推送ansible的命令至远程，效率无限提升，对运维要求较高。可交互执行命令，支持tab，ansible 2.0+新增。查看tests文件夹下面的main.yml内容。用于执行编写好的 playbook 任务。可以直接用别人的，也可以自己修改。下载相应的roles（角色）（一堆脚本集合，可以拿来用）加密之后就无法直接查看文件了。可以用于加密解密yml文件。解密之后才可以正常查看。

R-CNN论文详解文章目录R-CNN论文详解1.创新点2 网络结构3 Compute CNN features3.1 Extract region proposal3.2 Feature extraction3.3 Train CNN3.4 Save features4 Classify regions4.1 Training4.2 Testing5 Non-maximum suppression

HOMEPATH%1.7.0我要换电脑！！！/(ㄒoㄒ)/~~电脑太垃圾了怎么办/(ㄒoㄒ)/~~

*集成学习(Ensemble learning)**是机器学习中近年来的一大热门领域。使用于组合的算法是弱学习算法，即分类正确率仅比随机猜测略高的学习算法，但是组合之后的效果仍可能高于强学习算法，即集成之后的算法准确率和效率都很高。三个臭皮匠，赛过诸葛亮！！！以弱搏强，就是集成学习！

Pytorch安装

1. 直线检测Hough Line Transform：前提：边缘检测已经完成，基于霍夫变换1.1 原理可以通过（theta，r）唯一表示一条直线把过三个点的全部直线以某一角度全部计算出来，如果三个点的直线有相同的，则说明有一条直线过了这三个点。至于为啥用（theta, r）而不是斜率k和截距b来表示一条直线，是因为利用y = kx + b来表示直线时，存在斜率k无穷大的情况，无法计算。并且the

本文介绍了三种获取图像分类数据集的途径：1）从专业平台下载（推荐极市、阿里天池、魔搭社区和Kaggle）；2）自行拍摄采集；3）通过Python爬虫程序从网络获取，并提供了基于百度图片的爬取代码示例，包含完整的HTTP请求参数和进度条功能。代码支持设置关键词和下载数量，可自动保存图片到本地。

将数据集划分为训练集、测试集、验证集。训练集：验证集：测试集=8：1：1。包含图片信息和标注的object信息（坐标、类别)在ultralytics/datasets/下新建。参数需要传入你想要预测的图片或者视频或者文件夹。，主函数中只能同时运行一个，其余代码需要注释掉。：这个文件里保存了我们模型训练的所有超参数。，保存，然后继续下一张，直到标注完成。快捷键w进行标注，输入标签名，比如说。参数需要

将数据集划分为训练集、测试集、验证集。训练集：验证集：测试集=8：1：1。包含图片信息和标注的object信息（坐标、类别)在ultralytics/datasets/下新建。参数需要传入你想要预测的图片或者视频或者文件夹。，主函数中只能同时运行一个，其余代码需要注释掉。：这个文件里保存了我们模型训练的所有超参数。，保存，然后继续下一张，直到标注完成。快捷键w进行标注，输入标签名，比如说。参数需要

Recurrent Neural Network(Ⅱ)上一篇文章介绍了RNN的基本架构，像这么复杂的结构，我们该如何训练呢？Learning Target1. Loss Function依旧是Slot Filling的例子，我们需要把model的输出yiy^iyi与映射到slot的reference vector求交叉熵，比如“Taipei”对应到的是“dest”这个slot，则reference