logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

nlohmann/json 转 C++ 结构体

#include "head.h"#include "nlohmann/json.hpp"using nlohmann::json;namespace ns{struct Person{std::string name = "";int age = 0;HTuple score;};// to_json 和 from_json 需要在同一命名空间下void to_json(json& j,

#c++#json
机器学习(周志华) 读书笔记

注:关于该系列,只为整理并记录个人学习过程中,遇到的知识点整理;机器学习读书笔记文章目录机器学习读书笔记第1章绪论1.1 引言1.2 基本术语1.3 假设空间1.4 归纳偏好1.4.1奥卡姆剃刀原则(Occam’s razor)1.4.2 没有免费午餐定理(No Free Lunch Theorem,简称 NFL 定理)第1章绪论1.1 引言机器学习定义机器学习一门致力于研究如何通过计算的手段,利

Halcon 学习之图像分割之彩色分割

本人声明:在本博客以及后续的博客中,全部代码都以C++形式进行实现,使用的数据类型为 HImage,而不是单纯的使用算子或Hobject 数据类型;不对之处,请大家指正;也请大牛不吝赐教;Halcon 中对彩色图像进行分割的算子为:decompose3(MultiChannelImge: Image1 : Image2: Image3::)该算子的作用是将图像分为三个单通道图像;M

灰度共生矩阵及特征提取—OpenCV

因为OpenCV中自带的灰度共生矩阵的计算使用过程中,经常出现问题;之前在项目中使用了别人基于OpenCV重新编写cl_texture的灰度共生矩阵,但该代码只能在MFC环境下使用,且不能释放内存;现有的网上流行的基于OpenCV的灰度共生矩阵的计算,都是基于C++接口实现的;因为,本人使用的是OpenCV的C接口,所以,在结合前人的代码的基础上,实现了基于OpenCV的C接口的灰度共生矩阵的计算

CPU 不支持 AVX2 指令集,Tensorflow 安装解决方案

由于 Tensorflow从1.6版本之后,采用 AVX2的方式进行编译,导致不能支持 AVX2的较早的CPU版本,不能运行新版的Tensorflow,经本人实验之后,给出以下解决方案:1:降低 tensorflow版本,将 tensorflow版本降低到 1.5以下;2:安装 tensorflowSSE版本,下载地址:https://github.com/fo40225...

圆拟合算法

圆拟合算法文章目录圆拟合算法最小二乘法拟合(least square fitting)代数拟合 (algebraic fitting)Kåsa FitPratt Fit算法分析Taubin Fit迭代重加权最小二乘法(IRLS, iteratively reweighted least-squares)迭代加权最小二乘法在图形拟合中的应用削波因数的计算Huber 函数M 估计M 估计的发展M 估.

VS code python 环境下提示找不到 module

遇见VScode今天逛知乎的时候发现了这个编译器,发现不仅支持各种语言的编写,甚至还支持markdown的编写。分分钟搭建好环境,把原来的python项目移植了过去,准备大干一场。刚开始都没用问题,然后在我调试单个模块的时候。它提示我,ImportError: No module named XXX.根据我多年的编程经验,一般出现这个问题都是编译器的配置问题,比如工作路径没...

两个重要极限定理推导

两个重要极限定理:lim⁡x→0sin⁡xx=1(1)\lim_{x \rightarrow 0} \frac{\sin x}{x} = 1\tag{1}x→0lim​xsinx​=1(1)和lim⁡x→∞(1+1x)x=e(2)\lim_{x \rightarrow \infty} (1 + \frac{1}{x})^x = e\tag{2}x→∞lim​(1+x1​)x=e(2)引理(夹逼定理

图像熵相关知识整理

图像熵及各向异性熵熵的物理定义熵,热力学中表征物质状态的参量之一,其物理意义是体系混乱程度的度量。信息熵信息熵的定义信息理论的鼻祖之一Claude E. Shannon把信息(熵)定义为离散随机事件的出现概率。本质上是对我们司空见惯的“不确定性现象”的数学化度量,单位为:比特(bit)。信息熵的公式定义信息熵的公式定义如下:H(x)=−∑x∈χp(x)log⁡2p(x)(1)H(...

基尼不纯度(Gini impurity)

决策树是一种简单的机器学习方法。决策树经过训练之后,看起来像是以树状形式排列的一系列if-then语句。一旦我们有了决策树,只要沿着树的路径一直向下,正确回答每一个问题,最终就会得到答案。沿着最终的叶节点向上回溯,就会得到一个有关最终分类结果的推理过程。决策树:1234567class de

    共 12 条
  • 1
  • 2
  • 请选择