<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[loopy_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/loopy_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; loopy_]]></copyright><item><title><![CDATA[在不同进程或设备间安全无损的传递Python对象]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/104536362</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/104536362</guid><author>loopy_</author><pubDate>Thu, 27 Feb 2020 15:33:16 +0800</pubDate><description><![CDATA[当你需要在不同进程或设备间安全无损的传递Python对象时,可以尝试使用Knight-bus库]]></description><category></category></item><item><title><![CDATA[反编译"木兰编译器"并分析源码]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/104127843</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/104127843</guid><author>loopy_</author><pubDate>Fri, 31 Jan 2020 20:42:08 +0800</pubDate><description><![CDATA[大家都在说木兰编译器是在水项目，但我感觉很多人啥也不知道跟着黑，你随机抽样几个网友出来很有可能都解释不清楚Parser和lexer．所以我找到时间，拆开木兰编译器看看源码,是好是坏拆开看.]]></description><category></category></item><item><title><![CDATA[超级简洁的Python风格加解密]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/103794820</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/103794820</guid><author>loopy_</author><pubDate>Wed, 01 Jan 2020 18:48:06 +0800</pubDate><description><![CDATA[Python - ５行代码实现（对称/非对称）加解密安装简单示例API文档和代码仓库说明
安装
pip install loopyCrypto
简单示例

基于RSA的非对称加密import loopyCryptor

# 生成一个密钥对
public_key, private_key = loopyCryptor.generate_RSA_key()

# 加密
cipher_byte = lo...]]></description><category></category></item><item><title><![CDATA[一种基于整数指令的小数进制转换算法（附mips源码）]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/103350023</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/103350023</guid><author>loopy_</author><pubDate>Mon, 02 Dec 2019 16:04:00 +0800</pubDate><description><![CDATA[目录问题的提出算法思路算法伪代码算法误差分析MIPS代码这个算法在整个流程里的位置
问题的提出
我的计组课设 - “浮点数的表示和计算”需要假设没有浮点表示和计算的硬件，用软件方法采用仿真方式实现IEEE 754单精度浮点数的表示及运算功能，其中关于二进制转十进制小数的部分比较困难， 查询资料也无果，于是我提出了这个算法，它的特点在于:

不使用浮点指令
算法中的所有变量都只能存储于32位的寄存器...]]></description><category></category></item><item><title><![CDATA[使用python来模拟运行mips]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/102649842</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/102649842</guid><author>loopy_</author><pubDate>Sun, 20 Oct 2019 16:00:58 +0800</pubDate><description><![CDATA[使用python来模拟运行mips用法Shell运行汇编（mips指令-&gt;机器码）反汇编（机器码-&gt;mips指令）运行运行 - Debug介绍ContributingDev info`Assembler``Simulator`DependencyUnit test
用法
pip install fengyong来安装一个mips模拟器，它可以支持Shell运行，汇编，反汇编，按文件运行...]]></description><category></category></item><item><title><![CDATA[决策树：什么是基尼系数（“杂质 增益 指数 系数”辨析）]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/89813207</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/89813207</guid><author>loopy_</author><pubDate>Sat, 04 May 2019 14:27:54 +0800</pubDate><description><![CDATA[决策树：什么是基尼系数

在我翻译学习这篇Random Forests for Complete Beginners的时候，对基尼系数和它相关的一些中文表达充满了疑问，查了一些资料以后，完成了这篇文章。其中基尼杂质系数的计算和解释参考了A Simple Explanation of Gini Impurity。

如果你查看scikit-learn中DecisionTreeClassifier的文...]]></description><category></category></item><item><title><![CDATA[面向初学者的机器学习教程：随机森林]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/89803026</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/89803026</guid><author>loopy_</author><pubDate>Sat, 04 May 2019 14:23:10 +0800</pubDate><description><![CDATA[本文内容大致翻译自Random Forests for Complete Beginners，我个人修改或添加了部分内容，若感觉价值不高，请跳过或参阅原文。

专属初学者的随机森林教程
随机森林和决策树的指南
一个很好玩的是：我针对这篇文章制作了一个基于Jupyter Notrbook的动态教程，这里就是playground示例。
现在开始我们的教程！
1.决策树
1.1 什么是决策树
随机森林...]]></description><category></category></item><item><title><![CDATA[面向初学者的机器学习教程：从零开始使用Python实现一个神经网络]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/89742157</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/89742157</guid><author>loopy_</author><pubDate>Thu, 02 May 2019 11:40:31 +0800</pubDate><description><![CDATA[本文内容大致翻译自Machine Learning for Beginners: An Introduction to Neural Networks，我个人修改或添加了部分内容，若感觉价值不高，请跳过或参阅原文。

面向初学者的机器学习教程：神经网络简介
简单解释神经网络如何工作，并且从零开始使用Python实现一个神经网络。
神经网络可能并没有你想象的那么复杂。虽然“神经网络”这个词经常被用...]]></description><category></category></item><item><title><![CDATA[利用BST实现一个城市数据库]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/89601807</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/89601807</guid><author>loopy_</author><pubDate>Sat, 27 Apr 2019 14:58:18 +0800</pubDate><description><![CDATA[利用BST实现一个城市数据库TaskFeatureCodeBST（With balance function）CityDBmain
Task

利用BST实现一个城市数据库：每个数据库结点包括城市名称和以整数x与y表示的城市坐标，根据城市名称组织该BST；
在该数据库上实现按城市名称进行的插入、删除和检索；
打印出以指定字母打头的所有城市记录；
打印出与指定点的距离在给定值之内的所有城市记录；

...]]></description><category></category></item><item><title><![CDATA[对三元表实现的稀疏矩阵的快速转置]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/89361944</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/89361944</guid><author>loopy_</author><pubDate>Wed, 17 Apr 2019 18:32:37 +0800</pubDate><description><![CDATA[总的来说，交换行列索引+放到正确位置
python实现与分析
以下大部分代码都用于输出和分析思路，若需查看实现，请向下移至c++实现。
# 一些初始化和引入
import pandas as pd
col =["col", "row","value"]
matrix_dst1,matrix_dst2 = [],[]
from IPython.display import display

首先，初...]]></description><category></category></item><item><title><![CDATA[递归计算中缀表达式]]></title><link>https://blog.youkuaiyun.com/loopy_/article/details/89235509</link><guid>https://blog.youkuaiyun.com/loopy_/article/details/89235509</guid><author>loopy_</author><pubDate>Fri, 12 Apr 2019 13:56:13 +0800</pubDate><description><![CDATA[递归计算中缀表达式
计算一个四则运算的中缀表达式
如：

Input: 6+12*(15*5+2-4)+5/(1+2)
Output: 883.667

#include &lt;iostream&gt; 
using namespace std;
float value(int priorty = 2)
{
    float result = (priorty == 0) ? 0 : valu...]]></description><category></category></item></channel></rss>