其他

CUDA 無法識別texture 剛開始學習CUDA的紋理記憶體，從網上找了學習資料，但是測試的時候，程式卻提示有錯誤： texture<float, cudaTextureType2D, cudaReadModeElementType> texRef; output[y*width + x] = tex2D(texRef, tu, tv); 無法識別texture，tex2D

Tersorflow  CIFAR-10 訓練樣本報錯及解決方案 1．AttributeError: 'module' object has noattribute 'random_crop' 解決方案： 將distorted_image= tf.image.random_crop(reshaped_image, [height, width])改為： distorted_image =

用了這麼久的tensorflow，例子跑了N多便，基本流程是清楚了。但是自己獨立做一個小例子各種問題都來了。如自己圖片資料集怎麼做。說句老實話，tensorflow真是煩，管方文檔教程上老拿MNIST和cifar_10這種做好的資料集說事，對於我們這些初學者，完全不知道圖片該如何輸入。今天給大家分享我的Tensorflow製作資料集的學習曆程。  流程是：製作資料集—讀取資料集—-排入佇列  先貼完整的代碼： #encoding=utf-8import osimport

機器人路徑規劃_人工勢場法 原理 人工勢場法是由Khatib提出的一種虛擬力法。原理是：將機器人在環境中的運動視為一種機器人在虛擬人工受力場的運動。障礙物對機器人產生斥力，目標點對機器人產生引力，引力和斥力的合力作為機器人的加速力，來控制機器人的運動方向和電腦器人的位置。 引力場（attraction）隨機器人與目標點的距離增加而單調遞增，且方向指向目標點； 斥力場（repulsion）

    近期開始學習tensorflow，看了很多視頻教程以及部落格，大多數前輩在介紹tensorflow的用法時都會調用官方文檔裡給出的資料集，但是對於我這樣的小白來說，如果想訓練自己的資料集，自己將圖片轉換成可以輸入到網路中的格式確實是有難度。但如果不會做圖片的預先處理，邁不出這一步，今後的學習之路會越來越難走，所以今天還是硬著頭皮把我這幾天已經實現的部分做一個總結。主要參考了一篇部落格，文章最後有連結，通過這位博主的方法我成功產生了自己的資料集。

更新至Tensorflow 1.4 I. 讀輸入資料 1. 如果資料庫大小可以全部被記憶體讀入 使用最簡單的Numpy arrays格式： 1). 將npy檔案轉換成tf.Tensor 2). 使用Dataset.from_tensor_slices() 樣本： # Load the training data into two NumPy arrays, for example using `np.load()`.with

        在公司裡做了一次開發的分享，分享自己在開發過程中所收穫的一些心得。儘管事前自信滿滿， 不過演講之後受打擊了； 儘管並未得到效果上的認可， 不過，也收穫了很多教訓。         定位不準確問題。 我將分享的主題定位為“開發”，希望“傳授”一些自己覺得非常重要的思想和方法； 但顯然太樂觀了。 雖然兩位重量級的主管來聽課，還有工作夥伴來捧場，

Tensorflow使用TFRecord構建自己的資料集並讀取 ：  http://blog.csdn.net/freedom098/article/details/56011858  還有 優酷上kevin大神的視頻 目標：1、將自己的資料集以TFRecord格式儲存。         

內容簡介 自2016年Google AlphaGo 贏得了圍棋大戰後，人工智慧近兩年迎來了新一輪的爆發。人工智慧在產業界和資本圈引起了高度關注，成為新的風口。 人工智慧的三個核心要素是資料、演算法和計算能力。相比前幾次的熱潮，目前 AI

BZOJ4384[POI2015] Trzy wieże Description 給定一個長度為n的僅包含’B’、’C’、’S’三種字元的字串，請找到最長的一段連續子串，使得這一段要麼只有一種字元，要麼有多種字元，但是沒有任意兩種字元出現次數相同。 Input 第一行包含一個正整數n(1<=n<=1000000)，表示字串的長度。 第二行一個長度為n的字串。 Output 包含一行一個正整數，即最長的滿足條件的子串的長度。 Sample

題目大意：要選一段最長的字串，使得三種字元出現次數各不相同或只有一種 只有一種的直接就能掃出來，然後就想各不相同的 首先維護一個首碼和，代表到每個點時，首碼B,C,S的個數 然後令xi=bi-ci，yi=ci-si，zi=si-bi，每個點權值為自己的位置 如果兩個點的xi，yi，zi均不相同，這一段就可以選 所以可以先按x排序，這樣就幹掉一維 然後我們設x相同的為一組，首先我們把包含權值為1的那一組提到最前面，包含權值為n的那組提到第二組的位置

http://www.lydsy.com/JudgeOnline/problem.php?id=4384 dp數組表示的是當前有兩個數量相等，末尾字元是這兩個中的一個且與它前面的字元不等，第三種的數量比這兩個少1的情況。主要是基本相同的代碼抄三遍所以看著比較長。。。時間複雜度o(n)。 #include<cstdio>#include<algorithm>#define gm 1000005using namespace std;int n,ans,pre[gm],

Description 給定一個長度為n的僅包含 ′B′ 、 ′C′ 、 ′S′ 三種字元的字串，請找到最長的一段連續子串，使得這一段要麼只有一種字元，要麼有多種字元，但是沒有任意兩種字元出現次數相同。 Input 第一行包含一個正整數n(1<=n<=1000000)，表示字串的長度。 第二行一個長度為n的字串。 Output 包含一行一個正整數，即最長的滿足條件的子串的長度。 Sample Input 9 CBBSSBCSC

       顯然全部相同的可以O(N)掃一遍得到，那麼不妨考慮不存在某兩種字母相同的最長長度。        令x[i]為1~i中‘B’的個數，y[i]為'C'的個數，z[i]為‘S’的個數。那麼某一段i+1~j，不符合題設的條件為：        x[i]-x[j]=y[i]-y[j]或x[i]-x[j]=z[i]-z[j]或y[i]-y[j]=z[i]-z[j]。

網上搜尋了一堆，最後對這幾個概念的聯絡與差別總結如下： 1.資料採礦：data mining，是一個很寬泛的概念。字面的意思是從成噸的資料裡面挖掘有用的資訊。這個工作BI（商業智慧）可以做，資料分析可以做，甚至市場運營也可以做。利用Excel分析資料，發現了一些有用的資訊，然後通過這些資訊指導你的Business的過程也是資料採礦的過程。 2.機器學習：machine learning，是電腦科學和統計學的交叉學科，基本目標是學習一個x->y的函數（映射）

1.研究背景和理論基礎 1958年，Rosenblatt提出感知機模型（ANN） 1986年，Hinton提出多隱層構造深層神經網路（MNN） 2006年，Hinton提出深度置信網路（DBN），成為深度學習的主要架構 然後，此演算法的高效性由Bengio實驗驗證成功 2.深度學習的3類模型 2.1 產生深層模型 以DBN為代表詳細介紹。DBN模型是一種深層混合網路，以RBN為基本單元串聯堆疊而成。DBN的訓練是通過先逐層訓練RBN，在使用傳統學習演算法進行微調。

神經網路的反饋 準則函數是對誤差的度量，在反饋過程中，實際就是準則函數最佳化的過程。 假設函數f(θ)是凸函數，即Hessian矩陣為正定，凸函數的最優問題容易解決。 實際中函數f(θ)為非凸函數，解決的方法之一就是梯度下降法。 梯度下降法的原理：每次的迭代，我們都在當前的θ下計算f(θ)的梯度。再讓θ加上這個梯度，這就朝著梯度下降的方向迭代了。 問題：每一步是基於當前參數θ，因此這是一個貪婪演算法。並不能保證收斂到全域最優。

引入庫，定義各種參數 from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport osimport reimport sysimport tarfilefrom six.moves import urllibimport tensorflow as tfimport cifar10_inputFLAGS = tf.app.

這一部分代碼需要留意的主要是如何構建隊列，並從中讀取資料的方法。 from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport osfrom six.moves import xrange # pylint: disable=redefined-builtinimport tensorflow as tf#

先在這裡種個草，開篇後慢慢補完 引入各種庫，並定義參數 from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionfrom datetime import datetimeimport timeimport tensorflow as tfimport cifar10FLAGS =