spritezhong-CSDN博客

原创沉淀一

时隔好久没有动笔了，趁这段时光对以往的知识进行下梳理，沉淀下自己吧。希望能尽快找回那个两耳不闻窗外事，一心只管敲代码的自己。2020.6.23知识回放最长子序列解题思路：为了快速的查找，考虑vector存储变为hash结构。【vector底层是线性遍历的查找时间复杂度是O（n），set的底层是红黑树查找时间是O（logn）。】因为是求连续序列，那么定好查找顺序，从每个新的起点向上查找，一旦不连续就更新起点，得到最长子序列长度。...

2020-06-23 21:50:26 199

原创 tensorboard could not bind to unsupported address family问题解决

解决方法tensorboard --logdir=模型路径--port 8023 --host 本机ip

2019-07-17 14:57:05 900

转载 ssh快捷登录通道机

iTerm2 结合 Linux expect 实现 ssh 自动登陆, 通过跳板机登录服务器内网功能https://segmentfault.com/a/1190000009826457

2018-07-17 11:13:30 663

原创 ZMQ理解（一）

看了几篇博客和ZMQ文档，总结如下：1. 封装了socket API, 支持多对多的连接，异步消息处理机制。2. 3种基本通信模式：“Request-Reply “，”Publisher-Subscriber“，”Parallel Pipeline”。 Request-Reply：客户端请求一个消息，服务端回复一个消息。客户端和服务端都支持1对多的关系，这种1对多也被称作路由，主要由它的信封机制...

2018-04-27 22:51:46 1147

原创腾讯angel中实现的GBDT解析

看了论文《TencentBoost: A Gradient Boosting Tree System with Parameter Server》，主要从以下三个方面阐述论文思想：一，woker端的工作（其中有一个节点是leader worker主要负责sample features，合并梯度图）： 1.每个worker根据分配到的数据，统计部分特征的分位图，然后把统计的分位图Push到s...

2018-04-23 21:01:37 1123 1

原创 ps-lite源码解读

本片文章主要解读参数服务器源码，关于参数服务器的基本工作原理请移步https://www.zybuluo.com/Dounm/note/529299。1.代码的类图2. 程序启动流程（1）首先执行PostOffice.start()：{记录每个worker或者server所在的组（即可以与之通讯的节点），然后调用van.start(){读取schedule节点的信息，判断当前节点的属性，如果当前节...

2018-04-17 23:04:48 925

原创 win10安装protobuf for python

背景：最近在写一个python的项目时，需要用到protobuf数据结构，本人的python环境是python3.5。前提准备：在protobuf下载地址下载 protobuf-python-3.5.1.zip和protoc-3.5.1-win32.zip并解压。1. 首先把protoc-3.5.1-win32文件夹下面的protoc.exe移至protobuf-python-3.5.1/sr...

2018-04-08 10:56:53 5054 1

原创 numpy.random中shuffle 和permutation的区别

共同点：shuffle与permutation这两个函数都是对打乱原来数组的顺序。不同之处： shuffle直接在原来数组上操作，而permutation不改变原有数组顺序，只是返回一个新的乱序的数组。代码示例：a=np.arange(10)print(a)np.random.shuffle(a)print(a)a=np.arange(10)b=np.random.permutation...

2018-03-16 21:50:13 525

原创 tensorboard导入错误

本人在安装tensorflow后执行 tensorboard --logdir="./graphs" --port 6006提示no mudule import tensorflow.tensorboard.tensorboard解决方式：执行conda update tensorflow 更新下tensorflow就搞定了...

2018-03-11 15:27:38 1069

原创 ubuntu下安装tensorflow

环境ubuntu64位+Anaconda(python2.7)1.虽然ubuntu自身带有python解释器，但是Anaconda含有更多的库，因此我用的是Anaconda，这个直接在官网下载相应的版本就好了，ubuntu默认的python解释器是自带的版本，因此若改为Anaconda注意修改环境变量。修改环境变量的方式sudo vim ~/.bashrc export PATH=

2018-01-21 20:15:59 1099

转载 windows64位 +Anaconda+python3.5安装xgboost

本贴参考博客xgboost安装教程准备工作安装git1.执行 git clone https://github.com/dmlc/xgboost.git e:\xgboost-setup (其中e:\xgboost-setup 是自定义的安装xgboost的目录）2. 在http://www.picnet.com.au/blogs/guido/post/2016/09/22/xg

2018-01-20 10:35:05 213

原创 git操作指南

详细操作流程请移步至：http://blog.jobbole.com/78960/1.首先在官网下载相应的git,安装完成后打开git bash .2.初次使用的话先设置自己的用户名和邮箱，命令格式为git config --global user.name "name" （使用global参数之后，同一台电脑上所有的仓库都是同一账号设置）git config --global user.ema...

2018-01-19 11:12:00 263

原创 xcode 中使用freetype库

因为在图像中显示中文文字，因此需要引入freetype的库。因此需要在building setting中配置两个地方。1.在other linker flags中添加freetype.a这个静态库 -lfreetype2.在头文件的查找路径中添加freetype2.h的路径 /usr/local/include/freetype2 （因为freetype在此目录下面）

2017-06-02 19:36:16 1231 1

原创深度学习21天实战Caffe学习笔记一

在ubuntu中配置好环境后，运行手写体数字识别例程时，通过执行脚本 ./examples/mnist/create_mnist.sh把下载到的原始数据集转换为LMDB时报错了：然而我目前还不知道这个错误怎么解决？后续更新

2017-04-04 22:57:04 1233

原创混合硬盘装双系统

本人笔记本型号：联想小新310，128的固态硬盘+1T的机械硬盘，打算在机械硬盘中安装一个ubuntu系统，参考了多人的博客，比如http://www.jianshu.com/p/2eebd6ad284d这个博主写的，虽然操作系统是装上了，但是开机启动项怎么采用easybcd的增加条目没有任何卵用，所以虽然安装系统成功，但永远无法进入ubuntu系统。经过两天两夜的卸载，安装，卸载，安装...

2017-04-04 22:48:22 2123

原创流水账学习0320

1.linux下常用的命令：查看当前进程状态：htop服务器和本机之间文件夹的拷贝： scp -r username@ip:/path/file destpath权限的切换 sudo -iu rootname查看当前目录： pwd2. C++知识补充字符串分割字符串的分割除了使用strtok这个函数外，还可以使用Boost库的split函数。使用方法如

2017-03-20 17:56:00 319

原创 python跳过第一行快速读取文件内容

Python编程时，经常需要跳过第一行读取文件内容。简单的做法是为每行设置一个line_num，然后判断line_num是否为1，如果不等于1，则进行读取操作。相应的Python代码如下：input_file = open("C:\\Python34\\test.csv") line_num = 0 for line in input_file: line_num +=

2017-01-08 16:27:30 14893 1

原创浅谈正则化

在机器学习中为了避免过拟合，我们往往会引入正则化，正则化的原因是对模型的结构复杂度加一个惩罚，以便选择经验风险与模型复杂度同时较小的模型。正则化项有L0，L1，L2范数。下面从数学的定义来探讨这几个范数的不同。L0范数：表示向量中所有非零元素的个数，利用这个特性可以寻找最少最优的稀疏特征项。不过由于求解L0范数的最小化问题是NP难问题，所以在实际应用中一般使用L1,L2范数。L1范数：

2016-12-31 20:37:28 344

原创 SVM总结

SVM总结在学习机器学习的常用算法中，在SVM上花费了大量的时间，今天写个知识点总结吧！ SVM包括：线性可分向量机、线性支持向量机和非线性支持向量机。线性可分向量机：顾名思义，构建它的条件是训练数据线性可分，学习策略是最大间隔法。可以表示为凸二次优化规划问题，其原始最优化问题为 minw,b12||w||2min_{w,b} \frac{1}{2} ||w|| ^{2} s.t. yi(

2016-12-27 11:09:06 435

原创 GBDT那些事

看完GBDT详解，才发现GBDT这四个词已经完全概括了这个算法的思想，Gradient是核心关键词，算法的目的是减少残差，采取的策略是在残差减少的梯度方向上建立新的模型。算法伪代码如下图：由算法流程图，可以清晰地发现一、起初，先获得loss的初始值，这里的loss可以是Table10.2中的多个标准，对于每一种loss得到的梯度表达式也不一样。二、下面的

2016-12-22 17:23:09 355

转载仿射函数

知识点补漏：1.仿射函数和线性函数的区别：简单来说仿射变换就是线性变化加上一个平移。知乎上看到的一个很好的解释：搬---作者：Cascade链接：https://www.zhihu.com/question/20666664/answer/15790507来源：知乎著作权归作者所有，转载请联系作者获得授权。以下内容仅涉及图形变换，未考虑更为抽象的概念。为了方

2016-12-14 21:18:11 12403

原创 python 读写csv文件（一）

csvfile=open(filepath,'w')，在python2版本中可以用file()函数打开writer=csv.writer(csvfile)第二个参数表示写入的模式，几种常见的模式参数常用值模式参数常用值值模式'r'读模式‘w’写模式‘a’追加模式‘b'’二进制模式‘+

2016-10-10 09:47:33 602

原创 C++学习笔记（一）

1.虚函数与纯虚函数，如果在父类中有纯虚函数void fx()=0，那么它的任何一个子类必须要实现这个纯虚函数，而如果是void fx(){},那么子类则可以选择实现。2.关于引用作为函数参数。引用做参数传入的是实参本身，不创建副本，提高了效率，如果要避免对实参改变可以在函数参数中加上const ；3.引用与指针的区别一个引用必须要指向某些对象，即不能为空值而指针可以指向一段无效的地址。例

2016-09-17 15:48:26 301

原创 python 包pandas的学习之路（-）

1.打开csv文件使用data= pandas.csv_file(filename) 如果打开的数据是乱码则，在参数里面设置下encoding 2.读取前m行、后m行分别使用data.head(m)和data.tail(m)

2016-05-27 14:57:39 321

原创机器学习-支持向量机SVM学习笔记二

上一篇讲到了，支持向量机的目标就是求解数据点到分割超平面的最大几何距离，目标函数为：这个问题等价于（为了方便求解，我在这里加上了平方，还有一个系数，显然这两个问题是等价的值）：min12∥w∥2s.t.,yi(wTxi+b)≥1,i=1,…,n很明显，我们已经将原来的目标函数转换为了一个凸函数问题，可以用任何现成的 QP (Quadratic Pro

2016-05-15 21:16:10 324

原创机器学习-支持向量机SVM学习笔记一

支持向量（support vector)就是离分割超平面最近的点。而支持向量的学习就是求解最大化支持向量到分割面的距离的问题。首先确定 n 维的数据空间中的超平面方程： w^Tx + b = 0 其中x是数据点。如下图所示：两种颜色的点分别代表两个类别，红颜色的线表示一个可行的超平面。在进行分类的时候，我们将数据点x代入 f(x) 中，如果得到的结果小于 0 ，

2016-05-15 20:21:35 401

原创机器学习-基于Logistic回归和Sigmoid函数的分类

Logistic回归1.先给出Sigmoid函数由这个函数生成的曲线称为Sigmoid曲线对于二元分类，符合伯努利分布（the Bernoulli distribution, 又称两点分布，0-1分布），因为二元分类的输出一定是0或1，典型的伯努利实验。所以：由最大似然函数可知两边同时取对数：因为求似然函数的最大值，所以采用梯度上

2016-05-11 15:30:51 4878

spritezhong的博客