<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cc的博客]]></title><description><![CDATA[追求卓越，遇见更好的自己]]></description><link>https://blog.youkuaiyun.com/Ychan_cc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Ychan_cc]]></copyright><item><title><![CDATA[浅谈矩阵分解在推荐系统中的应用]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/78026996</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/78026996</guid><author>Ychan_cc</author><pubDate>Tue, 19 Sep 2017 10:19:46 +0800</pubDate><description><![CDATA[浅谈矩阵分解在推荐系统中的应用
        
        
        
            　　为了方便介绍，假设推荐系统中有用户集合有6个用户，即U={u1,u2,u3,u4,u5,u6}，项目（物品）集合有7个项目，即V={v1,v2,v3,v4,v5,v6,v7}，用户对项目的评分结合为R，用户对项目的评分范围是[0, 5]。R具体表示如下： 
       推荐系统的目标就]]></description><category></category></item><item><title><![CDATA[Matlab小波包分解后如何求各频带信号的能量值？]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/78023122</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/78023122</guid><author>Ychan_cc</author><pubDate>Mon, 18 Sep 2017 20:04:37 +0800</pubDate><description><![CDATA[异步赠书：Kotlin领衔10本好书    
SDCC 2017之区块链技术实战线上峰会    
程序员9月书讯    每周荐书：Java Web、Python极客编程（评论送书）                        
  
      window.quickReplyflag = true;
      var isBole = false; 
      var fasrc="htt]]></description><category></category></item><item><title><![CDATA[小波分析的理解]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/78022698</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/78022698</guid><author>Ychan_cc</author><pubDate>Mon, 18 Sep 2017 19:22:46 +0800</pubDate><description><![CDATA[小波变换是克服其他信号处理技术缺陷的一种分析信号的方法。
　　小波由一族小波基函数构成，它可以描述信号时间（空间）和频率（尺度）域的局部特性。采用小波分析最大优点是可对信号进行实施局部分析，可在任意的时间或空间域中分析信号。小波分析具有发现其他信号分析方法所不能识别的、隐藏于数据之中的表现结构特性的信息，而这些特性对机械故障和材料的损伤等识别是尤为重要的。如何选择小波基函数目前还没有一个理论标准，常]]></description><category></category></item><item><title><![CDATA[成为未来几年最炙手可热的机器学习人才，基本功、秘密武器和弹药补给]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/78009221</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/78009221</guid><author>Ychan_cc</author><pubDate>Sun, 17 Sep 2017 11:37:52 +0800</pubDate><description><![CDATA[成为未来几年最炙手可热的机器学习人才，基本功、秘密武器和弹药补给在知乎上看到一篇文章：成为未来几年最炙手可热的机器学习人才，基本功、秘密武器和弹药补给 对机器学习的研究总结的很好。归纳一下重点下来：工业界需要什么样的人才？对学术界而言，任何一个研究方向，NLP,深度学习，机器视觉等任何一个小的研究方向都值得花数十年时间，对那些在这个领域钻研和寻求突破的人值得尊敬。相比学术界而言，工业界由于受客观因素]]></description><category></category></item><item><title><![CDATA[交叉熵和损失函数]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/77992912</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/77992912</guid><author>Ychan_cc</author><pubDate>Fri, 15 Sep 2017 16:08:51 +0800</pubDate><description><![CDATA[熵，交叉熵和损失函数，在机器学习中，这些概念容易让人迷糊，基于现有的理解，简要做一下总结供参考，以后理解深刻了，在进行拓展。  对公式直接截图粘贴试了几次不能显示。难道需要一张张图上传？ 后面有时间再来解决，有好方法忘及时告知。熵熵作为一种测量信息量的一个度量，可以用意外程度的期望值来定义，其反应了系统的有序化程度。 
假设一个事件发生的概率为p，则得知该消息的意外程度log2(12) log_{2]]></description><category></category></item><item><title><![CDATA[python import caffe的一些思考]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/70054370</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/70054370</guid><author>Ychan_cc</author><pubDate>Tue, 11 Apr 2017 15:45:20 +0800</pubDate><description><![CDATA[在安装caffe以后一般需要运行命令进行验证：
import caffe
在python 里面，import **  有两种导入， 一种是模块导入，一种是包导入
1) 模块导入
模块通常是指写好的文件，文件类型可以|"  .py"、".pyc"、".pyd"、".so"、".dll" 等类型
比如在目录/home/cc/test/目录下创建test0.py文件， 则只要将搜索路径添加到系]]></description><category></category></item><item><title><![CDATA[caffe下在已有的网络上进行微调]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/69569390</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/69569390</guid><author>Ychan_cc</author><pubDate>Fri, 07 Apr 2017 17:05:57 +0800</pubDate><description><![CDATA[本文主要学习caffe官网文章：Fine-tuning for Style Recognition的整理
内容包括两个部分：
１．　采用已有网络，改变最后一层，只对最后一层网络进行微调参数（局部微调），效果不太好
２．　开启learn_all参数对全局进行微调（这里是将第一步局部调后的权值作为初始化权值）

１）　模块导入
#!usr/bin/env python
# -*- codi]]></description><category></category></item><item><title><![CDATA[python简单爬虫]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/69388326</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/69388326</guid><author>Ychan_cc</author><pubDate>Thu, 06 Apr 2017 12:18:41 +0800</pubDate><description><![CDATA[参考博文１），实现了一个简单的爬虫，爬取一个网页上的图片，后面有时间，再学习用beautifulSoup爬取所有网页的图片. 



#!usr/bin/env python
# -*- coding:utf-8 -*- 
"""
@author:cc
@file: scraper_test0.py
@time:2017/04/02
"""

# urllib.request.urlope]]></description><category></category></item><item><title><![CDATA[caffe下python网络创建]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/69382569</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/69382569</guid><author>Ychan_cc</author><pubDate>Thu, 06 Apr 2017 10:54:16 +0800</pubDate><description><![CDATA[１）　载入模块
import matplotlib.pyplot as plt
from pylab import *
# %matplotlib inline
caffe_root = '/home/cc/caffe-master/examples/'  # this file should be run from {caffe_root}/examples (otherwise change]]></description><category></category></item><item><title><![CDATA[caffe下数据可视化]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/69338324</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/69338324</guid><author>Ychan_cc</author><pubDate>Wed, 05 Apr 2017 20:33:01 +0800</pubDate><description><![CDATA[本文主要学习caffe官网例子Classification: Instant Recognition with Caffe，采用ｃａｆｆｅ数据可视化的总结．


其主要过程包括：
１）　定义图像窗口属性
２）　下载caffe模型，调用caffe.Net网络载入模型配置，模型权值，模型测试
３）　数据转化，变换通道，去除均值，变换尺寸，变换rgb．．．
４）　定义输入图像大小批次，载入]]></description><category></category></item><item><title><![CDATA[Ubuntu软件安装和卸载]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/68943937</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/68943937</guid><author>Ychan_cc</author><pubDate>Sat, 01 Apr 2017 14:04:45 +0800</pubDate><description><![CDATA[软件安装:
apt-get安装:
根据apt-get update更新的列表下载并安装软件

命令： sudo apt-get install package
命令: sudo apt-get -f install     #修复安装
安装deb软件包
命令： sudo dpkg -i *.deb
安装python依赖包
pip用来安装来自PyPI（https://www.pyt]]></description><category></category></item><item><title><![CDATA[caffe下get_ilsvrc_aux简单解读]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/68936536</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/68936536</guid><author>Ychan_cc</author><pubDate>Fri, 31 Mar 2017 21:57:41 +0800</pubDate><description><![CDATA[1. 数据预处理

1) 下载训练数据和验证数据
2)  准备额外的数据:
./data/ilsvrc12/get_ilsvrc_aux.sh
3) 产生lmdb将
采用create_iamgetnet 直接里面设置缩放对图片可进行缩放,并在/examples/imagenet下产生lmdb格式文件
./examples/imagenet/create_imagenet.sh
也可]]></description><category></category></item><item><title><![CDATA[Python 中Argparse 语句介绍]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/68935842</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/68935842</guid><author>Ychan_cc</author><pubDate>Fri, 31 Mar 2017 21:27:50 +0800</pubDate><description><![CDATA[本文主要是参考文章(1-2)的整理. 

argparse模块主要用于用户交互环境, 程序只定义好它要求的参数，然后argparse将负责如何从sys.argv中解析出这些参数。argparse模块还会自动生成帮助和使用信息并且当用户赋给程序非法的参数时产生错误信息。

import argparse
parse = argparse.ArgumentParser()
Aragpars]]></description><category></category></item><item><title><![CDATA[编译matcaffe遇到_ZN2cv8imencodeERKNSt7__cxx1112basic_stringIcSt11char...]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/68502556</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/68502556</guid><author>Ychan_cc</author><pubDate>Thu, 30 Mar 2017 21:14:41 +0800</pubDate><description><![CDATA[在之前编译makematcaffe时遇到问题已经解决,但运行make mattest 遇到错误:_ZN2cv8imencodeERKNSt7__cxx1112basic_stringIcSt11char_traitsIcESaIcEEERKNS_11_InputArrayERSt6vectorIhSaIh
最后参考文章1)解决了可以编译通过, 但在matlab程序里运行实例时又遇到同样的错误,最]]></description><category></category></item><item><title><![CDATA[caffe下get_mnist.sh简单解读]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/68490435</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/68490435</guid><author>Ychan_cc</author><pubDate>Thu, 30 Mar 2017 17:21:45 +0800</pubDate><description><![CDATA[对shell脚本命令结合实例进行一个简单的总结供参考.
1) $命令

cd $caffe_root
必须要在根目录下执行,否则报错
$0---返回脚本名字,
$# 是传给脚本的参数个数
$0 是脚本本身的名字
$1 是传递给该shell脚本的第一个参数
$2 是传递给该shell脚本的第二个参数
$@ 是传给脚本的所有参数的列表
$* 是以一个单字符串显示所有向脚本传递的参]]></description><category></category></item><item><title><![CDATA[caffe下matlabR2014a安装和配置matcaffe]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/68488561</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/68488561</guid><author>Ychan_cc</author><pubDate>Thu, 30 Mar 2017 15:39:09 +0800</pubDate><description><![CDATA[本文主要包括两部分:
1安装matlabR2014a
2 编译matcaffe


1 Ubuntu 16.04下matlabR2014a安装

1) 从百度网盘(感谢作者的分享)下载matlabR2014a破解版包,并将两个压缩包一起解压,获得.iso文件
2) 在Downloads目录下产生一个挂载目录,挂载,并cd到目录安装:

mkdir temp
sudo mount]]></description><category></category></item><item><title><![CDATA[pycharm下设置自己的模板]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/67645582</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/67645582</guid><author>Ychan_cc</author><pubDate>Tue, 28 Mar 2017 20:51:55 +0800</pubDate><description><![CDATA[在File---settings---File and Code Templates---Python script 脚本里添加:


#!usr/bin/env python
#-*- coding:utf-8 _*-
"""
@author:${USER}
@file: ${NAME}.py
@time: ${YEAR}/${MONTH}/{DAY}

"""




参考]]></description><category></category></item><item><title><![CDATA[python构建深度神经网络（DNN）续]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/67640185</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/67640185</guid><author>Ychan_cc</author><pubDate>Tue, 28 Mar 2017 18:32:11 +0800</pubDate><description><![CDATA[这篇文章在前一篇文章：python构建深度神经网络（DNN）的基础上，添加了一下几个内容：
1) 正则化项
2） 调出中间损失函数的输出
3） 构建了交叉损失函数
4） 将训练好的网络进行保存，并调用用来测试新数据


1  数据预处理
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2017-03-12 15:]]></description><category></category></item><item><title><![CDATA[实例、类方法和静态方法]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/67631627</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/67631627</guid><author>Ychan_cc</author><pubDate>Tue, 28 Mar 2017 08:56:49 +0800</pubDate><description><![CDATA[#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2017-03-22 1:14
# @Author  : CC


from numpy import *
import operator
import os

class A(object):
    def __init__(self,data):
        self.d]]></description><category></category></item><item><title><![CDATA[export命令—设置环境变量]]></title><link>https://blog.youkuaiyun.com/Ychan_cc/article/details/66970190</link><guid>https://blog.youkuaiyun.com/Ychan_cc/article/details/66970190</guid><author>Ychan_cc</author><pubDate>Mon, 27 Mar 2017 11:54:14 +0800</pubDate><description><![CDATA[环境变量定义:
Its a named objectthat can be used by multiple applications as it contains somevaluable information required by these applications
环境变量时一个具有特定名字的对象,包含了一个或多个应用程序要用到的信息.
可通俗理解为,假如一个工厂里有一大堆的工具]]></description><category></category></item></channel></rss>