<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[a1111h的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/a1111h</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; a1111h]]></copyright><item><title><![CDATA[刷题 奇怪的牛（华为笔试）]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/82284778</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/82284778</guid><author>a1111h</author><pubDate>Sat, 01 Sep 2018 10:17:51 +0800</pubDate><description><![CDATA[#include&amp;lt;iostream&amp;gt;
using namespace std;
int main(){
    int a = 0;
    cin &amp;gt;&amp;gt; a;   
    for (int i = 0; i &amp;lt; a; i++)
    {
        int b = 0, c = 0;
        cin &amp;gt;&amp;gt; b;
        cin &amp;...]]></description><category></category></item><item><title><![CDATA[model.fit() fit函数]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/82148497</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/82148497</guid><author>a1111h</author><pubDate>Tue, 28 Aug 2018 15:19:05 +0800</pubDate><description><![CDATA[fit( x, y, batch_size=32, epochs=10, verbose=1, callbacks=None,
validation_split=0.0, validation_data=None, shuffle=True, 
class_weight=None, sample_weight=None, initial_epoch=0)


x：输入数据。如果模型只有一个输入，那...]]></description><category></category></item><item><title><![CDATA[tf.estimator]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/82053484</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/82053484</guid><author>a1111h</author><pubDate>Sat, 25 Aug 2018 17:30:34 +0800</pubDate><description><![CDATA[转载：https://blog.youkuaiyun.com/qq_17550379/article/details/78743343


                TensorFlow的高级机器学习API（tf.estimator）可以轻松配置，训练和评估各种机器学习模型。 在本教程中，您将使用tf.estimator构建一个神经网络分类器，并在Iris数据集上对其进行训练，以基于萼片/花瓣几何学来预...]]></description><category></category></item><item><title><![CDATA[one-hot 和 TF-IDF]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/82051405</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/82051405</guid><author>a1111h</author><pubDate>Sat, 25 Aug 2018 14:48:33 +0800</pubDate><description><![CDATA[转载：https://www.cnblogs.com/lianyingteng/p/7755545.html

one-hot 和 TF-IDF是目前最为常见的用于提取文本特征的方法，本文主要介绍两种方法的思想以及优缺点。
1. one-hot
1.1 one-hot编码
　　什么是one-hot编码？one-hot编码，又称独热编码、一位有效编码。其方法是使用N位状态寄存器来对N个状态进行编码，...]]></description><category></category></item><item><title><![CDATA[reduce_sum()函数  Tensorflow]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/82048617</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/82048617</guid><author>a1111h</author><pubDate>Sat, 25 Aug 2018 10:04:28 +0800</pubDate><description><![CDATA[reduce_sum()

reduce_sum() 函数由reduce和sum两个单词组成函数名，从字面意思上讲是减少和求和的意思，这让人感到莫名其妙。 
reduce_sum() 函数确实有减少和求和两层意思，但减少和求和的作用对象却不一样： 
reduce在函数中应该翻译成降维或者塌缩的意思，他的作用对象是求和对象的维度，而sum求和便是求指定维度的数据和。

下面我们举一个三维数组的例子
...]]></description><category></category></item><item><title><![CDATA[刷题 移动零]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/82019419</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/82019419</guid><author>a1111h</author><pubDate>Fri, 24 Aug 2018 15:17:55 +0800</pubDate><description><![CDATA[我的解法：记录多少0的元素并删除，之后再添加



 void moveZeroes(vector&amp;lt;int&amp;gt;&amp;amp; nums) {     
        int j=0;
        for(int i=0;i&amp;lt;nums.size();i++)
        {
            if(nums[i]!=0)
                continue;...]]></description><category></category></item><item><title><![CDATA[刷题 加一]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/82019389</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/82019389</guid><author>a1111h</author><pubDate>Fri, 24 Aug 2018 15:16:47 +0800</pubDate><description><![CDATA[主要难点是进一操作

我的解法：几次循环操作，检测尺寸小时加尺寸

 vector&amp;lt;int&amp;gt; plusOne(vector&amp;lt;int&amp;gt;&amp;amp; digits) {

        digits.back()++;                     
        if (digits.back()/10==1){
            digits.back()...]]></description><category></category></item><item><title><![CDATA[TensorFlow 完整的TensorFlow入门教程]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/82014435</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/82014435</guid><author>a1111h</author><pubDate>Fri, 24 Aug 2018 11:01:46 +0800</pubDate><description><![CDATA[[转载自：https://blog.youkuaiyun.com/lengguoxing/article/details/78456279】(https://blog.youkuaiyun.com/lengguoxing/article/details/78456279)


1：你想要学习TensorFlow，首先你得安装Tensorflow，在你学习的时候你最好懂以下的知识：
&amp;amp;nbsp; &amp;amp;nbsp; a：怎么用p...]]></description><category></category></item><item><title><![CDATA[什么是深度学习]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81975956</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81975956</guid><author>a1111h</author><pubDate>Thu, 23 Aug 2018 10:25:17 +0800</pubDate><description><![CDATA[本文摘自《TensorFlow技术解析与实战 ,李嘉璇 》



什么是深度学习

深度学习，顾名思义，需要从“深度”和“学习”两方面来谈。先讲学习比较好



学习

计算机的学习和人类的学习类似，我们平时大量做题（训练数据），不断地经过阶段性考试（验证数据）的检验，用这些知识和解题方法（模型）最终走向最终（测试数据）的考场。（深度学习的目的就是获得这个模型，正如我们知道题目的输入与输出，却不知...]]></description><category></category></item><item><title><![CDATA[tensorflow 生成随机数 tf.random_normal 和 tf.random_uniform 和 tf.truncated_normal 和 tf.random_shuffle]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81945730</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81945730</guid><author>a1111h</author><pubDate>Wed, 22 Aug 2018 15:58:02 +0800</pubDate><description><![CDATA[转摘自：https://blog.youkuaiyun.com/tz_zs/article/details/75948350


                tf.random_normal从正态分布中输出随机值。.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None).shape：一个一维整数张量或Pyt...]]></description><category></category></item><item><title><![CDATA[机器学习——k近邻算法]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81943037</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81943037</guid><author>a1111h</author><pubDate>Wed, 22 Aug 2018 14:04:57 +0800</pubDate><description><![CDATA[转载自https://blog.youkuaiyun.com/xundh/article/details/73611249


                本文内容来自《机器学习实战》中国工信出版集团 人民邮电出版社



一、简介

简单地说，k-近邻算法采用测量不同特征值之间的距离方法进来分类 
特点：




优点：精度高、对异常值不敏感、无数据输入假定
缺点：计算复杂度高、空间复杂度高
适用数据范...]]></description><category></category></item><item><title><![CDATA[SIFT尺度不变特征转换]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81940081</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81940081</guid><author>a1111h</author><pubDate>Wed, 22 Aug 2018 10:52:26 +0800</pubDate><description><![CDATA[ 转自：  尺度不变特征变换匹配算法详    




1、SIFT综述



尺度不变特征转换(Scale-invariant&amp;nbsp;feature&amp;nbsp;transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由&amp;nbsp;David&amp;nbsp;Lowe在1999年所发表，2004年完善总结。...]]></description><category></category></item><item><title><![CDATA[HOG特征---梯度方向直方图]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81938144</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81938144</guid><author>a1111h</author><pubDate>Wed, 22 Aug 2018 09:31:19 +0800</pubDate><description><![CDATA[ 
                梯度方向直方图 
原文路径：https://www.learnopencv.com/histogram-of-oriented-gradients/

最近在搞车牌识别的时候，训练样本去识别车牌的时候用到HOG特征。国外一篇文章让我受益良多

什么是特征描述符？ 
特征描述符是指通过提取有用的信息并抛弃无关的信息来表示这一张图片或者一张图片的一部分

典型地，特...]]></description><category></category></item><item><title><![CDATA[pycharm常用快捷键]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81870032</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81870032</guid><author>a1111h</author><pubDate>Mon, 20 Aug 2018 14:00:15 +0800</pubDate><description><![CDATA[常用： 
撤销与反撤销：Ctrl + z，Ctrl + Shift + z 
缩进、不缩进：Tab、Shift + tab 
自动缩进：  Ctrl + Alt + I 
运行：Shift + F10 
批量注释：Ctrl + / 再次按下Ctrl+/，注释被取消 
查看函数详解  按住ctrl+右键双击 
简介/进入代码定义 Ctrl + 鼠标 
查找：F3 替换Ctrl + R 
当光标在代码...]]></description><category></category></item><item><title><![CDATA[python列表]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81806156</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81806156</guid><author>a1111h</author><pubDate>Sat, 18 Aug 2018 10:24:08 +0800</pubDate><description><![CDATA[python列表



列表是Python中最基本的数据结构。列表中的每个元素都分配一个数字作为它的位置索引，第一个索引是0，第二个索引是1，依此类推。

列表的方法如下：

#先定义三个列表：
list1 = [‘python', ’hello', 100, 2000]
list2 = [1, 7, 3, 4, 5]
list3 = [&quot;a&quot;, &quot;b&quot;, &quot;c&quot;, &quot;d&quot;]
#访问列表
prin...]]></description><category></category></item><item><title><![CDATA[python 测试代码]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81780984</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81780984</guid><author>a1111h</author><pubDate>Fri, 17 Aug 2018 17:28:35 +0800</pubDate><description><![CDATA[编写函数或类时，还可为其编写测试。通过测试，可确定代码面对各种输入都能够按要求的那样工作。在程序中添加新代码时，你也可以对其进行测试，确认它们不会破坏程序既有的行为。 
使用Python模块unittest中的工具来测试代码 
pizza.py

def get_formatted_name(first,last):
    #获取全部名字
    full_name = first+' '+la...]]></description><category></category></item><item><title><![CDATA[python 文件]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81778637</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81778637</guid><author>a1111h</author><pubDate>Fri, 17 Aug 2018 16:49:12 +0800</pubDate><description><![CDATA[文件



读文件

open()方法打开文件，第二个参数为文件打开方式。只读r。w写，a附加 
r+读写，默认只读r。

#打印文件内容，不加close()函数，因为python会自动关闭文件
with open('1.txt') as file_object:
    contents=file_object.read()
    print(contents)#print(contents....]]></description><category></category></item><item><title><![CDATA[python基础]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81776298</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81776298</guid><author>a1111h</author><pubDate>Fri, 17 Aug 2018 14:58:19 +0800</pubDate><description><![CDATA[python基础





python的变量


变量的命名：必须是大小写英文、数字和下划线（_）的组合，且不能用数字开头。 
驼峰命名法:类名的每个单词首字母都大写，而且不使用下划线,实例名和模块名采用小写格式，单词间加下划线_.
变量用来储存数据，每个变量在使用之前都必须先赋值（在python中变量赋值不需要类型说明），赋值之后变量被创建，同时在内存之中为变量开辟一个空间。 
在Python...]]></description><category></category></item><item><title><![CDATA['/',‘\\’与‘\’的区别]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81774798</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81774798</guid><author>a1111h</author><pubDate>Fri, 17 Aug 2018 11:27:48 +0800</pubDate><description><![CDATA[‘/’,‘//’与‘\’作用

‘/’,‘//’与‘\’在计算机语言中一般是除法和分割的意思，操作系统常使用他们来分割不同级别的目录



‘/’与‘\’区别

‘/’,与‘\’最常见于文件路径（指文件存储的位置）和网址中如：C:\Users\del\Desktop\1.zip，C:/Users/el/Desktop/1.zip和https://blog.youkuaiyun.com/a1111h

C:\U...]]></description><category></category></item><item><title><![CDATA[csdn使用Markdown编辑器写博客（3）]]></title><link>https://blog.youkuaiyun.com/a1111h/article/details/81746514</link><guid>https://blog.youkuaiyun.com/a1111h/article/details/81746514</guid><author>a1111h</author><pubDate>Thu, 16 Aug 2018 18:10:19 +0800</pubDate><description><![CDATA[Markdown的基本语法



目录

用 [TOC]来生成目录：




Markdown的基本语法
目录
表格
脚注
数学公式
UML 图:











表格

Markdown　表格语法：



| 项目      |    价格 | 数量  |
| :-------- | --------:| :--: |
| Computer  | 1600 元 |  5   |
| Pho...]]></description><category></category></item></channel></rss>