原文：How Machine Learning Algorithms & Hardware Power Apple’s Latest Watch and iPhones  PRANAV DAR, SEPTEMBER 13, 2018 机器学习算法和硬件如何让苹果最新的手表和 iPhone 变得更好 前言 现在是成为数据科学家的好时机 —— 所有顶尖的科技巨头都在将机器学习集成到他们的旗舰产品中，对这类专业人士的需求正处于历史最高水平。而且它只会变得更好！ 苹果一直是机器学习的主要倡导者，它们已经把例如 FaceID，增强现实，Animoji，医疗传感器等特色包装到自己的产品中。当在看苹...

原文：https://kndrck.co/posts/capsule_networks_explained/ 预修知识：卷积神经网络，变分自编码器 免责声明：本文不涉及胶囊网络背后的数学，而是说一下它们背后的直觉和动机。  什么是胶囊网络？为什么要使用胶囊网络？ 胶囊网络是 Geoffrey Hinton 提出的一种新型神经网络结构，为了解决卷积神经网络（ConvNets）的一些缺点，提出了胶囊网络。 话不多说，来看看这个听起来就像「一颗一颗药摆在你面前」的网络是怎么样的。 问题一：卷积网络有平移不变性 平移不变性是什么呢？假设我们有一个可以分类猫的模型，你给这个模型看一张猫的图片，它会预测出...

使用 Caffe 训练自己的 Alexnet      1. 数据准备 2. 计算图像均值 3. 定义网络   3.1 修改 solver.prototxt 3.2 修改 train_val.prototxt  4. 训练网络      参考：  caffe:用自己的图像数据训练模型（图片分类） Brewing ImageNet  1. 数据准备 在 caffe_master/data 中新建文件夹 myalex，在 myalex/train 文件里存放训练的图片 85 张，在 myalex/val 文件里存放验证集的图片 36 张，在 myalex/test 文件里面放测试的照片 根据训练和...

想要使用 Python 生成随机不重复的数，我们可以使用 random 模块来实现： >>> import random ## 先创个 list >>> list = [1.0 ,1.2 ,1.4, 1.3, 1.65] >>> print(random.sample(list, 3)) [1.3, 1.65, 1.2] ## 得到的结果是 [1.3, 1.65, 1.2]，每一次执行都会有不同的  利用这个方法还可以实现对 list 的打乱操作，只要让第二个参数和 list 的长度一样就好了。 >>> print(ran...

这篇文章的内容总结翻译自 A Step-by-Step Introduction to the Basic Object Detection Algorithms (Part 1) ，文中有加入自己的理解。 当你想要在杂乱的桌子上面寻找钥匙的时候，是不是有想过要是有种东西可以直接告诉我钥匙放在哪里就好了？如果一个算法可以在几毫秒之内就帮我们找到钥匙，那就好了。 目标检测算法就像这样的一个「超人」。目标检测被运用到了越来越多的场景上，从日夜不停工作的监视器到智能城市的实时车辆检测。这就是深度学习的强大之处。   在这篇文章里面，我们会看看各种可以用来做目标检测的算法。我们从 RCNN 系列开始，...

在上一篇目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN 之 RCNN中，我讲了 RCNN 算法，似乎它的表现不太好，所以这次我们讲讲它的进化版 —— Fast RCNN 和 Faster RCNN。 如果你还没看上一篇，可以在我的博客或者知乎查看。 1. Fast RCNN 先看看 Fast RCNN，RCNN 的时间花费主要来自于计算量的巨大。Fast RCNN 在时间花费的提升，就是因为减少了很多的计算量。比较一下，在 RCNN 上，我们在 CNN 上对一张图片跑 2000 次（因为一张图片会用 Selective Search 生成 2000 个建议区域），...

这篇博客是对极客时间上王争课程 —— 数据结构与算法之美的个人学习总结。文章中的图出自课程中。我会对课程中的 Java 代码用 Python 来实现，所有的代码会放在我的 GitHub上。  排序 经典排序：冒泡排序、插入排序、选择排序、归并排序、快速排序、计数排序、基数排序、桶排序。 奇葩排序（名字没听过，所以感觉有点奇葩）：猴子排序、睡眠排序、面条排序。 排序算法优越评价有三个指标，执行效率、内存消耗、稳定性，一般来讲，在分析效率时会从几个方面来衡量：  时间复杂度。会从最好、最坏和平均情况三个来分析； 时间复杂度的系数、常数 、低阶。在对同一阶时间复杂度的排序算法性能对比的时候，我们就要...

这篇博客是对极客时间上王争课程 —— 数据结构与算法之美的个人学习总结。文章中的图出自课程中。我会对课程中的 Java 代码用 Python 来实现，所有的代码会放在我的 GitHub 上。  4. 归并排序（Merge Sort） 归并排序使用递推的方式来实现，把需要排序的数组逐步分成更小的部分，进行排序，然后再组合起来。由于是递推，最重要的是要建立递推公式： 看这里的递推公式： 递推公式 merge_sort(p...r) = merge(merge_sort(p...q), merge_sort(q+1...r)) 终止条件 p >= r 不用再继续分解  递推如果看代码去理解的话...

这篇文章转载自「译智社」的成员 —— 林夕的文章机器学习/深度学习资源下载集合（持续更新…）。如果你对人工智能感兴趣，欢迎关注公众号 —— 译智社。  从入门到进阶，所用到机器学习资料，包括书、视频、源码。文章首发于 Github，若下载资源请跳转 Github.  文章目录  1. 视频：   1.1. 吴恩达老师机器学习课程： 1.2. 吴恩达 深度学习课程： 1.3. 斯坦福 CS231n: Convolutional Neural Networks for Visual Recognition： 1.4. fast.ai： 1.5. 百度 PaddlePaddle 公开课： 1.6. ...

代码： %% crop the im into 256*256 clear;clc; file_path = 'path\to\your\images\'; % 设定你存放图片的目录 img_path_list = dir(strcat(file_path, '*.jpg')); % 选后缀为 .jpg 的图片 img_num = length(img_path_list); %获得图片数量 for j = 1:img_num image_name = img_path_list(j).name; image = imread(strcat(file_path, image_name)); c...

数据结构与算法之美学习总结，这一课讲了三个线性排序，这三种排序时间复杂度都是  O ( n ) O(n) O(n) 。  目录  1. 桶排序（Bucket sort） 2. 计数排序（Counting sort） 3. 基数排序（Radix sort） 4. 线性排序的局限   1. 桶排序（Bucket sort） 把  n n n 个数据分到  m m m 个桶内，每个桶会有  k = n / m k=n/m k=n/m 个元素，每个桶内使用快速排序。桶排序的时间复杂度为  O ( m k l o g k ) O(mklogk) O(mklogk)，如果桶的数量越接近  n n n，就会...

L A T E X L^AT_EX LATE​X 公式常用字符和表达式。 1. 数学符号 1.1. 关系符号    符号 语法 符号 语法 符号 语法 符号 语法      ∼ \sim ∼ \sim  ≃ \simeq ≃ \simeq  ≅ \cong ≅ \cong  ∝ \propto ∝ \propto    = = = =  ≠ \neq ​= \neq or \ne  = ˙ \dot= =˙ \dot=  ∞ \infty ∞ \infty    ≡ \equiv ≡ \equiv  ≢ \not\equiv ​≡ \not\equiv  ≈ \approx ≈ \app...

LMDB 文件的全称是 Lightning Memory-Mapped Database，也就是闪电内存映射数据库，用这种数据可以省去大量读取小文件的时间花费和 IO 花费，可以提高训练的速度。 如果你好奇 LMDB 文件里面存储了什么东西，这篇博客会带你一起看看里面的内容。  查看 LMDB 的内容  1. lmdb 文件的格式 2. 使用 lmdb 库读取 3. 可视化 lmdb   1. lmdb 文件的格式 LMDB 文件里面存储的内容很简单，就是一堆字符串。像是 Python 中的 dictionary 数据那样，它是一个 key 对应一个 value 的。key 是图片的名字，va...

一般使用 Caffe 训练完网络后，会用 test.bin 来测试一下网络的精度，然后还能用 classification.bin 来用网络对图片进行单张的分类，但是一张一张的分，效率很低，所以我改写了 classify.py 文件，使其读取 test.txt 文件批量分类，输出具体哪一张图片分错了。 代码如下： # copyright (c) strongnine import caffe import sys import os import numpy as np caffe_root = '/path/to/your/caffe/' # 指定 caffe 的路径 sys.path.in...