<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Martin Jiang的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jsmlay</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jsmlay]]></copyright><item><title><![CDATA[关于Lasso与Lasso深入理解]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/84837590</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/84837590</guid><author>jsmlay</author><pubDate>Wed, 05 Dec 2018 15:49:04 +0800</pubDate><description><![CDATA[人生还是要优点追求，自己应该掌握的，都躲不过去的！
在做深度学习剪裁的时候，一个问题绕不过去，就是：L1-norm，L2-norm，Lasso，Group Lasso，LARS，Group LARS的概念、原因、关系及使用。在逐步的学习中，主要依赖于这几个论文LARShttps://cosx.org/2011/04/an-introduction-to-lars/  及https://cosx.o...]]></description><category></category></item><item><title><![CDATA[关于如何实现加filter惩罚的网络剪裁]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/84727630</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/84727630</guid><author>jsmlay</author><pubDate>Sun, 02 Dec 2018 20:46:49 +0800</pubDate><description><![CDATA[关于如何实现加filter惩罚的网络剪裁
通过剪裁网络中Conv的Filter，能够实现对网络结构的压缩。使用Yolov2和SSD两个网络实测，效果显著。
但是剪裁的时候Finetuning的时间较长，说明剪裁的时候减掉了一些不重要但有些用的filter，也就是说，filter的权重不是虽然都很小，但是不够接近0。
为实现上一步，就必须在模型中加入对filter权重的惩罚，就必须知道网络如何实现对...]]></description><category></category></item><item><title><![CDATA[修正ptb_word_lm.py示例中的问题]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/54882997</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/54882997</guid><author>jsmlay</author><pubDate>Sun, 05 Feb 2017 20:40:41 +0800</pubDate><description><![CDATA[在win7 + python3 + tf 1.0.0 alpha下执行ptb_word_lm.py运行时出现以下问题：
1、无法找到rnn_cell；
2、无法找到seq2seq；
3、其他。
修正方法为：
from tensorflow.contrib import rnn

rnn.BasicLSTMCell

rnn.DropoutWrapper

rnn.MultiR]]></description><category></category></item><item><title><![CDATA[ubuntu上pycharm缺少libcupti.so]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/54646994</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/54646994</guid><author>jsmlay</author><pubDate>Sat, 21 Jan 2017 19:06:02 +0800</pubDate><description><![CDATA[ubuntu系统14.04
跑Deep Learning模型时，在控制台下一切正常，在pycharm下出现缺少libcupti.so的问题。
经检查，是为安全保障，linux桌面application不能加载LD_LIBRARY_PATH环境的问题。
许多大神给出解决方案，
1、针对每个run，在run setting里设置环境变量；麻烦之处在于每个程序都要设置;
2、修改系统文件; 这]]></description><category></category></item><item><title><![CDATA[终端远程连接家中ubuntu]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/54378112</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/54378112</guid><author>jsmlay</author><pubDate>Thu, 12 Jan 2017 15:19:25 +0800</pubDate><description><![CDATA[一直使用TeamViewer访问家中的主机，最大的问题就是网络，卡的让人疯掉。其实只是希望连接主机写个脚本执行个算法什么的，控制台就够了，上午折腾了一下，成功了，这里记录。
做之前，可以参考知乎https://www.zhihu.com/question/27771692，看看是否有更喜欢的方案。
这里实现 ngrok + secureCRT


1、去https://ngrok.com]]></description><category></category></item><item><title><![CDATA[MapReduce WordCount]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/52137559</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/52137559</guid><author>jsmlay</author><pubDate>Sat, 06 Aug 2016 18:01:07 +0800</pubDate><description><![CDATA[自己写MapReduce，遇到几个坑，其他地方查不到或者意见不统一，这里记录一下。]]></description><category></category></item><item><title><![CDATA[大数据分析之Spark初步——从安装到Demo]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/46895803</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/46895803</guid><author>jsmlay</author><pubDate>Wed, 15 Jul 2015 17:06:06 +0800</pubDate><description><![CDATA[摘要：

Spark是公司当前使用的大数据分析工具之一，这里就来初步的了解下Spark的应用。

在本文中，首先对Spark及其依赖工具进行安装和配置，并配置使得能够在IDEA下进行程序的开发。

文章最后使用IDEA开发一个《使用Kmeans算法求解鸢尾花》的大数据分析程序。

---------------------------------------------------]]></description><category></category></item><item><title><![CDATA[美联航弄坏吉他后怎么办？——驾驭来自社交媒体的客户抱怨]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/45194763</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/45194763</guid><author>jsmlay</author><pubDate>Wed, 22 Apr 2015 14:26:55 +0800</pubDate><description><![CDATA[罗伯特·沃伦(Robert Wallen)
 
埃森哲客户关系管理（CRM）咨询服务全球董事总经理。他领导的全球专家团队为客户提供营销、销售&服务、多渠道客户接触转型和客户分析等咨询服务，帮助客户实现以客户为中心的客户交互战略、客户体验管理转型以及端到端的客户运营执行。  

  客户通过社交媒体投诉企业的趋势正一发而不可收。
  根据尼尔森公司发布的数据，世界各地的网络用户2009年1]]></description><category></category></item><item><title><![CDATA[[未完待续][学习笔记] 创造力课程 纽约州立大学]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44992529</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44992529</guid><author>jsmlay</author><pubDate>Sat, 11 Apr 2015 08:48:22 +0800</pubDate><description><![CDATA[1. 每天的创造力来源于哪里？
    1>permission to fail. 正视失败，失败乃成功之母。 
    2>take the risk, even the calculated ones. 承担责任，即使是巨大的损失。 
    3>Open minded;....Embrace ambiguity; ...Avoiding immediate judgement. 开放思]]></description><category></category></item><item><title><![CDATA[转载的关于JNI的使用]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44979613</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44979613</guid><author>jsmlay</author><pubDate>Fri, 10 Apr 2015 14:53:54 +0800</pubDate><description><![CDATA[lib与dll的构建与使用方式
http://www.jb51.net/article/36447.htm
使用lib时，必须要.h和.lib两个文件
使用dll时，要有.h，.lib和.dll三个文件
使用dll时，可以只有.dll


在使用JNI时参考的两篇文章：->使用成功
http://developer.51cto.com/art/201201/311363.htm
]]></description><category></category></item><item><title><![CDATA[关于认知计算的一点浏览和摘录]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44917993</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44917993</guid><author>jsmlay</author><pubDate>Tue, 07 Apr 2015 11:25:46 +0800</pubDate><description><![CDATA[主要摘录 两院院士 李德毅 的相关论述 主要是会议发言


【走近院士】李德毅：大数据是连接虚拟和现实世界的桥梁
http://www.youkuaiyun.com/article/2014-04-03/2819123-Cloud-BigData   

摘录：
1. 智能驾驶是云计算、物联网、智慧城市这三个战略性新兴产业中的重要一点。

JSMLAY：从小智能到大智能，refer智能穿戴式]]></description><category></category></item><item><title><![CDATA[MapReduce入门实践的重要资源]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44654945</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44654945</guid><author>jsmlay</author><pubDate>Thu, 26 Mar 2015 20:07:49 +0800</pubDate><description><![CDATA[NCDC的数据资源
网址  ftp://ftp.ncdc.noaa.gov/pub/data/noaa/

数据采集脚本  


入门，稍微老一点 http://blog.youkuaiyun.com/hitwengqi/article/details/8008203


eclipse + hadoop插件 指导 http://www.cnblogs.com/shishanyuan/p/4]]></description><category></category></item><item><title><![CDATA[Ubuntu  The Eclipse executable launcher was unable to locate its companion shared library.]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44653743</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44653743</guid><author>jsmlay</author><pubDate>Thu, 26 Mar 2015 18:44:42 +0800</pubDate><description><![CDATA[ubuntu下在usr/local/bin下软链接eclipse的可执行文件
ln -s /usr/local/eclipse/eclipse
造成以下错误。
The Eclipse executable launcher was unable to
 locate its companion shared library.


解决方法：
1.删除链接的文件 
rm /usr/]]></description><category></category></item><item><title><![CDATA[摘录！[未完待续第一课] DataMinining学习 伊利诺伊大学Pattern Discovery in Data Mining 韩家炜]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44492621</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44492621</guid><author>jsmlay</author><pubDate>Fri, 20 Mar 2015 20:01:38 +0800</pubDate><description><![CDATA[Data Mining的定义为从大规模的数据中抽取非一般、隐含的、先验未知和潜在有用的模式或者知识。JSMLAY:所以模式识别是知识发现的重要内容。]]></description><category></category></item><item><title><![CDATA[AI学习过程（6）把经历放在Pipeline的哪个步骤上？]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44407953</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44407953</guid><author>jsmlay</author><pubDate>Wed, 18 Mar 2015 11:22:06 +0800</pubDate><description><![CDATA[一个PipeLine有很多步骤，如果部分主次的关注所有的步骤，通常是浪费时间的行为。如何选择正确的该花费经历的步骤采用以上方法，也即，在整个Pipeline流程中，首先使用原型系统获得准确率（85%），使用人工方式把第一步做完美，看最终系统的准确率提升，为85.1，那么该步骤的可提升范围是0.1%，依次这样做下去，挑出提升能力最强的序列，然后分配关注度。]]></description><category></category></item><item><title><![CDATA[AI学习过程（5） 在大数据上进行机器学习]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44344055</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44344055</guid><author>jsmlay</author><pubDate>Tue, 17 Mar 2015 16:45:58 +0800</pubDate><description><![CDATA[使用随机梯度下降和来在大数据上执行机器学习任务。随机梯度下降与一般的梯度下降法的区别无非是把样本的m以循环的方式放置到计算每个梯度的外部而已。使用随机梯度下降方法1.不一定每一步都是在优化；2.不会直接收敛到最终最优点（全局或者局部，但实际上逻辑回归中只有一个最优），而是围绕最优点附件的一定区域内打转转，这个收敛尚可，也支持构建一个相当不错的算法。在使用随机梯度下降的时候，一般只执行一次整体循环（]]></description><category></category></item><item><title><![CDATA[AI学习过程（4）推荐系统]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44338667</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44338667</guid><author>jsmlay</author><pubDate>Tue, 17 Mar 2015 10:43:06 +0800</pubDate><description><![CDATA[推荐系统是机器学习最常用的应用，无论是在硅谷实践还是在专家经验中。虽然在学术会议中，推荐系统几乎是不受到任何关注的较小的前沿领域，但是在实践中，推荐系统却是第一个要做的事情。我们只知道多个用户对多个电影的评分，如何求出属性？如何求出属性对应的Theta，要知道我们并不知道属性，也不知道Theta。这里有一个非常有趣的算法，就是：

通过随机生成Theta->求解X->优化Theta->优化X并]]></description><category></category></item><item><title><![CDATA[AI学习过程(3)-异常检测]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44337029</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44337029</guid><author>jsmlay</author><pubDate>Tue, 17 Mar 2015 08:54:08 +0800</pubDate><description><![CDATA[异常检测使用的是聚类算法，设定一个比例Epseno，当新点的概率p(x)在基于高斯函数的检验算法中，专家撰写一个式子并提出该式子的各部分应该符合独立假设，但是该专家说无论符不符合独立假设，该公式在实践中的使用效果都不错。这说明，即使在对待实践应用的问题，即使是重要分体（如引擎质量检测），即使是专家，也会在一定误差允许范围内容设定很多偷懒的算法。
异常检测的验证方法与信息检索的算法验证方法极其相似]]></description><category></category></item><item><title><![CDATA[AI学习过程]]></title><link>https://blog.youkuaiyun.com/jsmlay/article/details/44218303</link><guid>https://blog.youkuaiyun.com/jsmlay/article/details/44218303</guid><author>jsmlay</author><pubDate>Thu, 12 Mar 2015 10:23:03 +0800</pubDate><description><![CDATA[AI领域的一些相关专家
Ben Goertzel  http://en.wikipedia.org/wiki/Ben_Goertzel  




AI领域的一些相关信息

百度和谷歌的人工大脑应用的是 深度学习 


要看的一些内容：（以后上班了就在地铁上看这些东西）
纪录片：Through the Wormhole  http://en.wikipedia.org/wi]]></description><category></category></item></channel></rss>