0x01 神经网络的表示

首先要理解神经网络每一层的表示方法，搞清楚每个变量的意义，如下图：

这一节教你手撸逻辑回归。
逻辑回归可以解决简单的二分类问题，比如下图的猫，通过一系列计算后得到它是猫的概率

对应《神经网络和深度学习.第二周.作业1》

归一化

很多非数学背景的同学不知道归一化有什么卵用。简单来说，向量可以表示方向和长度；通过归一化后，向量的长度 = 1，方向不变，使得向量仅代表特征的方向。优点是归一化后梯度下降得更快。（下图）

bug

执行 nvidia-smi 显示： NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

这三个算法是好几年前就好奇但一直没搞懂的神奇算法

当宿命从你门前走过的时候，芸芸众生总是显得那么渺小

0x00 LCS

最长公共子序列跟最长不降子序列以及最长公共字串都不是一回事。这种用搜索时间复杂度太高的问题一般都会选择用DP来解决。状态转移方程为：

$$c[i,j] = \begin{cases}
0, & i=0 \text{ or } j=0
\\ c[i-1,j-1]+1, & x_i =y_j
\\ max(c[i-1,j],c[i,j-1]), &x_i \neq y_i
\end{cases}$$

三十年前，人们惊呼流行音乐会毁掉下一代；二十年前，人们惊呼电视节目会毁掉下一代；十年前，人们惊呼电脑及因特网会毁掉下一代；现在，人们开始惊呼手机会毁掉下一代……
人类发展的历史证明：“没有任何力量能毁掉下一代，除了上一代。”

2017年应该是最折腾的一年，为了传说中的梦想从深圳到了北京，离开了我超喜欢的一个领导，到计算所后由期待到失望…

时间过的很快，因为把时间都浪费在搬家和融入新团队中了。不过忙忙碌碌的好处就是没有时间发呆和难过了哈哈哈 >_<

不过我喝咖啡从来不是为了提神的 这个世界上唯一提神的东西就是你今天必须完成的事情呀

博士只考一门数据结构与算法分析，如果这都考不过那就真的重在参与了。本文把看完书以后手撸的代码贴出来，留个纪念。

Tensorflow 的使用者虽多，但真的很难用。幸亏有基于TF和Theano的高层框架Keras（不幸的是Theano已经停止更新了）。我们通过MNIST来熟悉一下Keras。

先推荐一个学习线性代数的教程http://www.bilibili.com/video/av6731067/，不管你多忙也请看上面这个视频。
3Blue1Brown制作，深入浅出、直观明了地分享数学之美。

调了一下午参数调到怀疑人生，最后发现是参数配置文件没有同步 - -
晚上遗留的一大堆Bug，第二天都自动消失了
肯定是有会写代码的海螺姑娘偷偷入侵了我的电脑 >_<

去年10月份左右从咸鱼买了一把号称93年产原装无修改的Fender vintage 57 stratocaster，拆开看了一下，琴颈的生产日期是1993.05.21，还挺有纪念意义的。但就在我买了新拾音器准备改装它的时候，好像发现了一个天大的秘密。

来北京一个月，一直蜗居在一个小屋里，没有钱花+前途迷茫的感觉真是浑身难受。
我现在的任务是接手之前几个客座生的项目，用Turtlebot做一个送咖啡机器人。第一周的时间用来搭建一个完整的demo

本资源来自网络，侵权请按ALT+F4

首先庆祝一下我用TX-1做实验写的《GPU加速与L-ORB特征提取的全景视频实时拼接》发表啦^_^
导师表示很开心，又给我买了两台TX-2

TX-2比TX-1除了性能的升级，其它部分没有太大变化，接下来要写的小技巧对于TX-1/2都适用。使用期间发现的问题都会持续更新到这篇博客，目前发现的问题有：

• OpenCV4Tegra 不支持 -lopencv_nonfree
• OpenCV4Tegra 在TX-2中不支持 GPU 模块
• 如何开启被屏蔽的2块CPU并设置为最大频率
• 开启Nvidia TX-1/2 的VNC

不要代码写多了就变得那么没有人情味了

0x00 Intro

1. 读入MNIST数据库

执行mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)后，会检查MNIST_data/文件夹下有没有数据库文件，如果没有会自动下载。这一步如果执行比较慢，可以用迅雷手动下载下面四个文件，保存到MNIST_data目录（不需要解压）

• train-images-idx3-ubyte.gz: training set images (9912422 bytes)
• train-labels-idx1-ubyte.gz: training set labels (28881 bytes)
• t10k-images-idx3-ubyte.gz: test set images (1648877 bytes)
• t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes)

上一节已经对HackRF升级了最新的固件，今天我们利用它做一些简单的实验。因为本人也是小白，所以本文并没有任何复杂的理论知识，只要会用Linux按照顺序一步一步操作都可以实验成功。

HackRF已经吃灰一年多了，官方的上一个版本还是2015.07，最新的2017.02.1版增加了Sweep mode，Hardware synchronization，hackrf_debug，降低了功耗以及修复了Bug. 在mossmann/hackrf/releases有编译好的固件hackrf-2017.02.1.tar.xz下载

原文：Go Figure! The Mystery of Figured Maple - By Mike Slubowski
http://www.gobywalnut.com/figured-maple.htm

公司发的圣诞礼物被一个自以为是的胖女人拿走了，不开心

众所周知GPGPU的性能瓶颈为PCI-E传输速度，数据传输时会导致运算资源闲置。因此NVIDIA发明了一个很牛逼的技术Zero Copy，它把主机内存直接映射到GPU内存上，在GPU需要数据时直接从主机内存寻找，隐式的传输到GPU中。还有另一个技术叫Pinned Memory，会在产生一个不会被分页的内存，这块内存不会被交换到磁盘的虚拟内存上，内存地址也不会被重新定位，因此，相比普通的Pageable Memory有更高的速度。使用Pinned Memory是一定会提高性能的，不过也需要适当使用，否则太多Pinned Memory会把Host Memory给挤爆了（因为它不会分页到虚拟内存去）。

绝大部分摘自光流Optical Flow介绍与OpenCV实现，光流法介绍

光流是空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。

最近忙着写论文，没有时间写博客了。（说得就像会有人看一样）
现在的学术水平已经基本脱离“科学靠脑补、大力出奇迹”的民科状态了

2016-09-27 07:49 Fixed in Version 2016.3

秉承着以解决问题为乐趣，没有问题创造问题也要解决问题为基本准则。今天发现了一个gnome-theme-kal主题在xfce4下的Bug

最近用Nvidia提供的Nsight来写OpenCV/CUDA，白色主题实在是太丑了，就采用通用的方法换成了黑色主题。结果不管怎么折腾，旁边的Navigator都还是白色的，使得整个界面不白不黑的，简直比VIM还丑。

前段时间参加一了个信息安全比赛，赛前突击整理了一下 Kali Linux 的工具用法，记录如下。

本周基于OpenCV进行了一次完整的图像拼接测试，和移动物体探测实验

图像拼接测试

测试采用Python2.7, OpenCV3, 对26张12Mp(4000×3000)进行SIFT角点检测，每张图片缩放为之前的0.12倍，利用CPU（8线程i7-6700HQ）进行完整拼接的时间为30秒。（代码链接：https://github.com/duchengyao/mosaic ）

编译OpenCV with CUDA

编译方法官方文档写的特别清楚。此外，如果要使用python接口，编译完成后需要把opencv/site-packages目录下的cv2.so链接（或复制）到python/site-packages中，我执行的命令为sudo ln -s /usr/local/opencv3/lib/python2.7/dist-packages/cv2.so /usr/lib/python2.7/dist-packages/cv2.so（如果不清楚可以参照[翻译]Python 2.7 和 Python 3+ 的OpenCV 3.0 安装教程）

查看Api和Guides推荐使用Zeal/Dash，就不用那么麻烦跑去官网搜索了：

Hikvision的web摄像头界面需要npapi的支持。Chrome42之前的版本都不支Npapi，Chrome42~45可以通过chrome://flags/#enable-npapi开启支持，Chrome45之后的版本不支持Npapi。

花了很久的时间找到了低版本的Chrome安装包，安装完以后依然无法执行插件。

仔细查阅文档后，发现只有Mac和Windows的Chrome对NPAPI提供支持。

配置Matcaffe的时候碰到了两个小坑，记录一下：

第一个坑：

1

Invalid MEX-file '/root/caffe/matlab/+caffe/private/caffe_.mexa64': /matlab/r2016a/bin/glnxa64/../../sys/os/glnxa64/libstdc++.so.6: version `GLIBCXX_3.4.20' not found (required by /root/caffe/matlab/+caffe/private/caffe_.mexa64)

第二个坑与前一篇文章《在anaconda下安装caffe失败》错误相同。

1
2
3
4
5
6
7
8
9
10
11

Invalid MEX-file
'/home/xw/caffeBuild/caffe-master/matlab/+caffe/private/caffe_.mexa64':
/home/xw/caffeBuild/caffe-master/matlab/+caffe/private/caffe_.mexa64: undefined
symbol:
_ZN2cv8imencodeERKNSt7__cxx1112basic_stringIcSt11char_traitsIcESaIcEEERKNS_11_InputArrayERSt6vectorIhSaIhEERKSB_IiSaIiEE
Error in caffe.set_mode_cpu (line 5)
caffe_('set_mode_cpu');
Error in caffe.run_tests (line 6)
caffe.set_mode_cpu();