<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jyh_AI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jyh_AI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jyh_AI]]></copyright><item><title><![CDATA[Pycharm中的中文显示问题处理]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/127434996</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/127434996</guid><author>jyh_AI</author><pubDate>Thu, 20 Oct 2022 22:31:09 +0800</pubDate><description><![CDATA[Pycharm中文处理]]></description><category></category></item><item><title><![CDATA[解决：Teamviewer 被检测为商用]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/103811537</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/103811537</guid><author>jyh_AI</author><pubDate>Fri, 03 Jan 2020 15:57:56 +0800</pubDate><description><![CDATA[免费版的teamviewer 大概连接50个用户后，便会被检测为商用，从而导致 teamviewer 会快速断线，即1-2分钟就会断线。
解决 teamviewer 被检测为商用的方法有：
方法一：官网申诉
进入官方申诉地址，填写自己teamviewer的id号，使用中断后的日志即可，提交后大概在一周内会收到官方返回的邮件信息，如下图，这样你的id就可以继续使用而不被中断

方法二：修改mac地址...]]></description><category></category></item><item><title><![CDATA[pytorch_study]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/103732267</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/103732267</guid><author>jyh_AI</author><pubDate>Thu, 02 Jan 2020 18:57:55 +0800</pubDate><description><![CDATA[文章目录**资源汇总1 PyTorch Tutorials: [入门-1 60分钟闪电战](https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html)1.1 [什么是PyTorch](https://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html#s...]]></description><category></category></item><item><title><![CDATA[上传文件到GitHub]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/90748782</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/90748782</guid><author>jyh_AI</author><pubDate>Mon, 03 Jun 2019 15:03:30 +0800</pubDate><description><![CDATA[文章目录1 ubuntu中上传文件到GitHub1.1 注册[github](https://github.com/)账号，创建new repository1.2 安装git1.3 登录git1.4 上传文件1.4.1  克隆到本地1.4.2  把需要上传的文件复制到本地github仓库，在从本地仓库上传到github网站1.5 大功告成，回github网站，刷新后发test上传成功了。
1 ub...]]></description><category></category></item><item><title><![CDATA[caffe2 single gpu for mnist]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/89607581</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/89607581</guid><author>jyh_AI</author><pubDate>Sat, 27 Apr 2019 21:13:50 +0800</pubDate><description><![CDATA[import numpy as np
import cPickle
import csv
from matplotlib import pyplot as plt
%matplotlib inline

from caffe2.python import core,workspace,model_helper,brew,optimizer
from caffe2.proto import caff...]]></description><category></category></item><item><title><![CDATA[windows装机]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/89195564</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/89195564</guid><author>jyh_AI</author><pubDate>Thu, 11 Apr 2019 10:37:21 +0800</pubDate><description><![CDATA[文章目录1 制作启动盘2 安装windows3 安装驱动4 安装office，并激活系统和office5 安装其他软件
1 制作启动盘

下载WePe安装包
将USB清空，插入电脑中
点击WePe安装包（.exe文件），点击其他安装方式中的“安装PE到U盘”，进入后，点确认，等待完成。
WePe将U盘分成启动盘和自己的存储盘。

2 安装windows

装备好windows镜像

到win10官...]]></description><category></category></item><item><title><![CDATA[ubuntu16.04安装卸载使用VMware  运行 windows10]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/86564580</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/86564580</guid><author>jyh_AI</author><pubDate>Wed, 10 Apr 2019 16:27:35 +0800</pubDate><description><![CDATA[文章目录1 安装VMware2 卸载VMware3 VMware中安装windows10
1 安装VMware
1.1 下载
https://my.vmware.com/cn/web/vmware/free#desktop_end_user_computing/vmware_workstation_player/15_0
1.2 安装
sudo chmod +x VMware-Workstatio...]]></description><category></category></item><item><title><![CDATA[文章整理1--caffe2深度学习]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/89164448</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/89164448</guid><author>jyh_AI</author><pubDate>Tue, 09 Apr 2019 22:28:41 +0800</pubDate><description><![CDATA[1 Ubuntu16.04安装OpenCV
Ubuntu16.04安装OpenCV

]]></description><category></category></item><item><title><![CDATA[ubuntu16.04 + anaconda + pytorch（或者caffe2）GPU]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/85542866</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/85542866</guid><author>jyh_AI</author><pubDate>Tue, 01 Jan 2019 16:35:51 +0800</pubDate><description><![CDATA[文章目录1  安装驱动2  安装CUDA和cuDNN3  安装anaconda4  安装pytorch4.1 安装依赖4.2 安装5 给文件夹权限
1  安装驱动
2  安装CUDA和cuDNN
3  安装anaconda
4  安装pytorch
4.1 安装依赖
export CMAKE_PREFIX_PATH=&quot;$(dirname $(which conda))/../&quot; # [anacon...]]></description><category></category></item><item><title><![CDATA[caffe2 实例学习Create CNN for mnist]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/83691339</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/83691339</guid><author>jyh_AI</author><pubDate>Sat, 03 Nov 2018 21:42:13 +0800</pubDate><description><![CDATA[1 MNIST-从Scratch创建CNN
本教程创建了一个可以识别手写的小型卷积神经网络（CNN）。为了训练和测试CNN，我们使用来自MNIST数据集的手写图像。这是一个由500个不同人的笔迹组成的60,000张图片的集合，用于训练您的CNN。另一组10,000个测试图像（与训练图像不同）用于测试所得CNN的准确性。
（1）首先，让我们import 模块。
%matplotlib inline
...]]></description><category></category></item><item><title><![CDATA[caffe2_tutorials（一）:Basic Concepts - Operators & Nets]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/83688106</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/83688106</guid><author>jyh_AI</author><pubDate>Sat, 03 Nov 2018 21:28:08 +0800</pubDate><description><![CDATA[在本教程中，我们将介绍一组Caffe2基础知识：基本概念，包括如何编写运算符和网络。
首先，让我们导入Caffe2。 core和workspace通常是你最需要的两个。 如果你想操纵Caffe2生成的协议缓冲区，你可能还想从caffe2.proto导入caffe2_pb2。
from __future__ import absolute_import
from __future__ import ...]]></description><category></category></item><item><title><![CDATA[ubuntu16.04 + anaconda + pytorch（或者caffe2）cpu]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/83689366</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/83689366</guid><author>jyh_AI</author><pubDate>Sat, 03 Nov 2018 18:24:07 +0800</pubDate><description><![CDATA[1  conda在指定目录下创建虚拟环境，conda使用国内镜像
1.1  conda创建虚拟环境
提示：默认情况下，环境安装envs 在conda目录的目录中。运行 conda create --help 以获取有关指定其他路径的信息。

创建虚拟环境

要使用特定版本的Python创建环境：
其中myenv为虚拟环境的名字，其目录在anaconda下的env目录下。
conda create ...]]></description><category></category></item><item><title><![CDATA[caffe2（一）基本概念]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/83661366</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/83661366</guid><author>jyh_AI</author><pubDate>Sat, 03 Nov 2018 16:01:29 +0800</pubDate><description><![CDATA[1  blobs,workspace以及tensor
Caffe2中的数据被认为是blobs，一个blob即内存中的一块数据. 大部分blobs都包含一个tensor(可以想成是多维数组), 在python中被转换成numpy.array。
workspace存储全部的blobs。
下面代码展示了如何往workspace中feed blobs以及fetch blobs。workspace从开始被使...]]></description><category></category></item><item><title><![CDATA[Boltzmann机算法（模拟退火算法）（郑捷 著）]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/82049822</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/82049822</guid><author>jyh_AI</author><pubDate>Sun, 26 Aug 2018 19:31:11 +0800</pubDate><description><![CDATA[1. 问题的提出

1）TSP问题可以描述： 
假设有一个旅行商人要拜访N个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。 
2）TSP的应用： 
运输路线问题，装配线上的螺帽问题，在排产计划、电路板布线、基因测序和机器人控制等方面有着重要的应用。

2. 模拟退火原理

退火的物理学解释： 
...]]></description><category></category></item><item><title><![CDATA[SOM网络--机器学习（郑捷 著）]]></title><link>https://blog.youkuaiyun.com/jyh_AI/article/details/82024431</link><guid>https://blog.youkuaiyun.com/jyh_AI/article/details/82024431</guid><author>jyh_AI</author><pubDate>Sat, 25 Aug 2018 12:01:50 +0800</pubDate><description><![CDATA[SOM是一类“无监督学习”模型，一般的用法是将高维的input数据在低维的空间表示，因此SOM天然是一种降维方法。除了降维，SOM还可以用于数据可视化，以及聚类等应用中[1] 
SOM网络结构： 



定义  
  自组织特征映射神经网络(Self-Organizing Feature Map,也称Kohomen映射），简称为SOM网络，主要用于解决模式识别类的问题。SOM网络属于无监督学习算法...]]></description><category></category></item></channel></rss>