edx 学习备忘

一种车内UWB圆极化天线的理论推导及具体实现 本文详细描述了一款工作于UWB channel 9也即中心频率为7987.2MHz,带宽为499.2MHz的圆极化天线。首先是理论推导圆极化天线的物理尺寸参数,分析物理尺寸参数对天线性能指标的影响。然后分析圆极化天线在汽车驾驶室这种狭窄空间应用中带来的优势,也即可以最大化的极化损失多径,提高主径接收信号的信噪比。 阅读详情

今天转向用下edx 开源平台。

下载地址请百度,安装教程看下面

https://github.com/edx/configuration/wiki/edX-Ubuntu-12.04-Installation

需要ubuntu 12.04, 原来装的虚拟机是11.10的。1年没打开,密码忘记了。。

重新down1204,安装。有中文版的,按照并不比windows难。没设置lvm。

翻出自己以前的帖子,如何设置hyper-v ubuntu 网络的

http://blog.youkuaiyun.com/txdb/article/details/7161055

郁闷的是,连vi怎么用也忘了。事实上一直也不怎么会。百度 http://www.knowsky.com/18172.html

用:输入命令,:i光标前新增,:a在光标后新增 还有:o :0什么的。

:d 删除一行


按照edx的安装提示操作

sudo apt-getupdate-y   更新软件包列表

sudo apt-getinstall-ypython-pippython-aptgit-corebuild-essentialpython-devlibxml2-devlibxslt-devcurl
用apt-get安装这些软件

cd /var/tmp

git clone https://github.com/edx/configuration
cd /var/tmp/configuration

sudo pip install-requirements.txt
用pip安装edx

cd /var/tmp/configuration/playbooks


sudo ansible-playbook-clocal./edx_sandbox.yml \
-i "localhost,"-e"edx_platform_version=master"

过程中遇到pip没安装,ansible没安装,可以用apt-get重新安装python-pip

用git 和pip安装boto

boto的下载速度是相当的慢,不知道是怎么回事。每个包都要timeout一次。。。

用pip install 安装lerequirements后,还是不行

用python setup install 总算是可以了,(哪些可以which 查看?和pip install有啥区别?)

不过ansible-playbook这一句 roles is not a legal parameter in an ansible playbook。下班了,明天继续。


继续。。2013.12.31

想想可能是没有安装apache。用apt-get安装了一个

还是不行。打开edx_sandbox.yml看了下。应该是roles这个关键字的问题。

百度了下http://www.ansibleworks.com/docs/playbooks_roles.html

roles是ansible1.2的功能。而我安装的ansible是1.1 +dfsg。。。。(省略若干)的。

更新ansible 提示没有更新。

用pip更新到了1.2,最新版本是1.43.sudo pip install ansible ==1.2

roles的问题么有了。不过又出现了htpasswd is not a legal parameter in an ansible task

更新ansible到1.4,搞定。

吃完午饭继续。。。


有一个错误,在其他电脑输入ip地址无法访问,重新运行了一遍。。。很慢。第一遍好像没这么慢。

中间下载了一本ubuntu从入门到精通 56页 扫完了。这本书不好,只能算是ubuntu安装指南。。

一个下午没成功。

学习了如下的知识。

安装图形桌面

启动图形桌面 startx

切换ctrl+alt+f1-f7,其中f7是图形桌面。

pip search ,pip是安装python组件用的。

apt-get是ubuntu下安装软件包用的

修改ip,dns 在/etc/network/interfaces文件里

vim 用insert键可以切换到改写状态,其实以前用过的,刚才忘记了。这下vim就很很方便了。

升级ansible到1.43,重新安装一遍edx。先回家吃饭了。。。17:46.。


还是没成功,linux的基础太差了。百度了下下面的概念。

nginx

ruby

bundle install

virtualBox

boto

vagrant 基于ruby

django 用python写的web应用框架

json http://zh.wikipedia.org/wiki/Json

查看软件版本aptitude show


ubuntu下安装了virtualbox,vagrant,结果发现版本不是最新的。

后来才发现,virtualbox这东西可以在windows下用的。


百度 edx 安装,其中一篇文章的方法很好用。http://www.idefs.com/record-edx-platform-installation-records.html/comment-page-1

用git clone 下载整个edx-platform

然后再scripts目录下,有安装的代码。

执行create-dev-env.sh就可以配置开发环境。

有一个错误,先运行下install-acceptance-req.sh  ,停留在下载phantomjs,ctrl+c退出,apt-get 安装phantomjs。

然后再运行create-dev-env停留在下载ruby 1.9.3 ,看了下系统的ruby是1.8. 好像升级到1.9.3还有点麻烦。

重新运行create-dev-env。安装了ruby。安装过程也很费时,要耐心等。

。。。。

然后就是building distribute。失败在curl(7)。可能是网络问题。看到有设置apt-get源的,不知道有用不,不过既然是用curl下载,和apt-get源关系应该不大。

根据提示用-v命令再运行一遍。成功了,继续到 installing edx pre_requirements.

停留在pip install 。。。pre.txt

然后就是build numpy,scipy ,看到一些failure的字眼。。numpy和scipy干嘛不用编译好的啊。

然后出现错误是设置local 失败。。。

又是一天过去了。下班。。。2014-1-1 17:11.


继续在curl(7)处失败,重新运行又好了。然后再pre.txt处失败。。

或者在后面的pip,local设置处失败。。。

原来装的是numpy1.6.1,没权限卸载。先用pip卸载了。。。

distribute 下载老是timeout,多试几次。。。

哪里失败的话,这条语句单独先运行下。

现在失败的是下载github.txt里的那些安装包。不知道为什么要用指定地址的安装包。。

这个环境配置太坑爹了。。。

重新设置了下pip源 ,pip源可以百度http://youngsterxyf.github.io/2013/11/01/change-pypi-mirror/

一次性的使用。-i参数。永久的话,改pip的配置。

pip install 你要下载的包  -ihttp://e.pypi.python.org/simple

速度好了很多。


重新安装了一个英文版的ubuntu试试看。

用creat-dev-env,卡在下载ruby,yaml等环节。

用configuration项目,卡在virtualenv,配置pip源 为国内的(在~/.pip/pip.conf里),重新来


突然发现pip的版本是1.0.而最新的版本是1.4.1的。

用sudo pip install --upgrade pip 更新到最新版本

同样的更新virtualenv


configuration 模式下,,提示permission denied /home/supervisor(install supervisor in its venv这一步)

建立这个目录,并chown给当前用户。重试。。。。

npm get https://。。。coffee-script无法fetch   。npm 无法正常安装。。百度有文章说 npm config set registry http://registry.npmjs.org/   能解决。命令行试了下无效。


create-dev-env模式下

base.txt里的polib 下载不成功。地址有问题。直接下载先安装。django-threaded-multihost加上版本号无法下载,去掉。

然后就到manage.py了,提示djangof.con没有.可是在python环境下是可以正确导入django.conf的。


安装了图像界面后,默认就是图像启动,在hpyer-v里无法切换到命令行模式,会出现黑屏。。。

可以参考这篇文章http://www.cnblogs.com/by2028/archive/2012/12/05/2802744.html

6、修复Ctrl+Alt+F1不能进入字符终端问题
  Ctrl+Alt+T进入终端,然后:
      vi /etc/default/grub (必须sudo,表示以root身份运行,否则无权修改)
     找到'GRUB_TERMINAL=console',注意其前面有一个#号,表示被注释掉了。光标移动到这个#号,x删除。
     输入 :wq 保存并退出
     运行 update-grub
     运行 reboot重新启动,此时仍然会出现死机般的黑屏,强制关机后,启动,问题解决。当然这种方法有些不妥,在字符界面和图形界面切换的时候会出现短暂的花屏,但能够工作就行了。
     从字符界面回到图形界面,使用Ctrl+Alt+F7。

下面这个方法设置开机命令行比较好

 如果想 Ubuntu 在每次启动到 command prompt ,可以输入以下指令:

    $echo “false” | sudo tee /etc/X11/default-display-manager

    当下次开机时,就会以命令行模式启动(text模式,字符界面登录),如果想变回图形界面启动(X windows启动),可以輸入:

    $echo “/usr/sbin/gdm” | sudo tee /etc/X11/default-display-manager

    如果在Ubuntn以命令行模式启动,在字符终端想回到图形界面的话只需以下命令:

    $startx


2014-1-4

在edx wiki上报告了几个问题了,发现configuration的安装指南已经更新过了。。。https://github.com/edx/configuration/wiki/edX-Ubuntu-12.04-Installation

重新来一遍

用configuration来安装

设置apt-ge的镜像为163的。

##更新,升级,重启

sudo apt-getupdate-y
sudo apt-getupgrade-y
reboot

安装pip等

sudo apt-getinstall-ypython-pippython-aptgit-corebuild-essentialpython-devlibxml2-devlibxslt-devcurl
sudo apt-getinstallsoftware-properties-commonpython-software-properties


sudo apt-getinstallpython-pippython-devbuild-essential
wget https://bitbucket.org/pypa/setuptools/raw/0.8/ez_setup.py      ##22下载好用python运行下,要有sudo权限
sudo pip install--upgradepip
sudo pip install--upgradevirtualenv ##这里提示setuptool的版本不是0.8,参考前面##22处

设置pip镜像为e.pypi.python.org/simpe

下载configuration repo

cd /var/tmp

git clone https://github.com/edx/configuration

安装必须组件

cd /var/tmp/configuration

sudo pip install-rrequirements.txt
用了国内的镜像,这个安装还是挺快的

配置edx

cd /var/tmp/configuration/playbooks

sudo ansible-playbook-clocal./edx_sandbox.yml-i"localhost,"
这个需要点时间

中间没有权限错误,/home/supervisor,等好几个,可能是我在当期用户目录下安装造成的。没得目录,建立它,chown给当前用户,重来

换成到var/tmp目录下运行ansible-playbook那条语句,一样


然后install ruby 很耗时。。


然后就出现了安装说明中的错误,如下

Note: If you get npm Error: failed to fetch from registry: coffee-script, put

registry = "http://registry.npmjs.org/"

to /usr/share/npm/npmrc and retry the installation.


然后再install base-requirements处停住了。。。。不敢ctrl+c,吃了午饭回来,还没好,在down oracle jave。。。

出现一个启动 elasticSearch server 失败的错误。安装elasticsearch 失败。。独立安装也一样 。

这代码,一伙儿python 一伙儿 ansible 一伙儿 java 一伙儿 bash。。。。无语了。。

把elasticsearch的版本换成了0.90.9,在task中是0.90.2,然后retry,继续前进

现在的错误是timeout waiting for localhost 9200 google了下,有人碰到过

https://github.com/edx/configuration/issues/226

Solved by
sudo add-apt-repository ppa:webupd8team/java
sudo apt-get install oracle-java7-installer ##提示找不到这个包,要先apt-get update 一下。

and check
java -version == javac -version








































别再凭感觉估算!用ADS的EBOND库精确仿真Bonding线寄生电感(附完整参数设置指南) 本文详细介绍了在ADS中使用EBOND库精确仿真Bonding线寄生电感的方法,帮助射频工程师在毫米波频段实现高精度建模。通过三维物理参数和电磁场求解算法,EBOND模型能将误差控制在5%以内,显著提升电路性能。文章还提供了完整的参数设置指南和实战操作步骤,适用于5G毫米波前端模块等高频应用场景。 阅读详情

相关推荐

芯片低功耗设计的两种常用EDA流程

如题。

EricWZY2008的专栏 5557

edx生产环境部分命令

# 更新代码 sudo git pull # 修复mongodb sudo mongod -f /etc/mongodb.conf --repair # 重启服务 sudo /edx/bin/supervisorctl -c /edx/etc/supervisord.conf restart edxapp: #编译: sudo -H -u edxapp bash sou...

飞鸟与鱼 227

告别抖动与滞后:深入博能传动伺服DSC功能,用105报文提升多轴同步性能

本文深入解析博能传动伺服DSC功能如何通过105报文实现多轴同步性能提升,有效解决工业自动化中的抖动与滞后问题。详细介绍了DSC技术原理、105报文实现机制及多轴同步工程实践,帮助工程师优化伺服系统性能,实现绝对齿轮同步。

weixin_30394981的博客 184

在线教育平台edx运营情况数据分析报告——SQL&Tableau

MIT大学的ComputerScience主题的课程总时长平均值为245.8h,Science,Technology,Engineering,andMathematics主题的课程总时长平均值为84.8h,Government,Health,andSocialScience主题的课程总时长平均值为156.1h,Humanities,History,Design,Religion,andEducation主题的课程总时长平均值为62.6h。其中39、40、53属于异常值。...

Bingo 2836

景观格局指数计算方法及代表的生态学意义(待补充)

景观指数 斑块密度(PD) 斑块密度(PD)表现某种斑块在景观中的密度,可反映出景观整体的异质性与破碎度[17],公式为PD=NP/A(1)式中NP———斑块数量,个A———景观或斑块的总面积,hm2PD———斑块密度,个/hm2 最大斑块指数(LPI) 最大斑块指数(LPI)用于确定景观中的优势斑块类型,间接反映人类活动干扰的方向和大小,公式为LPI=amaxA×100%(0≤LPI≤100%)(2)式中amax———景观或某一种斑块类型中最大斑块的面积,hm2LPI———最大斑块指数,% 凝聚

soderayer的博客 13万+

在VSCode中使用LaTex+(grammarly语法检测,chatgpt翻译,Sumatra PDF 轻量级pdf阅读器)

整个文章分为以下几个内容,打 * 的是必须要安装的。

u011895157的博客 2万+

edx 学习备忘2

open edx 安装起来有段时间了。很多功能还有待摸索。今天把一些有用的资料整理下。 主要是这一页的内容。https://github.com/edx/edx-platform/wiki edx 平台的演示平台地址http://sandbox.edx.org / http://studio.sandbox.edx.org  默认的用户名和密码honor@example.com,edx 预

2743

PCB布线避坑指南:为什么你的差分线等长总调不好?AD19蛇形等长技巧详解

本文详细解析了AD19环境下PCB差分线等长调整的核心技巧与常见问题。从差分信号等长的底层逻辑到AD19规则配置,再到蛇形等长高级技巧和信号完整性验证,帮助工程师解决差分线等长调整中的难题,提升高速PCB设计的信号质量。

weixin_28738397的博客 382

edx 安装 备忘

折腾了差不多10天,终于搞定了edx的安装。因为前面没什么ubuntu的基础,更加没有linux的各种软件的知识,走了很多弯路。 在edx wiki上报告了几个问题了,发现configuration的安装指南已经更新过了。。。https://github.com/edx/configuration/wiki/edX-Ubuntu-12.04-Installation 重新来一遍 用c

5541

uniapp+openlayers集成天地图实战:renderjs通信陷阱与性能优化避坑指南

本文深入探讨了uniapp与openlayers集成天地图时的renderjs通信陷阱与性能优化策略。通过实战案例解析了renderjs的特殊通信机制、地图实例生命周期管理、图层懒加载等关键技巧,帮助开发者避免常见坑点,提升应用流畅度。特别针对多语言切换、热重载偏移等疑难问题提供了解决方案,是uniapp+openlayers开发者的实用避坑指南。

weixin_30872157的博客 362

Vue3 - 实现集成配置百度语音识别转文字,长按或开启录音并将录音文件实时转换为文字,上传音频文件利用百度语音识别API转换为文本并展示(vue3百度智能云API实现上传录音文件并转换成文字案例)

vue3对接百度智能云语音识别,vue3 h5移动端网页中实现语音识别,百度语音识别录音转文字_百度智能云,vue3如何使用百度语音识别,如何将语音转文字,使用vue3实现录音并将录音转换为文字,vue3如何实现语音输入功能功能,vue3集成百度智能云API实现录音转文字详细教程完整示例代码demo,VUE3使用百度语音识别语音转文字,vue调用百度语音识别,vue3百度语音识别文字并展示功能,vue3免费语音转文本api,百度语音识别申请配置教程,Vue3项目配置自定义界面百度语音识别转文字和原生使用方式

🏆 前端领域优质创作者 2726

一些网站备忘录

1 类似公开课之类 edx:https://www.edx.org/,该部分与中国大学MOOC类似 网易云课堂-吴恩达机器学习:https://study.163.com/course/courseMain.htm?courseId=1004570029&_trace_c_p_k2_=57584814f5d148118947d90cefe12924,该部分课程MTLAB来实现的。中...

weixin_30593443的博客 359

最小二乘(MLS)求点云法向量

MLS算法的基本思想是通过在点云的局部邻域内拟合一个光滑曲面,如平面或多项式曲面,以此来重建和处理点云数据。对于法向量估计,MLS通常在每个点的邻域内拟合局部平面,然后从该平面的法向量作为点的法向量。

twnkie的博客 744

java 备忘录模式_Java设计模式,备忘录模式

定义在不破坏封闭的前提下,捕获一个对象的内部状态,并在该对象之外保存这个状态。这样以后就可将该对象恢复到原先保存的状态。备忘录模式的定义通俗易懂,下面会通过一个例子来解释备忘录模式的应用。实现定义一个具有记录绘图路径的备忘录类:public class PathMemento {private HashMap backup;public PathMemento(HashMap backup) {t...

weixin_30562977的博客 153

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

如何学习数字信号处理?——数字信号处理学习方法及学习资料( 原创,若转载请标明出处 )...

作者:Abraham 转载请标明出处,谢谢! 我的本科和研究生专业都是与光学相关的,以前对数字信号处理这个领域的了解不深,学过的交叉课程是傅里叶光学。 工作是信号算法工程师性质的,面对应用,要对数字信号处理进行深入地学习,于是在这个领域进行了较为系统的自学,在此记录下自学的步骤和所用的书籍,以作备忘及分享。 1. 信号与系统 (1)教材 信号与系统是数字信号处理的...

dianhuo7207的博客 1411

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

关于MASM汇编的一点点备忘

起因 前段时间帮 我的小狗 我的女朋友写汇编作业,很多东西没有和她解释清楚 主要是当时我也不怎么清楚 导致验收的时候发生了一些不愉快的事情,所以整理了这篇随笔,梳理了一遍x86汇编的流程和基础用法,于我而言也作备忘之用。 题目要求 编写一个程序,在无符号数组中查找从键盘输入的无符号数,若存在则输出该数在数组中的位置和该数,若不存在则输出错误信息。 例:数组array=[1,23,4,5,...

1128

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

transifex 学习 备忘

edx 汉化的时候失败了。。于是又得来看下transifex的知识。。transifex的帮助写的真不好。。。 tx pull -a 获取项目的翻译包 不过要先tx init一下 会在当期用户目录下建立一个.txt目录 然后 tx set  。。。不知道怎么用, 到edx-platform目录下。项目已经配置好tx 用tx status查看下。四个下项目都有英文版。 tx pull 只

1726

天文备忘录

学习太空物体测距,特别是卫星测距的技术,涉及多个领域的知识,包括天文学、信号处理、统计学等。

Python领域优质萌新学习笔记 897

机器学习资源汇总整理

机器学习资源汇总整理 来源:https://sgfin.github.io/learning-resources/ 我应该从哪里开始? 如果您在这里寻找机器学习的一般介绍,我将按以下顺序进行: James、Witten、Hastie 和 Tibshirani的统计学习导论。这本教科书是对该领域的精彩介绍,由其一些主要专家撰写。它简短且写得很好,足以通篇阅读,足够高级,足以让来自不同背景的人接触...

CodeInLinXu 203

职业目标备忘录(更新2018.12.22)

这个blog应该经常更新: V0.1.0: 2018.12.22 天下武功, 唯快不破. 做的快意味着更多的试错机会, 快速把想做的尝试, 慢慢就会找到方向和深度. 第一, 要找到工作, 尽量争取一下Capital one. 然后是自我提升部分(在已经工作的前提下), 目前的想法有: 保持刷题: 因为刷题这种东西根本三五个月不够, 之前是为了找工作甚至有背题的嫌疑, 稳定下来, 要有策略, 追...

joshuajinxiaoshuai的博客 380

寄存器备忘

32位CPU所含有的寄存器有:4个数据寄存器(EAX、EBX、ECX和EDX)2个变址和指针寄存器(ESI和EDI) 2个指针寄存器(ESP和EBP)6个段寄存器(ES、CS、SS、DS、FS和GS)1个指令指针寄存器(EIP) 1个标志寄存器(EFlags) 其中 EBX,ESI,EDI,EBP 四个寄存器 可 在 [...] 中用于内存单元寻址 1、数据寄存器数据寄存器主...

HJW1979的博客 192

汇编备忘录

汇编备忘录 数据传输指令 ─────────────────────────────────────── 它们在存贮器和寄存器、寄存器和输入输出端口之间传送数据. 1. 通用数据传送指令. MOV 传送字或字节. MOVSX 先符号扩展,再传送. MOVZX 先零扩展,再传送. PUSH 把字压入堆栈. POP 把字弹出堆栈. PUSHA 把AX,CX,DX,BX,SP,BP,

Aaron_xyt的专栏 670

通过 4 个简单的步骤创建您的 SQL 学习计划

随着技术的快速发展,我们经常被最新的语言和框架所吸引,认为这些语言和框架将使我们在就业市场上脱颖而出。但是,拥有常青技能的良好基础同样重要,如果不是更重要的话。对于许多技术工作者来说,结构化查询语言(SQL)就是这样一种常青技能。自 1970 年代以来,它一直用于数据管理,这几乎不是当今科技界最令人兴奋的部分。但是,由于它在概念发布近 50 年后仍在使用,因此您可以将此技能应用于许多不同的角色和行业。在回应 2022 年 Stack Overflow 开发人员调查的 53,421 名专业开发人员中,有 28

昔明日 499

C/C++相关备忘

C/C++相关备忘Microsoft VC++GNU C/C++ Microsoft VC++ 类型 含义 LPCTSTR 表示const字符串,L表示long,P表示pointer,C表示const,T表示_T(win32中有一个_T宏,unicode表示w,ansi表示),根据系统是否使用unicode编码通过typedef定义 HBRUSH HBRUSH表示指向一个 包含...

RedGrey1993_的博客 237

python学习方法_十二种学习Python的方法

python学习方法 Python是地球上最流行的编程语言之一。 它被世界各地的开发商和制造商所接受。 大多数Linux和MacOS计算机都预装了Python版本,现在,即使是少数Windows计算机供应商也正在安装Python。 也许您参加聚会迟到了,您想学习但不知道该去哪里。 这12个资源将帮助您入门,并逐步掌握Python。 课程,书籍,文章和文档 Python Softwa...

cuml0912的博客 626

汇编语言备忘

x86下,nasm的语法: 1. loop CPU执行到loop指令的时候,要进行两步操作:     (1) (cx) = (cx) - 1     (2) 判断cx中的值,不为0( 类似 C语言中的true) 则转至标号 ( 类似C语言中的goto) 处执行程序,直到为0则向下执行。     由此可见:CX寄存器中的值影响着loop指令的执行结果 。通常我们用loop指

踏实奋斗,追逐梦想 682
上一篇: 安桌开发 学习备忘3 actionbar
下一篇: 使用网易镜像给Ubuntu的apt-get提速(sohu那个镜像,电信线路太慢了)
吕刚
博客等级 码龄24年 217粉丝 151原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值