<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[luccao的博客]]></title><description><![CDATA[人工智能的终端应用]]></description><link>https://blog.youkuaiyun.com/luccao</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; luccao]]></copyright><item><title><![CDATA[C++ struct也可以继承（转载的）]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/84025777</link><guid>https://blog.youkuaiyun.com/luccao/article/details/84025777</guid><author>luccao</author><pubDate>Tue, 13 Nov 2018 11:15:56 +0800</pubDate><description><![CDATA[最开始，就让我们来讨论一下一个最最基本，也最最容易被人忽视掉的问题——C++中的struct和class有什么区别？
如果谈到C中的struct和C++中的class的区别，你应该会告诉我很多。但我现在说的是C++中的struct，你还会依然那样告诉我吗？你会认为C中的struct和C++中的struct是一样的吗？
被我这样问道，或许你会吱吱呜呜的说：不一样吧。的确，是不一样，那么区别在哪里？
...]]></description><category></category></item><item><title><![CDATA[迅雷--2018校招AI算法笔试题]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/83031426</link><guid>https://blog.youkuaiyun.com/luccao/article/details/83031426</guid><author>luccao</author><pubDate>Fri, 12 Oct 2018 18:52:45 +0800</pubDate><description><![CDATA[编程题
1.

输入： 每行数字短横符-分隔两个数组，冒号分隔：参数K
输出： 输出为和最大的K个数，和是两个数组中各一个数相加而得
样例输入： 2，4，2，7，7- 3，2，5，6，1，9：6
样例输出： 16，16，13，13，13，12
hint:   注意性能

思路： 先对两个数组进行排序（降序），然后求出两个数组中各取出一个数字的所有和（之前有总结过，list定义时用循环嵌套，相当于排...]]></description><category></category></item><item><title><![CDATA[唯品会--2018校招AI算法笔试题]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/83024375</link><guid>https://blog.youkuaiyun.com/luccao/article/details/83024375</guid><author>luccao</author><pubDate>Fri, 12 Oct 2018 11:24:34 +0800</pubDate><description><![CDATA[一、深度学习与以往的神经网络训练方法有什么区别？给出几个比较典型的loss function.
I 区别

从广义上说深度学习的网络结构也是多层神经网络的一种。传统意义上的多层神经网络是只有输入层、隐藏层、输出层。其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适。
而深度学习中最著名的卷积神经网络CNN，在原来多层神经网络的基础上，加入了特征学习部分，这部分是模仿人脑对信号处理...]]></description><category></category></item><item><title><![CDATA[slim.batch_norm（）函数中各参数的意义]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82857412</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82857412</guid><author>luccao</author><pubDate>Wed, 26 Sep 2018 18:30:00 +0800</pubDate><description><![CDATA[slim.batch_norm()函数，以及slim的各个层函数的normalizer_fn=slim.batch_norm调用都会用到，其参数很多，需要以字典的形式传入。slim.batch_norm是BN算法函数，在网络训练的时候加入BN能加快训练速度，同时能增强模型的泛化能力。
1. inputs
A tensor with 2 or more dimensions, where the f...]]></description><category></category></item><item><title><![CDATA[python2编码的来龙去脉]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82853842</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82853842</guid><author>luccao</author><pubDate>Wed, 26 Sep 2018 15:16:57 +0800</pubDate><description><![CDATA[http://python.jobbole.com/86578/
这篇博客讲的很清楚，都是基于python2的编码来讲的，值得推荐！

]]></description><category></category></item><item><title><![CDATA[优快云-markdown编辑器]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82775254</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82775254</guid><author>luccao</author><pubDate>Wed, 19 Sep 2018 17:17:54 +0800</pubDate><description><![CDATA[这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
欢迎使用Ma...]]></description><category></category></item><item><title><![CDATA[《AI终端应用的几个case--第一讲》手机回收时图像识别手机的外观信息]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82733834</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82733834</guid><author>luccao</author><pubDate>Mon, 17 Sep 2018 10:49:33 +0800</pubDate><description><![CDATA[最近看到一个公司叫做回收宝，经过进一步了解他们是做]]></description><category></category></item><item><title><![CDATA[《深度学习网络训练--第一讲》数据采集与数据预处理]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82686521</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82686521</guid><author>luccao</author><pubDate>Thu, 13 Sep 2018 13:20:07 +0800</pubDate><description><![CDATA[经过项目的实践，我感受到要想训练出一个性能优良的模型网络，数据采集与预处理是多么的艰难与重要。


数据的采集


数据的采集是一个费时费力的过程。对于人脸数据来说，针对产品的应用场景，需要采集不同环境变量的人脸图像。对于我的经验来说，公司想要做一个人脸识别的AI产品，采集人脸的时候，往往采用发动全公司员工积极配合采集人脸，但是这样的人脸数据往往多样性比较差，也就是说人头个数没有多少，但是一个人可...]]></description><category></category></item><item><title><![CDATA[无人驾驶PID控制器的终极理解]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82629162</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82629162</guid><author>luccao</author><pubDate>Tue, 11 Sep 2018 17:19:49 +0800</pubDate><description><![CDATA[看到论坛上各种描写PID的公式与言论，大多都比较晦涩难懂，我自己整理一些资料进行工程化的理解，希望能有所帮助。先上一张图吧： 


http://www.dfrobot.com.cn/community/thread-14783-1-1.html

这篇博客讲的很形象生动。哈哈哈，只是无聊的时候回顾一下以前做云台的知识。

https://blog.youkuaiyun.com/AdamShan/articl...]]></description><category></category></item><item><title><![CDATA[《高斯牛顿优化算法--第一讲》原理推导]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82594704</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82594704</guid><author>luccao</author><pubDate>Mon, 10 Sep 2018 19:32:05 +0800</pubDate><description><![CDATA[

高斯牛顿是非线性最小二乘的一种优化算法，采用逐步迭代的方法，把非线性问题变成一步一步迭代的线性问题，从而达到极值收敛。在第二讲我会以加速度计的校准为例子，进行高斯牛顿的实际应用讲解。好吧，我们第二讲见。...]]></description><category></category></item><item><title><![CDATA[《NLP知识点第三讲》GRU的原理与代码实现]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82496266</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82496266</guid><author>luccao</author><pubDate>Fri, 07 Sep 2018 14:36:09 +0800</pubDate><description><![CDATA[GRU的原理公式：GRU的原理公式：GRU的原理公式：

c(t)=tanh(Wc[Γr∗c(t−1),x(t)]+bc)c(t)=tanh(Wc[Γr∗c(t−1),x(t)]+bc)c^{(t)} = tanh(W_c[\Gamma_r * c^{(t-1)}, x^{(t)}] + b_c ) 
Γu=σ(Wu[c(t−1),x(t)]+bu)Γu=σ(Wu[c(t−1),x(t)]+bu)...]]></description><category></category></item><item><title><![CDATA[《NLP知识点第二讲》LSTM的原理与代码实现]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82464362</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82464362</guid><author>luccao</author><pubDate>Thu, 06 Sep 2018 17:06:00 +0800</pubDate><description><![CDATA[上一讲我们讲到了普通RNN的原理与代码实现，但是普通RNN存在一个缺点就是梯度消失的问题，并且不能解决长期依赖问题。LSTM通过改变RNN的隐藏层，解决了梯度消失问题，并且实现了网络信息的深层次连接。

1. LSTM_cell_forward



LSTM只是改变了RNN的隐藏层，各个gate的输出是0到1，也就是他们可以选择是否保留之前的信息。1就是保存，0就是舍弃。

具体代码实现如下：
...]]></description><category></category></item><item><title><![CDATA[《NLP知识点第一讲》RNN的原理以及代码的实现]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82429681</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82429681</guid><author>luccao</author><pubDate>Wed, 05 Sep 2018 19:54:31 +0800</pubDate><description><![CDATA[RNN的原理

a&amp;amp;lt;t&amp;amp;gt;=g1(Waaa(t−1)+Waxa(t)+ba)a&amp;amp;lt;t&amp;amp;gt;=g1(Waaa(t−1)+Waxa(t)+ba)a^{} = g1(W_{aa}a^{(t-1)} + W_{ax}a^{(t)} + b_a) 
y¯¯¯&amp;amp;lt;t&amp;amp;gt;=g2(Wyaa(t)+by)y¯&amp;amp;lt;t&amp;amp;gt;=g2(Wyaa(t)+by)\overline{]]></description><category></category></item><item><title><![CDATA[tensorflow的浅谈《第一讲》]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82427706</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82427706</guid><author>luccao</author><pubDate>Wed, 05 Sep 2018 17:34:14 +0800</pubDate><description><![CDATA[tensorflow的定义

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由G...]]></description><category></category></item><item><title><![CDATA[c++面试经典编程试题]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82425606</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82425606</guid><author>luccao</author><pubDate>Wed, 05 Sep 2018 16:48:31 +0800</pubDate><description><![CDATA[1.  二分查找

二分查找也是比较经典的面试题 
条件： 
       1）数据是按从小到大或者是从大到小排序的 
       2）给定一组数据，在所给的排序数据中找出与数据相等的值，并返回它的下标

例子代码：

#include &amp;amp;amp;amp;amp;lt;iostream&amp;amp;amp;amp;amp;gt;
using namespace std;

int binary_search(int *a, int num, int va...]]></description><category></category></item><item><title><![CDATA[机器学习面试知识点]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82319064</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82319064</guid><author>luccao</author><pubDate>Mon, 03 Sep 2018 22:30:49 +0800</pubDate><description><![CDATA[深度学习

1. 前向推导

z(l+1)=W(l)x(l)+b(l)z(l+1)=W(l)x(l)+b(l)z^{(l+1)} = W^{(l)}x^{(l)} + b^{(l)} 
 a(l+1)=f(z(l+1))a(l+1)=f(z(l+1))a^{(l+1)} = f(z^{(l+1)})

这是一个CNN中前向推导的通用公式

2. 梯度消失与梯度爆炸

　　梯度消失：这本质上是由于激...]]></description><category></category></item><item><title><![CDATA[使用优快云-markdown]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82286270</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82286270</guid><author>luccao</author><pubDate>Sat, 01 Sep 2018 12:59:30 +0800</pubDate><description><![CDATA[欢迎使用Markdown编辑器写博客

本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：


Markdown和扩展Markdown简洁的语法
代码块高亮
图片链接和图片上传
LaTex数学公式
UML序列图和流程图
离线写博客
导入导出Markdown文件
丰富的快捷键






快捷键


加粗    Ctrl + B 
斜体    Ctrl + I...]]></description><category></category></item><item><title><![CDATA[cuda与cuDNN的版本切换]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/82085639</link><guid>https://blog.youkuaiyun.com/luccao/article/details/82085639</guid><author>luccao</author><pubDate>Sun, 26 Aug 2018 22:56:02 +0800</pubDate><description><![CDATA[cuda的卸载
      1.  打开终端

      2. 执行       sudo /usr/local/cuda-*.0/bin/uninstall_cuda_*.0.pl

      3. 最后rm -rf  /usr/local/cuda-*.0      删除掉文件夹

 

cuDNN的升级
      1. 删除原来的cuDNN

        sudo rm -rf /...]]></description><category></category></item><item><title><![CDATA[《tf object detection API使用教程--第五讲》tensorboard 查看调试曲线]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/81946054</link><guid>https://blog.youkuaiyun.com/luccao/article/details/81946054</guid><author>luccao</author><pubDate>Sat, 25 Aug 2018 23:22:15 +0800</pubDate><description><![CDATA[在终端中输入
	
tensorboard --logdir=${MODEL_DIR}
	
	然后打开网页，输入网址：6006就能看到训练曲线了
	由于我使用的是服务器，配置信息是
       Ubuntu16.04 server版本，服务器的网址为10.50.12.21，所以我输入10.50.12.21:6006就能看到信息了。

 

 ...]]></description><category></category></item><item><title><![CDATA[《tf object detection API使用教程--第六讲》a trained model文件的组成]]></title><link>https://blog.youkuaiyun.com/luccao/article/details/81947040</link><guid>https://blog.youkuaiyun.com/luccao/article/details/81947040</guid><author>luccao</author><pubDate>Sat, 25 Aug 2018 23:21:47 +0800</pubDate><description><![CDATA[checkpoint的组成：  

model.ckpt-${CHECKPOINT_NUMBER}.data-00000-of-00001
       数据文件，保存的是网络的weights, bias, operation,也就是保存参数值

 

model.ckpt-${CHECKPOINT_NUMBER}.index
       保存的是网络的weights, bias, operat...]]></description><category></category></item></channel></rss>