CarND Project 3 - 行为模仿 - 教模拟器开车

目标

第三个作业,是实现在模拟器上的“自动驾驶”。这个作业要训练出一个模型,模拟器给出汽车前置摄像头的图像作为输入,模型要输出一个方向(往左或往右多少)。

因为会用到 Keras 框架,所以本文会先简单介绍 Keras. 由于课程还提到了 Transfer Learning, 所以也整理上笔记。

继续阅读“CarND Project 3 - 行为模仿 - 教模拟器开车”

CarND Project 2 - 交通标志识别

目标

这个作业的目标是,训练出一个网络,给它32x32图片作为输入,它能判断出这个图片代表什么交通标识。

这个网络基于 LeNet, 所以本文会先讲述 DNN 和 CNN 的一些基础知识,再讨论作业的代码实现和训练过程。

DNN - Deep Neural Networks

单层网络 f=WX+b 只能进行线性转换,难以进行复杂的判断。通过堆积多层网络,添加非线性的元素(如activation layer),使得网络可以处理更负责的情况。

Source: Udacity

继续阅读“CarND Project 2 - 交通标志识别”

五台山日出计划

这是个没有计划的计划。

2017年12月29日,周五。我正准备撸起袖子建设祖国的时候,收到了领导同学的微信:明天去五台山吧! 我以“周末要好好学习”为由拒绝,无效,遂登录12306购买火车票。去程只剩下K603的无座票,回程还能买到一张K602的硬卧。

买好票,似乎妥了。谷歌一下“五台山”,嗯,清凉圣地。天气预报最低-10℃,3级西北风,山上可能会更猛。有点儿怂。

2017年12月30日,周六。睡到自然醒,等风吹散了雾霾,去优衣库和迪卡侬买装备。在优衣库买了人生第一条秋裤,在迪卡侬买了件冲锋衣,感觉妥了。
继续阅读“五台山日出计划”

BIND+GeoIP: 根据查询者IP的地理位置给出不同的DNS结果

为了能让访客访问到最快的服务器,可以在DNS上动手脚。有一些DNS服务商如dnspod可以根据DNS查询者的位置,给出相应的DNS解析结果。

自己搭建DNS服务器,也可以实现类似效果。在 BIND 9.10 中,提供了 GeoIP 的功能,利用 GeoIP 库查询访客IP所在区域,根据区域给出结果。参考:
https://kb.isc.org/article/AA-01149/0/Using-the-GeoIP-Features-in-BIND-9.10.html
继续阅读“BIND+GeoIP: 根据查询者IP的地理位置给出不同的DNS结果”