模式识别实验一源程序% 首先载入数据txt格式，分为标签即种类标号和数据（属性:值） [diabetes_label, diabetes_inst] =libsvmread('diabetes_scale.txt'); data= [diabetes_inst(:,1), diabetes_inst(:,2)]; %利用交叉耦合函数进行分组，80%的数据用来训练，剩下的数据进行预测 [train, test] =crossvalind('holdOut',diabetes_label,0.8); train_diabetes = data(trai

Ubuntu18.04安装tenforflow-gpu==1.14.0我的环境 Ubuntu18.04 显卡NVIDA GeForce GTX 1050 Ti 1. 安装显卡驱动新鲜装好的ubuntu是不带有显卡的，所以第一步是选择自己合适的显卡驱动 打开显示应用程序中的软件和更新 我选择435，因为之前安装450体验并不好，带来了很多bug，例如调用GPU时报 kernal版本与CUDA要求版本错误（好像是这个） 然后点击应用更改、 重启 打开 设置->详细信息： 图形变成了你的GPU型号，而且你发现你可以连接显示器了，那么显卡驱动就安装成功了 2. 安装cuda10

文本检测文本检测算法： 针对文本检测问题专门设计的框架 Top-down 和 bottom-up CTPN、Textboxes、Textboxes++ Pixellink Top-down: 先检测文本区域，再找出文本线 Bottom-up:先检测出字符，再串成文本线 bottom-up缺点： 没有考虑上下文 不够鲁棒 太多子模块 太复杂且误差逐步积累 性能受限 文本检测算法改进方向： 特征提取 区域建议网络（RPB） 多目标协同训练 Loss改进 非极大值抑制（NMS） 半监督学习 等等 CTPN模型 模型介绍 可以检测水平或微斜的文本行 文本行可以被看成一个字符序列，文本字符

PyTorchPyTorch的核心是两个主要特征：张量和自动求导张量（Tensor）：类似于numpy.nrray，但是np.nrray不能放入GPU计算，而Tensor可以 自动求导（autograd）：创建一个张量，设置requires_grad=True来跟踪与它相关的计算 x = torch.ones(2,2,requires_grad=True) # 一会儿会对x进行求导 print(x) y = x+2 print(y.grad_fn) #输出True 说明运算被追踪了 z = y*y*3 out = z.mean() out.backward() #求梯度 print(x