Adventurer_-优快云博客

翻译【Linux远程】使用webtty进入Linux Terminal

https://www.tecmint.com/access-linux-server-terminal-in-web-browser-using-wetty/

2020-11-22 21:45:55 756

转载【Visual Studio + PCL学习】“pop_t:找不到标识符”的解决方法

参考：https://blog.youkuaiyun.com/xiachong27/article/details/97791096

2020-11-21 21:08:26 1039

转载利用python进行负数向二进制和十六进制的相互转换

2020-11-19 19:41:35 1263

原创 Ubuntu18.04 LTS C++ 与opencv环境搭建

https://blog.youkuaiyun.com/qq_38660394/article/details/80581383exfat支持: sudo apt-get install exfat-fuse exfat-utilshttps://blog.youkuaiyun.com/koqural/article/details/85063457

2019-05-17 09:45:42 864

转载华硕rog在Ubuntu18.04上安装NVIDIA显卡驱动

参考https://ywnz.com/linuxjc/2162.html

2019-05-13 22:13:53 1372

原创 PAT乙级错误/知识点记录

1011注意 A与B的范围均为[−2^31,2^31]，而C = A + B，所以至少需要64位的long型。 1012(第7个检查点未通过)#include <iomanip>cout<<setprecision(2)<<a;int a[6];int count[6]; for(i=0;i<5;i++){ ...

2018-09-03 12:20:08 647

原创 [Django]1 配置环境

课程大作业要求使用Django + python + mongodb实现网页版调查问卷，于是在Django官网找到了一个投票练习项目。但是出师不利，在填写urls.py文件时就遇到了找不到django下的部分模块的问题，经检查，应该是Django版本问题，Django从1.11到2在urls模块经过了比较大的改变。于是决定重新配置Django环境。首先利用anaconda自带的虚拟环境功...

2018-08-08 11:51:48 266

原创【学习笔记】Pattern Recognition&Machine Learning [1.2] Probability Theory(2) 基于高斯分布和贝叶斯理论的曲线拟合

高斯分布不必赘述，这里记录个有意思的东西，即从高斯分布和贝叶斯理论出发看曲线拟合（即选择参数w）。首先假设我们使用多项式拟合曲线，根据泰勒展开的方法，我们可以用有限项多项式在一定精度内拟合任何曲线。我们常常用最小二乘法来求最优系数w（或者说计算损失函数）。主要原因为：残差和存在互相抵消问题，残差绝对值之和难于简练表达计算，而最小二乘法使用的残差平方和表达计算方便，并且可以有...

2018-06-15 16:06:40 888

原创【学习笔记】Pattern Recognition&Machine Learning [1.2] Probability Theory(1)贝叶斯理论

这节讲了概率论中的一些基本概念，这里记录一下对贝叶斯理论的理解。首先简单描述一下贝叶斯理论。对于一个随机事件，我们首先给出先验分布，不妨设为p(w)。当新的试验D发生时，即我们观察到新的试验结果D时，我们就可以得到关于这个随机事件的更多信息，从而得到后验（posterior）分布p(w|D)（即更新后的p(w)）。p(w|D)可通过以下方式计算：由条件概率的定义可得...

2018-06-15 10:07:09 316

原创【学习笔记】Hands-on ML with sklearn&tensorflow [TF] [2]placeholder nodes实现mini-batch

为了实现mini-batch，需要一种节点，在每次迭代使用一个新的batch，可以用placeholder node实现这个功能。>>>A = placeholder(tf.float32, shape=(None, 3))>>>B = A + 5#这里shape=(None, 3)限制了向A节点feed data的维数使用eval()的feed_dict参数...

2018-06-14 20:07:07 349

原创【学习笔记】Hands-on ML with sklearn&tensorflow [TF] [1]模型的训练、保存和载入

本篇内容：一个简单的预测模型的建立、训练、保存和载入。导入必要模块：import numpy as npimport pandas as pdimport tensorflow as tfimport ssl #解决数据源网站签名认证失败的问题from sklearn.datasets import fetch_california_housing解决数据源网站签名认证失败的问题：ssl....

2018-06-14 18:39:59 355

Adventurer