<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[XIAOSHUCONG的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/XIAOSHUCONG</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; XIAOSHUCONG]]></copyright><item><title><![CDATA[ArcGIS安装中许可服务无法启动问题]]></title><link>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/150844826</link><guid>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/150844826</guid><author>XIAOSHUCONG</author><pubDate>Tue, 26 Aug 2025 10:40:30 +0800</pubDate><description><![CDATA[ArcGIS安装中ArcGIS License Adminstrator 中无法启动许可服务，通过诊断日志判断出许可服务无法启动是service.txt文件问题，替换该文件问题得到解决。]]></description><category></category></item><item><title><![CDATA[度与度分秒之间的转换]]></title><link>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/134615989</link><guid>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/134615989</guid><author>XIAOSHUCONG</author><pubDate>Sun, 26 Nov 2023 09:33:22 +0800</pubDate><description><![CDATA[在研究与工程应用中，涉及大地经纬度坐标时，往往会牵涉到数据单位的转换，即是度与度分秒之间的转换问题。碰到这类问题，往往会让人不知所措，感觉理不清头绪。本文将尽可能详细地对此问题做出归纳总结，以帮助解决该类问题。]]></description><category></category></item><item><title><![CDATA[天空为什么是蓝色的？]]></title><link>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/132024165</link><guid>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/132024165</guid><author>XIAOSHUCONG</author><pubDate>Mon, 31 Jul 2023 18:13:31 +0800</pubDate><description><![CDATA[物体本身并没有颜色，我们之所以能够看到颜色，是由于物体本身对太阳光的反射。可见光在大气中发生散射，其中蓝色光的散射强度最大，从而我们看到天空呈现蓝色。]]></description><category></category></item><item><title><![CDATA[梯度下降优化（ gradient descent optimization）]]></title><link>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/123882338</link><guid>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/123882338</guid><author>XIAOSHUCONG</author><pubDate>Sat, 02 Apr 2022 21:43:10 +0800</pubDate><description><![CDATA[梯度下降优化算法
一个深度学习项目一般由“数据”、“模型”、“损失”、“优化”和“训练”四个部分构成，对于其中的“优化”部分，我们最熟悉的可以说就是 随机梯度下降（stochastic gradient descent，SGD） 优化算法了。然而，在实际的深度学习架构中，我们却经常可以看到的是Adam优化器，那么Adam和随机梯度下降算法有什么关系呢？有哪些梯度下降算法的变体呢？以及又有哪些优化梯度下降的策略呢？]]></description><category></category></item><item><title><![CDATA[Pytorch交叉熵损失（CrossEntropyLoss）函数内部运算解析]]></title><link>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/123527257</link><guid>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/123527257</guid><author>XIAOSHUCONG</author><pubDate>Wed, 16 Mar 2022 22:21:22 +0800</pubDate><description><![CDATA[  对于交叉熵损失函数的来由有很多资料可以参考，这里就不再赘述。本文主要尝试对交叉熵损失函数的内部运算做深度解析。
 1. 函数介绍
  Pytorch官网中对交叉熵损失函数的介绍如下：

CLASS  torch.nn.CrossEntropyLoss(weight=None, size_average=None, ignore_index=- 100,reduce=None, reduction=‘mean’, label_smoothing=0.0)

  该损失函数计算输入和目标值之间的交叉熵损失。]]></description><category></category></item><item><title><![CDATA[负对数似然（negative log-likelihood, NLL）]]></title><link>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/123513290</link><guid>https://blog.youkuaiyun.com/XIAOSHUCONG/article/details/123513290</guid><author>XIAOSHUCONG</author><pubDate>Tue, 15 Mar 2022 21:52:58 +0800</pubDate><description><![CDATA[概率是指一个事件发生的可能性，描述的是对象是事件；似然是指影响事件发生概率的未知参数，描述的对象是参数。]]></description><category></category></item></channel></rss>