soga235的博客

原创 把握好人生的三次转机：大学专业，第一份职业，结婚对象

对于找工作，一般比较关注的薪酬待遇，工作地点，工作内容，公司性质，未来发展，甚至有一些是否影响身体健康等把握好人生的三次转机：大学专业，第一份职业，结婚对象大学专业：直接看近些年的应届毕业生行业薪酬平均工资，从事的相应的不同的行业分析报告等，同时结合自己的兴趣爱好和对未来的形势判断，可以找到不会太差的专业第一份职业：第一份职业直接影响到你今后的发展方向和未来的前景，看看男怕入错行就知道其重要性，提前思考好相应的行业研究和兴趣爱好，钱和闲的博弈，有钱有闲人人爱，无钱没闲人人厌，结合自.

转载 做硬件真的没有前途吗？看看资深工程师是怎么说的

网上总是不乏“硬件不如软件吃香”、“硬件干活多、待遇低、门槛高”、“十年硬件转IT，真香！”...等诸如此类的言论。由于硬件工程师做的事情多且杂，更是惨被戏称为“高级杂工”。事实真是如此？搞硬件就真的这么苦？没有什么发展前景？看看资深硬件工程师怎么说！什么是硬件百度百科上是这么介绍硬件的："硬件（英文名Hardware），是计算机硬件的简称（中国大陆及香港用语，台湾作硬体），是指计算机系统中由电子，机械和光电元件等组成的各种物理装置的总称。这些物理装置按系统结构的要求构成...

原创 机械开关消抖方法汇总介绍

由于机械触点的弹性作用,一个按键开关在闭合时不会马上稳定地接通,在断开时也不会一下子断开。因而在闭合及断开的瞬间均伴随有一连串的抖动,抖动时间的长短由按键的机械特性决定,一般为5ms～10ms。这是一个很重要的时间参数,在很多场合都要用到。按键稳定闭合时间的长短则是由操作人员的按键动作决定的,一般为零点几秒至数秒。键抖动会引起一次按键被误读多次。为确保CPU对键的一次闭合仅作一次处理,必须去除键抖动。按键一直有个抖动的问题需要考虑，影响到系统的稳定性和安全 性，对于商用产品更是如此，因此经过学习RS触发器.

原创 常用的电子类网站

1.电子发烧友http://m.elecfans.com/article/1068159.html2.电子懒人https://www.jichudianlu.com/archives/category/基础电路图这两个常用，看相应的原理，其他的电子网站：参考：https://www.cnblogs.com/adxiaowei/p/4031878.html中国电子资源网：http://www.ec66.com中国电子进修网http://www.studydz.com电子设计技术网...

原创 1000桶水，其中一桶有毒，猪喝毒水后会在15分钟内死去，想用一个小时找到这桶毒水，至少需要几头猪？具体该如何实现方法讲解

对于此问题，一个思路是通过对问题分解：首先一个猪在一个小时内的状态可以分为5种：一.0分钟喝水，15分钟死去二.15分钟活着再喝水，30分钟死去三.30分钟活着再喝水，45分钟死去四.45分钟活着再喝水，60分钟死去五.60分钟还活着对比于一个猪有5个状态，可以考虑状态机以及计算机二进制思想：一个猪一个小时可以表示5个不同桶，两头猪可以表示5*5=25个不同的桶……根据题目总共1000个桶：至少需要多少头猪的话？根据几个猪可以表达1000这个完整的数的状态：=

转载 电荷泵电路（Charge Pump）用于升压的解析

升压的电荷泵电路（Charge Pump），也称为开关电容转换器（Switched Capacitor Converter）。老粉丝都知道，公众号很久之前就发布了一篇阐述电感、电容、二极管构成的BOOST升压方案的文章，那为什么还要讨论电荷泵方案的升压电路呢？

转载 模拟开关和多路复用器的基础参数（导通电阻，电容，漏电流，关断隔离等）介绍

在测试测量相关应用中，模拟开关和多路复用器有着非常广泛的应用，例如运放的增益调节、ADC分时采集多路传感器信号等等。虽然它的功能很简单，但是仍然有很多细节，需要大家在使用的过程中注意。所以，在这里为大家介绍一下模拟开关和多路复用器的基础参数（导通电阻，电容，漏电流，关断隔离等）。

转载 浅析磁传感器HALL、AMR、GMR、TMR技术（转载）

磁传感器广泛用于现代工业、汽车和电子产品中以感应磁场强度来测量电流、位置、角度、速度等物理参数。在现有技术中，磁传感器包含霍尔（Hall）元件、各向异性磁电阻AMR（Anisotropic Magneto resistance， AMR）元件、巨磁电阻GMR（Giant Magneto resistance， GMR）元件及隧道磁电阻TMR（Tunnel Magneto Resistance）。

原创 直方图均衡（HE）原理及实测可用的均衡化代码

直方图均衡(HE)是图像增强处理中对比度变换调整中最典型的方法。该方法是空域增强中最常用、最简单有效的方法之一，其采用灰度统计特征，将原始图像中的灰度直方图从较为集中的某个灰度区间转变为均匀分布于整个灰度区域范围的变换方法。

原创 Python直接安装opencv的方法

其中opencv的python版本可以和自己的python一致。

原创 磁珠和去耦电感的区别

电感和磁珠的一些区别，查看链接，可以对电感有更深的学习

原创 C语言访问二维数组的方法

原创 C语言中的指向常量的指针与常量指针

指针在C语言中确实是比较难以理解和操作使用，指向常量的指针主要是无法改变使用指针改变指向的常量值，常量指针主要指针的地址不变固定。常量指针：每次难以理解的时候再次回来看看定义。参考：《c语言入门经典(第5版)》.((美)霍尔顿...

原创 Tensorflow 中安装opencv核心包

后面蓝线是指的tensorflow的安装包位置，当做参考

原创 机器学习之信用卡欺诈检测（零基础，附数据及详细python代码2022年Tensorflow2）

首先该数据参考：机器学习项目实战之信用卡欺诈检测（零基础，附数据及详细python代码）(4条消息) 机器学习项目实战之信用卡欺诈检测（零基础，附数据及详细python代码）_西南交大-Liu_z的博客-CSDN博客_信用卡欺诈检测pythonhttps://blog.csdn.net/qq_40683479/article/details/89221558对于参考链接上的pandas的ix 提取数据列，会出现错误，故相应进行修改使用panda的iloc功能实现：(6条消息) Python:..

原创 回测函数pyfolio的安装

pyfolio是一个由quantinc .开发的用于金融投资组合的性能和风险分析的Python库。它可以很好地与Zipline开源回溯测试库一起工作。quant还为专业人士提供全面管理的服务，包括Zipline、Alphalens、Pyfolio、FactSet数据等。pyfolio的核心是所谓的“ so-called tear sheet ”，它由各种各样的独立图组成，这些图提供了交易算法表现的综合图像。GitHub地址:https://github.com/quantopian/p...

原创 keras的datasets的数据下载包括MNIST，CIFAR等

tf.keras.datasets(3条消息) tf.keras.datasets学习并解析_New_Leaf的博客-CSDN博客_keras.datasetshttps://blog.csdn.net/New_Leaf/article/details/106310814CIFAR10数据集的下载及使用 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/129081723...

原创 sklearn方法的归一化处理

泰坦尼克号数据中：后面7列的数据特征特区以及进行归一化处理。Feature的提取：ndarray_data=selected_df_data.values #转换为数组方法Features = ndarray_data[:,1:] #提取特征,除名字外print(Features)Feature的归一化处理：from sklearn import preprocessingminmax_scale =preprocessing.MinMaxScaler(featu...

原创 pandas数据的读取操作方法汇总分析（涉及转义字符的数据地址问题以泰坦尼克号数据为例）

Python_报错：SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 2-3: truncated \UXXXXXXXX escape - 翻滚的小强 - 博客园 (cnblogs.com)https://www.cnblogs.com/rychh/p/9743864.html经常会遇到数据的读取，数据的读取是数据处理使用pandas数据读取汇总，以泰坦尼克号的数据为样本，具体见方法.方法一

原创 Crosstab混淆矩阵应用及预测错误位置应用

通过pandas中的crosstab调用混淆矩阵，来查看哪些结果最容易混淆，对角线部分，为正确预测的部分，其它部分则是预测错误的部分。import pandas as pdpd.crosstab(test_labels,prediction,rownames=['label'],colnames=['predict'])查看预测错误位置的数据：df = pd.DataFrame({'label':test_labels,'predict':prediction})print(df..

原创 Keras 报错AttributeError: ‘Sequential‘ object has no attribute ‘predict_classes‘解决方法（亲测正确解决方法）

Python Keras 报错AttributeError: 'Sequential' object has no attribute 'predict_classes'解决方法-CJavaPyhttps://www.cjavapy.com/article/2239/以上链接为对于该问题的解释以及解决方法，同时出现该问题原因如下：1.没有使用汉堡式建模2.tensorflow在2.6以上解决方法：predict_x=model.predict(X_test) classes_x.

原创 sparse_categorical_crossentropy”和“categorical_crossentropy”损失函数区别

这个可以参照：(2条消息) 简洁明了的tensorflow2.0教程——用keras实现mnist数字识别_JohnLeeK的博客-CSDN博客_tf.keras.datasets.mnisthttps://blog.csdn.net/JohnLeeK/article/details/106423634和(2条消息) Tensorflow2的MNIST数字识别实例及代码（jupyter长截图）_soga235的博客-CSDN博客https://blog.csdn.net/soga235/articl..

原创 Keras 初始使用以及初始化（卷积通道链接）

(1条消息) [Tensorflow2.0 keras]初始化（自定义）网络层参数_Strengthennn的博客-CSDN博客_keras 参数初始化https://blog.csdn.net/Strengthennn/article/details/117982570(1条消息) Keras kernel_initializer 权重初始化的方法_hyl999的专栏-CSDN博客_kernel_initializerhttps://blog.csdn.net/hyl999/article/detai

原创 tensorflow训练神经网络的在线

zhttp://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.65674&showTestData=false&discretize=false&percTrainData

原创 训练数据的归一化处理

对于一般的数据（如两列的数据特征，第三列是label）数据的归一化处理# 归一化处理for i in range(2): x_data[:,i]=(x_data[:,i]-x_data[:,i].min())/(x_data[:,i].max()-x_data[:,i].min())图片数据的归一化处理：图片数据：归一化代码：train_x=tf.cast(train_x/255.0,tf.float32)valid_x=tf.cast(valid_x/2..

原创 Tensorboard 的tensorflow2的启动及应用

tensorboard的启动及使用

原创 多维数组的重新排序（打乱数据排序）

打乱多维数组的方法实践

原创 损失函数为什么使用交叉熵多而不是MSE（均方差）？

MSE为非凸函数，存在多个极值点，很可能找不到最优解 ，会出现局部最优，不适合作为损失函数Convex Optimization——凸函数 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/56876303

原创 为何使用one-hot 独热编码

什么是one hot编码？为什么要使用one hot编码？ - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/37471802可以参照链接，同时：独热编码是为何使用独热编码：独热编码如何取值？使用非 one-hot ?总结： one-hot可以实现结果的平均，二进制不包含顺序等深度学习应用开发-TensorFlow实践_中国大学MOOC(慕课) (icourse163.org)https://www.icourse163....

原创 Tensorflow2的MNIST数字识别实例及代码（jupyter长截图）

完整的MNIST的TensorFlow2实现过程，包括代码及结果

原创 手机app Apk 下载总结(包括部分电脑的安装包)

5個免費實用的Google Play APK Downloader！ - 最科技https://techbesty.com/5-google-play-apk-downloaders/参考以上链接：自己使用比较好的是：1.apkpure官网地址：https://apkpure.com可以手机下载app2.apkmonk官网地址：https://www.apkmonk.com可以参照另外个链接：安卓系统apk在线下载站点(可下载国外apk) - 知乎 (zhihu.com)ht...

原创 TensorFlow交叉熵函数(cross_entropy)·理解应用

Tensorflow的交叉熵理解应用可以参考：TensorFlow交叉熵函数(cross_entropy)·理解 - 简书 (jianshu.com)https://www.jianshu.com/p/cf235861311b手写识别的交叉熵的理解，其中设计argmax()函数，TensorFlow入门(一) - mnist手写数字识别(网络搭建) | 极客兔兔 (geektutu.com)https://geektutu.com/post/tensorflow-mnist-sim...

原创 Reshape的命令应用

Reshape 的参考使用：(1条消息) Python的reshape的用法：reshape(1,-1)_冷月无声的博客-CSDN博客_reshape函数pythonhttps://blog.csdn.net/qq_29831163/article/details/90112000Reshape主要用于改变数据的结构，一般为数组或者矩阵才可以使用Reshape...

原创 MNIST 手写数字识别调用

应用于Tensorflow2.7的，具体结果如图：数字图片显示：具体的代码：import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.pyplot as plt%matplotlib inline print("Tensorflow version:", tf.__version__)文件下载的代码：mnist =tf.keras....

原创 MNIST手写的数字识别应用的源数据（分类问题）

手写数字的识别，是机器学习数字应用分类的重要应用，下文链接为源数据网站。MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burgeshttp://yann.lecun.com/exdb/mnist/对于数据的下载使用，可以参照：(3条消息) MNIST(手写数字图片识别+ubyte.gz文件)数据集下载、将MNIST数据集转化为CSV格式，并使用神经网络测试，手写0-9数字识别。_都说了我不是彭于晏的博客.

原创 Tensorflow2下jupyter的波士顿房价预测（多元回归代码）

Tensorflow2 下的多元线性回归处理，用于学习深度学习应用

原创 个人所得税专项扣除详解

个人所得税专项扣除详细信息

原创 多变量线性回归分析（含波士顿房价源数据及方法）

Boston房价的原始数据，参见第一个链接，永久1积分下载使用，当然也可以到官网下载基于B(2条消息) boston_housing_data.csv-讲义文档类资源-CSDN文库https://download.csdn.net/download/soga235/62336856https://download.csdn.net/download/soga235/62336856基于LinearRegression的波士顿房价预测 - 简书 (jianshu.com)https://www.ji...

原创 手写签名制作电子签名详细步骤

d怎么制作手写电子签名？ - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/157419337https://zhuanlan.zhihu.com/p/157419337对于有时需要进行签名再进行扫描或者拍照回传的问题，通常如果只是电子版的文件，完全可以使用电子签名来进行解决。解决方法可以参考上面链接，基本可以解决大多数的电子签名制作。另外：使用手机直接进行电子签名的制作使用有些至尊签名软件最合适的方法还是可以提前制作好一个背景透明的电子签名。

原创 一键换机或者克隆的原理分析

两种换机的数据迁移原理：wifi或者蓝牙，以及ADB命令操作(1条消息) Android 手机克隆/一键换机原理初探_IT先森-CSDN博客https://blog.csdn.net/tkwxty/article/details/105047461介绍ADB的原理：ADB 操作命令详解及用法大全 - 掘金 (juejin.cn)https://juejin.cn/post/6844903645289398280...