Legend105CC-CSDN博客

原创 gitbash上传代码教程

标题1.进入xxx文件夹, 鼠标右键操作如下步骤：右键Git Bash进入git命令行2.在本地创建ssh key$ ssh-keygen -t rsa -C "[email protected]" 直接点回车，说明会在默认文件id_rsa上生成ssh key。注意看路径，得去找文件！！！！然后系统要求输入密码，直接按回车表示不设密码重复密码时也是直接回车。我自己设置了个密码之后提示你shh key已经生成成功。然后我们进入刚才说的路径下查看ssh key文件。打开id_

2022-05-19 11:40:37 1266

原创次线性时间最大内积搜索（MIPS）的非对称LSH（ALSH）

Asymmetric LSH (ALSH) for Sublinear Time Maximum Inner Product Search (MIPS)摘要我们提出了第一个可证明的近似最大内积搜索（MIPS）的次线性时间哈希算法。以（非标准化的）内积作为基本相似性度量进行搜索是一个已知的难题，而寻找MIPS的哈希方案是一个困难的问题。虽然现有的局部敏感哈希（Locality-Sensitive Hashing，LSH）框架不足以解决MIPS问题，但本文对LSH框架进行了扩展，允许非对称哈希方案。我们的

2021-02-05 22:32:12 1369

原创 ValueError: shapes (1,1568) and (1,1568) not aligned: 1568 (dim 1) != 1 (dim 0)

问题：想把a=11568，b=11568用python做内积，但是报错：ValueError: shapes (1,1568) and (1,1568) not aligned: 1568 (dim 1) != 1 (dim 0)解决：把b向量转换为1568*1的列向量。举例a = np.arange(3).reshape(1,3)b = np.arange(3,6).reshape(1,3)得到：如果你在这时候对a, b做内积，则会报如下:当我们对b做一个变换：>>&

2021-01-30 17:52:13 4596

原创 python学习笔记（一）神经网络的数据表示

我们使用的数据存储在多维 Numpy 数组中，也叫张量（ tensor）。一般来说，当前所有机器学习系统都使用张量作为基本数据结构。张量这一概念的核心在于，它是一个数据容器。张量是矩阵向任意维度的推广［张量的维度（ dimension）通常叫作轴（ axis）］。1.　标量（0D 张量）仅包含一个数字的张量叫作标量.可以用 ndim 属性查看一个 Numpy 张量的轴的个数。>>> import numpy as np>>> x = np.array(12)

2021-01-23 17:46:15 187

原创 Tmux 使用之后台运行和线程编译、运行可执行文件的基本命令

命令行的典型使用方式是，打开一个终端窗口（terminal window，以下简称"窗口"），在里面输入命令。用户与计算机的这种临时的交互，称为一次"会话"（session）。1.Linux下创建后台：tmux new -s pthreadicws3pthreadicws3是我的线程的名字2.查看后台tmux ls3.进入线程tmux attach -t pthreadicws3然后就是打开的新的终端页面：（想要清除这一页的内容，输入clear）进入后台运行程序的好处就是，即使我们

2020-12-19 16:44:26 448 2

原创 Sift数据集

1.下载地址：http://corpus-texmex.irisa.fr/2.内容：•基本向量：用来执行搜索的向量•查询向量•学习向量：寻找特定方法中涉及的参数。此外，我们还提供了每一组的基本事实，以预先计算k近邻及其平方欧氏距离。我们使用三种不同的文件格式：•矢量文件以.bvecs或.fvecs格式存储，•is.ivecs格式的groundtruth文件。.fvecs和.bvecs文件格式：向量存储在原始的little endian中。对于.fvecs和.ivecs格式，每个向量取4

2020-10-20 00:05:52 3659 16

原创 SVM多线性分类器

多分类SVM（multiple class SVM）标准SVM是基于二元分类问题设计的算法，无法直接处理多分类问题。利用标准SVM的计算流程有序地构建多个决策边界以实现样本的多分类，通常的实现为“一对多（one-against-all）”和“一对一（one-against-one）” [29] 。一对多SVM对m个分类建立m个决策边界，每个决策边界判定一个分类对其余所有分类的归属；一对多SVM通过对标准SVM的优化问题进行修改可以实现一次迭代计算所有决策边界一对一SVM是一种投票法（voting），

2020-10-03 22:13:08 416

原创 MNIST数据集图像转换为向量形式存储（python3.7环境）

在之前有一篇博客写了怎么把MNIST数据集中的训练集和测试集转换为0-9分类后的图片。链接：MNIST数据集介绍，怎么把MNIST数据集中的训练集和测试集转换为0-9分类后的图片（请从该博客内容的“存储图片：”这个地方之后开始看起）本篇对于转换成图片的MNIST数据集，把他们转换为向量进行存图片的类型（本学习一直用jpg）from time import perf_counterfrom PIL import Imageimport osimport sysimport numpy as np

2020-10-02 21:40:44 1434

原创 Ubuntu的命令

1.重启网络：sudo service network-manager restart地址：3.给编译出来的文件起一个名字，可以在编译的时候用 -o 命令，例如 g++ test.cpp -o ccc则生成就是ccc的运行文件

2020-09-22 10:59:49 93

原创双线性函数的紧凑超平面散列（Compact Hyperplane Hashing with Bilinear Functions）阅读笔记

Abstract超平面散列（Hyperplane hashing）的目的是快速搜索到离超平面最近的点，并在使用支持向量机（SVM）扩大主动学习方面显示出实际效果。存在问题：不幸的是，现有的随机方法需要长哈希码才能达到合理的搜索精度，因此会降低搜索速度和内存开销。解决方法：为此，论文（Compact Hyperplane Hashing with Bilinear Functions）提出了一种新的超平面哈希技术，它可以产生紧凑的哈希码。其核心思想是该散列函数的双线性形式，在使用随机投影时比现有的超平面

2020-09-16 10:51:22 597

原创 anaconda里面安装TensorFlow

1.检查anaconda安装：在cmd输入 conda --version2.检测已经安装的环境：conda info --envs新建一个python3.7的环境，tensorflow：conda create --name tensorflow python=3.73.激活新建的环境：conda activate tensorflow4.先退出当前环境：conda deactivate5.确认一下，新建环境已经添加进去：conda info --envs6.打开python虚拟环境.

2020-09-04 23:08:47 2855 1

原创 MNIST里面的append(int.from_bytes(image_dataset.read(1), byteorder=‘big‘, signed=False))，from_bytes函数用法

image.append(int.from_bytes(image_dataset.read(1), byteorder=‘big’, signed=False))对image列表进行追加，每次追加的东西是image_dataset这个文件里的一个字节。整合成image像素点。注意像素点之后还要reshape一次，变成28*28的大小append()函数用于在列表末尾添加新的对象。list.append(obj)其中：list:列表对象；obj:添加到列表末尾的对象。注意：append().

2020-09-03 18:08:28 609

原创 MNIST数据集的图片读取显示，并保存图片（python代码）

MNIST的官网地址是 MNIST数据集下载

2020-08-25 18:43:54 10407 4

原创 KNN算法：线性扫描的原理实现及结果

K-最近邻算法（K - Nearest Neighbors，KNN）是一种基本分类与回归方法，可看做是最近邻算法(K=1)的一个延伸。KNN基本思路是：选择未知样本一定范围内确定个数的K个样本，该K个样本大多数属于某一类型，则未知样本判定为该类型。如何选择一个最佳的K值取决于数据。一般情况下，在分类时较大的K值能够减小噪声的影响，但会使类别之间的界限变得模糊。看图说话：待测样本（绿色圆圈）既可能分到红色三角形类，也可能分到蓝色正方形类。如果k取3，从图可见，待测样本的3个邻居在实线的内圆里，按多数投

2020-08-22 16:36:31 1719

原创怎么用Python实现线性SVM（附Python代码）

新建两个文件，一个是SVM.py ,一个是SVM1.py。SVM.py内容为：import numpy as npclass LinearSVM(object): """ 线性SVM的实现类 """ def __init__(self, dataset_size =8, vector_size = 2): """ 初始化函数 :param dataset_size:数据集规模，用于初始化 ‘拉格朗日乘子’ 的数量

2020-08-18 21:53:11 6641

原创 anaconda里面创建安装描述、生成发布文件、安装发布文件的三步骤

环境Windows下的 anaconda里面。演示创建LinearSVM-1.0的一个包1.创建必要的安装文件：定义一个setup.py的文件，内容可以是：// A code blockvar foo = 'bar';from setuptools import setupsetup( name = 'LinearSVM', version = '1.0', description = 'The Head First Python Search Tools', a

2020-08-17 22:56:43 686

原创机器学习主动学习和半监督学习

一、主动学习（active learning）学习器能够主动选择包含信息量大的未标注的样例并将其交由专家进行标注，然后置入训练集进行训练，从而在训练集较小的情况下获得较高的分类正确率，这样可以有效的降低构建高性能分类器的代价。学习器能够主动的提出一些标注请求，将一些经过筛选的数据交给专家进行标注。这个过程中最重要的是如何筛选数据进行标注。二、半监督学习（Semi-Supervised learning,SSL）半监督学习是将监督学习和无监督学习相结合的一种学习方法。主要考虑的是如何利用少量的标注样本

2020-08-09 17:45:49 842

原创 Matplotlib的plot画图

Matplotlib是Python的一个可视化模块，他能方便的制作线条图、饼图、柱状图以及其他专业图形，并且支持所有操作系统下不同的GUI后端。Matplotlib有一套允许定制各种属性的默认设置，可以控制Matplotlib中的每一个默认属性：图像大小、每英寸点数、线宽、色彩和样式、子图、坐标轴、网个属性、文字和文字属性。官方文档：https://matplotlib.org/users/pyplot_tutorial.html#导入matplotlib包import matplotlib.py

2020-07-20 14:53:42 152

原创 np.linalg.norm求范数函数用法以及归一化函数preprocessing.normalize()函数的使用

1、linalg=linear（线性）+algebra（代数），norm则表示范数。2、函数参数x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)（1）x: 表示矩阵（也可以是一维）（2）ord：范数类型（3）axis：行向量处理或列向量处理矩阵的范数：ord=1：列和的最大值ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根(matlab在线版，计算ans=ATA，[x,y]=.

2020-07-18 11:40:33 7081 4

原创 anaconda 运行和退出python解释器操作指令，及切换文件夹路径

1.在anaconda 运行虚拟Python：先进入需要打开的某个py文件所在的路径下，输入python:2.运行某个Python程序：输入py -3 xxx.py下面展示一些内联代码片。py -3 xxx.py即可运行，如果还存在参数，则在xxx.py后加空格再加传入的参数...

2020-07-16 21:04:58 15958 2

原创 LSH局部敏感哈希的概念知识（入门、方法）

LSH局部敏感哈希的相关知识LSH的知识入门LSH能用来作什么LSH的知识入门LSH能用来作什么**LSH（Local Sensitive Hash）**的基本思想是将原始数据空间中的两个相邻数据点通过相同的映射或投影变换（projection）后，这两个数据点在新的数据空间中仍然相邻的概率很大，而不相邻的数据点被映射到同一个桶的概率很小。我们希望原先相邻的两个数据能够被hash到相同的桶内，具有相同的桶号。对原始数据集合中所有的数据都进行hash映射后，我们就得到了一个hash table，这些

2020-07-03 15:32:08 1089

Legend105CC

原创 gitbash上传代码教程

原创次线性时间最大内积搜索（MIPS）的非对称LSH（ALSH）

原创 ValueError: shapes (1,1568) and (1,1568) not aligned: 1568 (dim 1) != 1 (dim 0)

原创 python学习笔记（一）神经网络的数据表示

原创 Tmux 使用之后台运行和线程编译、运行可执行文件的基本命令

原创 Sift数据集

原创 SVM多线性分类器

原创 MNIST数据集图像转换为向量形式存储（python3.7环境）

原创 Ubuntu的命令

原创双线性函数的紧凑超平面散列（Compact Hyperplane Hashing with Bilinear Functions）阅读笔记

原创 anaconda里面安装TensorFlow

原创 MNIST里面的append(int.from_bytes(image_dataset.read(1), byteorder=‘big‘, signed=False))，from_bytes函数用法

原创 MNIST数据集的图片读取显示，并保存图片（python代码）

原创 KNN算法：线性扫描的原理实现及结果

原创怎么用Python实现线性SVM（附Python代码）

原创 anaconda里面创建安装描述、生成发布文件、安装发布文件的三步骤

原创机器学习主动学习和半监督学习

原创 Matplotlib的plot画图

原创 np.linalg.norm求范数函数用法以及归一化函数preprocessing.normalize()函数的使用

原创 anaconda 运行和退出python解释器操作指令，及切换文件夹路径

原创 LSH局部敏感哈希的概念知识（入门、方法）

原创路径

原创 github上传push的命令使用

原创比特率bps换算VS Bps

原创我的串口打印之坑——8266os_printf()适用于NONOS_SDK,故在自动生成APP代码中不能打印，要用uart0_sendStr( )函数（4）

原创 nodeMCU开发实记--------我该如何找到一个心知天气的IP（3）

原创 80端口科普（杂记）

原创 nodeMCU开发实记------记串口调试助手获取天气JSON的调试入坑和改正（2）

原创乐鑫nodeMCU获知空气质量状况开发实记（1）

原创 ip地址、域名、DNS、URL（即网址)的区别与联系

原创学习JSON的基本概念入门

空空如也

空空如也