<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[图灵是我]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/r1254</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; r1254]]></copyright><item><title><![CDATA[pytorch动手实现——K近邻算法]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/104888502</link><guid>https://blog.youkuaiyun.com/r1254/article/details/104888502</guid><author>r1254</author><pubDate>Sun, 15 Mar 2020 22:46:18 +0800</pubDate><description><![CDATA[简介
k近邻(knn)算法算是比较简单的机器学习算法，它属于惰性算法，无需训练，但是每次预测都需要遍历数据集，所以时间复杂度很高。
KNN模型的三个基本要素：

K值得选择，K值越小，近似误差越小，估计误差越大，相当于过拟合。举个例子，如果k=1，那么类别就会跟他最近的点一个类别。
距离度量：距离反映了特征空间中两个实例的相似程度。可以采用欧氏距离、曼哈顿距离。
分类决策规则：往往采用多数表决。
...]]></description><category></category></item><item><title><![CDATA[C++/Matlab混合编程（vs2010和matlabR2014a）]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/52587970</link><guid>https://blog.youkuaiyun.com/r1254/article/details/52587970</guid><author>r1254</author><pubDate>Sat, 14 Mar 2020 17:16:47 +0800</pubDate><description><![CDATA[这几天在使用matlab/c++混编时，遇见很多问题，解决起来很痛苦，分享一些经验给大家，希望大家少走些弯路。 
首先这里说下，不建议使用matlab2010a和vs2010来混合编程，因为我自己尝试过，遇到很多问题，matlab2010a是在vs2010前发布的，所以自身是识别不到vs2010编译器的，建议用matlab2010b以上。1、装载vs2010和matlab2014a这两个东西我就不单]]></description><category></category></item><item><title><![CDATA[及时知道模型已经训练完毕——让程序向你的微信发送提醒]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/104686647</link><guid>https://blog.youkuaiyun.com/r1254/article/details/104686647</guid><author>r1254</author><pubDate>Thu, 05 Mar 2020 23:07:42 +0800</pubDate><description><![CDATA[简介
本来以前是用同学基于itchar写的，在模型训练完成后向文件传输助手发送消息来告知模型已经训练完毕。现在貌似网页版微信已经不可以使用了，所以将同学的代码重构成基于ServerChan的代码后，分享给大家。
github: https://github.com/PeijiYang/dinglingling
Server Chan
首先需要在server酱官网：http://sc.ftqq.co...]]></description><category></category></item><item><title><![CDATA[深度学习模型函数执行完毕后显存不释放问题解决方案]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/102834857</link><guid>https://blog.youkuaiyun.com/r1254/article/details/102834857</guid><author>r1254</author><pubDate>Thu, 31 Oct 2019 12:00:31 +0800</pubDate><description><![CDATA[使用多线程的方法来解决
如下定义model_predict()函数为调用深度学习模型预测结果函数，返回接口列表，使用多线程的方法可以使得调用函数后释放显卡，以便在同张显卡上调用第二个深度学习模型。
具体代码如下
import multiprocessing

# return_dict用于函数返回值
def model_predict(X_test, return_dict):
	...
	......]]></description><category></category></item><item><title><![CDATA[pytorch模型存储的几种方式以及存在的问题]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/92813190</link><guid>https://blog.youkuaiyun.com/r1254/article/details/92813190</guid><author>r1254</author><pubDate>Wed, 19 Jun 2019 11:31:53 +0800</pubDate><description><![CDATA[Tutorials
首先我们要了解pytorch有关保存和加载模型的三个核心函数

torch.save: 该函数用python的pickle实现序列化，并将序列化后的object放到硬盘。
torch.load: 用pickle将object从硬盘中反序列化到内存中。
torch.nn.Module.load_state_dict: 通过反序列化后的state_dict 来读取模型的训练参数。
...]]></description><category></category></item><item><title><![CDATA[pytorch中torch.nn.dropout和torch.nn.F.dropout区别]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/91867736</link><guid>https://blog.youkuaiyun.com/r1254/article/details/91867736</guid><author>r1254</author><pubDate>Thu, 13 Jun 2019 15:41:54 +0800</pubDate><description><![CDATA[其实这二者在功能上并没有本质的区别，如果我们看nn.dropout的代码，我们会发现
class Dropout(_DropoutNd):
	........
    @weak_script_method
    def forward(self, input):
        return F.dropout(input, self.p, self.training, self.inplac...]]></description><category></category></item><item><title><![CDATA[Graph Convolutional Networks for Text Classification阅读笔记]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/88399485</link><guid>https://blog.youkuaiyun.com/r1254/article/details/88399485</guid><author>r1254</author><pubDate>Mon, 11 Mar 2019 17:42:38 +0800</pubDate><description><![CDATA[原文链接
简介
文本分类是自然语言处理中一个常见的基础问题。我们常用的文本表示方法有CNN，RNN，LSTM等等。这些模型会优先考虑文本的顺序信息和局部信息，能够很好的捕获连续词序列中的语义和语法信息，但是它忽略了全局的词共现，词共现中懈怠了不连续以及长距离的语义信息。
方案
图卷积网络(GCN)
本文主要使用图卷积网络,图卷积网络公式如下：

其中

这里的公式使用的都是矩阵表示，所以看上去会有...]]></description><category></category></item><item><title><![CDATA[几种图神经网络方法总结（Graph Neural Network）]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/88343349</link><guid>https://blog.youkuaiyun.com/r1254/article/details/88343349</guid><author>r1254</author><pubDate>Fri, 08 Mar 2019 11:03:52 +0800</pubDate><description><![CDATA[概要
今年来图神经网络受到大家越来越多的关注，在文本分类(Text classification)，序列标注（Sequence labeling）, 神经机器翻译（Neural machine translation）,关系抽取（Relation extraction），事件抽取（Event extraction）, 图像分类（Image Classification），视觉推理（Visual R...]]></description><category></category></item><item><title><![CDATA[xgb自定义目标函数和评价函数(自定义mae近似函数为目标函数)]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/87277193</link><guid>https://blog.youkuaiyun.com/r1254/article/details/87277193</guid><author>r1254</author><pubDate>Thu, 14 Feb 2019 15:41:43 +0800</pubDate><description><![CDATA[xgboost自定义目标函数及评价函数
xgboost是支持自定义目标函数和评价函数的，官方给的demo如下：
# user define objective function, given prediction, return gradient and second order gradient
# this is log likelihood loss
def logregobj(preds,...]]></description><category></category></item><item><title><![CDATA[自动机器学习工具NNI使用体验]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/86986472</link><guid>https://blog.youkuaiyun.com/r1254/article/details/86986472</guid><author>r1254</author><pubDate>Mon, 11 Feb 2019 14:19:50 +0800</pubDate><description><![CDATA[NNI简介
NNI (Neural Network Intelligence) 是由微软亚洲研究院人工智能系统联合中心打造的AutoML开源工具包。 它通过多种调优的算法来搜索最好的神经网络结构和（或）超参，并支持单机、本地多机、云等不同的运行环境。NNI是非常友好的开源工具，用户可以在其上拓展自己的开源算法。
NNI相较于其他autoML工具的优势
易于使用：NNI可通过pip安装。只需要在代码...]]></description><category></category></item><item><title><![CDATA[使用npm安装出现err的解决方案(npm国内镜像)]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/78350282</link><guid>https://blog.youkuaiyun.com/r1254/article/details/78350282</guid><author>r1254</author><pubDate>Thu, 26 Oct 2017 10:21:27 +0800</pubDate><description><![CDATA[最近在使用elasticSearch，需要安装grunt，于是便安装了node使用npm进行安装，结果出现了各种err异常，经过搜索后发现，是因为被。。墙了，这里推荐使用国内镜像解决这个问题。方法1config命令在cmd中进入npm目录下，输入如下命令npm config set registry https://registry.npm.taobao.org 
npm info undersco]]></description><category></category></item><item><title><![CDATA[windows下配置安装Anaconda+tensorflow]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/76735740</link><guid>https://blog.youkuaiyun.com/r1254/article/details/76735740</guid><author>r1254</author><pubDate>Sat, 05 Aug 2017 21:04:39 +0800</pubDate><description><![CDATA[前言tensorflow中文社区还没有更新windows下安装tensorflow的方法，这里附上英文官方网站的安装方法链接：官方英文安装教程 
本文将我安装的过程进行了整理。Anaconda安装Anaconda版本为Anaconda 4.4.0，对应的python版本为3.6，附上Anaconda官网下载链接：Anaconda官网 
当然官网只提供python36的4.4.0版本，而tensorf]]></description><category></category></item><item><title><![CDATA[android studio将代码关联到git@osc（出现 Empty repository,以及push reject解决）]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/51296258</link><guid>https://blog.youkuaiyun.com/r1254/article/details/51296258</guid><author>r1254</author><pubDate>Mon, 02 May 2016 14:18:38 +0800</pubDate><description><![CDATA[第一步下载git并安装，这一步网络上已经有很多教程，不在多言，下载地址如下 
http://git-scm.com/downloads/第二步在android studio上配置好git 
file->settings->version control->git 
第三步点击菜单栏VCS->import into version Control->Create Git Repository 
 
在]]></description><category></category></item><item><title><![CDATA[如何在android使用face++（Android Studio）]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/51175287</link><guid>https://blog.youkuaiyun.com/r1254/article/details/51175287</guid><author>r1254</author><pubDate>Sun, 17 Apr 2016 20:52:50 +0800</pubDate><description><![CDATA[android配置face++有几个注意的要点。一.需要将jar文件导入 
如上图，单击箭头所示位置，将android改为project 
 
将下好的facepp的jar文件copy进箭头所示libs文件内 
右键jar文件，选择add as libs，将jar文件导入。二.需要使用新的线程来进行网络访问因为在android4.0以后，就不支持在主线程中访问网络了。有关在子线程中访问网络的具体方法]]></description><category></category></item><item><title><![CDATA[48行计算24点C语言代码（转载）]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/46914431</link><guid>https://blog.youkuaiyun.com/r1254/article/details/46914431</guid><author>r1254</author><pubDate>Thu, 25 Feb 2016 16:52:20 +0800</pubDate><description><![CDATA[学写24点时无意中看到的非常高大上的代码。。。。。。#include <stdio.h>
#include <string.h>
#define SWAP(t, a, b) do {t v=a; a=b; b=v;} while (0)
#define OP(o)   do { a[1].n = a[0].n o a[1].n; \
        sprintf(a[1].s, "(%s"#o"%]]></description><category></category></item><item><title><![CDATA[有关openmesh 4.1如何在vs2010以及qt creator中搭建使用]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/48490113</link><guid>https://blog.youkuaiyun.com/r1254/article/details/48490113</guid><author>r1254</author><pubDate>Wed, 16 Sep 2015 10:16:10 +0800</pubDate><description><![CDATA[下载 openmesh去官网下载最新版的openmesh，下载时注意版本和你选择的是源代码还是已经编译过得，这里我推荐选择编译的，只需要安装即可。 
官网下载地址 
在官网中选择vs2010版本或你自己想要的版本，下载后选择目录安装即可。vs2010下的搭建右键工程文件->属性->vc++目录。在包含目录下添加 openmesh安装路径\include 
在包含目录和库目录中依次添加 openmes]]></description><category></category></item><item><title><![CDATA[半边数据结构及其使用]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/48206963</link><guid>https://blog.youkuaiyun.com/r1254/article/details/48206963</guid><author>r1254</author><pubDate>Fri, 04 Sep 2015 09:53:15 +0800</pubDate><description><![CDATA[实体的B-rep表示模型是一非常复杂的模型，要求能够表达出多面体各几何元素之间完整的几何和拓扑关系，并且允许对这种几何和拓扑关系进行修改.在B-rep表示中，体、面、边和顶点是最基本的几何元素，在实体的拼合、显示、分析计算或人机交互过程中，对基本几何元素的下列操作是必不可少的： 
        ．增加或删除体、面、边或顶点； 
　　．已知一个体，查找它的所有面、所有边或所有顶点； 
　　．已知一个]]></description><category></category></item><item><title><![CDATA[ImageWarping--反距离加权插值（IDW）方法实现及报告]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/48159515</link><guid>https://blog.youkuaiyun.com/r1254/article/details/48159515</guid><author>r1254</author><pubDate>Tue, 01 Sep 2015 16:17:48 +0800</pubDate><description><![CDATA[反距离加权插值（IDW）根据给定的控制点对和控制点的位移矢量（方向和距离），实现图像每一个像素点的位移。反距离加权插值的方法是通过得到每一个像素点和选定控制点对的逼近关系，以及相对应的权重关系，求得像素点相对应的变化关系，逼近函数可以理解为对像素点p的影响程度，而权重函数则可以看成是对距离的权重，距离越远，权重越小。 
该函数f（p）传入一个像素点的坐标，通过已选定的控制点实现计算插值。f函数返回像]]></description><category></category></item><item><title><![CDATA[windows下的qt creator 和 vs2010配置glut工具库（qt 5.5.0版本）]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/48088639</link><guid>https://blog.youkuaiyun.com/r1254/article/details/48088639</guid><author>r1254</author><pubDate>Sat, 29 Aug 2015 16:56:53 +0800</pubDate><description><![CDATA[首先，下载glut工具库所需文件，可以去opengl官网查找，也可在如下链接下载 
glut库下载地址vs2010下配置glut下载好的文件中有五个文件，将*.h文件拷贝到 
C:\Program Files (x86)\Microsoft SDKs\Windows\v7.0A\Include\gl中 
将两个 *.lib拷贝到vs2010的安装目录下的\Microsoft Visual Studi]]></description><category></category></item><item><title><![CDATA[有关eigen库在qt中的使用]]></title><link>https://blog.youkuaiyun.com/r1254/article/details/47843419</link><guid>https://blog.youkuaiyun.com/r1254/article/details/47843419</guid><author>r1254</author><pubDate>Fri, 21 Aug 2015 21:57:52 +0800</pubDate><description><![CDATA[eigen库在vs2010中直接添加地址到包含目录即可，但在qt creator中没有此项功能。我们只需要在.pro文件中添加地址即可，即添加如下语句  
INCLUDEPATH+=D:/Eigen/eigen (自己根据自己的目录地址进行修改)]]></description><category></category></item></channel></rss>