腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

书山有路勤为径

专栏作者

190

文章

184378

阅读量

27

订阅数

linux操作系统

<1>查看文件信息：ls ls是英文单词list的简写，其功能为列出目录的内容，是用户最常用的命令之一，它类似于DOS下的dir命令参数含义 -a 显示指定目录下所有子目录与文件，包括隐藏文件 -l 以列表方式显示文件的详细信息 -h 配合 -l 以人性化的方式显示文件大

2018-12-12

7.1K0

C++ Vs Pythoninclude<iostream>

ython自动计算出vehicle_doors是一个整数，vehicle_speed是一个浮点数，vehicle_on是一个布尔变量。变量赋值是动态的。在Python中，不需要指定将进入变量的值的类型

2018-12-05

5240

矩阵与状态转移方程

均值现在是一个向量，每个维度对应一个元素，方差变为协方差。协方差定义的是高斯函数的分散

2018-11-08

1K0

目标跟踪与定位——状态与定位

卡尔曼滤波器可以结合不准确的传感器测量和稍微不准确的运动预测，以获得比仅来自传感器读数或仅有关运动的任何更好估计位置。

2018-10-25

8330

卡尔曼滤波器(Kalman Filters)

卡尔曼滤波器，这是一种使用噪声传感器测量（和贝叶斯规则）来生成未知量的可靠估计的算法（例如车辆可能在3秒内的位置）。

2018-10-22

1.5K0

LaTeX 数学公式编辑

学习LaTeX公式编辑的初衷是，用word自带的mathtype公式编辑器太麻烦了，每次都要寻找并用鼠标点击不同的符号，于是就想要是能像快捷键一样只通过敲键盘编辑公式那就太方便了(尽管word有自带的符号)，LaTeX就是提供了这样的功能。

2018-10-18

4.5K0

机器人世界

与人类一样，机器人通过它的“感官”来感知世界。例如，无人驾驶汽车使用视频、雷达与激光雷达来观察周围的世界。随着汽车不断地收集数据，它们会建立起一个3D观察世界，在这个世界，汽车可以知道自己在哪里，其他物体（如树木、行人和其他车辆）在哪里，以及它应该去哪里！

2018-10-15

4460

目标跟踪与定位——Introduction to motion

要随着时间变化来跟踪物体并检测动作：方法之一是提取特定的特征观察这些特征是怎么从一帧变化到下一帧的，这里可以用到光流法(optical flow)。

2018-10-12

1.1K0

Image Captioning（1）

首先，将图片传送到CNN中，使用预先训练的网络VGG-16或者ResNet。在这个网络的末尾是一个输出类别得分的softmax分类器。但我们不是要分类图像，我们需要表示该图像空间信息的一组特征。为了获取这组特征，删除图像分类的全连接层，并查看更早的层级从图像中提取空间信息。

2018-10-11

1.8K0

YOLO Implementation

使用OpenCV的cv2.imread（）函数加载我们的图像。因为，此函数将图像加载为BGR，我们将图像转换为RGB，以便我们可以使用正确的颜色显示它们网络第一层的输入大小为416 x 416 x 3.由于图像大小不同，我们必须调整图像大小以与第一层的输入大小兼容。在下面的代码中，我们使用OpenCV的cv2.resize（）函数调整图像大小。

2018-10-10

5930

Chris Olah's LSTM post Edwin Chen's LSTM post Andrej Karpathy's lecture on RNNs and LSTMs from CS231n

2018-10-10

3.4K2

Recurrent Neural Networks (RNNs)

许多应用涉及时间依赖，或基于时间依赖。这表示我们当前输出不仅仅取决于当前输入，还依赖于过去的输入。 RNN存在一个关键缺陷，因为几乎不可能捕获超过8或10步的关系。这个缺陷源于“ 消失梯度 ”问题，其中信息的贡献随时间在几何上衰减。长短期存储单元（LSTM）和门控循环单元（GRU）通过帮助我们应用具有时间依赖性的网络，为消失的梯度问题提供了解决方案。 LSTM GRU 在我们探寻循环神经网络之前，先回忆一下前馈神经网络的使用过程。

2018-10-10

5480

Advanced CNN Architectures（R-CNN系列）

除了将该图像标记为猫外，还需要定位图中的猫，典型方法是在该猫周围画一个边界框，这个方框可以看做定义该方框的一系列坐标，(x,y) 可以是方框的中心w 和 h 分别表示方框的宽和高。要计算这些值我们可以使用典型分类 CNN，用到的很多相同结构。

2018-10-10

6890

CNN层和特征可视化VGG-16

CNN由处理视觉信息的层组成。CNN首先接收输入图像，然后将其传递通过这些层。有几种不同类型的层:最常用的层：卷积，池化和完全连接的层。首先，让我们来看看完整的CNN架构; 下面是一个名为VGG-16的网络，它经过培训可识别各种图像类别。它接收图像作为输入，并输出该图像的预测类。

2018-10-10

4.9K0

形态学操作—膨胀与腐蚀（Dilation and Erosion）

膨胀和腐蚀被称为形态学操作。它们通常在二进制图像上执行，类似于轮廓检测。通过将像素添加到该图像中的对象的感知边界，扩张放大图像中的明亮白色区域。侵蚀恰恰相反：它沿着物体边界移除像素并缩小物体的大小。通常这两个操作是按顺序执行的，以增强重要的对象特征！

2018-08-29

2.2K0

特征类型和图像分割

我们最想检测的就是角点，因为角点是可重复性最高的特征，也就是说因为角点是可重复性最高的特征，给出关于同一景象的两张或以上图像我们就能很轻易地识别出这类特征。举一个简单的例子：

2018-08-29

9510

SPINNING单车你需要知道的一些事（一）单车怎么调整

• If toe cages and straps are used, be sure to align the ball of your foot over the center of the pedal.This is the firmest, widest part of your foot and therefore the most efficient and comfortable foot position.

2018-08-29

4240

关于sklearn独热编码二.字符串型类别变量

from sklearn.preprocessing import LabelEncoder

2018-08-29

1.4K0

Regularizing your neural network

如果怀疑神经网络过度拟合了数据，即存在高方差问题那么最先想到的方法可能就是正则化，另一个解决高方差的方法就是准备更多数据，这也是非常可靠的办法，但你可能无法时时准备足够多的训练数据或者获取数据的成本很高。

2018-08-29

2410

SPINNING单车你需要知道的一些事(二)能量区间

随着可穿戴运动设备的普及化，运动变得越来越清晰和可视化。其中最重要的莫过于基于心率的练习，当然在单车中也不例外。以下两张图向我们展示了每个人的心率百分比，可以说通过大屏幕可以清楚的知道自己和伙伴的心率，同时教练也能清楚大家的训练认真程度以及会员体能状态。

2018-08-29

4830

点击加载更多

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战，赢鹅厂证书、公仔好礼！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态