<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Elenore1997的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Elenore1997</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Elenore1997]]></copyright><item><title><![CDATA[Colab | Google drive授权及工作路径]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/89596616</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/89596616</guid><author>Elenore1997</author><pubDate>Sat, 27 Apr 2019 01:09:16 +0800</pubDate><description><![CDATA[谷歌爸爸的colab让我们有了免费使用gpu的机会，在此感谢磕头哐哐哐！（不过每次只能连续使用12小时的GPU，搜了一下也有人说会随机断开连接，避免你长时间使用，但我至今还未遇到这个问题）
这篇文章主要介绍如何更改工作路径和挂载google drive。
本文参照robinfly所写博客：【colab入坑系列 · 一】Google drive授权及工作路径，如果有侵权问题请联系删除。
Google...]]></description><category></category></item><item><title><![CDATA[使用Moses脚本进行数据预处理]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/89483681</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/89483681</guid><author>Elenore1997</author><pubDate>Tue, 23 Apr 2019 23:28:30 +0800</pubDate><description><![CDATA[文章将介绍在机器翻译时需要使用到的数据预处理方法，包括tokenize、truecase、bpe等等，好的预处理方法才能提升机器翻译的质量。下文会以en-de双语为例进行讲解。
Moses
这是Moses的github地址，它是一个统计机器翻译模型，我们主要使用里面的perl脚本进行数据预处理。所以确保电脑上已经安装配置好了perl（ubuntu自带）。
Normalize punctuation...]]></description><category></category></item><item><title><![CDATA[jupyter notebook使用虚拟环境]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/89359370</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/89359370</guid><author>Elenore1997</author><pubDate>Wed, 17 Apr 2019 16:45:28 +0800</pubDate><description><![CDATA[首先进入已创建的虚拟环境
activate you_env

接着安装nb_conda
conda install nb_conda

就ok啦，打开jupyter notebook
jupyter notebook



]]></description><category></category></item><item><title><![CDATA[使用nltk报错：ModuleNotFoundError: No module named 'nltk.book'; 'nltk' is not a package]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/88942906</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/88942906</guid><author>Elenore1997</author><pubDate>Mon, 01 Apr 2019 10:31:41 +0800</pubDate><description><![CDATA[明明使用
nltk.download()

把book给下载下来了，可是仍然报错：
ModuleNotFoundError: No module named 'nltk.book'; 'nltk' is not a package

原因很简单。。你的python文件也不能命名为nltk……（滑稽）

...]]></description><category></category></item><item><title><![CDATA[用selenium实现一个简单爬虫，下载网站文件]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/88634346</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/88634346</guid><author>Elenore1997</author><pubDate>Mon, 18 Mar 2019 12:09:58 +0800</pubDate><description><![CDATA[selenium的安装与使用
selenium是一个浏览器自动化测试工具，用它可以模拟浏览器点击等操作
pip install selenium

接下来以Chrome为例，需要下载浏览器的web driver，才能进行使用。
在这个镜像网站上可以下载chrome driver，可以查看自己当前的浏览器版本下载对应的driver，并放到和你代码同一级目录下。

关于其他selenium的介绍和方法...]]></description><category></category></item><item><title><![CDATA[pip安装pyautogui时报错：UnicodeDecoderError]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/88632746</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/88632746</guid><author>Elenore1997</author><pubDate>Mon, 18 Mar 2019 09:05:42 +0800</pubDate><description><![CDATA[若pip安装pyautogui库是出现以下错误：

原因是pygetwindow的版本过高或者未安装，运行命令：
pip install PyGetWindow==0.01
pip install pyautogui

就可以正常安装了

]]></description><category></category></item><item><title><![CDATA[matlab图像操作与空间滤波]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/83626650</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/83626650</guid><author>Elenore1997</author><pubDate>Thu, 01 Nov 2018 20:42:50 +0800</pubDate><description><![CDATA[使用matlab进行图片操作与空间滤波
两幅尺寸大小不同的图像进行连接
例如，两幅图像的高（宽）不同，把高度（宽度）较大的图像等比例缩小，使得两幅图像的高度（宽度）一致，然后把两幅图像横着（竖着）连接起来并显示。
img1 = imread(path1);
img2 = imread(path2);
[h1, w1, i1] = size(img1);
[h2, w2, i2] = size(im...]]></description><category></category></item><item><title><![CDATA[在Anaconda创建虚拟环境以及在pycharm中使用虚拟环境]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/83508360</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/83508360</guid><author>Elenore1997</author><pubDate>Mon, 29 Oct 2018 16:41:37 +0800</pubDate><description><![CDATA[Anaconda虚拟环境的操作
1、在cmd或者terminal中输入命令：
conda create -n tensorflow python=3.5

2、激活虚拟环境
windows下：
activate tensorflow

linux下：
source activate tensorflow

3、经过第2步，进入了tensorflow虚拟环境中了，所以现在所有的操作将只会影响到这个环...]]></description><category></category></item><item><title><![CDATA[matlab一些简单语法，文件读取和写入]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/83506391</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/83506391</guid><author>Elenore1997</author><pubDate>Mon, 29 Oct 2018 15:24:42 +0800</pubDate><description><![CDATA[去除数组某个元素：
&amp;gt;&amp;gt;a = [1:10] %生成数组a
a =
1 2 3 4 5 6 7 8 9 10
&amp;gt;&amp;gt; a(5) =[]; %删除数组a中第5个元素
&amp;gt;&amp;gt; a
a =
1 2 3 4 6 7 8 9 10

注意：数组的下标是从1开始的。
读取文件，txt里面的内容是：
6
book 4
water 3
food 7
computer 9
snack...]]></description><category></category></item><item><title><![CDATA[分词 | 双向匹配中文分词算法python实现]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/83274720</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/83274720</guid><author>Elenore1997</author><pubDate>Mon, 22 Oct 2018 16:36:00 +0800</pubDate><description><![CDATA[摘要
本次实验内容是基于词典的双向匹配算法的中文分词算法的实现。使用正向和反向最大匹配算法对给定句子进行分词，对得到的结果进行比较，从而决定正确的分词方法。
算法描述
正向最大匹配算法
先设定扫描的窗口大小maxLen（最好是字典最长的单词长度），从左向右取待切分汉语句的maxLen个字符作为匹配字段。查找词典并进行匹配。若匹配成功，则将这个匹配字段作为一个词切分出来，并将窗口向右移动这个单词的长...]]></description><category></category></item><item><title><![CDATA[分词 | 概率最大中文分词python实现]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/83247204</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/83247204</guid><author>Elenore1997</author><pubDate>Mon, 22 Oct 2018 16:21:09 +0800</pubDate><description><![CDATA[摘要
概率最大分词是分词的其中一种算法，通过选出句子中所有的候选词，计算它们的累计概率，在不同的词语组合中选出累计概率最大的组合作为最终的分词结果。这里使用python进行实现。
算法描述
首先解释一下累计概率怎么计算：假如待分词的句子为“对外经济技术合作与交流不断扩大。”，候选词可能有“对”、“对外”、“外”、“经济”等。对于每个词的累计概率，等于它原来的概率乘上累计概率最大的左邻词的概率，即P...]]></description><category></category></item><item><title><![CDATA[多项式回归：正规方程参数θ的推导过程]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/82388650</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/82388650</guid><author>Elenore1997</author><pubDate>Tue, 04 Sep 2018 19:07:20 +0800</pubDate><description><![CDATA[多变量线性回归代价函数为：



其中： 

正规方程是通过求解下面的方程来找出使得代价函数最小的参数：



设有m个训练实例，每个实例有n个特征，则训练实例集为：

 
其中表示第i个实例第j个特征。

特征参数为：



输出变量为：



故代价函数为：



进行求导，等价于如下的形式：



求导公式：





其中第一项：


第二项：
 
该矩阵求导为分母布局下的标量/向量形式：...]]></description><category></category></item><item><title><![CDATA[查找最近元素]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/78577814</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/78577814</guid><author>Elenore1997</author><pubDate>Sun, 19 Nov 2017 22:22:35 +0800</pubDate><description><![CDATA[查找最近元素]]></description><category></category></item><item><title><![CDATA[求阶乘的最右一位非零数字]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/78577703</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/78577703</guid><author>Elenore1997</author><pubDate>Sun, 19 Nov 2017 22:11:21 +0800</pubDate><description><![CDATA[求阶乘的最右一位非零数字]]></description><category></category></item><item><title><![CDATA[动态规划——青蛙过桥]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/78576593</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/78576593</guid><author>Elenore1997</author><pubDate>Sun, 19 Nov 2017 20:23:51 +0800</pubDate><description><![CDATA[动态规划——青蛙过桥]]></description><category></category></item><item><title><![CDATA[动态规划——求数字三角形最优解和最优路径]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/78576195</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/78576195</guid><author>Elenore1997</author><pubDate>Sun, 19 Nov 2017 19:21:19 +0800</pubDate><description><![CDATA[求数字金字塔最优解和最优路径]]></description><category></category></item><item><title><![CDATA[动态规划——单调递增最长子序列]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/78364019</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/78364019</guid><author>Elenore1997</author><pubDate>Fri, 27 Oct 2017 13:43:09 +0800</pubDate><description><![CDATA[动态规划——单调递增最长子序列]]></description><category></category></item><item><title><![CDATA[动态规划——最大字段和]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/78364001</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/78364001</guid><author>Elenore1997</author><pubDate>Fri, 27 Oct 2017 13:41:12 +0800</pubDate><description><![CDATA[动态规划——最大字段和]]></description><category></category></item><item><title><![CDATA[动态规划——租用游艇问题]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/78363972</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/78363972</guid><author>Elenore1997</author><pubDate>Fri, 27 Oct 2017 13:38:23 +0800</pubDate><description><![CDATA[动态规划——租用游艇问题]]></description><category></category></item><item><title><![CDATA[动态规划——编辑距离]]></title><link>https://blog.youkuaiyun.com/Elenore1997/article/details/78359236</link><guid>https://blog.youkuaiyun.com/Elenore1997/article/details/78359236</guid><author>Elenore1997</author><pubDate>Thu, 26 Oct 2017 21:55:33 +0800</pubDate><description><![CDATA[动态规划——编辑距离]]></description><category></category></item></channel></rss>