<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[hsiffish的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/hsiffish</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; hsiffish]]></copyright><item><title><![CDATA[基于vim搭建Go语言IDE]]></title><link>https://blog.youkuaiyun.com/hsiffish/article/details/82313792</link><guid>https://blog.youkuaiyun.com/hsiffish/article/details/82313792</guid><author>hsiffish</author><pubDate>Sun, 02 Sep 2018 12:25:54 +0800</pubDate><description><![CDATA[基于vim搭建Go语言IDE


  开始前提： 
  系统为unix系统 
  系统已安装Go语言环境和vim



安装vim插件管理工具vundle
安装Go语言代码检查和高亮插件vim-go
安装语言自动补全工具YouCompleteMe
安装代码结构展示插件Tagbar
安装目录结构展示插件NERDTree
附：vim配色方案




1-安装vim插件管理工具vundle

vundl...]]></description><category></category></item><item><title><![CDATA[论文解读：NMF-KNN : Image Annotation using Weighted Multi-view Non-negative Matrix Factorization]]></title><link>https://blog.youkuaiyun.com/hsiffish/article/details/78807754</link><guid>https://blog.youkuaiyun.com/hsiffish/article/details/78807754</guid><author>hsiffish</author><pubDate>Fri, 15 Dec 2017 11:15:07 +0800</pubDate><description><![CDATA[摘要现实中一个数据库中的图片是不断动态变化的，因此现有的图像标注方法有连个主要的缺点：一是加入新标签和新图像时，模型需要重新训练；二是需要对图像的多个特征进行专门的特征融合，再作为数据使用。本文提出一种加权的多视角非负矩阵分解方法来解决这两个问题。核心思想是利用提出的NMF-KNN算法在近邻图像集的特征和标签上学习基于查询的生成模型。NMF-KNN算法在不同特征的系数矩阵上加上一致性约束，这使得所有]]></description><category></category></item><item><title><![CDATA[论文解读：Multi-view Clustering via Joint Nonnegative Matrix Factorization]]></title><link>https://blog.youkuaiyun.com/hsiffish/article/details/78783849</link><guid>https://blog.youkuaiyun.com/hsiffish/article/details/78783849</guid><author>hsiffish</author><pubDate>Thu, 14 Dec 2017 20:29:26 +0800</pubDate><description><![CDATA[摘要很多真实世界中的数据集由不同表达和视角组成，这些不同的表达和视角的信息往往互为补充。为了整合非监督集合中多个视角的信息，多视觉聚类算法同时聚类不同视角以得到一个聚类结果，这个结果揭示了多个视觉共享一个潜在结构。本文我们提出了一个NMF（基于非负矩阵分解）的多视角聚类算法，该算法寻找一个因式分解，使得多个视角给出一致的聚类结果。本文提出算法的关键在对有约束的联合非负矩阵因式分解过程进行公式化，该分]]></description><category></category></item><item><title><![CDATA[word2vec 模型的详细数学推导和直观理解]]></title><link>https://blog.youkuaiyun.com/hsiffish/article/details/78673924</link><guid>https://blog.youkuaiyun.com/hsiffish/article/details/78673924</guid><author>hsiffish</author><pubDate>Thu, 30 Nov 2017 15:51:36 +0800</pubDate><description><![CDATA[word2vec作为一个优秀的用于产生词向量开源工具，在自然语言处理和计算机视觉领域有着很多应用，实践中效果相当好，但是很多使用者往往知其然不知其所以然。本文对word2vec Parameter Learning Explained这篇文章进行翻译和解读。深入浅出地剖析了词嵌入模型的参数学习过程，给出了详细的数学推导以及直观的解释。看完对word2vec会有一个更深层次的理解，有利于更好地使用和...]]></description><category></category></item><item><title><![CDATA[Python中的垃圾回收机制详解]]></title><link>https://blog.youkuaiyun.com/hsiffish/article/details/78503082</link><guid>https://blog.youkuaiyun.com/hsiffish/article/details/78503082</guid><author>hsiffish</author><pubDate>Fri, 10 Nov 2017 20:25:03 +0800</pubDate><description><![CDATA[网上可以找到的python垃圾回收机制的相关文章大多数大同小异，语焉不详。直到看到这篇文章才恍然大悟，作者分析透彻，很好理解，果断分享。GC作为现代编程语言的自动内存管理机制，专注于两件事：1. 找到内存中无用的垃圾资源 2. 清除这些垃圾并把内存让出来给其他对象使用。]]></description><category></category></item><item><title><![CDATA[常见的Python面试题]]></title><link>https://blog.youkuaiyun.com/hsiffish/article/details/78496347</link><guid>https://blog.youkuaiyun.com/hsiffish/article/details/78496347</guid><author>hsiffish</author><pubDate>Fri, 10 Nov 2017 09:31:44 +0800</pubDate><description><![CDATA[引言

面试Python开发岗位时，不仅仅要会手撸代码，还要对Python的原理以及整体的架构有一个了解。下面整理了面试时常问的Python问题。



常见问题

1、python的垃圾回收机制


Python的GC模块主要运用了“引用计数”（reference counting）来跟踪和回收垃圾。在引用计数的基础上，还可以通过“标记-清除”（mark and sweep）解决容器对象可能产生]]></description><category></category></item><item><title><![CDATA[PPP：Joint Pointwise and Pairwise Image Label Prediction 解读]]></title><link>https://blog.youkuaiyun.com/hsiffish/article/details/78469194</link><guid>https://blog.youkuaiyun.com/hsiffish/article/details/78469194</guid><author>hsiffish</author><pubDate>Tue, 07 Nov 2017 16:21:05 +0800</pubDate><description><![CDATA[PPP：Joint Pointwise and Pairwise Image Label Prediction 是CVPR2016的一篇文章，提出将pointwise（单标签）和pairwise label （对标签）结合起来进行图像标注词的预测。本文对该文章进行翻译和解读。]]></description><category></category></item><item><title><![CDATA[区分编译型语言，解释型语言是否还有意义？]]></title><link>https://blog.youkuaiyun.com/hsiffish/article/details/78405727</link><guid>https://blog.youkuaiyun.com/hsiffish/article/details/78405727</guid><author>hsiffish</author><pubDate>Tue, 31 Oct 2017 17:18:45 +0800</pubDate><description><![CDATA[没有意义。编程语言从来没有编译型和解释型之分，只能说一门编程语言的常见执行方式为编译器编译成新代码(交给解释器或者机器码执行)，或者解释器解释执行。
什么是编译器？
什么解释器？
总结
什么是编译器？
  编译器，简单的说，就是一个程序，它的输入是一种A语言的源代码，输出是一种B语言的源代码，比如C++编译器，将C++源代码编译成为汇编代码。一般来说，A语言和B语言是不同的（但也有相同的情况，一般用]]></description><category></category></item></channel></rss>