Nicholas_Liu2017的博客

今天调试，跑通一些opencv的例子，用到一些头文件，发现opencv2里没有，于是果断下载了opencv3安装了。由于从官网下载的opencv3是x64的，因此相应的VS工程项目也改为x64。切记，每次修改工程的x64都需要重新增加项目的配置属性。之后还要将D:\opencv3\build\x64\vc14\bin添加到系统的路径中，等到程序连接动态链接库时，才能链接进来，否则提示找不到.dll...

转自 ： http://www.cnblogs.com/xuxm2007/archive/2010/08/04/1792463.html当你打开一个.py文件时,经常会在代码的最下面看到if __name__ == '__main__':,现在就来介 绍一下它的作用.        模块是对象，并且所有的模块都有一个内置属性 __name__。一个模块的 __name_

http://man.linuxde.net/grep

有些时候，工程上使用的是先前的版本，因此需要先git clone下来最新的版本，然后checkout回退回去先前的版本。使用git clone xxx --recursive递归的将所有相关代码下载下来后，便可以进行编译，运行。但是要回退回到之前的版本，需要找到要回退的版本的commit 编号（是一串数）。可以在命令行，git log，然后搜索release，或者在github的项

在ubuntu中安装tensorflow和keras的过程中，有几点需要注意：首先最好先安装Anaconda，要注意版本号，有2.7的，也有3.4的: 具体链接如下：http://blog.youkuaiyun.com/colourful_sky/article/details/73823939然后在安装之后，便可以专门配置一个环境，比如tensorflow的环境，conda crea

Python图像处理库(1)转自：http://www.ituring.com.cn/tupubarticle/2024第 1 章　基本的图像操作和处理本章讲解操作和处理图像的基础知识，将通过大量示例介绍处理图像所需的 Python 工具包，并介绍用于读取图像、图像转换和缩放、计算导数、画图和保存结果等的基本工具。这些工具的使用将贯穿本书的剩余章节。1.1　PIL：

近期仍然在使用keras进行模型的设计和算法的实验，在使用过程中，发现Conv1D可以处理可变长度的序列输入，在使用Conv1D的过程中，和使用其他卷积层稍有不同，这里不仅在1维空间中用kernel来进行平面卷积，而且使用的一个概念很好，那就是基于序列的处理方法，也就是有一批要学习的数据，这一批中的数据，每一个样本都是一个序列，也就是（sequence_size，fea_size），同时，kera

众包已经成为当今获取标记数据的基本手段。我们可以通过众包在短时间内以极为低廉的价格获取大量的标记数据。然而，通过众包获取的数据通常质量不高。这有两方面的原因：一是服务于众包平台的数据标记员通常缺乏相应的领域知识；二是众包平台没有有效的奖赏机制激励数据标记员提供高质量的工作。此报告将总结微软雷德蒙研究院过去几年在这个基本的众包问题的研究与工程上的进展。具体来说，我们的工作主要集中在群体智慧与激励机制

一般情况下，opencv是图像处理比较理想的选择，但是在一定情况下，安装opencv是需要花费一点时间和力气，但是这个库的确很强大（虽然并没有完全长期使用这个库，但是在各个系统上都安装过，编译过，一个比较好的途径是下载第三方编译好的opencv库，可以拿来直接安装使用）。这里再推荐一个比较好的Python第三方图像库PIL，我看了这个库的官网，感觉已经不再更新了，但是fork了这个库的

对于已有的开源的机器学习框架，很多都是单机环境下部署的，但是对于大公司层面的机器学习的应用需求，简单的单机，分布式spark机器学习平台很难满足公司的大数据应用需求，因为不仅要求具有正确性，还要求高效性和稳定性。这里面存在很多的问题，比如模型如何在多台机器上跑，参数如何分布在多台服务器上，构成parameter server （google提出的），同样的，这些参数如何时时的更新，学习，并且如

对于预料集，可以从这个数据堂拿数据：http://www.datatang.com/其中关于酒店情感数据分析部分：http://www.datatang.com/data/shop-page.html?k=%E9%85%92%E5%BA%97%E6%83%85%E6%84%9F对于酒店情感分析，很重要的一点就是语料库要好，同时，分词时需要的有好的情感词库，这样才能得到更好的分词结果

这次工作中，终于要用到正则表达式匹配，写一些匹配的patern，查找字符串中的某一部分。以前在学校的时候，听说过，也练习过简单的，但是后来几乎用不到，因此也就没有继续学，但是心里总是对这块不放心。这次，需要分析一批数据，发现里面除了中文，还有好多其他语言，这样严重影响分词结果，最终只能从根源，在没有分词之前，先将中文滤出来，然后再进行分词，统计词频等操作。一下有几个比较好的正则表达式文

电影文本情感分类Github地址Kaggle地址这个任务主要是对电影评论文本进行情感分类，主要分为正面评论和负面评论，所以是一个二分类问题，二分类模型我们可以选取一些常见的模型比如贝叶斯、逻辑回归等，这里挑战之一是文本内容的向量化，因此，我们首先尝试基于TF-IDF的向量化方法，然后尝试word2vec。# -*- coding: UTF-8 -*-import pa

在windows上安装CLion，发现机器上没有安装任何C/C++编译器，CLion在安装之后，会推荐安装编译器，一般有MinGW和Cygwin ，关于这两个编译器，可以看知乎里说的关于这两个编译器的区别：https://www.zhihu.com/question/22137175在这个网站可以下载：https://sourceforge.net/projects/mingw/files/l

Auto Healing技术一般机器上线，先有注册，然后有负载均衡。用来探测应用健康的几种方法：1、使用 health check 接口。返回 200 为正常，其他 code 或者超时即为不正常。2、alimonitor 的 ssh 监控，判断是否能连上机器。3、sigma 团队在发现物理机故障时候，能发出消息。Spring Boot 定义了 Health En

大数据文摘作品，转载要求见文末作者 | SAURABH编译 | 张伯楠，万如苑，刘云南引言大数据的领域非常广泛，往往使想要开始学习大数据及相关技术的人望而生畏。大数据技术的种类众多，这同样使得初学者难以选择从何处下手。这正是我想要撰写本文的原因。本文将为你开始学习大数据的征程以及在大数据产业领域找到工作指明道路，提供帮助。目前我们面临的最大挑战就是根据我们的

人在屋檐下，总得低头走；拿人钱财，替人消灾。在公司打工，不得不遵守一些业务指标。优化广告效果时，总得考虑这么几个指标CTR、ROI、RPM，这三个分别从用户、广告主、平台角度做的经验式评价指标，至于这三个指标在什么程度上逼近真实最优暂且不表，先假定这三个是真实最优指标（目前没从事过SSP业务，没列CPM指标）。CTR点击率＝CLICK/PVROI投资回报率＝CTR*CVR*Auctio

“你学习一门技术的最佳时机是三年前，其次是现在。”这话从来很灵验。经过这次面试，觉得需要整理下Java Web相关的资料，以便自己提高或者更快适应可能面临的新的工作。　　首先谈谈Java Web需要掌握哪些东西。这里是一些知识点的搜集，暂不做详细说明，欢迎各位博友补充指正。1.底层Java语言相关的就不说了，首先是JVM的结构和工作原理。比较重要的是Java内存模型，各种GC算

https://blog.hubspot.com/agency/google-adwords-benchmark-dataAs marketers, we're always thinking about the most optimal way to target our potential customers. Trouble is, mastering Google Ad

Learning to Rank(LTR)声明：本文主要参考Learning to Rank 简介、Learning to Rank小结文章。 另参考李航老师A short introduction to learning to rank一文。 对以上文章有较多引用，在此对原作者表示感谢！刚刚接触排序学习，很多问题尚不清楚，在努力学习中，如有错误欢迎指出。本文也

一、掌握静态方法和属性 静态方法和属性用于描述某一类对象群体的特征，而不是单个对象的特征。Java中大量应用了静态方法和属性，这是一个通常的技巧。但是这种技巧在很多语言中不被频繁地使用。理解静态方法和属性对于理解类与对象的关系是十分有帮助的，在大量的Java规范中，静态方法和属性被频繁使用。因此学习者应该理解静态方法和属性。Java在方法和属性的调用上是一致的，区别只表现在声明的时候，这和c+

今天找到了一个Python的第三方库，pymc，这里面很详细的介绍了如果通过编程来实现统计中的方法，相信通过使用这个库，可以更进一步的理解统计学知识。

关于Tensorflow的基本介绍Tensorflow是一个基于图的计算系统，其主要应用于机器学习。从Tensorflow名字的字面意思可以拆分成两部分来理解：Tensor+flow。Tensor：中文名可以称为“张量”，其本质就是任意维度的数组。一个向量就是一个1维的Tensor，一个矩阵就是2维的Tensor。Flow：指的就是图计算中的数据流。当我们想要使用T

简介上一篇笔记：Tensorflow学习笔记1：Get Started 我们谈到Tensorflow是基于图（Graph）的计算系统。而图的节点则是由操作（Operation）来构成的，而图的各个节点之间则是由张量（Tensor）作为边来连接在一起的。所以Tensorflow的计算过程就是一个Tensor流图。Tensorflow的图则是必须在一个Session中来计算。这篇笔记来大致介绍

一般在windows上安装python，可以有2种方式（我目前只使用这两种），一种是安装原生态的python2， python3。但是这样存在一个问题，有很多库没有安装，在安装其他的第三方库时，还需要不断的添加其他的库，有很多依赖，有许多不方便（当然，如果你对各种库的依赖很熟悉，那可以安装精简版的mini Conda）。另外一种方式是安装完整版的AnaConda，这是一个很全的库，这个库里几乎拥有

这是一篇比较好的，较全面的介绍python处理txt文件的文章： http://www.jb51.net/article/87398.htm