Qiang Xie's Blog

Talk is cheap. Show me the code.

Linux下非root用户安装GCC 5.4

非root用户如何安装软件

我使用的服务器上的GCC版本是4.7,但是我编译一个项目的源码需要GCC 5.3以上的版本,而我又没有root权限,而且因为别人都用着4.7的版本没有问题,不可能因为我一个人升级GCC,这种情况下有没有办法为自己单独安装一个GCC呢?答案是肯定的。只需要稍微修改一下安装的配置文件就行了。 首先需要下载新的GCC源码,我这里安装的是GCC 5.4,下载之后解压并进入目录。命令如下: wge...

Linux 命令 dos2unix

文件在不同的操作系统之间传输导致的错误

今天遇到一个奇怪的问题:运行一个很简单的shell脚本,脚本如下: /build/tools/ristretto quantize \ --model=models/SqueezeNet/train_val.prototxt \ --weights=models/SqueezeNet/squeezenet_v1.0.caffemodel \ --model_quantized=mod...

最优化方法学习

GD、SGD、Momentum、Nesterov Momentum、AdaGrad、RMSProp、Adam

        1.Sparsity and Some Basics of L1 Regularization 2.机器学习中的范数规则化之(一)L0、L1与L2范数

leetcode(104)

Maximum Depth of Binary Tree

Given a binary tree, find its maximum depth. The maximum depth is the number of nodes along the longest path from the root node down to the farthest leaf node. /** * Definition for a binary tre...

算法学习 1

prim算法

普里姆算法(Prim算法),图论中的一种算法,可在加权连通图里搜索最小生成树。意即由此算法搜索到的边子集所构成的树中,不但包括了连通图里的所有顶点(英语:Vertex (graph theory)),且其所有边的权值之和亦为最小。该算法于1930年由捷克数学家沃伊捷赫·亚尔尼克(英语:Vojtěch Jarník)发现;并在1957年由美国计算机科学家罗伯特·普里姆(英语:Robert C....

任务执行顺序题的解决

排序算法小结

在51nod学习贪心算法入门课程,课程最后一道题如下: 任务执行顺序 有N个任务需要执行,第i个任务计算时占R[i]个空间,而后会释放一部分,最后储存计算结果需要占据O[i]个空间(O[i] < R[i])。例如:执行需要5个空间,最后储存需要2个空间。给出N个任务执行和存储所需的空间,问执行所有任务最少需要多少空间。 最佳策略是按照R[i] – O[i]的不增顺序执行,我按照这...

用cmake编译boost.python库

boost.python

Python是一种动态,由于它语法简单,使用方便,也用作脚本语言,但是它也有缺点,越高级的语言效率越低,它不适合用作底层对计算效率有要求的语言。C++是一种静态语言,执行效率高,但是也有缺点,那就是它语法比较死板,不如Python灵活。但是,往往实际应用中我们希望底层实现效率高,而上层接口使用简单方便,这样就能兼顾动态语言和静态语言的优点。很多框架中都采用了这种设计思想,比如深度学习框架Ca...

L0、L1和L2范数

常用规则化项理解

       机器学习中,我们一直期望学习到一个泛化能力(Generalization)强的函数,只有泛化能力强的模型才能很好地适用于整个样本空间,才能在新的样本点上表现良好。但是训练集通常只是整个样本空间很小的一部分,在训练机器学习模型时,稍有不注意,就可能将训练集中样本的特性当作了全体样本的共性,以偏概全,而造成过拟合(Overfitting)。为了解决这个问题,规则化方法(Regula...

caffe 安装

包括CUDA opencv

caffe是深度学习方面一个框架,主要应用于计算机视觉方面,科研上用caffe的有很多,但是caffe有一个很大的弊端:依赖的库多,安装麻烦。学习用caffe已经有很长一段时间了,也折腾安装过好几次,每次安装过程都是一段血泪史,经常碰到各种各样的问题,每次安装都是网上一顿乱搜。这一次为一台4个Titan X的机器装caffe,装的过程中也是各种错误,系统重装了三次,又咨询了NVIDIA的支持...

caffe 学习笔记 1

caffe 中的 SGD solver

solver是caffe中一个很重要的概念,简单来说solver通过不断 forward和backward计算梯度,用计算得到的梯度对模型进行优化,更新深度神经网络各层的参数,使得loss最小以使模型更好地拟合数据。 1. solver的作用及分类 在caffe中封装的有以下几种solver: Stochastic Gradient Descent (type: “SGD”) ...