<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[拼命先生的AI之旅]]></title><description><![CDATA[有关人工智能，机器学习相关的知识的记录]]></description><link>https://blog.youkuaiyun.com/kevindree</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; kevindree]]></copyright><item><title><![CDATA[Bitnami Linux debian系统如何把DHCP修改为静态IP地址]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/103530306</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/103530306</guid><author>kevindree</author><pubDate>Fri, 13 Dec 2019 17:20:22 +0800</pubDate><description><![CDATA[为了开发方便，我自己创建了一台虚拟机安装了bitnami，但是系统默认是DHCP，所以每次重启虚拟机IP地址都可能发生变化，很不方便，因此我把系统设置改为了静态IP地址，下面是我的具体操作方法，做一下记录，也方便有需要的朋友查看。

首先先复制一个网络配置文件，用于配置静态IP。此目录下面已经存在99-dhcp.network文件，用这个文件为基础复制一个25-wired.network文件。

...]]></description><category></category></item><item><title><![CDATA[最简单的Tensorflow实战入门教程 - 第二篇：tensor的定义及基本运算]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/89490435</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/89490435</guid><author>kevindree</author><pubDate>Wed, 24 Apr 2019 20:55:04 +0800</pubDate><description><![CDATA[Tensorflow中的Tensor就是张量的意思，在机器学习及神经网络中，会大量使用到张量运算，因此在tensorflow中，定义一个变量，实际上就是定义一个张量(tensor)

张量（tensor）的概念

因为很多人包括我自己都经常混用甚至混淆几个概念，因此我先简单科普一下“张量/矩阵/向量/标量”几个概念的关系和区别。

0维（0阶）的张量就是标量，也就是一个数字，比如 1，3，100等...]]></description><category></category></item><item><title><![CDATA[最简单的Tensorflow实战入门教程 - 第一篇：Tensorflow的安装]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/89487755</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/89487755</guid><author>kevindree</author><pubDate>Wed, 24 Apr 2019 12:15:52 +0800</pubDate><description><![CDATA[近些年有关人工智能的话题相当火爆，深度学习、神经网络的应用也越来越多的深入到我们生活的方方面面。在众多深度学习框架当中，Tensorflow占有举足轻重的地位。

Tensorflow是一款由Google公司开发的深度学习框架，它把机器学习大量的算法进行了封装，可供开发人员在程序中直接调用，大大简化了代码复杂度及程序开发难度，并且因其开源，免费的特性，深受广大人工智能开发人员喜爱。



本教程特...]]></description><category></category></item><item><title><![CDATA[机器学习很有趣！第六章：通过机器学习进行语音识别]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/89337074</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/89337074</guid><author>kevindree</author><pubDate>Tue, 16 Apr 2019 19:13:58 +0800</pubDate><description><![CDATA[作者：Adam Geitgey

原文：https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78

翻译：拼命先生

转载请联系译者！



语音识别正在侵入我们的生活。它内置于我们的手机，游戏机和智能手表中。它甚至可以使我...]]></description><category></category></item><item><title><![CDATA[几种报错的解决办法]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/88896332</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/88896332</guid><author>kevindree</author><pubDate>Fri, 29 Mar 2019 21:14:53 +0800</pubDate><description><![CDATA[调用Google API，缺失库报错：

ImportError: No module named 'google'

解决方案：

出现这个错误，就是因为没有安装google API相应的库，按照如下命令安装即可，把库名换成你所需要的相应的库名即可

pip installgoogle-cloud-speech

或者

pip3 installgoogle-cloud-speech
...]]></description><category></category></item><item><title><![CDATA[树莓派中导入opencv库，运行时报库文件缺失的解决办法（mportError: libcblas.so.3 ..... etc.）]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/88772691</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/88772691</guid><author>kevindree</author><pubDate>Sun, 24 Mar 2019 03:29:38 +0800</pubDate><description><![CDATA[在树莓派中运行有关opencv的python程序，第一步肯定是要下载opencv库，命令如下：


pip3 install opencv-python 

虽然虽然成功安装了opencv，但仍然报缺少库文件，错误信息如下：

ImportError: libcblas.so.3: cannot open shared object file: No such file or directory
...]]></description><category></category></item><item><title><![CDATA[在pycharm虚拟环境设置环境变量的查错和解决经历]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/88727035</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/88727035</guid><author>kevindree</author><pubDate>Fri, 22 Mar 2019 08:55:01 +0800</pubDate><description><![CDATA[为了避免项目之间的环境冲突，pycharm工具可以为你的项目创建一个虚拟环境，这个工具非常实用，不过在一些设置方面，有一些地方需要注意。

本人在调用google的API的过程中，就碰到了如下的问题，在运行程序的时候，报如下错误

Traceback (most recent call last):
 File "D:/MyPythonWorkspaces/projects/Project_le...]]></description><category></category></item><item><title><![CDATA[用pyinstaller把python脚本编译成可执行程序(windows系统)]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/88711195</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/88711195</guid><author>kevindree</author><pubDate>Thu, 21 Mar 2019 12:00:55 +0800</pubDate><description><![CDATA[看了一些文章，介绍pyinstaller作为一个第三方库，可以将python脚本打包成可执行程序，依葫芦画瓢，开始操作。

首先当然是下载，安装。


pip install pyinstaller
# 或者
python -m pip install pyinstaller

非常顺利，成功执行。

然后为了生成一个单一的exe执行程序，采用参数-F进行打包，命令如下：


pyinstalle...]]></description><category></category></item><item><title><![CDATA[如何在虚拟环境中 (virtualenv) 中使用 Jupyter Notebook]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/88627830</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/88627830</guid><author>kevindree</author><pubDate>Sun, 17 Mar 2019 22:08:42 +0800</pubDate><description><![CDATA[相信很多人都非常新欢使用Jupyter notebook，他的分布执行及分布结果可视话，相信是很多人喜欢他的原因之一。我对这个工具也非常喜欢，编写Python程序的使用经常使用它。

为了让不同的项目环境纯洁，我也很喜欢使用virtualenv。但是如何在virtualenv中使用Jupyter Notebook？

今天就从virtualenv的使用开始，简单讲一讲，希望对其他同学能有所帮助

...]]></description><category></category></item><item><title><![CDATA[Python/Numpy中的秩为1的数组与向量的区别]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/88380730</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/88380730</guid><author>kevindree</author><pubDate>Sun, 10 Mar 2019 17:23:50 +0800</pubDate><description><![CDATA[在Pthon中，通过Numpy定义数组或者矩阵时，需要注意数组和向量的区别

先来看一下下面这段代码


import numpy as np

a = np.random.randn(5)
b = np.dot(a, a.T)  ## a.T表示a的转置

print(&quot;a=&quot;,a)
print(&quot;a.shape =&quot;,a.shape)
print(&quot;a.T=&quot;,a.T)
print(&quot;a.t....]]></description><category></category></item><item><title><![CDATA[Python/Numpy中的矩阵向量的广播（Broadcasting）特性]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/88379111</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/88379111</guid><author>kevindree</author><pubDate>Sun, 10 Mar 2019 16:18:03 +0800</pubDate><description><![CDATA[在进行机器学习、神经网络的变成过程当中，基本上是一定会使用到矩阵或者向量的，但是如果不了解Python/Numpy中的矩阵或者向量的特性，则会经常出现一些自己意想不到的bug，并且调试起来非常困难。

下面我们就来看看它们有哪些特性。

一、首先我们先一起了解一下Python/Numpy中的广播（Broadcasting）特性

在python或者Numpy中，如果你用一个向量 和一个 常数相加，...]]></description><category></category></item><item><title><![CDATA[机器学习数学基础 -- 线性代数矩阵及向量计算]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87876171</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87876171</guid><author>kevindree</author><pubDate>Fri, 22 Feb 2019 23:16:33 +0800</pubDate><description><![CDATA[在进行机器学习编程过程中，需要用到一些线性代数的基础知识，以便简化程序的编写，并且可以利用GPU的矩阵运算能力，提高运算效率。本文不作过多的理论解释，只是基于具体的例子来介绍一下矩阵运算的数学基础知识，以便备用。

首先介绍一下什么是矩阵，如下列出了3个矩阵，分别是3行2列，2行3列，3行4列的矩阵



矩阵的加法及减法



两个矩阵的加法，简单描述就是用两个矩阵中相同位置的各个元素依次相加，...]]></description><category></category></item><item><title><![CDATA[机器学习很有趣！第四章：深度学习进行人脸识别]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87644024</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87644024</guid><author>kevindree</author><pubDate>Mon, 18 Feb 2019 22:59:29 +0800</pubDate><description><![CDATA[作者：Adam Geitgey

原文：https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78

翻译：拼命先生

转载请联系译者！

 

您是否注意到Facebook已经开发出一种不可思议的能力来识别您照片中的朋友？在过...]]></description><category></category></item><item><title><![CDATA[机器学习很有趣！第二章：用机器学习制作超级马里奥的关卡]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87457978</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87457978</guid><author>kevindree</author><pubDate>Sun, 17 Feb 2019 19:21:29 +0800</pubDate><description><![CDATA[作者：Adam Geitgey

原文：https://medium.com/@ageitgey/machine-learning-is-fun-part-2-a26a10b68df3

翻译：拼命先生

转载请联系译者！

 

在第一章中我们说到，机器学习使用通用算法告诉您一些有关数据的有趣的结论，而无需针对您正在解决的问题编写任何特定的代码。（如果您还没有阅读第1章，请立即阅读！）。

这一...]]></description><category></category></item><item><title><![CDATA[对TensorFlow中tf.nn.softmax()函数机器损失函数的理解]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87365355</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87365355</guid><author>kevindree</author><pubDate>Fri, 15 Feb 2019 16:43:55 +0800</pubDate><description><![CDATA[Softmax函数，或称归一化指数函数，是逻辑函数的一种推广。它能将一个含任意实数的K维向量A “压缩”到另一个K维实向量 A' 中，使得A' 每一个元素的范围都在（0,1）之间，并且所有元素的和为1。

该函数的形式可以按下面的式子给出：



可能大家一看到公式就有点晕了，别被吓跑，我来简单解释一下。这个公式的意思就是说得到的A'向量中的每个元素的值，是由A中对应元素的指数值除以A中所有元素的...]]></description><category></category></item><item><title><![CDATA[Tensorflow中 tf.argmax()方法的用法]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87305238</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87305238</guid><author>kevindree</author><pubDate>Thu, 14 Feb 2019 23:07:39 +0800</pubDate><description><![CDATA[tf.argmax()方法用于计算张量tensor沿着某一维度的最大值的索引。


tf.math.argmax(
    input,
    axis=None,
    name=None,
    dimension=None,
    output_type=tf.int64)

第一个参数 input： 输入的需要处理的张量 tensor，必须是以下数据类型之一float32, flo...]]></description><category></category></item><item><title><![CDATA[Tensorflow中 tf.reduce_sum()方法的用法]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87304533</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87304533</guid><author>kevindree</author><pubDate>Thu, 14 Feb 2019 22:38:11 +0800</pubDate><description><![CDATA[tf.reduce_sum()方法用于计算张量tensor沿着某一维度的和，可以在求和后降维。


tf.math.reduce_sum(
    input_tensor,
    axis=None,
    keepdims=None,
    name=None,
    reduction_indices=None,
    keep_dims=None)

第一个参数 input_te...]]></description><category></category></item><item><title><![CDATA[机器学习很有趣！第一章：世界上最简单的机器学习入门！]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87186697</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87186697</guid><author>kevindree</author><pubDate>Wed, 13 Feb 2019 19:27:14 +0800</pubDate><description><![CDATA[作者：Adam Geitgey

原文：https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471#.ak1of1xbg

翻译：拼命先生

转载请联系译者！

 

您是否听说过人们谈论机器学习但只是对这意味着什么有一个模糊的想法？您是否已经厌倦了通过与同事交谈的方式点头？让我们改变它！

本指南适用于对机器学习感到好奇但不...]]></description><category></category></item><item><title><![CDATA[TensorFlow优化器GradientDescentOptimizer]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87036753</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87036753</guid><author>kevindree</author><pubDate>Tue, 12 Feb 2019 01:04:38 +0800</pubDate><description><![CDATA[类GradientDescentOptimizer

继承自:Optimizer

这是一个实现实现梯度下降算法的优化器类，用于构造一个新的梯度下降优化器实例

 

构造器方法__init__


__init__(
    learning_rate,
    use_locking = False,
    name = ' GradientDescent '
)

参数:

learnin...]]></description><category></category></item><item><title><![CDATA[Tensorflow中 tf.reduce_mean()方法的用法（转载+修订）]]></title><link>https://blog.youkuaiyun.com/kevindree/article/details/87028948</link><guid>https://blog.youkuaiyun.com/kevindree/article/details/87028948</guid><author>kevindree</author><pubDate>Mon, 11 Feb 2019 22:53:45 +0800</pubDate><description><![CDATA[原作：-牧野- 
原文：https://blog.youkuaiyun.com/dcrmg/article/details/79797826 
修订：拼命先生 （感谢原创牧野，是它的这篇博文让我对reduce_mean有了清晰的理解，考虑到python和Tensorflow的版本更新，有些内容有了变化，因此在转载的基础上做了修订！！）

tf.reduce_mean()方法用于计算张量tensor沿着某一维度...]]></description><category></category></item></channel></rss>