<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[aoanng的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/colourful_sky</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; colourful_sky]]></copyright><item><title><![CDATA[Java正则表达式]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/105893544</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/105893544</guid><author>colourful_sky</author><pubDate>Sat, 02 May 2020 18:37:08 +0800</pubDate><description><![CDATA[单个字符的匹配规则如下：




正则表达式
规则
可以匹配




A
指定字符
A


\u548c
指定Unicode字符
和


.
任意字符
a，b，&amp;，0


\d
数字0~9
0~9


\w
大小写字母，数字和下划线
a~z，A~Z，0~9，_


\s
空格、Tab键
空格，Tab


\D
非数字
a，A，&amp;，_，……


\W
非\w
&amp;，@，中，……...]]></description><category></category></item><item><title><![CDATA[如何在markdown中插入表情包]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/97824069</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/97824069</guid><author>colourful_sky</author><pubDate>Tue, 30 Jul 2019 22:17:31 +0800</pubDate><description><![CDATA[我们平时经常使用markdown完成一些诸如博客的文档写作，但是有时像我这种语言比较乏力的急需要在文档写作过程中插入表情包来完整的表达我想要表达的意思，所以我去网上查了一下，还真有。
比如我想要表达开心即smile的表情，那么我只需要使用双冒号中间加入英文单词就可以啦，例如：
:smile::smile::smile:  ]]></description><category></category></item><item><title><![CDATA[初识VSCode]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/86562456</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/86562456</guid><author>colourful_sky</author><pubDate>Sun, 20 Jan 2019 15:22:33 +0800</pubDate><description><![CDATA[Visual Studio Code（以下简称vscode）是一个轻量且强大的代码编辑器，跨平台支持Windows，Mac OS X和Linux。内置JavaScript、TypeScript和Node.js支持，而且拥有丰富的插件生态系统，可通过安装插件来支持C++、C#、JAVA、Python、PHP等其他语言。
微软对于vscode的定位如下图，位于编辑器与IDE之间，但是更像一个编辑器。
...]]></description><category></category></item><item><title><![CDATA[编辑器、编译器以及IDE]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/86556632</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/86556632</guid><author>colourful_sky</author><pubDate>Sat, 19 Jan 2019 20:43:05 +0800</pubDate><description><![CDATA[编辑器： 顾名思义，就是编辑所用的软件，比如windows自带的记事本就是一个简单的编辑器软件，你要是喜欢，也可有用记事本来写代码，只不过记事本没有语法高亮，不显示行号等等一些弊端很少有程序员会用记事本去写代码，写代码比较好用的编辑器软件有vs code，vim，sublime，notepad++，emacs，atom等等，不同的编辑器软件有不同的功能，各有各的优点，但大同小异，可根据自身需求选择...]]></description><category></category></item><item><title><![CDATA[win10下安装绿色版mysql 8.0.13]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/85332155</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/85332155</guid><author>colourful_sky</author><pubDate>Fri, 28 Dec 2018 22:14:10 +0800</pubDate><description><![CDATA[
下载mysql： MySQL官方网站下载最新的MySQL Community Server版本：
https://dev.mysql.com/downloads/mysql/
我这里为mysql-8.0.13-winx64.zip；
解压安装： 解压到你想要指定的安装目录，我这里为D:\setup\mysql\mysql-8-0-13，mysql-8-0-13为自己改过的mysql文件名；
配置...]]></description><category></category></item><item><title><![CDATA[python中argparse模块简介]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/84038583</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/84038583</guid><author>colourful_sky</author><pubDate>Wed, 14 Nov 2018 00:00:18 +0800</pubDate><description><![CDATA[Python解析命令行读取参数 – argparse模块
前言：
在多个文件或者不同语言协同的项目中，python脚本经常需要从命令行直接读取参数。万能的python就自带了argprase包使得这一工作变得简单而规范。PS：optparse包是类似的功能，只不过写起来更麻烦一些。
argparse模块：
argparse是python用于解析命令行参数和选项的标准模块，用于代替已经过时的optp...]]></description><category></category></item><item><title><![CDATA[python中字典（dictionary）数据类型常用操作]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/82560231</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/82560231</guid><author>colourful_sky</author><pubDate>Sun, 09 Sep 2018 17:22:25 +0800</pubDate><description><![CDATA[创建字典

字典是另一种可变容器模型，且可存储任意类型对象。 
字典的每个键值(key=&amp;gt;value)对用冒号(:)分割，每个对之间用逗号(,)分割，整个字典包括在花括号({})中 ,格式如下所示：



d = {key1 : value1, key2 : value2 }

键必须是唯一的，但值则不必。 
值可以取任何数据类型，但键必须是不可变的，如字符串，数字或元组。 
一个简单的字典...]]></description><category></category></item><item><title><![CDATA[tensorflow实现一个简单的卷积神经网络实现手写数字识别]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/82086285</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/82086285</guid><author>colourful_sky</author><pubDate>Mon, 27 Aug 2018 00:16:31 +0800</pubDate><description><![CDATA[Tensorflow是一个采用数据流图（data flow graphs）用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。如下图： 
 
借助其灵活的架构，用户可以轻松地将计算工作部署到多种平台（CPU、GPU、TPU）和设备（桌面设备、服务器集群、移动设备、边缘设备等）。TensorFlow™ 最...]]></description><category></category></item><item><title><![CDATA[python实现随机森林]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/82082854</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/82082854</guid><author>colourful_sky</author><pubDate>Sun, 26 Aug 2018 18:10:59 +0800</pubDate><description><![CDATA[定义：

随机森林指的是利用多棵决策树对样本进行训练并预测的一种分类器。可回归可分类。 
所以随机森林是基于多颗决策树的一种集成学习算法，常见的决策树算法主要有以下几种： 
1. ID3：使用信息增益g(D,A)进行特征选择  
2. C4.5：信息增益率 =g(D,A)/H(A)  
3. CART：基尼系数  
一个特征的信息增益(或信息增益率，或基尼系数)越大，表明特征对样本的熵的减少能力更...]]></description><category></category></item><item><title><![CDATA[python实现ID3决策树分类算法]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/82056125</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/82056125</guid><author>colourful_sky</author><pubDate>Sat, 25 Aug 2018 22:31:49 +0800</pubDate><description><![CDATA[所有的分类与回归算法中心思想大致是一样的，那就是根据现有带标签的数据集训练一个分类器模型，然后对待未知的样本，根据训练好的分类模型来判定它属于哪个类。分类与回归的区别在我看来就是标签连续与否的区别，若标签连续，则是回归，若标签离散，则是分类。

数据集中的每个样本的特征都是相同维度的，生活中我们常遇到的是根据某个样本少量的特征就可以确定这个样本属于哪个类，比如可以根据一个人的长相、身高、文凭、收入...]]></description><category></category></item><item><title><![CDATA[python中字符串常用操作]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/81823516</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/81823516</guid><author>colourful_sky</author><pubDate>Sun, 19 Aug 2018 03:36:02 +0800</pubDate><description><![CDATA[字符串是 Python 中最常用的数据类型。我们可以分别使用单引号'和双引号    ''来创建字符串。 
字符串一旦创立之后，即不可更改，和python中的元组数据类型一样。 
Python 不支持单字符类型，单字符在 Python 中也是作为一个字符串使用。



# -*- coding: utf-8 -*-
&quot;&quot;&quot;
Created on Sun Aug 19 01:00:51 2018

@...]]></description><category></category></item><item><title><![CDATA[python中内置高阶函数map，reduce，filter以及sorted简介]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/81814734</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/81814734</guid><author>colourful_sky</author><pubDate>Sun, 19 Aug 2018 01:39:26 +0800</pubDate><description><![CDATA[1，map()与reduce()

map()函数接收两个参数，一个是函数，一个是Iterabled对象，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。

例子如下：

a = list(map(int, '1234568'))
print(a)
#[1, 2, 3, 4, 5, 6, 8]

reduce()把一个函数作用在一个序列[x1, x2, x3, …...]]></description><category></category></item><item><title><![CDATA[python中列表list的常用操作]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/81814580</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/81814580</guid><author>colourful_sky</author><pubDate>Sun, 19 Aug 2018 00:30:55 +0800</pubDate><description><![CDATA[列表是python中最常用的数据结构之一，非常好用，它可以作为一个方括号内的逗号分隔值出现。列表的数据项不需要具有相同的类型，接下来简单的介绍一下python中列表这种数据类型的常用操作



# -*- coding: utf-8 -*-
&quot;&quot;&quot;python
Created on Sat Aug 18 20:37:43 2018

@author: aoanng
&quot;&quot;&quot;

## 创建列表
# 创...]]></description><category></category></item><item><title><![CDATA[基于深度学习的目标检测技术演进：从目标检测到人脸检测]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/81275353</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/81275353</guid><author>colourful_sky</author><pubDate>Sun, 29 Jul 2018 20:54:04 +0800</pubDate><description><![CDATA[本篇博客主要转载两篇写得好的分别介绍基于深度学习的目标检测和人脸检测的文章，最近在调研基于深度学习的人脸检测相关的文章，在网上查相关资料时，有幸看到。文末附带基于深度学习的目标检测和人脸检测相关经典文献及下载地址。



基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN

object detection我的理解，就是在给定的图片中精确找到物体所在位置，并...]]></description><category></category></item><item><title><![CDATA[python直接赋值、浅拷贝与深拷贝的区别解析]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/81263998</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/81263998</guid><author>colourful_sky</author><pubDate>Sat, 28 Jul 2018 18:44:21 +0800</pubDate><description><![CDATA[
直接赋值：其实就是对象的引用（别名）。
浅拷贝(copy)：拷贝父对象，不会拷贝对象的内部的子对象。
深拷贝(deepcopy)： copy 模块的 deepcopy 方法，完全拷贝了父对象及其子对象。


实例解析 
a = {1: [1,2,3]} 
1. b = a: 赋值引用，a 和 b 都指向同一个对象，如下图： 
 
2. b = a.copy():  浅拷贝, a 和 b 是一个独...]]></description><category></category></item><item><title><![CDATA[python--闭包与装饰器简介]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/81263800</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/81263800</guid><author>colourful_sky</author><pubDate>Sat, 28 Jul 2018 18:17:24 +0800</pubDate><description><![CDATA[不管是闭包函数还是装饰器，都是基于函数的。

我们知道，函数名其实就是指向一段内存空间的地址，既然是地址，那么我们可以利用这种特性。

满足以下三点中的两点即称为高级函数：

1，函数名可以作为一个值 
函数名可以作为一个值即可以将一个函数名赋值给一个变量，此时该变量拥有和函数同样的功能，如下所示：

In: abs(-1)
Out: 1
In: a = abs
In: a(-1)
Out: 1
...]]></description><category></category></item><item><title><![CDATA[python中的下划线"_"讲解]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/81262449</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/81262449</guid><author>colourful_sky</author><pubDate>Sat, 28 Jul 2018 16:31:30 +0800</pubDate><description><![CDATA[python中，下划线 &amp;amp;amp;quot;_&amp;amp;amp;quot;&amp;amp;amp;quot;_&amp;amp;amp;quot;&amp;amp;amp;quot; \_&amp;amp;amp;quot; 不管是单独作为变量名或者作为变量名的前缀或者后缀，是有特殊含义的，下面简要的来总结一下。



1， 单下划线 &amp;amp;amp;quot;_&amp;amp;amp;quot;&amp;amp;amp;quot;_&amp;amp;amp;quot;]]></description><category></category></item><item><title><![CDATA[专利撰写概述]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/81118212</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/81118212</guid><author>colourful_sky</author><pubDate>Thu, 19 Jul 2018 16:36:23 +0800</pubDate><description><![CDATA[最近准备将前几个月在项目中做出的一些成果整理成专利发表，看了前几届师兄师姐发表的专利以及从网上下载本领域的相关专利来看，不得不说，专利的撰写是遵从一定的规律的，有相关的模板以及套路。就在前几天我刚完我的第一篇专利，这里简要的总结一下撰写流程以及撰写过程中的一些注意事项以备不时之需。



定义：

专利（patent)，从字面上是指专有的权利和利益。“专利”一词来源于拉丁语Litterae pat...]]></description><category></category></item><item><title><![CDATA[机器学习--逻辑回归]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/80905446</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/80905446</guid><author>colourful_sky</author><pubDate>Tue, 03 Jul 2018 22:38:46 +0800</pubDate><description><![CDATA[1、总述

逻辑回归是应用非常广泛的一个分类机器学习算法，它将数据拟合到一个logit函数(或者叫做logistic函数)中，从而能够完成对事件发生的概率进行预测。

2、由来

要说逻辑回归，我们得追溯到线性回归，想必大家对线性回归都有一定的了解，即对于多维空间中存在的样本点，我们用特征的线性组合去拟合空间中点的分布和轨迹。如下图所示：



线性回归能对连续值结果进行预测，而现实生活中常见的另...]]></description><category></category></item><item><title><![CDATA[机器学习优化问题-经验风险、期望风险、结构风险]]></title><link>https://blog.youkuaiyun.com/colourful_sky/article/details/80902323</link><guid>https://blog.youkuaiyun.com/colourful_sky/article/details/80902323</guid><author>colourful_sky</author><pubDate>Tue, 03 Jul 2018 18:07:08 +0800</pubDate><description><![CDATA[经验风险：对所有训练样本都求一次损失函数，再累加求平均（平均损失）。即，模型f(x)对训练样本中所有样本的预测能力。



Rexp=1N∑i=1NL(yi,f(xi))Rexp=1N∑i=1NL(yi,f(xi))R_{exp} = \frac{1}{N}\sum_{i=1}^{N}L(y_i,f(x_i))

所谓经验风险最小化即对训练集中的所有样本点损失函数的平均最小化。经验风险越小说明模型...]]></description><category></category></item></channel></rss>