<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[巴拉巴拉小魔仙]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Super_RD</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Super_RD]]></copyright><item><title><![CDATA[以太坊数据开发-Web3.py-安装连接以太坊数据]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/128999419</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/128999419</guid><author>Super_RD</author><pubDate>Sun, 12 Feb 2023 21:05:44 +0800</pubDate><description><![CDATA[Web3.py是连接以太坊的python库，它的API从web3.js中派生而来。如果你用过web3.js，你会对它的API很熟悉。但惭愧的是，作为一个以太坊上Dapp的开发者，我几乎没有直接使用过web3.js，也没有看过它的API。]]></description><category></category></item><item><title><![CDATA[python数据分析处理库-Pandas基础操作]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/123470615</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/123470615</guid><author>Super_RD</author><pubDate>Mon, 14 Mar 2022 09:08:07 +0800</pubDate><description><![CDATA[读取csv文件
import pandas as pd

numbers = pd.read_csv('./导航data.csv')
# 查看每个字段的类型
print(numbers.dtypes)

Filename     object
Rating      float64
dtype: object
读取数据
# 显示前五行
numbers.head()

# 显示最后10行
numbers.tail(10)

# 取csv的字段值
numbers.columus


# 取出第0行数据
numb]]></description><category></category></item><item><title><![CDATA[numpy基础操作]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/123409797</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/123409797</guid><author>Super_RD</author><pubDate>Thu, 10 Mar 2022 22:03:40 +0800</pubDate><description><![CDATA[读取文件
import numpy as np
# 读取文件，分隔符逗号，默认数据类型str,跳过第一行头
text = np.genfromtxt("./numpy.csv",delimiter=',',dtype=str,ship_header=1)

print(type(text))
print(text)

&lt;class ‘numpy.ndarray’&gt;
[[‘id’ ‘name’ ‘age’]
[‘1’ ‘xiaozhang’ ‘22’]
[‘2’ ‘xiaoli’ ‘34’]
[‘]]></description><category></category></item><item><title><![CDATA[使用Anaconda配置python环境]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/123344307</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/123344307</guid><author>Super_RD</author><pubDate>Tue, 08 Mar 2022 08:56:07 +0800</pubDate><description><![CDATA[Anaconda下载地址：https://www.anaconda.com/products/individual#Downloads
安装会自动安装配置python环境
查看安装包名：
conda list

安装包


]]></description><category></category></item><item><title><![CDATA[TensorFlow使用GPU]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/123315101</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/123315101</guid><author>Super_RD</author><pubDate>Sun, 06 Mar 2022 18:58:58 +0800</pubDate><description><![CDATA[https://blog.youkuaiyun.com/wbing96/article/details/108914071

]]></description><category></category></item><item><title><![CDATA[TensorFlow 基础：逻辑回归]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/123311387</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/123311387</guid><author>Super_RD</author><pubDate>Sun, 06 Mar 2022 17:06:56 +0800</pubDate><description><![CDATA[参考：https://blog.youkuaiyun.com/weixin_39445556/article/details/83930186
数据导入和X的处理与线性回归一致
# ---------------------逻辑回归---------------------

# 与线性回归对比，X轴一样，Y轴需要根据阈值转换数据
# 阈值设置
K = 200

# 创建一个和Y一样结构的矩阵
NY = np.zeros([L,1])
YY = np.array(CsvFile['PM25']).reshape([L.]]></description><category></category></item><item><title><![CDATA[TensorFlow 基础-线性回归]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/123307382</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/123307382</guid><author>Super_RD</author><pubDate>Sun, 06 Mar 2022 13:15:06 +0800</pubDate><description><![CDATA[线性回归数据模型



β0的值( 也称为截距)显示估算的回归线与y 轴交叉的点 ，而β1 的值 确定 估算的回归线的斜率。的 随机误差
描述因变量和自变量(该模型的扰动，部分之间的线性关系的随机分量 ÿ 该 X
无法解释)。真正的回归模型通常是未知的(因为我们无法捕获影响因变量的所有影响)，因此与观察到的数据点相对应的随机误差项的值仍然未知。但是，可以通过为观察到的数据集计算模型的参数来估计回归模型。
回归背后的想法是 从样本中估计参数 β0 和 β1。如果我们能够确定这两个参数的最佳值，则在给定X的值的]]></description><category></category></item><item><title><![CDATA[图像数据与运算基础]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/123306511</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/123306511</guid><author>Super_RD</author><pubDate>Sun, 06 Mar 2022 10:54:41 +0800</pubDate><description><![CDATA[导入显示图片，图片转矩阵
# 导入工具包，PIL、numpy、matplotlib
from PIL import Image
import numpy as np
from matplotlib import  pyplot as plt

# 加载图片，这里加载的是和代码文件在同一目录的1.jpg文件，赋值给img
img = Image.open('./1.jpg')

"""
归一处理，这里是对图片进行向量化操作，是把里面的每一个数都除以255，
这样里面的每一个值就都介于0和1之间了，防止后期im]]></description><category></category></item><item><title><![CDATA[深度学习与回归分析]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/123306152</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/123306152</guid><author>Super_RD</author><pubDate>Sun, 06 Mar 2022 10:17:24 +0800</pubDate><description><![CDATA[深度学习是一种特殊的特殊的非线性回归分析方法
回归分析：三个层面：业务、模型、产品
数据思维：将业务问题转化成一个“数据可分析”问题
选择不同模型的主要决定因素
1、连续型数据（例如颜值、雾霾）
2、0-1型数据（分类数据）
3、定序数据（只有顺序意义，没有代数意义）
4、计数数据（非负整数）
5、生存数据（描述个体的生存状态时间等）
传统线性回归擅长分析结构化数据（如姓名、地址、年龄），如果是非结构化数据经典回归分析不擅长（例如照片、人脸识别、手写数字识别），更适合深度学习。

...]]></description><category></category></item><item><title><![CDATA[AI产品经理-人工智能的发展]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/119747258</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/119747258</guid><author>Super_RD</author><pubDate>Tue, 17 Aug 2021 08:34:42 +0800</pubDate><description><![CDATA[AI产品经理-人工智能的发展人工智能的发展历程人工智能三大学派符号派连接派行为派人工智能的历史大变革
人工智能的发展历程
1950年：图灵发表论文语言创造智能机器人的可能性
1956年：达特茅斯会议，AI诞生的标志
1960年：大批AI研究方向涌现，政府支持
1974年：发展遇到瓶颈，政府停止资助
1980年：XCON专家系统被热捧，进入短暂繁荣期
1987年：XCON系统难以升级，第二波热潮转冷
1997年：深蓝计算机战胜国际象棋冠军，受摩尔性能影响，计算机性能提升
2000年：计算机发展进入拐点，数据量]]></description><category></category></item><item><title><![CDATA[AI产品经理-什么是人工智能]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/119747125</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/119747125</guid><author>Super_RD</author><pubDate>Tue, 17 Aug 2021 08:10:28 +0800</pubDate><description><![CDATA[AI产品经理-什么是人工智能什么是人工智能交叉学科对人的能力和意识进行模仿超越人工智能的分类强人工智能（人类智能）中人工智能（通用人工智能）弱人工智能（垂直行业人工智能）
什么是人工智能
人工智能是利用交叉学科对于人的能力和意识进行模仿和超越
交叉学科
计算机科学、心理学、控制学、脑科学等多学科
对人的能力和意识进行模仿超越
视觉感知与语言交流：无人零售商店识别商品、流水线质检机器人、小爱音响
推理与问题求解：AlphaGo围棋
协调控制：货运机器人、AGV小车
例：今日头条写稿机器人：张小明、智能驾驶
人]]></description><category></category></item><item><title><![CDATA[PHP中的错误与异常处理]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/100141731</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/100141731</guid><author>Super_RD</author><pubDate>Thu, 29 Aug 2019 18:09:19 +0800</pubDate><description><![CDATA[如上代码，一直以为Exception是可以捕获到异常，实际上不能。以下内容指的是PHP5的环境。
PHP异常
什么是异常
在PHP中异常指的是可以预料到的问题，PHP只能手动抛出异常，例如被除数为0，错误的数据类型，数据库连接错误都不属于异常，而属于错误，所以在P...]]></description><category></category></item><item><title><![CDATA[CentOS下修改Docker默认路径]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/97939557</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/97939557</guid><author>Super_RD</author><pubDate>Wed, 31 Jul 2019 17:42:44 +0800</pubDate><description><![CDATA[# 关闭docker服务
systemctl stop docker.service

# 移动数据到新的目录
mv /var/lib/docker /export/docker

# 修改docker.service文件，使用-g参数指定存储位置

vi /usr/lib/systemd/system/docker.service  
ExecStart=/usr/bin/dockerd --g...]]></description><category></category></item><item><title><![CDATA[定时任务管理工具cronsun部署]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/97933145</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/97933145</guid><author>Super_RD</author><pubDate>Wed, 31 Jul 2019 17:11:49 +0800</pubDate><description><![CDATA[官方文档：https://github.com/shunfei/cronsun/wiki
几种常用的工具对比https://blog.youkuaiyun.com/ra681t58cjxsgckj31/article/details/78851749
cronsun依赖mongo和etcd，因为etcd的docker镜像（elcolio/etcd）已经3年没有更新了，所以mongo通过docker部署，etc...]]></description><category></category></item><item><title><![CDATA[Centos7下通过Docker安装上线工具Walle]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/97931575</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/97931575</guid><author>Super_RD</author><pubDate>Wed, 31 Jul 2019 16:46:07 +0800</pubDate><description><![CDATA[我的docker数据目录在/data/docker下
官方文档地址https://walle-web.io/docs/
配置
mkdir /data/docker/walle

walle.env
# Set MySQL/Rails environment
MYSQL_USER=root
MYSQL_PASSWORD=walle
MYSQL_DATABASE=walle
MYSQL_ROOT_PA...]]></description><category></category></item><item><title><![CDATA[PHP实现图像模糊查询差值哈希dhash算法（二）]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/94747288</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/94747288</guid><author>Super_RD</author><pubDate>Fri, 05 Jul 2019 18:12:32 +0800</pubDate><description><![CDATA[计算出图像指纹后通过计算汉明距离计算指纹的相似度
    function getLeng($dhash_1, $dhash_2)
    {
        $tem = hex2bin($dhash_1) ^ hex2bin($dhash_2);
        $tem = bin2hex($tem);
        $tem = base_convert($tem, 16, 2);
  ...]]></description><category></category></item><item><title><![CDATA[PHP实现图像模糊查询差值哈希dhash算法（一）]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/94746967</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/94746967</guid><author>Super_RD</author><pubDate>Fri, 05 Jul 2019 18:00:43 +0800</pubDate><description><![CDATA[1、差值哈希算法
2、将图片缩放为98像素
3、获取像素点的灰度值
4、每行从第二个像素开始和该行的第一个参数对比，如果大于为1，小于为0
5、组成一个88=64为的二进制数字，即为该图的指纹
function dHash($src)
    {

        if (empty($src)) {
            return false;
        }
        $w  ...]]></description><category></category></item><item><title><![CDATA[在PHP中使用Sentry捕获异常]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/94742455</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/94742455</guid><author>Super_RD</author><pubDate>Fri, 05 Jul 2019 17:26:50 +0800</pubDate><description><![CDATA[自动上报
Sentry的异常上报分为两种方式:
捕获全部异常：
$this-&gt;sentryClient-&gt;install();

捕获指定异常：
$error_handler = new Raven_ErrorHandler($sentryClient);

//捕获已经预料到的异常
$error_handler-&gt;registerExceptionHandler();

//捕...]]></description><category></category></item><item><title><![CDATA[在CodeIgniter中配置Sentry]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/94723138</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/94723138</guid><author>Super_RD</author><pubDate>Fri, 05 Jul 2019 11:51:55 +0800</pubDate><description><![CDATA[在Sentry中新建项目
project-&gt;add newproject

选择PHP，输入项目名称
直接完成，忽略次步提示的信息
在项目设置中查看详细设置
查看项目秘钥和ID

在CodeIgniter中配置Sentry
因为我们用的PHP环境是5.6，无法使用sentry的集成化方案
查看版本：https://packagist.org/packages/sentry/sentry
se...]]></description><category></category></item><item><title><![CDATA[Sentry通过Docker私有化部署]]></title><link>https://blog.youkuaiyun.com/Super_RD/article/details/94721819</link><guid>https://blog.youkuaiyun.com/Super_RD/article/details/94721819</guid><author>Super_RD</author><pubDate>Fri, 05 Jul 2019 11:18:50 +0800</pubDate><description><![CDATA[下载镜像
docker pull redis
docker pull postgres 
docker pull sentry

启动redis和postgres
docker run -d --name sentry-redis --restart=always redis
docker run -d --name sentry-postgres -e POSTGRES_PASSWORD=sec...]]></description><category></category></item></channel></rss>