目录理解GPU、CUDA、CUDNN下载CUDA、CUDNNCUDACUDNN安装CUDA及配置安装配置配置CUDNN验证理解GPU、CUDA、CUDNNGPUGPU相对于CPU而言，它有更多的运算单元ALU，更少的控制单元和缓存单元，所以GPU擅长高强度计算，且是并行计算，而CPU更加擅长高效分发任务和指令，且是串行计算。可以看出GPU加速是通过大量线程并行实现的，因此对于不能高度并行化的工作而

目录传递参数中文问题解决传递参数参数传递类型参考官网说明创建一个元组PyObject *pArgs = PyTuple_New(3);PyTuple_SetItem(pArgs, 0, Py_BuildValue(“i”, 1));//0—序号 i表示创建int型变量PyTuple_SetItem(pArgs, 1, Py_BuildValue(“i”, 2));PyTuple_SetItem(p

全局线性变换的公式是s = (r-a)*(d-c)/(b-a)+c，其中a、b是原图片的灰度最小值和最大值，c、d是变换后的灰度值的最小值和最大值。r是当前像素点的灰度值，s是当前像素点变换后的灰度值。该公式可自己画出一个坐标，利用相似三角形性质可轻易得出。所以只要我们得到一个图片的灰度范围，我们就可以自由变换到指定的灰度范围，这种灰度变换也是图像增强的一部分。下面的示例能清晰看出变换后的效果。除

目录简介Mat对象Mat的常见属性Mat的type属性Mat的step属性常用构造方法简介IplImage是从2001年Opencv发布后就一直存在，是C语言的风格的数据结构，需要开发者自己分配与管理内存，对于大型程序容易出现内存泄漏。Mat结构是Opencv2.0之后引出的，它可以自动分配内存空间，不会出现内存泄漏，是C++风格的数据结构，包含头部和数据部分。Mat对象mat对象分为矩阵头（包含

介绍简介：UserAgent是识别浏览器的一串字符串，相当于浏览器的身份证，在利用爬虫爬取网站数据时，频繁更换UserAgent可以避免触发相应的反爬机制。fake-useragent对频繁更换UserAgent提供了很好的支持，可谓防反扒利器。安装：pip install fake-useragent简单使用生成随机请求头>>> from fa...

目录均方误差损失函数mean_squared_error手写代码平均绝对误差mean_absolute_error手写代码Huber损失huber_loss手写代码待续在tensorflow2.0 中，使用模块model.compile时，使用loss选择损失函数。均方误差损失函数mean_squared_error均方误差函数，又称mse，最基本的损失函数表示法，通常情况下mse函数会整体乘上二

目录简介创建实例——tf.summary.create_file_writer()实例常用方法set_as_default()as_default()flush()close()写入函数tf.summary.scalar()tf.summary.histogram()tf.summary.text()tf.summary.image()tf.summary.audio()开启tensorborad

目录前言python实现前言这前面两篇不同的是，这篇优化算法的学习率明面上是不断变换，且每个维度的学习率都尽相同。具体算法过程上图所示。可以发现它是通过累加平方梯度的方式，来改变学习率。这使得在平缓的地方，由于梯度值小，对应学习的下降幅度就会小；对于陡峭的地方，由于梯度值大。对应的学习率就会相对大幅下降，使得更加平缓，从而加快训练速度。缺点：AdaGrad会记录之前的所有梯度之和，这使得这个结果会

列表转数组1、转成数组的matrix对象，使用np.mat()方法。In [1]: a = [[2,3,4],[4,7,1]]...

前言定义：1、超平面是指n维线性空间中维度为n-1的子空间。它可以把线性空间分割成不相交的两部分。比如二维空间中，一条直线是一维的，它把平面分成了两块；三维空间中，一个平面是二维的，它把空间分成了两块。2、法向量是指垂直于超平面的向量。过原点的超平面假设在R3空间中，有一个过原点的超平面，其法向量为ω⃗\vec{\omega}ω（ω\omegaω1,ω\omegaω2,ω\omegaω3），过原点