OpenCV
很简单,使用 Homebrew 安装:
|
|
如果使用的是 Anaconda 的 Python,则需要修改 opencv 中的 python 路径。执行 brew edit opencv,修改如下两行:
很简单,使用 Homebrew 安装:
|
|
如果使用的是 Anaconda 的 Python,则需要修改 opencv 中的 python 路径。执行 brew edit opencv,修改如下两行:
首先用 Homebrew 安装(或重装)依赖项:
|
|
任何学习都应该从接口开始,而非实现
首先从 CNN 开始。
Applied Deep Learning Resources 上列举了最新的 CNN 算法在 ImageNet 上的效果,得分最高的三个分别是 ResNet (152 layers),GoogleNet (22 layers) 和 VGG (22 weight layers)。
ResNet 网络太深,训练和测试时间太久,不适合入门。VGG 虽然层数比 GoogleNet 少,但参数(144m parameters)却比 GoogleNet(7m parameters)多太多,且效果并不如后者好。我们可以以 GoogleNet 为基准尝试 CNN 模型。但在此之前,我们先实现用于 MNIST 手写字体分类的简单 LeNet-5 模型,作为 “Hello World” 式的热身练习。
基于 Python 语言和 Markdown 语法自动生成静态网页文档的工具。安装非常简单,只需一行命令:
|
|
创建文档也很容易:
|
|
最近不间断的多任务状态持续考验我的弱点,即使离职也没能给几天时间好好沉淀——明知道我不擅长多线程。既然如此,就在这嘈杂的日子里,希望挤出一点规律,让自己在克服拖延的路上,再往前走一点点。
工作中导致拖延的持续压力感往往并非来自于自己实力的不足,而是来自对工作进度缺乏掌控的不安全感。不安全感常常是因为在很长一段时间里一直对任务没有一个全面的认识:截止日期什么时候?Instruction 或 Information 读过没有?哪些人可以帮助你?要做成什么样的原型?大致分成几步完成?自己做到哪一步了?核心难点是什么?哪些问题已经解决?不同部分的优先级是什么?……所以会一直觉得没有进入工作状态,随时需要从头开始,也并不知道对剩余的部分,自己要以什么效率才能确保完成。
使用 Mac 的包管理器 Homebrew。首先安装 Homebrew:
|
|
使用 Homebrew 安装 thrift:
|
|
如需手动安装特定版本,请参考以下若干小节。
C# 调用 C++ 中的函数或类是通过调用其 dll 来实现的。对于 unmanaged C++,我们在每个函数前加上 dllexport,并在 C# 代码中通过 dllimport 和 extern static 来调用 dll 中的函数。这样需要为每个函数添加 dllimport/dllexport,很不方便。注意 C# 是可以直接调用 C++/CLR (managed C++) 的 dll 的。因此,为了两端(调用端/实现端)代码编写的便利,我们可以用 C++/CLR 作为联系 unmanaged C++ 和 C# 的 wrapper,写出更简洁的代码。
从 MySQL 官网 下载 MySQL 5.6 版本(5.7 版本配置失败)的 64bit ZIP Archive,解压到你想安装的地址(这里是 C:\mysql\mysql-5.6.31-winx64)。
最近打算写一个多目标视觉跟踪的框架,一定要极易维护和扩展,方便在科研和项目中使用。
框定第一帧目标位置,tracking 的任务是在接下来所有帧里定位目标。所以不管跟踪算法多么复杂,在调用者看来应该只需要用到两个函数:
|
|