<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[EmpGro的博客]]></title><description><![CDATA[一个笔记板]]></description><link>https://blog.youkuaiyun.com/linangfs</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; linangfs]]></copyright><item><title><![CDATA[python 爬虫'utf-8' codec can't decode byte 0x83 in position 0: invalid start byte 的解决方案]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/89134561</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/89134561</guid><author>linangfs</author><pubDate>Tue, 09 Apr 2019 09:37:41 +0800</pubDate><description><![CDATA[今天用Python爬取豆瓣的时候,发现报错“UnicodeDecodeError: 'utf-8' codec can't decode byte 0x83in position 1:invalid start byte”,一直在找文件的错误,最后经过网友的提示,错误原因竟然是我的 headers 中有一条:

“'Accept-Encoding': 'gzip, deflate'”

这一条是...]]></description><category></category></item><item><title><![CDATA[win10系统 anaconda环境 安装theano绝对成功]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/81366893</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/81366893</guid><author>linangfs</author><pubDate>Thu, 02 Aug 2018 20:18:48 +0800</pubDate><description><![CDATA[win10系统 anaconda环境 安装theano



1创建环境

在anaconda prompt中输入



conda create -n theano python=3.5

注意此处python一定要是3.5版



2切换环境



activate theano

此时界面会变为如下形式：


  (theano) c:\user\your_use_name&amp;amp;amp;amp;amp;amp;amp;amp;amp;gt;




...]]></description><category></category></item><item><title><![CDATA[EM（Expectation Maximization）算法原理]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/79499470</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/79499470</guid><author>linangfs</author><pubDate>Fri, 09 Mar 2018 16:34:38 +0800</pubDate><description><![CDATA[假设我们有100个男生身高的数据，我们还有100个女生的身高数据，很显然女生身高的分布和男生肯定不同。
此时我们要单独求出男生或女生身高的分布，由1.1可知，我们可用极大似然估计得出。
但是，若男生女生数据是混在一起的，并且无法区分男女，那么对这一堆混杂的数据抽样时，我们怎么确认：
1. 每一个样本属于男生分布还是女生分布
2. 男生分布和女生分布的参数各是多少]]></description><category></category></item><item><title><![CDATA[Dynamic routing between capsule 的思维导图]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/79470817</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/79470817</guid><author>linangfs</author><pubDate>Wed, 07 Mar 2018 14:35:18 +0800</pubDate><description><![CDATA[读Hinton的Dynamic routing between capsule时为了便于梳理，做了一张思维导图，顺便也把参数个数计算了一下，分享出来以供交流 
以上是总的导图其实CapsNet可以按照下图来做直观的理解： 
实际上就是在原来的CNN网络中加入了Dynamic Rounting部分 并将激活函数变为了squashing函数 
其中Dynamic Rounting体现了动态路由思想，sq]]></description><category></category></item><item><title><![CDATA[windows安装face-recognition]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78745329</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78745329</guid><author>linangfs</author><pubDate>Thu, 07 Dec 2017 20:14:48 +0800</pubDate><description><![CDATA[不用自己编译，也不用自己下载的windows结合anaconda安装face-recognition的方法。]]></description><category></category></item><item><title><![CDATA[Linux安装face-recognition]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78727446</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78727446</guid><author>linangfs</author><pubDate>Wed, 06 Dec 2017 09:55:46 +0800</pubDate><description><![CDATA[用的是centos7系统，用户为master 
用传统如下方式安装face-recognition时会出现dlib无法找的问题pip install cmake
pip install dlib
pip install face-recognition所以尝试了其他方法以下安装都在master用户下进行 
1.通过anaconda解决dlib的前置软件，这里安装的dlib是19.4版本，而face-]]></description><category></category></item><item><title><![CDATA[SVM中核函数的理解]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78640221</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78640221</guid><author>linangfs</author><pubDate>Sun, 26 Nov 2017 21:43:35 +0800</pubDate><description><![CDATA[这篇文章是阅读JULY大神支持向量机通俗导论（理解SVM的三层境界）的一点学习笔记。 
在JULY大神原文中，对核函数解释的时候，点和点的坐标表示混用了”X”这个字母，从而为理解带来了不便。于是自己经过一些验算和重写之后，有了这一学习笔记。]]></description><category></category></item><item><title><![CDATA[【2017年cs231n学习笔记3】Lecture4-1 反向传播]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78493428</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78493428</guid><author>linangfs</author><pubDate>Thu, 09 Nov 2017 20:03:24 +0800</pubDate><description><![CDATA[在原课程视频中，lecture4讲解了反向传播及一部分神经网络的内容，但是“反向传播”（Backpropagation）作为神经网络计算的基础太过重要了，于是在笔记中我将反向传播单独拿出来，结合自己查资料的理解，做了一些记录，希望读这篇文章的人能得到一些帮助。]]></description><category></category></item><item><title><![CDATA[【2017年cs231n学习笔记2】Lecture3 损失函数 最优化]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78460437</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78460437</guid><author>linangfs</author><pubDate>Mon, 06 Nov 2017 18:25:33 +0800</pubDate><description><![CDATA[这节课的主要内容： 
1. 定义一个损失函数（loss function），用将训练集代入其中获得的评分来量化W的好坏。 
2. 找到一个高效的方法来寻找使损失函数最小的W，（我们称其为最优化optimization）损失函数首先我们定义损失函数的一般形式： 
对于一个数据集 
 
Xi代表输入进入分类器的图像像素数据，Yi代表你希望得出的标签。 
我们定义其损失函数的一般形式为： 
 
损失函数定]]></description><category></category></item><item><title><![CDATA[【2017年cs231n学习笔记1】Lecture2 K近邻 距离度量 超参数 交叉验证 线性分类器]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78453658</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78453658</guid><author>linangfs</author><pubDate>Sun, 05 Nov 2017 23:36:24 +0800</pubDate><description><![CDATA[这是2017年，斯坦福大学，李飞飞教授及其博士生讲授的CS231n课程的第二节，主要内容是KNN算法、距离度量算法、超参数的选择方法、线性分类器的简单介绍。
所有图像来自课程ppt，内容来自课程视频。
全文都是看英文字幕所得，如有翻译转诉不恰当之处请包涵。]]></description><category></category></item><item><title><![CDATA[生产者消费者模型中Queue理解]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78415854</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78415854</guid><author>linangfs</author><pubDate>Wed, 01 Nov 2017 16:49:45 +0800</pubDate><description><![CDATA[在生产者消费者模型中，Queue用作两者之间的缓冲 
但是由于Queue的内在机理中包含着自动执行wait、notify等功能的机制，于是单从程序代码上看起来会很奇怪。]]></description><category></category></item><item><title><![CDATA[【多进程与多线程】threading中setDaemon与join]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78356834</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78356834</guid><author>linangfs</author><pubDate>Thu, 26 Oct 2017 17:50:41 +0800</pubDate><description><![CDATA[在threading中setDaemon和join都是用来设置等待 
首先要明确的是： 
假设子线程是t 
无论是t.setDaemon() 还是 t.join的等待都是相对于主线程来说的。.join()t.join()的作用是，当t在执行时，主线程在join处暂停，只有当t结束运行时，才继续执行join下面的语句 
如以下程序：import threading
from time import c]]></description><category></category></item><item><title><![CDATA[【多进程与多线程】为什么在Python里推荐使用多进程而不是多线程？]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78341997</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78341997</guid><author>linangfs</author><pubDate>Wed, 25 Oct 2017 15:25:12 +0800</pubDate><description><![CDATA[转载自转载地址
最近在看Python的多线程，经常我们会听到老手说：“Python下多线程是鸡肋，推荐使用多进程！”，但是为什么这么说呢？       
  要知其然，更要知其所以然。所以有了下面的深入研究： 
首先强调背景：
1. GIL是什么？
  GIL的全称是Global Interpreter Lock(全局解释器锁)，来源是python设计之初的考虑，为了数据安全所做的决定。]]></description><category></category></item><item><title><![CDATA[【爬虫学习6】爬虫自动获取并使用代理ip]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78331419</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78331419</guid><author>linangfs</author><pubDate>Tue, 24 Oct 2017 16:45:29 +0800</pubDate><description><![CDATA[当同一ip短时间内多次链接同一网站，很可能导致ip被封，所以需要利用代理ip防止封禁。代理ip可以通过百度很容易的获取，于是这里使用Requests自动爬取代理网站上的ip，并验证是否可用，最后在利用代理建立一个简单的爬虫。
-本文全部代码见于我的Git
主要思路
1.从代理网站爬取IP地址及端口号并存储
2.验证ip能否使用
3.格式化ip地址
4.在requests中使用代理ip爬网站]]></description><category></category></item><item><title><![CDATA[【爬虫学习5】使用BeautifulSoup改进对知乎的爬取]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78310870</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78310870</guid><author>linangfs</author><pubDate>Sun, 22 Oct 2017 16:20:00 +0800</pubDate><description><![CDATA[在上一篇文章“使用selenium爬取知乎timeline“时，碰到一个问题： 
知乎的timeline中得news有三类： 
 
 
这三类都是分别包含在<div class='Card TopstoryItem TopstoryItem--experimentExpand TopstoryItem--experimentButton'>...</div>这样一个card里面，但是div内部具体实]]></description><category></category></item><item><title><![CDATA[【爬虫学习4】Python爬取动态页面思路（二）]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78296545</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78296545</guid><author>linangfs</author><pubDate>Fri, 20 Oct 2017 16:05:06 +0800</pubDate><description><![CDATA[在前之前文章中尝试用简单的Requests爬取知乎timeline时发现动态加载内容无法成功爬取，尝试分析数据包来爬取也没有成功，于是最后在这里使用selenium来尝试，终于成功。
全部代码见于我的[Git](https://github.com/EmpGro/Selsnium4Zhihu)]]></description><category></category></item><item><title><![CDATA[【爬虫学习3】Python爬取动态页面思路（一）]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78251828</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78251828</guid><author>linangfs</author><pubDate>Mon, 16 Oct 2017 17:13:18 +0800</pubDate><description><![CDATA[之前在爬取知乎timeline内容时，因为动态加载只爬取到了少量内容，于是研究了下对动态加载页面的爬取。
这篇文章主要是对非加密的ajax异步加载内容的爬取，顺便加入了一些json的知识。
然鹅很不幸知乎是加密的，所以这个办法并不能解决问题。
计划试试selenium+PhantomJS来解决知乎的问题，这个就看下一篇文章了。
全部代码见于我的GitHub页面]]></description><category></category></item><item><title><![CDATA[【爬虫学习2】Requests cookies爬取知乎个人timeline]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78157878</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78157878</guid><author>linangfs</author><pubDate>Wed, 04 Oct 2017 13:01:05 +0800</pubDate><description><![CDATA[上次用Requests爬取了静态网页-正则表达式加Requests爬取猫眼电影排行  
这次想尝试使用requests.Session进行cookie登录爬取网页内容 
    -全部代码见于我的Git准备素材
新建工程及文件
获取cookies和headers
编写爬虫
载入并格式化cookis
载入并格式化headers
获取网页并保存
保存网页的目的
一个注意
正则表达式匹配
一小技巧
获取结]]></description><category></category></item><item><title><![CDATA[【爬虫学习1】正则表达式加Requests爬取猫眼电影排行]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78124986</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78124986</guid><author>linangfs</author><pubDate>Thu, 28 Sep 2017 16:21:08 +0800</pubDate><description><![CDATA[正则表达式加Requests爬取猫眼电影排行
学习慕课网视频的课后总结
http://study.163.com/course/courseMain.htm?courseId=1003735019
正则表达式加Requests爬取猫眼电影排行
Requests获取网页数据
正则表达式匹配数据
正则表达式学习参看这里
数据格式化
多页面爬取
保存为文件Requests获取网页数据运用Requests获]]></description><category></category></item><item><title><![CDATA[常见的http响应头内容介绍]]></title><link>https://blog.youkuaiyun.com/linangfs/article/details/78112021</link><guid>https://blog.youkuaiyun.com/linangfs/article/details/78112021</guid><author>linangfs</author><pubDate>Wed, 27 Sep 2017 13:54:26 +0800</pubDate><description><![CDATA[下面是一些最常见的请求头 
Accept：浏览器可接受的MIME类型。
Accept-Charset：浏览器可接受的字符集。
Accept-Encoding：浏览器能够进行解码的数据编码方式，比如gzip。Servlet能够向支持gzip的浏览器返回经gzip编码的HTML页面。许多情形下这可以减少5到10倍的下载时间。
Accept-Language：浏览器所希望的语言种类，当服务器能够]]></description><category></category></item></channel></rss>