白拾的笔记本

WaveformThe waveform and a definition of the fundamental period. Fundamental period is the lowest frequency of a vibration object. Types of waveformSimple, complex, periodic, aperiodic, transient, and continuous waveforms. SpectrumThe spectrum, its spectral envelope, and harmonics (Frequency components of a complex periodic sound, peaks in spectrum, $H_1$ has the same frequency value to $F_0$, every $H$ is multiple of $H_1$), and formant. SpectrogramA 3-dimensional figure plotting amount o ...

Introduction to the International Phonetic AlphabetA set of symbols with which any language can be transcribed. Interactive IPA Chart. Vocal anatomyWe use a lot more than just our mouth to produce speech ConsonantsVoice, place, manner which (voice or voiceless) -> where (at voice tract) -> how strong (constriction level) The first consonant chart contains symbols for consonants produced with the pulmonic airstream mechanism. Non-pulmonic consonants includes symbols representing ...

Sensors for robot perception Sensors: Sensor is a device that measures or detects a property of the environment, or changes to a property. Categorization of sensors: Exteroceptive (extero or surroundings), Proprioceptive (proprio or internal). Type of Sensor Feature Weakness Future Trend More words Essential for robot to perceive environment with its rich semantics. ? HD, wide dynamic ranges Comparison Metrics: Resolution, Field of view, Dynamics range This simulates human binocula ...

待办清单： 网络整体：x_net.py 特征融合网络层：x_net_fusion_layers.py 网络配置文件：xnet 开发日志： 日志01使用pycharm的SSH连接docker，不如设置pycharm的编译器为docker中的python。这样做的优势有三： 不需要通过ssh传输图像，pycharm的运行速度更快。 因为docker同步了工作目录，不需要使用pycharm来同步，节省时间。 不需要重新弄配置pycharm。 需要修改的有两个位置，一个是configs中的配置文件，一个是mmdet3d中的models相关文件。参照官方教程：教程 1: 学习配置文件和教程 4: 自定义模型 整个框架的思路是从配置文件中去找对应的模型，程序会在一开始把模型全部注册到一个位置，然后使用配置文件中的type关键字去搜索，然后使用其他的作为参数输入，具体需要什么参数由模型决定。 阅读代码的时候发现，框架对自编码器有一定的支持，这一点在完成主干网络的构建后深入调查一下。 日志02 注意到代码中 fusion layer 本来是分出来的，但是因为代码复用的问题，实际上并没有分出来， ...

说明 本页面无手机端适配，强制缩放阅读。 使用纯html格式，保存教学用ppt，添加了部分个人笔记。 目录工作正常，可以跳转。 b{color:rgba(0,0,0,0.75)} PaddlePaddle概述 PaddlePaddle概述 PaddlePaddle概述 PaddlePaddle简介 为什么要学PaddlePaddle 什么是PaddlePaddle PaddlePaddle优点 PaddlePaddle缺点 国际竞赛获奖情况 行业应用 课程概览 学习资源 知识讲解 什么是PaddlePaddle Ø PaddlePaddle（Parallel Distributed Deep Learning，中文名飞桨）是百度公司推出的开源、易学习、易使用的分布式深度学习平台 Ø 源于产业实践，在实际中有着优异表现 Ø 支持多种机器学习经典模型 知识讲解 为什么学习Pad ...

说明 本页面无手机端适配，强制缩放阅读。 使用纯html格式，保存教学用ppt，添加了部分个人笔记。 目录工作正常，可以跳转。 b{color:rgba(0,0,0,0.75)} TensorFlow概述 Tensorflow概述 Tensorflow概述 Tensorflow简介 什么是Tensorflow Tensorflow的特点 Tensorflow的发展历史 Tensorflow体系结构 体系结构概述 单机模式与分布式 后端逻辑层次 基本概念 张量 数据流 操作 图和会话 变量和占位符 Tensorflow安装 案例1：快速开始 案例2：张量相加 TensorFlow简介 知识讲解 什么是Tensorflow • TensorFlow由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护的 开源深度学习平台，是目前人工智能领域主流的开发平台，在全世界有着广泛的用户群体。 知识讲解 Tenso ...

注意本教程OpenCV版本过旧。 说明 本页面无手机端适配，强制缩放阅读。 使用纯html格式，保存教学用ppt，添加了部分个人笔记。 目录工作正常，可以跳转。 b{color:rgba(0,0,0,0.75)} 计算机视觉基础 计算机视觉基础 计算机视觉基础 计算机视觉概述 计算机视觉的应用 什么是计算机视觉 计算机视觉相关学科 人眼成像原理 计算机成像原理 数字图像处理基础 灰度级与灰度图像 图像采样与分辨率 彩色图像与色彩空间 颜色空间变化 常用图像处理技术 计算机视觉的应用 什么是计算机视觉 计算机视觉与人工智能 计算机视觉概览 知识讲解 什么是计算机视觉 • 计算机视觉在广义上是和图像相关的技术总称。包括图像的采集获取，图 像的压缩编码，图像的存储和传输，图像的合成，三维图像重建，图像增强，图像修复，图像的分类和识别，目标的检测、跟踪、表达和描述，特征提取，图像的显示和输出等等。 • 随着计算机视觉在各种场景的应用和发展，已有的图像技术也在不断的更 新和扩展。 ...

注意：全部代码为PaddlePaddle1版本的代码 Helloworld1234567891011121314# helloworld示例import paddle.fluid as fluid# 创建两个类型为int64, 形状为1*1张量x = fluid.layers.fill_constant(shape=[1], dtype="int64", value=5)y = fluid.layers.fill_constant(shape=[1], dtype="int64", value=1)z = x + y # z只是一个对象,没有run,所以没有值# 创建执行器place = fluid.CPUPlace() # 指定在CPU上执行exe = fluid.Executor(place) # 创建执行器result = exe.run(fluid.default_main_program(), fetch_list=[z]) #返回哪个结果print(result) # result为多维张量 张量操作 ...

注意：此代码全部为TensorFlow1版本。 查看Tensorflow版本1234567891011from __future__ import absolute_import, division, print_function, unicode_literals# 导入TensorFlow和tf.kerasimport tensorflow as tffrom tensorflow import keras# 导入辅助库import numpy as npimport matplotlib.pyplot as pltprint(tf.__version__) Helloworld程序1234567# tf的helloworld程序import tensorflow as tfhello = tf.constant('Hello, world!') # 定义一个常量sess = tf.Session() # 创建一个sessionprint(sess.run(hello)) # 计算sess.close() 张量相加1234567891011121314 ...

[toc] OpenCV安装执行以下命令安装opencv-python库（核心库）和opencv-contrib-python库（贡献库）。注意：命令拷贝后要合成一行执行，中间不要换行。 12345# 安装opencv核心库pip3 install --user opencv-python==3.4.2.16 --index-url https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host https://pypi.tuna.tsinghua.edu.cn# 安装opencv贡献库pip3 install --user opencv-contrib-python==3.4.2.16 --index-url https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host https://pypi.tuna.tsinghua.edu.cn OpenCV基本操作读取、图像、保存图像12345678910111213# 读取图像import cv2im = cv2.imrea ...

自定义感知机123456789101112131415161718192021222324252627282930313233343536373839# 00_percetron.py# 实现感知机# 实现逻辑和def AND(x1, x2): w1, w2, theta = 0.5, 0.5, 0.7 tmp = x1 * w1 + x2 * w2 if tmp <= theta: return 0 else: return 1print(AND(1, 1))print(AND(1, 0))# 实现逻辑或def OR(x1, x2): w1, w2, theta = 0.5, 0.5, 0.2 tmp = x1 * w1 + x2 * w2 if tmp <= theta: return 0 else: return 1print(OR(0, 1))print(OR(0, 0))# 实现异或def XOR(x1, x2): s1 = not AND(x1, x2) ...

注：封面画师：新雨林-触站 说明 本页面无手机端适配，强制缩放阅读。 使用纯html格式，保存教学用ppt，添加了部分个人笔记。 目录工作正常，可以跳转。 b{color:rgba(0,0,0,0.75)} 卷积神经网络 卷积神经网络 卷积函数 离散卷积与多维卷积 什么是卷积神经网络 什么是卷积 卷积神经网络 卷积神经网络的用途 卷积运算 卷积运算的效果 案例2：图像卷积运算 卷积运算神经网络结构 典型CNN介绍 生活中的卷积 全连接神经网络的局限 卷积函数 知识讲解 什么是卷积 • “卷积”其实是一个数学概念，它描述一个函数和另一个函数在某个维度上 的加权“叠加”作用。函数定义如下： 其中，函数 f 和函数 g 是卷积对象，a 为积分变量，星号“*”表示卷积。公式所示的操作，被称为连续域上的卷积操作。这种操作通常也被简记为如下公式： 知识讲解 离散卷积与多维卷积 • 一般情况下，我们并不需 ...

注：封面画师：新雨林-触站 说明 本页面无手机端适配，强制缩放阅读。 使用纯html格式，保存教学用ppt，添加了部分个人笔记。 目录工作正常，可以跳转。 b{color:rgba(0,0,0,0.75)} 反向传播 这里对反向传播的讲解比较奇怪，可能比较适合初学者理解。想要通过严谨的数学推导理解反向传播的同学，可以搜索一下。 反向传播算法 反向传播算法 什么是正向传播网络 什么是反向传播 反向传播算法 为什么需要反向传播 图解反向传播 反向传播计算 链式求导法则 案例1：通过反向传播计算偏导数 知识讲解 什么是正向传播网络 • 前一层的输出作为后一层的输入的逻辑结构，每一层神经元仅与下一层的 神经元全连接，通过增加神经网络的层数虽然可为其提供更大的灵活性，让网络具有更强的表征能力，也就是说，能解决的问题更多，但随之而来的 数量庞大的网络参数的训练，一直是制约多层神经网络发展的一个重要 瓶颈。 知识讲解 什么是反向传播 • 反向传播（B ...

注：封面画师：新雨林-触站 说明 本页面无手机端适配，强制缩放阅读。 使用纯html格式，保存教学用ppt，添加了部分个人笔记。 目录工作正常，可以跳转。 b{color:rgba(0,0,0,0.75)} 损失函数与梯度下降 损失函数与梯度下降 损失函数 损失函数的作用 什么是损失函数 梯度下降 常用的损失函数 什么是梯度 梯度下降 导数与偏导数 学习率 梯度递减训练法则 梯度下降算法 损失函数 知识讲解 什么是损失函数 • 损失函数（Loss Function），也有称之为代价函数（Cost Function）， 用 来度量预测值和实际值之间的差异。 知识讲解 损失函数的作用 • 度量决策函数f（x）和实际值之间的差异。• 作为模型性能参考。损失函数值越小，说明预测输出和实际结果（也称期望 输出）之间的差值就越小，也就说明我们构建的模型越好。 学习的过程，就 是不断通过训练数据进行预测，不断调整预测输出与实 ...

注：封面画师：新雨林-触站 说明 本页面无手机端适配，强制缩放阅读。 使用纯html格式，保存教学用ppt，添加了部分个人笔记。 目录工作正常，可以跳转。 b{color:rgba(0,0,0,0.75)} 感知机与神经网络 感知机与神经网络 感知机 感知机的功能 什么是感知机 如何实现感知机 激活函数 感知机的缺陷 多层感知机 神经网络 什么是神经网络 神经网络的功能 通用近似定理 什么是激活函数 为什么使用激活函数 深层网络的优点 常见激活函数 感知机 知识讲解 生物神经元 细胞体 （处理信息） 树突（收集信息） 轴突（传递信息） 突触 （输出信息） 知识讲解 生物神经网络 知识讲解 什么是感知机 • 感知机（Perceptron），又称神经元（Neuron，对生物神经元进行了模仿）是神 经网络（深度学习）的起源算法，1958年由康奈尔大学心理学教授弗兰克·罗森布拉特（Frank Rosenb ...