<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[caorui_nk的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/caorui_nk</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; caorui_nk]]></copyright><item><title><![CDATA[达梦数据库备份与还原]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/114676076</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/114676076</guid><author>caorui_nk</author><pubDate>Thu, 11 Mar 2021 20:32:23 +0800</pubDate><description><![CDATA[达梦数据库备份与还原DM8备份与还原1. 备份还原原理1.1 归档说明功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
DM8备份与还原
DM 数据库中的数据存储在数据库的物理数据文件中，数据文件按照页、簇和段的方式进行管理，数据页]]></description><category></category></item><item><title><![CDATA[Learning from class-imbalanced data: Review of methods and applications 论文阅读]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/98479453</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/98479453</guid><author>caorui_nk</author><pubDate>Mon, 12 Aug 2019 10:51:31 +0800</pubDate><description><![CDATA[目录Learning from class-imbalanced data: Review of methods and applications摘要introdution 介绍Research methodology and initial statistics 调研方法和初始统计Research methodology 调研方法Initial statistics 初步统计Imbalanced...]]></description><category></category></item><item><title><![CDATA[深度学习《面试》你可能需要知道的]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/88670245</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/88670245</guid><author>caorui_nk</author><pubDate>Tue, 19 Mar 2019 19:11:34 +0800</pubDate><description><![CDATA[深度学习面试你可能需要知道的列举常见的一些范数及其应用场景，如L0，L1，L2，L∞，Frobenius范数简单介绍一下贝叶斯概率与频率派概率，以及在统计中对于真实参数的假设。概率密度的万能近似器简单介绍一下sigmoid，relu，softplus，tanh，RBF及其应用场景sigmoidsoftplusReLUtanhRBFJacobian，Hessian矩阵及其在深度学习中的重要性KL散度...]]></description><category></category></item><item><title><![CDATA[学习、面试参考资料]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/87937559</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/87937559</guid><author>caorui_nk</author><pubDate>Tue, 26 Feb 2019 16:24:39 +0800</pubDate><description><![CDATA[一些学习资料的整理机器学习C++python其他
机器学习

 2018/2019/校招/春招/秋招/算法/机器学习(Machine Learning)/深度学习(Deep Learning)/自然语言处理(NLP)/C/C++/Python/面试笔记
 人工智能-机器学习笔试面试题解析
 深度学习中文版
 深度学习面试问题 回答对应的DeepLearning中文版页码
 A Chinese Tr...]]></description><category></category></item><item><title><![CDATA[《编写高质量代码改善C++程序的150个建议》读书笔记]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/87621662</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/87621662</guid><author>caorui_nk</author><pubDate>Fri, 22 Feb 2019 13:38:26 +0800</pubDate><description><![CDATA[《编写高质量代码改善C++程序的150个建议》读书笔记第一部分 语法篇建议0：不要让main函数返回void建议1：区分0的四种面孔建议2：避免那些有运算符引发的混乱建议3：对表达式计算顺序不要想当然
第一部分 语法篇
建议0：不要让main函数返回void
main函数只有以下两种定义方法是正确的：
int main(void)
int main(int argc, char *argv[])
...]]></description><category></category></item><item><title><![CDATA[SEAL context（3.1.0）]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/85051188</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/85051188</guid><author>caorui_nk</author><pubDate>Mon, 17 Dec 2018 16:16:15 +0800</pubDate><description><![CDATA[SEAL参数设置
文件原位置SEAL/context.h
// Copyright (c) Microsoft Corporation. All rights reserved.
// Licensed under the MIT license.

#pragma once

#include &amp;lt;unordered_map&amp;gt;
#include &amp;lt;functional&amp;gt;
#...]]></description><category></category></item><item><title><![CDATA[SEAL参数（3.1.0）]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/85046780</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/85046780</guid><author>caorui_nk</author><pubDate>Mon, 17 Dec 2018 11:21:17 +0800</pubDate><description><![CDATA[SEAL参数设置
文件原位置SEAL/encryptionparams.h
// Copyright (c) Microsoft Corporation. All rights reserved.
// Licensed under the MIT license.

#pragma once

#include &amp;lt;iostream&amp;gt;
#include &amp;lt;numeric&amp;gt;
...]]></description><category></category></item><item><title><![CDATA[运行错误：error while loading shared libraries: xxx.so.0:cannot open shared object file]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/84952015</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/84952015</guid><author>caorui_nk</author><pubDate>Tue, 11 Dec 2018 11:13:17 +0800</pubDate><description><![CDATA[链接时通过-L和-l来指定自己的库，make可以通过，但是在执行的过程中报如上的错误，搜索了以下，发现还得将
自己的库所在路径添加到.bash_profile中，更改以后重新运行自己的程序，就没有问题了。
vim ~/.bash_profile

加入
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/your_file_path/lib
export LD_LIBRA...]]></description><category></category></item><item><title><![CDATA[SEAL 3.1.0]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/84945165</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/84945165</guid><author>caorui_nk</author><pubDate>Mon, 10 Dec 2018 19:41:47 +0800</pubDate><description><![CDATA[SEAL 3.1.012/2/2018：SEAL 3.1.010/19/2018：SEAL 3.0的修补程序10/17/2018：SEAL 3.0发布
刚发现SEAL 发布了3.1.0版本，看来之前做的实验要来一次翻新，哭泣。
12/2/2018：SEAL 3.1.0
在MIT许可下在GitHub上发布 除了许可证更改之外，此版本还带来了许多内部和一些API更新。

更改为使用Google Tes...]]></description><category></category></item><item><title><![CDATA[模数实例（SEAL/smallmodulus.h  2.3.0）]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/84865087</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/84865087</guid><author>caorui_nk</author><pubDate>Mon, 10 Dec 2018 14:52:54 +0800</pubDate><description><![CDATA[模数实例（SEAL/smallmodulus.h）介绍overviewprivate成员public
文件原位置SEAL/smallmodulus.h
介绍
加密参数plain_modulus和coeff_modulus中的素数由SmallModulus的实例表示。 整数模数的表示高达62位。 此类的目的是执行和存储Barrett约简（Barrett reduction）所需的预计算。
@par ...]]></description><category></category></item><item><title><![CDATA[KDD全过程利用缺失数据的方法 by张师超]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/84876293</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/84876293</guid><author>caorui_nk</author><pubDate>Sun, 09 Dec 2018 19:13:31 +0800</pubDate><description><![CDATA[KDD全过程利用缺失数据的方法 by张师超挑战问题缺失数据利用方式填充结果即用式混合属性填充统计参数最优填充聚类填充缺失数据填充缺失数据分类结束语
挑战问题
数据缺失在机器学习人工智能领域十分常见，如何处理缺失数据是要考虑的问题。
数据缺失的几种形式：

完全随机缺失（满足统计规律，容易填充）
随机缺失
非随机缺失（填充困难）

数据缺失的原因：

客观原因：数据丢失，采集不全
主观原因

缺失数...]]></description><category></category></item><item><title><![CDATA[MPIR linux配置]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/84779109</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/84779109</guid><author>caorui_nk</author><pubDate>Mon, 03 Dec 2018 20:43:15 +0800</pubDate><description><![CDATA[MPIR linux配置安装配置使用
安装
aolocal
autoconf
automake
./congigure --enable-cxx --prefix=your_file_path
make
make install

配置
vim ./bash_profile

添加路径
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/your_file_path/li...]]></description><category></category></item><item><title><![CDATA[SEAL中用CRT完成多项式编码相关（SEAL/Polycrt.h 2.3.0）]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/84750630</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/84750630</guid><author>caorui_nk</author><pubDate>Mon, 03 Dec 2018 14:50:39 +0800</pubDate><description><![CDATA[SEAL中CRT 编码相关实现及说明介绍overview构造函数基本构造深拷贝移动编码(compose)uint64_tint64_tplaintext解码(decompose）uint64_tint64_tplaintext其他void PolyCRTBuilder::populate_roots_of_unity_vector()void PolyCRTBuilder::populate_ma...]]></description><category></category></item><item><title><![CDATA[机器学习模型支持缺失值的那些事儿]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/84618370</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/84618370</guid><author>caorui_nk</author><pubDate>Thu, 29 Nov 2018 10:42:17 +0800</pubDate><description><![CDATA[机器学习模型支持缺失值的那些事儿机器学习模型如何支持缺失值支持缺失值的一些模型基于树类的模型随机森林XGBoost神经网络模型
之前读过一些别人的文章，对于有些模型可以支持缺失数据这件事有点印象，最近开始做一个新的项目，缺失大量的数据，所以就想用这些支持缺失值的模型完成工作。
机器学习模型如何支持缺失值
其实，这个支持并不是说算法本身就不考虑缺失值了，而是开发这个包的程序员帮助你实现了数据预处理，...]]></description><category></category></item><item><title><![CDATA[Paillier Cryptosystem]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/83305709</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/83305709</guid><author>caorui_nk</author><pubDate>Tue, 23 Oct 2018 13:49:20 +0800</pubDate><description><![CDATA[Paillier加法同态加密算法及相关证明Paillier 加法同态加密算法及相关证明密钥生成加密解密同态的性质应用安全背景知识
Paillier 加法同态加密
参考slide，维基百科。
算法及相关证明
密钥生成

随机选择两个大素数 ppp, qqq，使得他们彼此独立，即满足 gcd(pq,(p−1)(q−1))=1\mathrm{gcd}(pq, (p-1)(q-1))=1gcd(pq,(p...]]></description><category></category></item><item><title><![CDATA[MPIR VS2017配置及使用]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/83245607</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/83245607</guid><author>caorui_nk</author><pubDate>Sun, 21 Oct 2018 21:23:02 +0800</pubDate><description><![CDATA[MPIR VS2017配置及使用MPIR VS2017配置及使用所需YASM相关（64位）yasm readmeBuilding MPIR其他汇编程序优化版本测试Visual Studio的MPIR版本
MPIR VS2017配置及使用
因为要使用大数运算，自己在GitHub上找到star最多的c++版本BigNumber用string实现，但是在实际使用过程中，发现其运算能力有限，主要是乘法和除...]]></description><category></category></item><item><title><![CDATA[tensorflow自定义函数的遗留问题]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/82963970</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/82963970</guid><author>caorui_nk</author><pubDate>Mon, 08 Oct 2018 09:57:53 +0800</pubDate><description><![CDATA[根据上一篇的方式可以自定义一个名为“pyFun”的激活函数，且能正常的训练。

但是在我load_model（即加载已经训练好的模型时），发现tensorflow找不到这个函数。解决办法想来应该很简单就是重新把这个函数写进去就可以了，但是实际运用过程中似乎这样的方式不能起效。目前还没有解决这一问题，留待之后解决。...]]></description><category></category></item><item><title><![CDATA[tensorflow自定义激活函数]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/82898200</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/82898200</guid><author>caorui_nk</author><pubDate>Sat, 29 Sep 2018 16:04:06 +0800</pubDate><description><![CDATA[前言：因为研究工作的需要，要更改激活函数以适应自己的网络模型，但是单纯的函数替换会训练导致不能收敛。这里还有些不清楚为什么，希望有人可以给出解释。查了一些博客，发现了解决之道。下面将解决过程贴出来供大家指正。

1.背景

之前听某位老师提到说tensorflow可以在不给梯度函数的基础上做梯度下降，所以尝试了替换。我的例子时将ReLU改为平方。即原来的激活函数是 现在换成.

单纯替换激活函数并...]]></description><category></category></item><item><title><![CDATA[非root用户在服务器安装不同版本的python]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/82897867</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/82897867</guid><author>caorui_nk</author><pubDate>Sat, 29 Sep 2018 15:25:00 +0800</pubDate><description><![CDATA[这个问题发生过好多次，一直没有认真对待，导致我每次用一个新的服务器就要重新配置。现在把这个过程记录下来，方便自己以后查找，也希望可以帮到其他人。

因为权限问题，在使用服务器全局的python时总因为不能安装包从而限制了使用，一个取巧的办法就是安装一个自己使用的python版本。

1.下载python的相应版本

首先进入想要存储下载文件位置的文件夹，然后下载python（下面的以python3...]]></description><category></category></item><item><title><![CDATA[python&amp;C++  python读取tensorflow模型参数，写入txt文件，C++读取txt文件]]></title><link>https://blog.youkuaiyun.com/caorui_nk/article/details/80831486</link><guid>https://blog.youkuaiyun.com/caorui_nk/article/details/80831486</guid><author>caorui_nk</author><pubDate>Wed, 27 Jun 2018 16:49:33 +0800</pubDate><description><![CDATA[发现用C++读.mat文件需要matlab的依赖，本机没有装matlab，只能用最朴素的方式来存储数据核读入数据了。1.讲tensorflow的参数存入txt文件存的模型与上一篇博客一致，只是这次改用txt。numpy自带的写入文件函数支持一维数组和二维数组的写入，但是卷积核这个是四维的，且shape为[卷积核高，卷积核宽，输入通道数，输出通道数]，在这里我把shape转为[输出通道数，输入通道数...]]></description><category></category></item></channel></rss>