<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cxiaojun的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/cxiaojun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; cxiaojun]]></copyright><item><title><![CDATA[pycharm环境配置遇到的一些问题]]></title><link>https://blog.youkuaiyun.com/cxiaojun/article/details/130148623</link><guid>https://blog.youkuaiyun.com/cxiaojun/article/details/130148623</guid><author>cxiaojun</author><pubDate>Fri, 14 Apr 2023 11:12:04 +0800</pubDate><description><![CDATA[之前一直用的pytorch，现在需要添加tensorflow与keras，配置时要注意版本问题。1.打开anaconda prompt(如果是C盘记得管理员模式打开)]]></description><category></category></item><item><title><![CDATA[sql数据库中遇到的bug记录以及解决方法]]></title><link>https://blog.youkuaiyun.com/cxiaojun/article/details/129964361</link><guid>https://blog.youkuaiyun.com/cxiaojun/article/details/129964361</guid><author>cxiaojun</author><pubDate>Wed, 05 Apr 2023 00:27:02 +0800</pubDate><description><![CDATA[报错：*Illegal mix of collations (utf8mb4_general_ci,IMPLICIT) and (utf8mb4_0900_ai_ci,IMPLICIT) for operation ‘=’。在出问题的表后面加入COLLATE utf8mb4_unicode_ci;b.在设计表的时候，设定每一列的排序规则统一；错误：没有设置指定格式，写入数据库时候，变成了text，与其它数据格式不统一，不方便后续操作。]]></description><category></category></item><item><title><![CDATA[Python神经网络编程学习记录（二）]]></title><link>https://blog.youkuaiyun.com/cxiaojun/article/details/119321062</link><guid>https://blog.youkuaiyun.com/cxiaojun/article/details/119321062</guid><author>cxiaojun</author><pubDate>Mon, 02 Aug 2021 15:49:16 +0800</pubDate><description><![CDATA[第2章 使用Python进行DIY
2.1 -2.3 Python。输入jupyter notebook打开jupyter notebook。介绍了一些python的基础用法。列表，数组，函数等。在前馈信号或通过网络反向传播误差时，需要进行大量计算，通过使用数组或矩阵，我们可以简化指令，因此数组或矩阵非常有用。类和对象之间的区别。于对象已经有了整齐封装在内的数据和函数。
2.4 使用Python制作神经网络
2.4.1 框架代码
让我们勾勒神经网络类的大概样子。我们知道，它应该至少有3个函
数：
初始化函数]]></description><category></category></item><item><title><![CDATA[Python神经网络编程学习记录（一）]]></title><link>https://blog.youkuaiyun.com/cxiaojun/article/details/119247837</link><guid>https://blog.youkuaiyun.com/cxiaojun/article/details/119247837</guid><author>cxiaojun</author><pubDate>Mon, 02 Aug 2021 10:32:30 +0800</pubDate><description><![CDATA[Python神经网络编程学习记录（一）
总结：共三章。两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善神经网络的性能，并加深对相关知识的理解。附录分别介绍了所需的微积分知识和树莓派知识。
神经网络是一种，模拟人脑的神经网络，实现一些类人工智能的功能的机器学习技术。最开始人类就探索让机器从机械化工作到从事一些智能工作，这本书用识别人类手写数字来举例。
]]></description><category></category></item><item><title><![CDATA[2021-07-13]]></title><link>https://blog.youkuaiyun.com/cxiaojun/article/details/118693969</link><guid>https://blog.youkuaiyun.com/cxiaojun/article/details/118693969</guid><author>cxiaojun</author><pubDate>Tue, 13 Jul 2021 17:27:21 +0800</pubDate><description><![CDATA[python金融大数据分析读后感欢迎使用Markdown编辑器# 系列文章目录前言一、为什么将python 用于金融？1.python编程语言2.金融中的科技二、python基础架构1.conda教学2.使用Docker容器。云实例。协调Droplet设置的脚本。总结
欢迎使用Markdown编辑器# 系列文章目录
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档]]></description><category></category></item><item><title><![CDATA[gensim的word2vec训练词向量 英文语料]]></title><link>https://blog.youkuaiyun.com/cxiaojun/article/details/105461282</link><guid>https://blog.youkuaiyun.com/cxiaojun/article/details/105461282</guid><author>cxiaojun</author><pubDate>Mon, 13 Jul 2020 15:04:19 +0800</pubDate><description><![CDATA[gensim的word2vec训练词向量 英文语料
1.先处理语料
批量处理语料文章，去除标点符号，写到一个新文本里。
import os
txt_path="路径.txt"
save_path="路径.小程序"
txt_name=sorted(os.listdir(txt_path))
txt_path_length=len(txt_name)
for i in range(txt_path_l...]]></description><category></category></item><item><title><![CDATA[代码理解（1）]]></title><link>https://blog.youkuaiyun.com/cxiaojun/article/details/105334355</link><guid>https://blog.youkuaiyun.com/cxiaojun/article/details/105334355</guid><author>cxiaojun</author><pubDate>Wed, 08 Apr 2020 17:52:26 +0800</pubDate><description><![CDATA[代码理解
main.py
if __name__ == "__main__":
    if len(sys.argv) &lt; 2:
        print("menu:\n\ttrain\n\tpredict")
        exit()  
    if sys.argv[1] == "train":
        cn = ChineseNER("train")
       ...]]></description><category></category></item></channel></rss>