞生啦~     双目测距属于立体视觉这一块，我觉得应该有很多人踩过这个坑了，但网上的资料依旧是云里雾里的，要么是理论讲一大堆，最后发现还不知道怎么做，要么就是直接代码一贴，让你懵逼。 所以今天我想做的，是尽量给大...

感知机和SVM的区别：1、相同点都是属于监督学习的一种分类器（决策函数）。2、不同点感知机追求最大程度正确划分，最小化错误，效果类似紫线，很容易造成过拟合。支持向量机追求大致正确分类的同时，一定程度上避免过拟合，效果类似下图中的黑线。感知机使用的学习策略是梯度下降法，而SVM采用的是由约束条件构造拉格朗日函数，然后求偏导令其为0求得极值点。

最近在训练的时候出现一个问题，而且老是同一个地方问题，OSError: IOError: broken data stream when reading image file。仔细的追踪代码，本以为路径有问题，结果发现都是没问题，后来分析才知道很大概率图像本身可能存在一些问题，经过网上大佬指点，最终解决如下：在py代码加上一下代码from PIL import ImageFileImageFile