本文通过 4个example 介绍python中多线程package —— threading的常用用法， 包括调用多线程， 同步队列类Queue， Ctrl+c结束多线程。

Deep Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得。Key Words：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，Sparse DBN，1. 有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。有监督学习：最常见的是r

ERROR namenode.NameNode: java.io.IOException: Cannot create directory /export/home/dfs/name/currentERROR namenode.NameNode: java.io.IOException: Cannot remove current directory: /usr/local/hadoop/hdfs

今天发现了一个好用的python代码覆盖率检查工具：coverage， 可以高亮显示代码中哪些语句未被执行，哪些执行了，方便单测。环境：Linuxx86_64（不能连外网）下载：上 https://pypi.python.org/pypi/coverage 下 coverage.tar.gz(我下的3.7.1)安装：python setup.py install统计

void on_trackbar3(int h){cvCanny( image, cedge, edge_thresh, edge_thresh*3, 3 );cvShowImage("Adjust Canny Parameter",cedge);}void CCVMFCView::OnCannyAdjThres(){cedge=cvCreateImage(cvGetSize

void CCVMFCView::OnBlurSmooth()//邻域均值滤波{IplImage* in;in = workImg;IplImage* out = cvCreateImage(cvGetSize(in),IPL_DEPTH_8U,workImg->nChannels);cvSmooth(in,out,CV_BLUR,3,workImg->nChannels);

SIFT特征具有缩放、旋转特征不变性，下载了大牛的matlab版SIFT特征提取代码，解释如下：1.调用方法：将文件加入matlab目录后，在主程序中有两种操作：op1：寻找图像中的Sift特征：[image, descrips, locs] = sift('scene.pgm');showkeys(image, locs);op2：对两幅图中的SIFT特征进行

CvMat cvRGB2YCbCr(CvMat* src){CvMat dst;cvInitMatHeader(&dst,3,1,CV_32F,zero);double B=cvmGet(src,0,0);double G=cvmGet(src,1,0);double R=cvmGet(src,2,0);double y= (int)( 0.299* R +

Error 如下：Linking...: error LNK2001: unresolved external symbol _cvDestroyWindow: error LNK2001: unresolved external symbol _cvLoadImage: error LNK2001: unresolved external symbol _cvReleaseCap

SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果，详细解析如下：算法描述SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能