<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[小孔乘象的天地]]></title><description><![CDATA[不知何时，不甘堕落，愿在这天地留下点滴经验]]></description><link>https://blog.youkuaiyun.com/Bruce_Kong</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Bruce_Kong]]></copyright><item><title><![CDATA[用深度学习每次得到的结果都不一样，怎么办？]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/124706344</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/124706344</guid><author>Bruce_Kong</author><pubDate>Wed, 11 May 2022 11:28:45 +0800</pubDate><description><![CDATA[神经网络算法利用了随机性，比如初始化随机权重，因此用同样的数据训练同一个网络会得到不同的结果。 
  初学者可能会有些懵圈，因为算法表现得不太稳定。但实际上它们就是这么设计的。随机初始化可以让网络通过学习，得到一个所学函数的很好的近似。 
  然而， 有时候用同样的数据训练同一个网络，你需要每次都得到完全相同的结果。例如在教学和产品上。 
  在这个教程中，你会学到怎样设置随机数生成器，才能每次用同样的数据训练同一网络时，都能得到同样的结果。 
  我们开始。 
  教程概览 
  这个教程分...]]></description><category></category></item><item><title><![CDATA[训练过程--Batchsize]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/124704057</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/124704057</guid><author>Bruce_Kong</author><pubDate>Wed, 11 May 2022 10:19:33 +0800</pubDate><description><![CDATA[尽可能地设大batchsize
在合理范围内，增大batch size的好处 
1）内存利用率提高了，大矩阵乘法的并行化效率提高。 2）跑完一次 epoch（全数据集）所需的迭代次数减少，对于相同数据量的处理速度进一步加快。 3）在一定范围内，一般来说 Batch_Size 越大，其确定的下降方向越准，引起训练震荡越小。 随着 Batch_Size 增大，处理相同数据量的速度越快。 随着 Batch_Size 增大，达到相同精度所需要的 epoch 数量越来越多。" 由于最终收敛精度会陷入不同的局部极值，因]]></description><category></category></item><item><title><![CDATA[QWERTY键盘排列的历史]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/122352596</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/122352596</guid><author>Bruce_Kong</author><pubDate>Thu, 06 Jan 2022 20:50:49 +0800</pubDate><description><![CDATA[我们很多人每天都会面对着电脑，使用键盘打字。“电脑那些事儿”的小编想问大家一个问题，小伙伴们有木有思考过键盘上的字母为什么是现在这种排列方式呢？小编下面就给大家揭秘一下这个有趣的问题。
这是一个非常有趣的故事
早在18世纪早期，人们就开始研制打字机，以期获得更清晰的文字和更快的书写速度。但是直到19世纪中后期，打字机才慢慢地流行起来。也就是在那个时期，各种各样的打字机开始充斥市场，字母排列的顺序也各不相同。
1868 年，美国排字工克里斯托夫·拉森·肖尔斯(ChristopherLatham Sholes)]]></description><category></category></item><item><title><![CDATA[显示器接口VGA、DVI、HDMI]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/120463726</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/120463726</guid><author>Bruce_Kong</author><pubDate>Fri, 24 Sep 2021 21:55:20 +0800</pubDate><description><![CDATA[将从以下几个方面进行区分

HDMI目前最高支持1920*1080P的高清格式。VGA支持从640480一直到高达25601600的各种分辨率，但VGA极容易受其它信号干扰，所以高清分辨率显得有点虚，容易造成画面干扰。
HDMI的带宽是数字信号带宽，VGA是模拟信号带宽，这是两种不同技术的传输方式。
HDMI信号不需要数模转换，没有信号损失；VGA信号需要数模转换，信号损失大。

其它相关知识：
HDMI和VGA均是是信号传输方式；
VGA（Video Graphics Array）还有一个名称叫D-Su.]]></description><category></category></item><item><title><![CDATA[top 命令看服务器运行情况]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/120463394</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/120463394</guid><author>Bruce_Kong</author><pubDate>Fri, 24 Sep 2021 21:35:51 +0800</pubDate><description><![CDATA[授人以渔：强推linux命令网址：linux命令手册

在一段时间内，CPU正在处理以及等待CPU处理的进程数之和。三个数字分别代表了1分钟，5分钟，15分钟的统计值

第一行：
top：当前时间
up：机器运行了多少天
xx users：当前有多少用户
load average：分别是过去1分钟，5分钟，15分钟的负载 （CPU正在处理以及等待CPU处理的进程数之和）


第二行：
Tasks：当前有多少进程
running：正在运行的进程
sleeping：正在休眠的进程
stopped：停止的进程
z]]></description><category></category></item><item><title><![CDATA[《看穿一切数字的统计学-西内启著（日）》]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/114193119</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/114193119</guid><author>Bruce_Kong</author><pubDate>Wed, 10 Mar 2021 21:53:51 +0800</pubDate><description><![CDATA[ABtest，随机对照试验
历史第一次随机对照试验：fisher的夫人与奶茶（经典：先放奶还是先放红茶）

]]></description><category></category></item><item><title><![CDATA[中心极限定理 central limit theorem]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113825157</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113825157</guid><author>Bruce_Kong</author><pubDate>Tue, 16 Feb 2021 15:50:09 +0800</pubDate><description><![CDATA[中心极限定理 central limit theorem
中心极限定理是很多统计的基础，解释自然界中大多数数据属于正态分布，这使得正态分布在统计学中的应用非常广泛。「为什么中心极限定理能够解释数据属于正态分布，接下来我们就以不同类型的原始数据进行证明。」
even if you’re not normal,the average is normal
中心极限定理指的是给定一个任意分布的总体（除了无法计算均值的分布以外）。每次从这些总体中随机抽取 n 个抽样，一共抽 m 次。然后把这 m 组抽样分别求出平均值]]></description><category></category></item><item><title><![CDATA[R语言-出图时的中英文字体解决方案]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113819950</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113819950</guid><author>Bruce_Kong</author><pubDate>Mon, 15 Feb 2021 22:08:16 +0800</pubDate><description><![CDATA[目录方案1- showtext方案2-Cairo
在某些时候，需要在 R 画图中添加中文，但是默认情况下，R 对中文的支持不好。
方案1- showtext
这里推荐一个showtext的 R 包。如果需要将含有中文字体的图形保存为 pdf 文件，可以使用下面讲到的方案，最新版的showtext已经支持了ggplot2，推荐使用此种方案。
这样，在你写的 R 代码中，开头添加：
library(showtext)
showtext_auto(enable=True)    # 表示之后用上同样的字体
fon]]></description><category></category></item><item><title><![CDATA[统计学三大相关性系数：pearson，spearman，kendall]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113795873</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113795873</guid><author>Bruce_Kong</author><pubDate>Sun, 14 Feb 2021 12:16:45 +0800</pubDate><description><![CDATA[在文献以及各种报告中，我们可以看到描述数据之间的相关性：pearson correlation，spearman correlation，kendall correlation。它们分别是什么呢？计算公式？怎样用R语言简单实现计算呢？本文一一介绍~
建议前期阅读：协方差与相关系数-“傻傻”也能分清
总的来讲，三个相关性系数（pearson, spearman, kendall）反应的都是两个变量之间变化趋势的方向以及程度，其值范围为-1到+1，0表示两个变量不相关，正值表示正相关，负值表示负相关，值越大表示]]></description><category></category></item><item><title><![CDATA[R语言：无法精确计算带连结的p值]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/109737487</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/109737487</guid><author>Bruce_Kong</author><pubDate>Sun, 14 Feb 2021 12:01:12 +0800</pubDate><description><![CDATA[当你在使用cor.test,wilcoxon.test等这些函数时，不知道有没发现一个exact参数，以及是否遇到过无法精确计算带连结的p值这个warning。如果有，请往下看。
这个问题应该是很常见的，《非参统计》书里写道：
数据中有相同的数字，成为结（tie）,结中的秩为按照升幂排列后位置的平均值，如果结多了，零分布的大样本公式就不准了，因此要做修正。”

Example

对于wilcox.test，是基于样本来自连续对称分布的总体，所以本不应该有相同的值，但是由于四舍五入，连续变量观测到的值都是离散]]></description><category></category></item><item><title><![CDATA[ggplot2 进阶--多重color/fill scales]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113746542</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113746542</guid><author>Bruce_Kong</author><pubDate>Sun, 07 Feb 2021 20:21:37 +0800</pubDate><description><![CDATA[ggplot2 迄今是R里最受欢迎画图package，个人感觉最主要的一个因素就是layer叠加的语法结构（图层），类似于photoshop的图层概念。而且，ggplot2的变量映射aes也是很厉害。那么，就有个局限，每个变量只能映射一种scale，那怎么样在同一个图中出现两种或者多种color/fill scale的映射呢？
ggnewscale这个包你值得拥有！
github链接

使用方法】

其实很简单，见如下说明
# 直接在需要增加scale的geom之前加如下代码
?new_scale
#格式：]]></description><category></category></item><item><title><![CDATA[协方差与相关系数-“傻傻”也能分清]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113663693</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113663693</guid><author>Bruce_Kong</author><pubDate>Thu, 04 Feb 2021 20:58:18 +0800</pubDate><description><![CDATA[目录协方差相关系数相关系数的p value相关系数与R2
协方差
协方差（covariance） 的主要思想之一，其可以将数据分为三类关系：


正向趋势的关系（slope &gt; 0）

负向趋势的关系（slope &lt; 0）

无任何趋势的关系（slope = 0）



协方差的计算公式暗示，协方差本身并不能告诉我们相关性直线的斜率（陡峭或平坦），也不能告诉我们样本是否靠近相关性直线，它仅仅告诉我们两变量之间的相关性直线的斜率是正还是负


协方差本身的意义难以诠释，故我们不会以计算协方差为目标]]></description><category></category></item><item><title><![CDATA[生物信息常用知识-snp，vcf等突变专题]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113436680</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113436680</guid><author>Bruce_Kong</author><pubDate>Sat, 30 Jan 2021 15:59:22 +0800</pubDate><description><![CDATA[snp造成的consequence 解释
https://www.targetvalidation.org/variants
（网站部分截图如下）


]]></description><category></category></item><item><title><![CDATA[批量给文件重命名]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113359081</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113359081</guid><author>Bruce_Kong</author><pubDate>Thu, 28 Jan 2021 21:49:38 +0800</pubDate><description><![CDATA[1. 简单重命名
Linux下文件重命名可以通过两个命令完成mv和rename。

mv: 直接运行可以进行单个文件的重命名，如 mv old_name.txt new_name.txt
rename: 默认支持单个文件或有固定规律的一组文件的批量重命名，比如：
touch YSX_a_1.fq.gz YSX_a_2.fq.gz YSX_b_2.fq.gz YSX_b_1.fq.gz
把文件名中的易生信(YSX)改为易汉博 (ehbio)
#rename '被替换文字' '要替换成的文字' 操作对象
ren]]></description><category></category></item><item><title><![CDATA[什么是API？]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113356561</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/113356561</guid><author>Bruce_Kong</author><pubDate>Thu, 28 Jan 2021 19:36:53 +0800</pubDate><description><![CDATA[阅读编程资料时经常会看到API这个名词，网上各种高大上的解释估计放倒了一批初学者。初学者看到下面这一段话可能就有点头痛了。

**API（Application Programming Interface,应用程序编程接口）**是一些预先定义的函数，目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力，而又无需访问源码，或理解内部工作机制的细节。——百度百科

这篇文章我们就来通俗易懂地解释下什么叫做 API，你只需要花费1分钟时间。
1. 从文件操作开始谈API。
以C语言为例，我们使用fo]]></description><category></category></item><item><title><![CDATA[让操作linux更“丝滑”的技巧]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/112688289</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/112688289</guid><author>Bruce_Kong</author><pubDate>Fri, 15 Jan 2021 21:36:37 +0800</pubDate><description><![CDATA[目录history 命令加上时间显示
lasted updeate: 2021-01-15
history 命令加上时间显示

export HISTTIMEFORMAT='%F %T ' #注意”%T”和后面的”’”之间有空格，不然查看历史记录的时候，时间和命令之间没有分割
# 可以把这个写入到 ~/.bashrc 文件中，自启动；或者写在/etc/profile中或者写在/home/$USER/.bash_profile中

如果你追求更加细节，再加上比如登陆过系统的用户、IP地址、操作命令以及操作时间]]></description><category></category></item><item><title><![CDATA[优秀的文章链接合集]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/112687979</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/112687979</guid><author>Bruce_Kong</author><pubDate>Fri, 15 Jan 2021 21:22:20 +0800</pubDate><description><![CDATA[目录linux 服务器被入侵二三事
lasted updated: 2021-01-15

说明
自己在阅读的时候经常会看到一些很精彩的文章，因为是别人写的，我也没有时间搬运，特此收集到这里，一方面自己做个记录，另一方面也分享给大家~
特此说明：如果链接的主人期望我附上原作者的说明等，麻烦与我联系，有点懒，我就不一一说明了emm。

linux 服务器被入侵二三事

服务器被动变“矿机”，高占用CPU
急死！CPU被挖矿了，却找不到哪个进程！
记一次 Linux 被入侵全过程


...]]></description><category></category></item><item><title><![CDATA[R语言-爬虫rvest]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/109561008</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/109561008</guid><author>Bruce_Kong</author><pubDate>Sun, 08 Nov 2020 18:34:32 +0800</pubDate><description><![CDATA[爬虫就是批量自动将网页的内容抓取下来。用任何语言做爬虫必须要了解的就是网页语法，网页语言无非就是HTML，XML，JSON等，因为正是通过这些我们才能在网页中提取数据，过多的就不再描述，大家可以自行参考大量的资料，大多数语法都是树形结构，所以只要理解了，找到需要数据的位置并不是很难。
用R语言制作爬虫无非就是三个主要的包。XML,RCurl,rvest，这三个包都有不同的主要函数，是R语言最牛的网络爬虫包。
了解html
HTML框架简单说就是任何HTML网页文件中都会包含的基本代码内容。如果我们打算写一个]]></description><category></category></item><item><title><![CDATA[HGVS基因突变命名规则]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/108422953</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/108422953</guid><author>Bruce_Kong</author><pubDate>Sat, 05 Sep 2020 18:26:52 +0800</pubDate><description><![CDATA[HGVS基因突变命名规则
人类基因组变异协会（HGVS：Human Genome Variation Society）规则是目前学术界所公认的突变命名规则。从不同的维度出发，相同的基因突变可以有多种不同的表现形式，例如，参考序列的不同、表现层次的不同（DNA、RNA或蛋白质水平）都会导致突变的表现方式产生差异。
目前，通用的参考序列主要包括：基因组参考序列（以前缀“g.”表示）、cDNA参考序列（以前缀“c.”表示）、非编码DNA参考序列 （以前缀“n.”表示）、RNA参考序列（以前缀“r.”表示）、蛋白质]]></description><category></category></item><item><title><![CDATA[R-日常使用tips]]></title><link>https://blog.youkuaiyun.com/Bruce_Kong/article/details/108419906</link><guid>https://blog.youkuaiyun.com/Bruce_Kong/article/details/108419906</guid><author>Bruce_Kong</author><pubDate>Sat, 05 Sep 2020 15:17:18 +0800</pubDate><description><![CDATA[目录利用提取R自带的数据集
持续更新
last update：202009
利用提取R自带的数据集

输出R内置数据集
data()
data(package = ‘datasets’)
任意一个包自带有哪些数据集，可以有命令：
data(package = ‘包名’)
查看R所有包的数据情况，从下面参数all.available = TRUE也能猜出来。
data(package = .packages(all.available = TRUE))


提取数据方法：
mydat &lt;- data(“]]></description><category></category></item></channel></rss>