R.java这个文件是会自动生成的。但是有时候你写错xml文件的时候，R.java是不会自动生成对应的值。这个时候我们会很习惯去clean一下这个项目，这个时候会突然发现，R.java竟然不见了。 这个时候的你肯定非常的气愤，你可能会拼命在网上找答案，网上会有很多答案告诉你右键项目--》AndroidTool...

　　　　很多朋友想学习机器学习，却苦于环境的搭建，这里给出windows上scikit-learn研究开发环境的搭建步骤。　　　　python有2.x和3.x的版本之分，但是很多好的机器学习python库都不支持3.x，因此，推荐安装2.7版本的python。当前最新的python是2.7.12.链接如下：　　　　ht...

 有的时候当我们导出文件时，如果文件比较小可以使用phpexcel，但是当文件太大时就会遇到很多瓶颈（excel条数限制、导出时间太长等）。这个时候要么使用excel分批次导出，要么就需要使用csv导出。但是，分批次导出还需要合并。纯csv的话，导出的文件又不好看，还要转换成excel。最近看到一个插件，导出...

在使用maven过程中，我们在开发阶段经常性的会有很多公共库处于不稳定状态，随时需要修改并发布，可能一天就要发布一次，遇到bug时，甚至一天要发布N次。我们知道，maven的依赖管理是基于版本管理的，对于发布状态的artifact，如果版本号相同，即使我们内部的镜像服务器上的组件比本地新，maven也不会主动下载的。如...

1privatevoidsimpleAction1_Execute(objectsender,SimpleActionExecuteEventArgse){23IObjectSpaceos=Application.CreateObjectSpace();45stringlistViewId=Application.Fi...

原文地址：https://arxiv.org/pdf/1711.10370.pdf这是何恺明老师发表于CVPR2018的一篇优秀paper。先简单回顾一下语义分割领域之前的工作那么什么是语义分割？语义分割其实就是对图片的每个像素都做分类。其中，较为重要的语义分割数据集有：VOC2012 以及 MSC...

 边界填充（padding）：卷积过程中，越靠近图片中间位置的像素点越容易被卷积计算多次，越靠近边缘的像素点被卷积计算的次数越少，填充就是为了使原来边缘像素点的位置变得相对靠近中部，而我们又不想让填充的数据影响到我们的计算结果，故填充值选择均用0来填充。池化层不需要参数、只是对特征图进行压缩操作，以减少计算量...

基本概念理解：一个epoch：当前所有数据都跑（迭代）了一遍；    那么两个epoch，就是把所有数据跑了两遍，三个epoch就是把所有数据跑了三遍，以此类推。batch_size：每次迭代多少个数据；（batch_size称作批处理，它的作用可以理解为每次训练100个数据（在...

K-近邻与交叉验证1选取超参数的正确方法是：将原始训练集分为训练集和验证集，我们在验证集上尝试不同的超参数，最后保留表现最好的那个。2如果训练数据量不够，使用交叉验证法，它能帮助我们在选取最优超参数的时候减少噪音。3一旦找到最优的超参数，就让算法以该参数在测试集跑且只跑一次，并根据测试结果评价算法。4最近邻分类器能够在...

一、TrainingofaSingle-LayerNeuralNetwork1DeltaRuleConsiderasingle-layerneuralnetwork,asshowninFigure 2-11.Inthe figure,diisthecorrectoutputoftheoutputno...

by南大周志华摘要监督学习技术通过学习大量训练数据来构建预测模型，其中每个训练样本都有其对应的真值输出。尽管现有的技术已经取得了巨大的成功，但值得注意的是，由于数据标注过程的高成本，很多任务很难获得如全部真值标签这样的强监督信息。因此，能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习的一些研究进展，主要关注三...

在上一篇文章中，我们已经掌握了机器学习的基本套路，对模型、目标函数、优化算法这些概念有了一定程度的理解，而且已经会训练单个的感知器或者线性单元了。在这篇文章中，我们将把这些单独的单元按照一定的规则相互连接在一起形成神经网络，从而奇迹般的获得了强大的学习能力。我们还将介绍这种网络的训练算法：反向传播算法。最后，我们依然用...

这篇文章的主要贡献点在于：1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型；2.可以利用boundingbox来进行训练，并且得到了较好的结果，这样可以代替用pixel-level训练中的groundtruth；3.当我们用少量的pixel-levelannotations和大量的图像整体的弱标签来进行半监...

这篇论文主要介绍了如何使用图片级标注对像素级分割任务进行训练。想法很简单却达到了比较好的效果。文中所提到的loss比较有启发性。大体思路：首先同FCN一样，这个网络只有8层（5层VGG，3层全卷积）。不同的是由于图片只有image-level的标注，所以输出图像的清晰度无法保证，所以没有反卷积。图片的分辨率很低很低，但...

 在上一篇文章中，我们已经学会了编写一个简单的感知器，并用它来实现一个线性分类器。你应该还记得用来训练感知器的『感知器规则』。然而，我们并没有关心这个规则是怎么得到的。本文通过介绍另外一种『感知器』，也就是『线性单元』，来说明关于机器学习一些基本的概念，比如模型、目标函数、优化算法等等。这些概念对于所有的机器...