<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[selous的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/selous</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; selous]]></copyright><item><title><![CDATA[脑研究总结]]></title><link>https://blog.youkuaiyun.com/selous/article/details/80353682</link><guid>https://blog.youkuaiyun.com/selous/article/details/80353682</guid><author>selous</author><pubDate>Thu, 17 May 2018 17:08:05 +0800</pubDate><description><![CDATA[本篇博文主要是结合python库Nilearn中提供的API，对fMRI数据的处理方式进行介绍。

撰写时间：2018.5.17 
作者：selous

0.fMRI数据介绍

以脑成像为例,fMRI与MRI的区别主要是,传统的MRI为结构性成像(structural),扫描脑灰质,白质,脑脊液的形态结构等以判断是否有病变或损伤.fMRI(functional)功能成像,是基于大脑进行某项活动时局...]]></description><category></category></item><item><title><![CDATA[MATLAB ttest和ttest2的区别]]></title><link>https://blog.youkuaiyun.com/selous/article/details/79791979</link><guid>https://blog.youkuaiyun.com/selous/article/details/79791979</guid><author>selous</author><pubDate>Tue, 03 Apr 2018 12:16:23 +0800</pubDate><description><![CDATA[Author:ZHANG TAO 
Data:2018.4.3



student t-test假设检验



χ2−χ2−\chi^2-distribution

设X1,X2,...,XnX1,X2,...,XnX_1,X_2,...,X_n是来自总体N(0,1)N(0,1)N(0,1)的样本，则称统计量 
χ2=X21+X22+...+X2nχ2=X12+X22+...+Xn2\chi^2...]]></description><category></category></item><item><title><![CDATA[ubuntu14.04安装afni]]></title><link>https://blog.youkuaiyun.com/selous/article/details/79481817</link><guid>https://blog.youkuaiyun.com/selous/article/details/79481817</guid><author>selous</author><pubDate>Thu, 08 Mar 2018 11:17:35 +0800</pubDate><description><![CDATA[撰写时间：2018.3.8 
内容概述：本博客主要介绍在ubuntu14.04的环境下如何安装afni。在官网上的该页面下介绍了好几种安装方式。本文采用的是1.2.3. To: download current precompiled AFNI binaries，使用预编译好的安装包，解压即能使用的这种。 
系统环境：ubuntu14.04



1.下载预编译好的安装包

ubuntu14.04...]]></description><category></category></item><item><title><![CDATA[ubuntu14.04安装fsl小记]]></title><link>https://blog.youkuaiyun.com/selous/article/details/79469390</link><guid>https://blog.youkuaiyun.com/selous/article/details/79469390</guid><author>selous</author><pubDate>Wed, 07 Mar 2018 13:23:10 +0800</pubDate><description><![CDATA[撰写时间：2018.3.7 
在没安装好之前，我还不确定fsl到底是做什么的。只是我要用的另一个软件需要依赖fsl的运行，所以就准备安装一下。走了不少弯路。 
系统：ubuntu14.04 
fsl版本：5.0

目前我在官网一共看到了三种安装方式

1.下载fslinstaller.py

需要先填写自己的个人信息



然后运行 /usr/bin/python fslinstaller.py ...]]></description><category></category></item><item><title><![CDATA[ubuntu更新cmake到3.0之后的最新版本]]></title><link>https://blog.youkuaiyun.com/selous/article/details/79080077</link><guid>https://blog.youkuaiyun.com/selous/article/details/79080077</guid><author>selous</author><pubDate>Tue, 16 Jan 2018 22:39:40 +0800</pubDate><description><![CDATA[撰写时间：2018.1.16



cmake更新

今天在源码安装pytorch的时候出现了cmake版本的问题，发现apt-get安装的cmake是2.8的版本，所以就的更新到最新的3.x

#增加ppa源
sudo add-apt-repository ppa:george-edison55/cmake-3.x
#更新源
sudo apt-get update
#安装
sudo apt-ge]]></description><category></category></item><item><title><![CDATA[ubuntu分区]]></title><link>https://blog.youkuaiyun.com/selous/article/details/79074317</link><guid>https://blog.youkuaiyun.com/selous/article/details/79074317</guid><author>selous</author><pubDate>Tue, 16 Jan 2018 14:17:28 +0800</pubDate><description><![CDATA[撰写时间：2018.1.16 
安装硬盘环境：240G固态+1T机械硬盘 
安装系统：ubuntu14.04

分区结构

下面是我的分区方式，仅供参考

固态：
    根目录 / : 20G
    系统启动文件 /boot ： 500M
    大型软件安装(如MATLAB,TEXLIVE) /usr/local ：40G
    #大型软件最好使用手动安装，可以指定安装目录为/usr/lo]]></description><category></category></item><item><title><![CDATA[Adversarial Sample misleading the Model(生成对抗样本迷惑模型)]]></title><link>https://blog.youkuaiyun.com/selous/article/details/78815393</link><guid>https://blog.youkuaiyun.com/selous/article/details/78815393</guid><author>selous</author><pubDate>Fri, 15 Dec 2017 17:40:29 +0800</pubDate><description><![CDATA[Introductionadversarial examples—inputs formed by applying small but intentionally worst-case perturbations to examples from the dataset , such that the perturbed input results in the model outputting]]></description><category></category></item><item><title><![CDATA[ubuntu nohup命令]]></title><link>https://blog.youkuaiyun.com/selous/article/details/78330991</link><guid>https://blog.youkuaiyun.com/selous/article/details/78330991</guid><author>selous</author><pubDate>Tue, 24 Oct 2017 16:20:20 +0800</pubDate><description><![CDATA[撰写时间：2017.10.24 
在公司里面服务器上跑代码总是要几天时间，所以知道nohup命令是在服务器上跑代码的首要保证，我也是才知道这个命令．这个命令的功能和＆的功能类似．但是＆后台运行的教程会随着窗口父进程的关闭而关闭，但是实际的情况在服务器上运行的时候，是希望当我的本地机子关闭的时候，进程是不会被kill的，这个时候就需要nohup命令．下面这篇博文是记录为在使用nohup命令的过程中遇到]]></description><category></category></item><item><title><![CDATA[关于svm的自己一直比较困惑的点]]></title><link>https://blog.youkuaiyun.com/selous/article/details/78296142</link><guid>https://blog.youkuaiyun.com/selous/article/details/78296142</guid><author>selous</author><pubDate>Fri, 20 Oct 2017 15:37:26 +0800</pubDate><description><![CDATA[撰写时间：２０１７．１０．２０ 
support  vector  machine(svm)支持向量机在深度神经网络兴起之前一直是机器学习强大的分类器，即使是现在，关于ＳＶＭ的研究以及应用也是有很多，所以弄懂svm是必要的． 
本篇博文记录的是在学习支持向量机的时候，自己存在的一些困惑，以及支持向量机的一些重要概念．Question1:为什么正负样本的分类边界是＋１和－１ 
Answer:纯粹为了计]]></description><category></category></item><item><title><![CDATA[self paced learning(自步学习)]]></title><link>https://blog.youkuaiyun.com/selous/article/details/78144377</link><guid>https://blog.youkuaiyun.com/selous/article/details/78144377</guid><author>selous</author><pubDate>Sat, 30 Sep 2017 17:26:18 +0800</pubDate><description><![CDATA[参考论文地址self-pace learning 是基于curriculum learning发展而来的.相比于curriculum learning中需要将所有的样本人为的进行”难易”程度的排序,* self-pace learning更进一步的通过添加一个正则项(SP-regularizer),来实现模型自动挑选简单的,也就是易于分类的样本(high-confidence samples) *]]></description><category></category></item><item><title><![CDATA[tensorflow实现batch normalization]]></title><link>https://blog.youkuaiyun.com/selous/article/details/77749776</link><guid>https://blog.youkuaiyun.com/selous/article/details/77749776</guid><author>selous</author><pubDate>Thu, 31 Aug 2017 17:05:17 +0800</pubDate><description><![CDATA[撰写时间：2017.08.31 
撰写内容：使用tensorflow实现batch normalization 
写在开头:batch normalization不是很难的内容，但是如果不自己通过一些低级的API实现总会觉得有些细节很难触碰到，所以下面的内容就是如何使用tensorflow实现batch normalization。文章分为两部分： 
1.实现过程中使用的API，务必在实现之前了解这]]></description><category></category></item><item><title><![CDATA[Ubuntu github通过ssh免密码push]]></title><link>https://blog.youkuaiyun.com/selous/article/details/77583933</link><guid>https://blog.youkuaiyun.com/selous/article/details/77583933</guid><author>selous</author><pubDate>Fri, 25 Aug 2017 17:32:31 +0800</pubDate><description><![CDATA[撰写时间：2017.8.25 
系统环境：ubuntu14.041.生成ssh秘钥ssh-keygen -t rsa #一直回车，全部使用默认配置即可运行这条命令，需要你机子已经安装了ssh服务，如果没有安装可以使用下面的命令安装sudo apt-get install openssh-server#安装ssh服务2.复制ssh公钥cd ~/.ssh
vim id_rsa.pub复制公钥文件的内容3]]></description><category></category></item><item><title><![CDATA[GANs实现(Generative Adversarial Networks)]]></title><link>https://blog.youkuaiyun.com/selous/article/details/77259710</link><guid>https://blog.youkuaiyun.com/selous/article/details/77259710</guid><author>selous</author><pubDate>Fri, 18 Aug 2017 15:07:52 +0800</pubDate><description><![CDATA[撰写时间：2017.8.18 
源码地址：https://github.com/selous123/tensorflowExercise/tree/master/Generative%20Adversarial%20Nets网上有很多大神关于GAN的各种发展的介绍，对于一个刚刚接触到GANs的新手来说。如何将简单的GAN网络搭建起来是尤为重要的，所以下面这篇博文就主要记录了对最原始的GAN论文的一点]]></description><category></category></item><item><title><![CDATA[tensorflow代码组织格式]]></title><link>https://blog.youkuaiyun.com/selous/article/details/77197845</link><guid>https://blog.youkuaiyun.com/selous/article/details/77197845</guid><author>selous</author><pubDate>Wed, 16 Aug 2017 10:57:40 +0800</pubDate><description><![CDATA[撰写时间：2017.8.15  



tensorflow代码组织

tensorflow的源代码中有很多example，从那些大牛们的源代码中我们其实可以学到很多有关tensorflow的代码格式应该如何排版。但是由于tf项目组的人有很多，代码格式也是参差不齐，所以这篇博文也就是总结一些博主在实际使用tensorflow中常用的代码组织的结构。



简单模式]]></description><category></category></item><item><title><![CDATA[tensorflow共享变量]]></title><link>https://blog.youkuaiyun.com/selous/article/details/77095155</link><guid>https://blog.youkuaiyun.com/selous/article/details/77095155</guid><author>selous</author><pubDate>Fri, 11 Aug 2017 14:58:20 +0800</pubDate><description><![CDATA[撰写时间：2017.8.11 
系统环境：ubuntu14.04，tensorflow1.12 
内容：主要介绍tensorflow中name_scope，variable_scope和get_variable函数的使用tf.name_scope()和tf.variable_scope()区别在tensorflow中，两个函数均是用于定义命名空间。二者的区别主要在于variable_scope可以与]]></description><category></category></item><item><title><![CDATA[python2.7读取.7z压缩的文件]]></title><link>https://blog.youkuaiyun.com/selous/article/details/76674118</link><guid>https://blog.youkuaiyun.com/selous/article/details/76674118</guid><author>selous</author><pubDate>Fri, 04 Aug 2017 13:14:31 +0800</pubDate><description><![CDATA[撰写时间：2017.8.4系统环境系统:ubuntu14.04 
开发环境：python2.7 
实现功能：读取.7z压缩文件夹中的所有文件 
使用第三方包：pylzma和py7zlib注：pylzma包含py7zlib包，所以只需要安装pylzma即可安装第三方包pylzmapip install pylzma安装和测试过程如下：使用py7zlib包读取文件首先贴一下该包的github地址：htt]]></description><category></category></item><item><title><![CDATA[jupyter快捷键]]></title><link>https://blog.youkuaiyun.com/selous/article/details/76621830</link><guid>https://blog.youkuaiyun.com/selous/article/details/76621830</guid><author>selous</author><pubDate>Thu, 03 Aug 2017 15:19:08 +0800</pubDate><description><![CDATA[【转自】：http://blog.youkuaiyun.com/ahora_wzy/article/details/51282098Jupyter Notebook 有两种键盘输入模式。编辑模式，允许你往单元中键入代码或文本；这时的单元框线是绿色的。命令模式，键盘输入运行程序命令；这时的单元框线是灰色。  命令模式 (按键 Esc 开启)Enter : 转入编辑模式
Shift-Enter : 运行本单元，选中]]></description><category></category></item><item><title><![CDATA[Stanford-CV华人教授李飞飞写给她学生的一封信，如何做好研究以及写好PAPER]]></title><link>https://blog.youkuaiyun.com/selous/article/details/75207708</link><guid>https://blog.youkuaiyun.com/selous/article/details/75207708</guid><author>selous</author><pubDate>Sun, 16 Jul 2017 16:12:02 +0800</pubDate><description><![CDATA[引自：https://www.douban.com/note/161340201/ 
De-mystifying Good Research and Good Papers By Fei-Fei Li, 2009.03.01 Please remember this: 
1000+ computer vision papers get published every year!  
Only 5-1]]></description><category></category></item><item><title><![CDATA[第一次使用django开发网页遇到的问题]]></title><link>https://blog.youkuaiyun.com/selous/article/details/73312671</link><guid>https://blog.youkuaiyun.com/selous/article/details/73312671</guid><author>selous</author><pubDate>Thu, 15 Jun 2017 23:59:14 +0800</pubDate><description><![CDATA[撰写时间:2017.6.15晚—今天太晚了,只是整理了材料,明天再统一整理一下—-系统环境:ubuntu14.04,django1.11,python2.7首先安利一波django,确实是很好用的套件,其中关于数据库的操作让我有点佩服,基本我想要的他都能找到API,给人一种恰到好处的感觉!但是寻找API的过程是比较痛苦的,还有就是作为新手,对django不熟,是很痛苦的经历.而且在学习django的]]></description><category></category></item><item><title><![CDATA[操作系统上机编程2-----unixc实现进程同步]]></title><link>https://blog.youkuaiyun.com/selous/article/details/73005618</link><guid>https://blog.youkuaiyun.com/selous/article/details/73005618</guid><author>selous</author><pubDate>Sat, 10 Jun 2017 20:07:34 +0800</pubDate><description><![CDATA[撰写时间:2017.6.10 
通过信号量机制和条件变量机制实现进程同步pc1.c: 使用条件变量解决生产者、计算者、消费者问题
系统中有3个线程：生产者、计算者、消费者
系统中有2个容量为4的缓冲区：buffer1、buffer2
生产者生产’a’、’b’、’c’、‘d’、’e’、’f’、’g’、’h’八个字符，放入到buffer1
计算者从buffer1取出字符，将小写字符转换为大写字符，放入到]]></description><category></category></item></channel></rss>