- 博客(118)
- 资源 (13)
- 收藏
- 关注
RSS订阅原创 [机器学习与深度学习] - No.6 ImageNet数据集预处理方式
使用Keras imagenet 图片识别模型，精度和官方精度存在差异
2020-04-03 17:52:13
2189
2
原创 [Python实战] - No.15 Python中的反射
Python反射这篇文章没有系统地解释什么是反射以及完整的Python反射机制，仅仅作为我之前使用反射解决问题的一个记录。假设我们有以下文件：E:.│├─package1│ main.py│ people.py│ __init__.py│└─package2animal.py__init__.pypackage1.people中的代码如下...
2019-10-24 09:43:02
223
原创 [机器学习与深度学习] - No.5 ILSVRC2012_img_val数据集的使用
ILSVRC2012_img_val数据集的使用在之前使用Imagenet 2012的Validation数据集的时候，遇到了数据集图片和下载的标签文件不对应的问题，困扰了一段时间，后来终于解决了，在这里记录一下。ILSVRC2012_img_val数据的正确姿势：下载数据集和正确的label：下载数据集：数据集地址：http://www.image-net.org/challeng...
2019-06-09 16:32:30
7787
7
原创 [Python 实战] - No.14 Python-Redis中的编码问题
Python-Redis中的编码问题最近在写代码的时候，因为redis的编码的问题，debug了一天，最后终于搞清楚了python-redis中遇到的那些坑。在这里记录一下：python中如何连接redis： value = value.decode(self.encoding, self.encoding_errors)UnicodeDecodeError: 'utf-8' codec can't decode byte 0x80 in position 0: invalid start b
2019-05-14 11:55:34
3830
3
原创 [机器学习与深度学习] - No.4 Normalization和Standardization的区别
Normalization和Standardization的区别写在前面：Normalization和Standardization在很多时候，很多文章中并不区分，甚至会使用scaling来代替上述两个词。在这里我们针对两种方法，做一些细微的区分。Normalization：将我们的数据值的范围限定在[0,1]之间，也就是我们将常说的归一化。在机器学习的算法中，我们经常会遇到这种情况：...
2019-05-09 16:43:55
652
原创 [Python 实战] - No.13 Python高级编程
Python高级编程记录一下python中几种比较高效、简洁的编程方法变量交换:在其他语言中，我们进行变量交换一般都是使用一个临时存储变量tmp，然后将a，b的变量值进行交换。但是python独有一种超级简单的变量交换的方法。a = 5b = 10print(a,b)b,a = a,bprint(a,b)'''5 1010 5'''还有几种其他的有有趣的方式进行变量...
2019-04-15 17:02:31
803
原创 [Pandas 学习笔记] - No.1 pandas学习笔记
pandas学习笔记pandas是基于numpy开发出的数据分析包，用于高效地操作大型数据集。pandas的数据结构有三种 分别为 series，dataframe和panel，对应一维，二维，三维数据。 其中datafram最为常用，我们仅对dataframe进行记录。dataframe其实就是一个形似数据库中的table一样的数据结构，我们可以从列表，字典，series和numpy nda...
2019-03-16 15:00:20
751
原创 [NumPy 学习笔记] - No.3 NumPy数值运算及矩阵操作
numpy学习笔记numpy是python中非常有用的一个库，我们可以使用numpy创建大型的高维数组并进行运算。这里记录一下numpy一些常用的方法。如果想仔细研究numpy的强大功能还需要翻阅NumPy API文档数组运算基本运算在numpy中，最基本的运算是加减,即对应位置元素做加减法；注意我们提到的运算是shape相同的两个变量之间的运算。# 基本运算x = np.array(...
2019-03-14 21:41:55
601
原创 [NumPy 学习笔记] - No.2 NumPy数据索引
numpy学习笔记numpy是python中非常有用的一个库，我们可以使用numpy创建大型的高维数组并进行运算。这里记录一下numpy一些常用的方法。如果想仔细研究numpy的强大功能还需要翻阅NumPy API文档数组索引常见索引对数组最简单的索引就是常见的[]索引# 索引x = np.array([1, 2, 3])print ("x[0]: ", x[0]) # x[0]:...
2019-03-14 21:34:00
460
1
原创 [NumPy 学习笔记] - No.1 使用NumPy创建数组
numpy是python中非常有用的一个库，我们可以使用numpy创建大型的高维数组并进行运算。这里记录一下numpy一些常用的方法。如果想仔细研究numpy的强大功能还需要翻阅NumPy API文档创建数组import numpy as np创建标量我们使用numpy来创建一个简单的数字# 创建一个float类型的数字x = np.array(6.0) # 稍后会解释什么叫np.a...
2019-03-14 21:29:03
248
原创 [django学习记录] - No.1 使用django创建一个简单的API
Django学习记录1. 创建Django项目使用pycharm的话可以直接选择django 项目。如果想要使用命令行，可以在命令行中输入以下命令：django-admin startproject myproject其中myproject是你的项目名称。不过我们更推荐用pycharm。因为使用命令行原生的项目，需要自己手动创建一些项目，和补全一些配置文件的选项。然后你就会得到一个如下...
2019-02-28 15:33:09
296
原创 [机器学习与深度学习] - No.3 机器学习中的性能度量指标
机器学习中的性能度量指标对机器学习、深度学习中的学习器的泛化性能进行评估，不仅仅需要有效可行的实验方法，还需要有衡量模型泛化能力的评价标准。这就是性能度量指标。在回归任务中，我们使用均方误差来衡量性能；在分类任务中，我们使用错误率、精度、查全率、查准率、F1度量、P-R曲线、ROC-AUC等指标来衡量模型。本文重点记录了分类任务的度量指标。我们假设在预测任务中：给定样例集合D=(x1,x1),...
2019-01-24 11:39:10
657
原创 [设计模式] - No.12 Strategy模式
Strategy模式Strategy模式又称策略模式，在策略模式中，我们将特定的算法封装起来，从而实现整体地替换算法的功能，以便我们能够按照不同的算法去解决同一个问题。《图解设计模式》这本书中的，策略模式这一章提供的代码示例有些冗长，所以我参考了这篇文章，编写了一个简单的例子，用较少的代码解释什么是策略模式。假设我们有一个场景，在商场中针对不同的客户的身份，提供不同的优惠方案，最简单的一种实现...
2018-12-13 11:49:34
185
原创 [设计模式] - No.11 Bridge模式
Bridge模式在学习Bridge模式的时候，一直想不通这个模式的具体应用场景，不知道为什么要使用这个模式，直到今天又重新看了一遍《图解设计模式》课后的讲解加上自己的思考，才对这个模式有了更深的理解。假设我们有这样一个场景，我们希望实现某种打印字符串的功能，这个功能在Windows，Mac和Linux上都可以使用，那么最简单的实现方案是我们实现三个类WindowsPrint，MacPrint和...
2018-12-13 11:45:37
194
原创 [设计模式] - No.10 Builder模式
Builder 模式在《图解设计模式》这本书中，对Builder模式的解释是，用于组装具有复杂结构的实例的设计模式。在这里，我通过一个接地气的小例子，来描述一下Builder设计模式究竟做了什么。加入有一天，你突然想盖一栋别墅，首先你需要找一个会盖房子的建筑师，告诉他“给我盖一个别墅”，让他帮你盖这栋房子。建筑师并不会直接的盖房子，他只会指挥施工队盖房子。它会指挥调度施工队，先打好地基，然后...
2018-12-04 10:34:09
132
原创 [设计模式] - No.9 Prototype模式
Prototype 模式在Java中，如果我们一般使用new XXClass()的方式获取一个实例。而Prototype提供了这样一种方式，既不通过new的方式获取实例，同时和工厂方法获取实例的方法不同。该模式使用类对应的对象来产生新的实例。在介绍Prototype模式之前，我们要首先介绍Java中的clone()和Cloneable。我们知道，在java中，所有的类都继承于一个叫Object...
2018-12-04 10:30:29
207
原创 [设计模式] - No.8 Singleton模式
Singleton模式在程序运行的时候常常是使用new的方法创建一个实例。对于某一个类（例如工具类），如果我们希望在任何情况下该类只有一个实例的话，我们需要使用单例模式。单例模式是很简单又被广为使用的一个设计模式：public class Singleton { //饿汉模式 private static Singleton singleton = new Singleton...
2018-12-04 10:05:45
136
1
原创 [设计模式] - No.7 Factory Method 模式
Factory Method 模式Factory Method模式和之前的Template Method模式有相似的地方。在Template Method中，我们在父类中使用模板方法用于定义具体的处理流程，如果我们使用这个具体方法来产生子类实例的话，这样就是Factory Method 模式。我们结合书中的示例代码来看（修改了一些）AbstractFactory.javapublic abs...
2018-12-04 10:03:32
189
原创 [设计模式] - No.6 Template Method 模式
Template Method顾名思义，就是说父类在其内部定义了一些抽象函数，然后定义了一个模板方法，并在模板方法中调用了这些抽象方法。父类在模板方法中定义了某个功能处理流程的框架，而子类则实现具体的处理。这个例子非常简单，其核心的理念就是使逻辑处理通用化。我们通过书中的一个简单的例子来看一下Template Method的具体实现方法：首先，我们定义一个父类AbstarctDisplay.j...
2018-11-23 17:08:55
134
原创 [设计模式] - No.5 Adapter模式
Adapter模式1. 什么是Adapter模式Adapter模式中文名称叫适配器模式，就像我们的电脑电源适配器将直流电源转换为交流电源一样，适配器模式可以将我们现有的某些已经具备相关类，转换为我们需要的类型。Adapter模式又称为Wrapper模式，相信这个名词很多做过Java Web项目的同学并不陌生。当我们从数据库中查询出来的数据虽然具备了我们需要的一些字段，但是并不能直接被某些接口使...
2018-11-23 17:06:00
122
原创 [设计模式] - No.4 Iterator 模式
Iterator 模式本系列的文章主要是记录设计模式的学习过程，围绕《图解设计模式》和我自身对于设计模式的理解。在文章中出现的代码多为《图解设计模式》这本书中的代码。书中一共包含23个设计模式，这篇文章作为这个系列的第一篇文章。由于《图解设计模式》这本书内容十分简单，非常适合入门，如果对于设计模式想要进一步地研究，可以参阅一些其他书籍。Iterator模式是一种非常简单的设计模式，其设计出来的...
2018-11-23 17:03:54
128
原创 [Spring Boot实战系列] - No.6 Springboot PageHelper实现后台分页
Springboot PageHelper实现后台分页PageHelper是一个很强大的分页插件，在Springboot的项目中，如果后台突然需要改为分页返回，甚至无需更改过多代码即可获得分页的结果。1. 前期代码准备创建一个springboot项目，配置数据库以及mybatis，配置过程参考之前的文章。在pom.xml中添加PageHelper的依赖。创建User实体，UserMapper...
2018-10-23 19:35:28
472
原创 [Spring Boot实战系列] - No.5 Spring boot AOP 示例
Spring boot AOP 示例在之前的文章中，介绍过Spring 的AOP与AspectJ相关的内容。最近实验室的一个项目又用到了springboot的AOP，在网上调研了一下发现了几个配置极其简单但功能很完善的示例，在这里总结一下。AOP相关的原理及含义不再解释，参考之前的文章。1. 前期代码准备创建一个Springboot项目，在项目中编写一个IndexController，一个U...
2018-10-23 13:02:56
188
原创 [Python 实战] - No.12 Python 中的正则表达式使用
1. Python中如何使用正则表达式Python中使用正则表达式的步骤如下：使用import re导入正则表达式模块使用re.compile()创建一个对象使用Regex对象的search()方法，传入一个字符串，然后返回一个Match对象调用Match对象的group()方法，返回文本中匹配该正则表达式的字符串示例如下,查找学生姓名中姓Zhang的同学姓名impo...
2018-09-07 17:24:26
312
原创 Ubuntu 18.04 NVIDIA驱动安装总结
最近遇到了在Ubuntu 18.04上安装NVIDIA的情况，看到一篇英文教程讲解的很好，简单翻译一下拿来收藏。在Ubuntu 18.04上安装NVIDIA有三种方法：使用标准Ubuntu仓库进行自动化安装使用PPA仓库进行自动化安装使用官方的NVIDIA驱动进行手动安装上述三种方法均可用，我个人更习惯于使用手动安装。注意：在安装之前首先就是要禁用Nouveau的驱动，...
2018-06-29 21:57:48
128534
18
原创 [Thinking in Java] - No.11 Java控制台进度条
java实现控制台的进度条，其实就是将之前每一行打印的进度条，反复的打印在同一行上，实现视觉上的进度条增长的效果。package com.ccd.ym.util;import java.text.DecimalFormat;public class ConsoleProgressBar { private long minimum = 0; // 进度条起始值 private long
2018-05-03 10:24:51
2378
1
原创 [机器学习与深度学习] - No.2 遗传算法原理及简单实现
遗传算法(Genetic Algorithm),顾名思义，就是模拟物种进化的过程，遵循“物竞天择，适者生存”的原则，随机化搜索的算法。遗传算法模拟种群演化过程，经历“选择”，“基因交叉”，“变异”等过程。遗传算法不保证一定能得到解，如果有解也不保证找到的是最优解，但若干代以后，理想状态下，染色体的适应度可能达到近似最优的状态。遗传算法的最大优点就是，我们不需要知道怎么去解决一个问题，获得最优解...
2018-04-11 16:08:32
3013
原创 [Python 实战] - No.11 Python Struct 模块使用
Python提供了一个struct模块来解决bytes和其他二进制数据类型的转换 函数 return explain pack(fmt,v1,v2…) string 按照给定的格式(fmt),把数据转换成字符串(字节流),并将该字符串返回. pack_into(fmt,buffer,offset,v1,v2…) None 按照给定的格式(fmt),将数据转换成字符串
2018-03-26 17:00:50
285
原创 [机器学习与深度学习] - No.1 基于Negative Sampling SKip-Gram Word2vec模型学习总结
基于Negative Sampling SKip-Gram Word2vec模型学习总结1. Word2vec简介Word2Vec是从大量文本语料中以无监督的方式学习语义知识的一种模型，它被大量地用在自然语言处理（NLP）中。那么它是如何帮助我们做自然语言处理呢？Word2Vec其实就是通过学习文本来用词向量的方式表征词的语义信息。Word2vec的结果是为了获得Word Embedd...
2018-03-17 20:27:53
3703
原创 [Caffe] - No.3 ssd-caffe(2):训练ssd-caffe模型：(以VOC数据集为例)
2.训练ssd-caffe模型：(以VOC数据集为例)使用caffe进行目标检测，我们的需要标注了标签的图片作为训练样本，训练模型。推荐使用开源的标注工具labelimg，来对我们的图片进行标注。标注之后，会产生.xml文件,用于标识图片中物体的具体信息。这里，我们以VOC格式的数据为示例：VOC的数据格式，主要有三个重要的文件夹：Annotations、ImageSets和JPEGI
2018-02-06 16:53:57
843
原创 [Caffe] - No.2 ssd-caffe(1):编译、安装、测试
在这篇文章里面总结一下ssd-caffe的安装使用，测试以及如何使用自己的测试样本，CUDA和OpenCV的安装在这里不再介绍，实验环境Ubuntu16.04 1 . 安装并测试ssd-caffe1.1 从git官网克隆ssd-caffe git clone https://github.com/weiliu89/caffe.git cd caffe git check...
2018-02-06 16:51:34
646
原创 解决Linux双系统安装卡在启动Logo
在安装Linux 双系统（一般是Nvidia显卡，1080p加核显的电脑）时，经常会出现卡在安装logo的问题，这种原因一般是由于linux发行商收录的nouveau 的开源显卡的问题。针对这种情况，解决方案如下：最重要的话放在前面：安装Linux之前先关闭Security Boot！！（不同主板引导界面中该选项的位置可能不太一致，但是大多数都是在boot 选项中的）在进入grub安装界面
2018-02-06 10:33:16
54782
5
原创 [Caffe] - No.1 nvcc fatal : Unsupported gpu architecture 'compute_20'
编译Caffe出现以下错误：nvcc fatal : Unsupported gpu architecture 'compute_20'解决方法： CUDA_ARCH := #-gencode arch=compute_20,code=sm_20 \ #-gencode arch=compute_20,code=sm_21 \ -ge
2018-02-03 22:18:38
5549
3
原创 [Python 实战] - No.10 Ubuntu16.04 配置Python OpenCV3.3.0
1.OpenCV 3.3.0 安装并测试1.1 安装依赖sudo apt-get install build-essential libgtk2.0-dev libvtk5-dev libjpeg-dev libjasper-dev libopenexr-dev libtbb-dev sudo apt-get install cmake1.2 安装OpenCV-3.3.
2018-01-16 21:57:15
448
原创 [Debug] - No.4 Python 3.5 安装Opencv
Anaconda python3.5的环境中安装python-opencv失败在cmd中使用pip安装python-opencv pip install python-opencv出现以下报错信息 Collecting python-opencv Could not find a version that satisfies the requirement python-open
2018-01-14 15:18:52
2201
原创 [Pytorch] - No.2 Pytorch 实现RNN语言模型
最近使用Pytorch，搭建了一个RNNLM，目的是为了利用词典中的每个词的One-Hot编码（高维的稀疏向量），来生成 Dense Vectors。这篇文章不讲解RNN原理以及为什么使用RNN语言模型，只是对pytorch中的代码使用进行讲解。 目前Pytorch的资料还比较少，我主要还是通过学习Pytorch文档+使用Pytorch官方论坛的形式来入门Pytorch 全部代码如下：impor
2018-01-04 20:33:29
3370
9
原创 [Pytorch] - No.1 Ubuntu 安装Anaconda 和 Pytorch
下载 Anaconda我选择的是Python3.6的Anaconda，[Anaconda官方下载地址(https://www.anaconda.com/download/)安装Anaconda切换到Anaconda安装包目录，使用bash运行该sh文件 bash Anaconda3-5.0.1-Linux-x86_64.sh 如下图所示一直按ENTER，直到提示输入yes，输入yes回车确认安
2018-01-04 18:00:49
3049
原创 [Spring Boot实战系列] - No.4 Spring boot 中如何在Utils类中使用@Autowired注入bean
Springboot中如果希望在Utils工具类中，使用到我们已经定义过的Dao层或者Service层Bean，可以如下编写Utils类：1. 使用@Component注解标记工具类StatisticsUtils：2. 使用@Autowired(@Autowired和@Resource的区别不再介绍)注入我们需要的bean：3. 在工具类中编写init()函数，并使用@PostCons
2017-11-30 19:49:09
4721
原创 [Spring Boot实战系列] - No.3 Spring boot 整合Mybatis
一、Mybatis是什么：mybatis是一个优秀的基于java的持久层框架，它内部封装了jdbc，使开发者只需要关注sql语句本身，而不需要花费精力去处理加载驱动、创建连接、创建statement等繁杂的过程。同时，mybatis提供了基于XML或者基于注解的动态SQL的方式，使得我们可以控制和优化SQL。 二、Springboot整合Mybatis两种方式：A. Spring ...
2017-11-27 21:50:59
357
原创 [Python 实战] - No.9 Python闭包和装饰器
一、闭包：闭包就是内层函数引用了外部函数的变量，然后返回内层函数的情况，叫做闭包。必报的特点就是我们返回的函数，引用了外部函数的局部变量，如果我们希望按照我们所想，来正确的使用这个必报的话，那就要确定我们引用的局部变量在函数返回以后是不能变得。一个最简单的闭包：def outer(arg): def inner(): return 'Using args:' +
2017-10-22 18:55:06
229
caffe_ilsvrc12.rar
2019-06-09
HDTune 中文破解
2017-03-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人