<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[SHERO_M]]></title><description><![CDATA[草在结它的籽、风在摇它的叶、我们站着什么都不说、就很美好]]></description><link>https://blog.youkuaiyun.com/SHERO_M</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; SHERO_M]]></copyright><item><title><![CDATA[深度学习基本问题]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/82633147</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/82633147</guid><author>SHERO_M</author><pubDate>Tue, 11 Sep 2018 21:34:37 +0800</pubDate><description><![CDATA[1、梯度消失：激活函数的导数小于1，最终的梯度更新信息随着层数增多而以指数形式衰减。一般有两个原因，（1）网络层次深；（2）损失函数不对，例如说是sigmod函数。

梯度爆炸：激活函数的导数大于1，最终的梯度更新将以指数形式增加，发生梯度爆炸。一般因为网络层次较深和权重初始值过大。

解决手段：（1）逐层预训练；

（2）针对梯度爆炸，设置阈值，梯度超过时使其强制限制在这个范围内；权重正则化；
...]]></description><category></category></item><item><title><![CDATA[深度学习基础]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/82291082</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/82291082</guid><author>SHERO_M</author><pubDate>Sat, 01 Sep 2018 21:47:53 +0800</pubDate><description><![CDATA[机器学习的本质就是寻找最优模型。

而深度学习是机器学习的一个大分支，深度学习的概念源于对人工神经网络的研究，深度学习的基本结构（也即模型）是深度神经网络。

感知机是最简单的一种人工神经网络，是一种二元线性分类器。感知机抽象于生物神经细胞，为了模拟神经细胞行为，与之对应的感知机基础概念被提出，如权重（突触）、偏置（阈值）及激活函数（细胞体）。

感知机：



不同的输入a与其对应的权重w相乘后...]]></description><category></category></item><item><title><![CDATA[LM一面]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/82262224</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/82262224</guid><author>SHERO_M</author><pubDate>Fri, 31 Aug 2018 21:39:20 +0800</pubDate><description><![CDATA[常见跳出局部最小值策略

现实任务中，人们常采用以下策略来试图“跳出”局部最小值，从而达到全局最小值：

1、以多组不同参数值初始化多个神经网络，按标准方法训练后，取其中误差最小的解作为最终参数，这相当于从多个不同的初始化点开始搜索，从而可能寻找全局最优。

2、使用模拟退化技术，模拟退火在每一步都以一定的概率接受比当前解更差的结果，从而有助于“跳出”局部极小。在每步迭代过程中，接受“次优解”的概...]]></description><category></category></item><item><title><![CDATA[Linux常用指令]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/82259168</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/82259168</guid><author>SHERO_M</author><pubDate>Fri, 31 Aug 2018 17:03:31 +0800</pubDate><description><![CDATA[一、常用指令： 
1）ls 显示文件或目录 
-l 列出文件详细信息l(list) 
-a 列出当前目录下所有文件及目录，包括隐藏的a(all) 
2）mkdir 创建目录 
-p 创建目录，若无父目录，则创建p(parent) 
3）cd 切换目录 
4）touch 创建空文件 
5）echo 创建带有内容的文件。 
6）cat 查看文件内容 
7）cp 拷贝 
8）mv 移动或重命名 
9）r...]]></description><category></category></item><item><title><![CDATA[机器学习基础]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/82224505</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/82224505</guid><author>SHERO_M</author><pubDate>Thu, 30 Aug 2018 17:06:45 +0800</pubDate><description><![CDATA[机器学习简介

Arthur Samuel非正式的定义过，机器学习是在不直接针对问题进行编程的情况下，赋予计算机学习能力的一个研究领域。

简单的来讲，我们给计算机足量的数据，这些数据可以是已标注过判定结果的（监督学习），也可以是没有经过标注的（无监督学习），计算机从这些数据中抽象出模型，也即可以看做发现这些数据的之间的规律与联系，然后当训练完成后，给予其训练集之外的数据（测试集），计算机就能『举...]]></description><category></category></item><item><title><![CDATA[计算机网络]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/82193302</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/82193302</guid><author>SHERO_M</author><pubDate>Wed, 29 Aug 2018 22:09:32 +0800</pubDate><description><![CDATA[

（1）物理层——Physical 

这是整个OSI参考模型的最低层，它的任务就是提供网络的物理连接。

提供的服务包括：物理连接、物理服务数据单元顺序化（接收物理实体收到的比特顺序，与发送物理实体所发送的比特顺序相同）和数据电路标识。

（2）数据链路层——DataLink 

数据链路层是建立在物理传输能力的基础上，以帧为单位传输数据，它的主要任务就是进行数据封装和数据链接的建立。封装的数...]]></description><category></category></item><item><title><![CDATA[Python面试题]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/81951297</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/81951297</guid><author>SHERO_M</author><pubDate>Wed, 22 Aug 2018 22:53:54 +0800</pubDate><description><![CDATA[1、（1）python下多线程的限制以及多进程中传递参数的方式

python多线程有个全局解释器锁（global interpreter lock），这个锁的意思是任一时间只能有一个线程使用解释器，跟单cpu跑多个程序一个意思，大家都是轮着用的，这叫“并发”，不是“并行”。

多进程间共享数据，可以使用 multiprocessing.Value 和 multiprocessing.Array
...]]></description><category></category></item><item><title><![CDATA[python面试15问]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/81811670</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/81811670</guid><author>SHERO_M</author><pubDate>Sat, 18 Aug 2018 18:39:11 +0800</pubDate><description><![CDATA[问题1

到底什么是Python？你可以在回答中与其他技术进行对比（也鼓励这样做）。

答案

下面是一些关键点：

Python是一种解释型语言。这就是说，与C语言和C的衍生语言不同，Python代码在运行之前不需要编译。其他解释型语言还包括PHP和Ruby。
	Python是动态类型语言，指的是你在声明变量时，不需要说明变量的类型。你可以直接编写类似x=111和x=&quot;I'm a string&quot;...]]></description><category></category></item><item><title><![CDATA[《统计学习方法》笔记]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/81706767</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/81706767</guid><author>SHERO_M</author><pubDate>Wed, 15 Aug 2018 17:00:12 +0800</pubDate><description><![CDATA[第一章 统计学习方法概论

1、统计学习

学习：一个系统能够通过执行某个过程改进它的性能。

统计学习：计算机系统通过运用数据集统计方法提高系统性能的机器学习。

统计学习的目的：对数据的预测和分析是通过构建概率统计模型实现的。

统计学习的方法：基于数据构建统计模型从而对数据进行预测与分析。

统计学习方法三要素：模型的假设空间、模型选择的准则和模型学习的算法，即模型、策略和算法。

模型：所...]]></description><category></category></item><item><title><![CDATA[python数据分析师面试题选]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/81670650</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/81670650</guid><author>SHERO_M</author><pubDate>Tue, 14 Aug 2018 17:11:24 +0800</pubDate><description><![CDATA[python数据分析部分

1. 如何利用SciKit包训练一个简单的线性回归模型

利用linear_model.LinearRegression()函数 


# Create linear regression object
regr = linear_model.LinearRegression()
# Train the model using the training sets
reg...]]></description><category></category></item><item><title><![CDATA[数据分析师相关技能]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/81670508</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/81670508</guid><author>SHERO_M</author><pubDate>Tue, 14 Aug 2018 17:10:14 +0800</pubDate><description><![CDATA[一、考察对数据分析岗位的理解与职业规划

1、数据分析师与数据工程师的区别在哪里？

（1）数据分析师：数据分析通过谈论数据来像他们的公司传递价值，用数据来回答问题，交流结果来帮助做商业决策。数据分析师的一般工作包括数据清洗，执行分析和数据可视化。数据分析师是一个能适应不同角色和团队的多面手以帮助别人做出更好的数据驱动的决策。


清洗和组织未加工的数据

使用描述性统计来得到数据的全局视图

分...]]></description><category></category></item><item><title><![CDATA[排序算法比较]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/81484038</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/81484038</guid><author>SHERO_M</author><pubDate>Tue, 07 Aug 2018 21:48:14 +0800</pubDate><description><![CDATA[内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。



当n较大，则应采用时间复杂度为O(nlog2n)的排序方法：快速排序、堆排序或归并排序序。

快速排序：是目前基于比较的内部排序中被认为是最好的方法，当待排序的关键字是随机分布时，快速排序的平均时间最短。

1、插入排序—直接插入排序(Straight Insertion...]]></description><category></category></item><item><title><![CDATA[CVTE-典型DNN结构]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/81381827</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/81381827</guid><author>SHERO_M</author><pubDate>Fri, 03 Aug 2018 18:49:10 +0800</pubDate><description><![CDATA[目前使用比较多的网络结构主要有ResNet(152-1000层），GooleNet(22层），VGGNet（19层）。

Lenet，1998年
	Alexnet，2012年
	GoogleNet，2014年
	VGG，2014年
	Deep Residual Learning，2015年
Lenet5

LeNet5 诞生于 1994 年，是最早的卷积神经网络之一，并且推动了深度学习领域的发展。...]]></description><category></category></item><item><title><![CDATA[CVTE-机器学习基础问题]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/81364162</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/81364162</guid><author>SHERO_M</author><pubDate>Thu, 02 Aug 2018 22:21:56 +0800</pubDate><description><![CDATA[2018.7.27

机器学习基础

1、回归 分类 聚类的区别



classification (分类)：分类技术预测的数据对象是离散值。



 regression (回归)：回归技术预测的数据对象是连续值。回归模型包括一元回归和多元回归，线性回归和非线性回归。



 clustering (聚类)：聚类算法用于在数据中寻找隐藏的模式或分组。聚类算法构成分组或类，类中的数据具有更高的相...]]></description><category></category></item><item><title><![CDATA[测试工程师]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/80990241</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/80990241</guid><author>SHERO_M</author><pubDate>Tue, 10 Jul 2018 18:33:43 +0800</pubDate><description><![CDATA[并非只是写写测试用例、点点画面、看看结果，能力稍强的会用一下Postman做一下模拟请求、抓个包看一下应用的接口返回结果，但是也就止步于此了，况且抓包和模拟请求只是对工具的应用而已，还远远谈不上会一门手艺。因此，对于一个测试人员来说，学会使用工具是成为一个“工程师”的开始，你可能还不知道GET请求有长度限制、不知道签名验证是怎么回事，但是不重要，起码你知道怎样才是测试的正确姿势了，而不是一昧的点击...]]></description><category></category></item><item><title><![CDATA[必备SQL知识]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/80936458</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/80936458</guid><author>SHERO_M</author><pubDate>Fri, 06 Jul 2018 11:16:01 +0800</pubDate><description><![CDATA[1. 基础模式：定义了数据如何存储、存储什么样的数据以及数据如何分解等信息，数据库和表都有模式。主键的值不允许修改，也不允许复用（不能使用已经删除的主键值赋给新数据行的主键）。SQL（Structured Query Language)，标准 SQL 由 ANSI 标准委员会管理，从而称为 ANSI SQL，各个 DBMS 都有自己的实现，如 PL/SQL、Transact-SQL 等。2. 查询...]]></description><category></category></item><item><title><![CDATA[tensorflow编程经验]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/80886754</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/80886754</guid><author>SHERO_M</author><pubDate>Mon, 02 Jul 2018 19:20:07 +0800</pubDate><description><![CDATA[caffe是一个运行速度快，并且轻量的框架。可是，caffe并不是一个高度支持自己定制的框架。考虑这几个问题：1. 如果用户需要在网络训练过程中，一个相同的网络结构需要搭配多套参数，在caffe下面应该怎么实现？2. 在反传的过程中，需要对某些变量的梯度按照某些需求做出改变，在caffe下面应该怎么实现？3. 需要自己实现一个简单的激活函数，在caffe下面应该怎么实现？   对于第一个需求，在c...]]></description><category></category></item><item><title><![CDATA[Python 多线程]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/80881551</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/80881551</guid><author>SHERO_M</author><pubDate>Mon, 02 Jul 2018 10:57:40 +0800</pubDate><description><![CDATA[单线程 在好些年前的MS-DOS时代，操作系统处理问题都是单任务的，我想做听音乐和看电影两件事儿，那么一定要先排一下顺序。from time import ctime,sleep

def music():
    for i in range(2):
        print &quot;I was listening to music. %s&quot; %ctime()
        sleep(1)

d...]]></description><category></category></item><item><title><![CDATA[阿里（2、编程语言）]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/80873943</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/80873943</guid><author>SHERO_M</author><pubDate>Sun, 01 Jul 2018 15:10:53 +0800</pubDate><description><![CDATA[C和C++C/C++的联系：C++是C的超集，兼容大部分C的语法的结构； 毕竟cplusplus！C/C++区别：第一点就应该想到C是面向过程的语言，而C++是面向对象的语言；C和C++动态管理内存的方法不一样，C是使用malloc/free函数，而C++除此之外还有new/delete关键字；接下来就不得不谈到C中的struct和C++的类，C++的类是C所没有的，但是C中的struct是可以在...]]></description><category></category></item><item><title><![CDATA[阿里（2、编程语言）]]></title><link>https://blog.youkuaiyun.com/SHERO_M/article/details/80870868</link><guid>https://blog.youkuaiyun.com/SHERO_M/article/details/80870868</guid><author>SHERO_M</author><pubDate>Sat, 30 Jun 2018 23:03:44 +0800</pubDate><description><![CDATA[Python多线程CC++]]></description><category></category></item></channel></rss>