<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_44217221的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_44217221</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_44217221]]></copyright><item><title><![CDATA[np.sort / argsort]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/131755942</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/131755942</guid><author>qq_44217221</author><pubDate>Sun, 16 Jul 2023 22:12:20 +0800</pubDate><description><![CDATA[axis表示维度，从0 到 -1分别对应括号的顺序。对于数据进行简单的排序，有。如果要获得排序对应的坐标。]]></description><category></category></item><item><title><![CDATA[10.2 高斯的变分混合（未完）]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/131628546</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/131628546</guid><author>qq_44217221</author><pubDate>Sun, 09 Jul 2023 23:24:09 +0800</pubDate><description><![CDATA[在实际应⽤中，能够在重新估计期间监视模型的下界是很有⽤的，这可以⽤来检测是否收敛。它也可以为解的数学表达式和它们的软件执⾏提供⼀个有价值的检查，因为在迭代重新估计的每个步骤中，这个下界的值应该不会减小。我们可以进⼀步地使⽤变分下界检查更新⽅程的数学推导和它们的软件执⾏的正确性，方法是使⽤有限差来检查每次更新确实给出了下界的⼀个（具有限制条件的）极⼤值。为了让我们的贝叶斯混合模型能够有⼀个合理的可以计算的解，这是我们需要做出的。其中D是数据变量x的维度。都是⼆值的，在所有的k值上的加和等于1，因此有。]]></description><category></category></item><item><title><![CDATA[pycharm连接服务器的Jupyter]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/131628156</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/131628156</guid><author>qq_44217221</author><pubDate>Sun, 09 Jul 2023 22:07:50 +0800</pubDate><description><![CDATA[这一篇博客介绍了不带token，用密码也可以成功，但是我尝试貌似不可以（至少是没尝试成功），但是一开始不知道就是用密码指令，设置了密码，于是有改生成token（参照上面）直接使用指令的时候也可以带上相关的指令一样的：`jupyter notebook --no-browser --port 8890`但是，我觉得不要设置密码的好，设置密码后不方便在pycharm上操作，但是设置密码后方便在网页上操作。-N之后是不会显示内容的，但是应该是要加上的 （看的别人的，我倒是没有自己完全实践过）]]></description><category></category></item><item><title><![CDATA[简单的脚本在linux下将坚果云下同步的文件转移到zotero]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/123599133</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/123599133</guid><author>qq_44217221</author><pubDate>Sat, 19 Mar 2022 17:48:07 +0800</pubDate><description><![CDATA[接触ubuntu不久

开始在win下使用坚果云与zotero同步，想在linux下面将文件同步过来

网上的一些办法没用，包括一些软链接什么的

于是就尝试写了一个脚本，不过对命令不熟悉，所以方很笨

简单来讲就是将坚果云下的zip文件拷贝到zotero下并且解压


#! /bin/bash
#script.
cd /home/XXX/Nutstore\ Files/zotero
ls |grep '.zip$' |xargs -i cp {} /home/reji/Zotero/storage
cd ]]></description><category></category></item><item><title><![CDATA[安利Zotero]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/120818889</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/120818889</guid><author>qq_44217221</author><pubDate>Mon, 18 Oct 2021 01:14:36 +0800</pubDate><description><![CDATA[使用Zotero方便的跨平台看文献：

①即使给自己布置任务，定量看论文

icloud(任意云盘都行，比如说OneDrive等等)+平板+pdf点睛（应该也可以使用其他的阅读软件）+zotero+Tablet

使用的场景：最近几天有几篇文章需要看，可以及时的使用Tablet同步到云盘，然后在其他的设备，（实时地）看文献。

关于tablet的使用，可以看这个教程：重磅｜Zotero + Tablet，跨平台文献同步的新姿势！ - 知乎 (zhihu.com)

使用icloud和OneDrive的原因是]]></description><category></category></item><item><title><![CDATA[Collecting package metadata (current_repodata.json): failed / Solving environment: failed]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/120802478</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/120802478</guid><author>qq_44217221</author><pubDate>Sat, 16 Oct 2021 19:04:55 +0800</pubDate><description><![CDATA[关了VPN,使用了清华源，还用了一些搜到的方法，都没用，最后的是修改的.condarc文件

参考​​​​​​(29条消息) 【anaconda】Collecting package metadata (current_repodata.json): failed / Solving environment: failed_miracleoa的博客-优快云博客

修改前我的.condarc长这样：


ssl_verify: true
show_channel_urls: true
channels:
.]]></description><category></category></item><item><title><![CDATA[ubuntu虚拟机roslaunch usb_cam usb_cam-test.launch报错]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/119610873</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/119610873</guid><author>qq_44217221</author><pubDate>Wed, 11 Aug 2021 16:51:36 +0800</pubDate><description><![CDATA[运行roslaunch usb_cam usb_cam-test.launch后出现

警告Unable to open camera calibration file [/home/hri/.ros/camera_info/head_camera.yaml]

报错[ERROR] [1575905480.653251919]: Cannot identify '/dev/video0': 2, No such file or directory

跟着WARN搜索出来的各种方法走，都没有解决问题

然后就]]></description><category></category></item><item><title><![CDATA[rosdep update 的解决]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/119248627</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/119248627</guid><author>qq_44217221</author><pubDate>Fri, 30 Jul 2021 15:42:53 +0800</pubDate><description><![CDATA[我是按照

https://blog.youkuaiyun.com/zhangsxa/article/details/114167061

这个安装的ros

但是初始化的时候遇到了各种各样的报错，

反正基本上是一直在百度，一直在尝试各种方法。

最后的解决过程（其中也有很多小问题）

先是解决


ERROR: cannot download default sources list from:
https://raw.githubusercontent.com/ros/rosdistro/master/rosde]]></description><category></category></item><item><title><![CDATA[笔记-Sparse Representationor Collaborative Representation: Which Helps Face Recognition]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/117870625</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/117870625</guid><author>qq_44217221</author><pubDate>Sun, 13 Jun 2021 11:35:53 +0800</pubDate><description><![CDATA[（之前写的笔记了，也是难得写这么多）

论文中心：


It is the CR, but not the l1-norm sparsity, that plays the essential role for classification in SRC。

]]></description><category></category></item><item><title><![CDATA[graph regularized robust BLS (GRBLS)的复现]]></title><link>https://blog.youkuaiyun.com/qq_44217221/article/details/117866923</link><guid>https://blog.youkuaiyun.com/qq_44217221/article/details/117866923</guid><author>qq_44217221</author><pubDate>Sun, 13 Jun 2021 10:35:58 +0800</pubDate><description><![CDATA[GRBLS的思路：


The aforementioned BLS models are based on the mean square error (MSE) criterion to fit the approximation errors [23]. In fact, MSE aims to measure the sum of quadratic loss of data, and the approximation results would skew to the data with lar]]></description><category></category></item></channel></rss>