<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[灰太狼Polaris的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/u014686356</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u014686356]]></copyright><item><title><![CDATA[MD5校验]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/88342456</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/88342456</guid><author>u014686356</author><pubDate>Fri, 08 Mar 2019 10:30:47 +0800</pubDate><description><![CDATA[跟师弟学了一招。
文件（大文件22G）从一台电脑上copy到另一台电脑上，但是程序却读取不正确。
有可能是文件受损了
所以用md5校验看源文件和现在的文件是否有差别。
Ubuntu
md5sum 文件名
完成

...]]></description><category></category></item><item><title><![CDATA[Visio 保存（导出）无边框的pdf文件]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/87985796</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/87985796</guid><author>u014686356</author><pubDate>Wed, 27 Feb 2019 19:20:38 +0800</pubDate><description><![CDATA[问题描述
使用visio画图是十分方便的，PPT画图比较简洁好看。但是Visio将图导出来的时候总是会有一个浅色的线作为边界。如果在白底的文档中使用会非常不美观。那么如何导出不带边界的pdf文件呢？
解决办法
点击文件

导出

创建PDF

点击选项，并去掉 ‘辅助功能文档结构标记’中的对号

最后确定导出就可以了
完美！

...]]></description><category></category></item><item><title><![CDATA[latex  行内公式超出行宽，自动换行的方法。]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/84348560</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/84348560</guid><author>u014686356</author><pubDate>Thu, 22 Nov 2018 20:44:44 +0800</pubDate><description><![CDATA[在写latex 论文时，常常出现公式太长，以至于在行内书写公式时，公式会超出行宽的情况。就是大部分的文字在固定的行宽内，但是公式部分会长出来一截。
简单的解决办法
将行内公式进行拆分，用多个$$对来对公式进行划分。一个 $$就表示一个小的公式，那么latex就可以进行自动换行处理。如果还有超出的部分就继续进行拆分，拆成几个小的公式的组合。如果是公式只能是一个大的整体，不能够被拆分，那么请用\beg...]]></description><category></category></item><item><title><![CDATA[Ubuntu pip install 出现PermissionError: [Errno 13] Permission denied:]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/80510880</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/80510880</guid><author>u014686356</author><pubDate>Wed, 30 May 2018 15:31:38 +0800</pubDate><description><![CDATA[出现这种情况，有一种简单有效的方法，搜索到的都是在windows 环境下出现此问题的。在stackoverflow 看到了当前的答案，可以参考一下，亲测有效。



pip install &amp;lt;packname&amp;gt; --user

例如



pip install scipy --user

希望有用！...]]></description><category></category></item><item><title><![CDATA[【算法导论】二叉搜索树的实现]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/80071710</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/80071710</guid><author>u014686356</author><pubDate>Tue, 24 Apr 2018 23:00:56 +0800</pubDate><description><![CDATA[


二叉搜索树的实现
1.首先给出二叉树的结构体
2.查询操作
3. 找出子树的最大值和最小值
4.节点的前驱和后继
5.插入
6.删除
7构建树
8.测试过程








二叉搜索树的实现

二叉搜索树的特点是，A.left&amp;amp;lt;=A&amp;amp;lt;=A.rightA.left&amp;amp;lt;=A&amp;amp;lt;=A.rightA.left...]]></description><category></category></item><item><title><![CDATA[PRML第 47 页损失函数中交叉项为什么会消失--计算过程]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/79857630</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/79857630</guid><author>u014686356</author><pubDate>Sun, 08 Apr 2018 20:48:39 +0800</pubDate><description><![CDATA[在PRML的第一章1.5.5节，计算关于损失函数过程中，根据原文得到如下内容：

 
其中有一下推导过程： 
 
文中只用一句话描述了为什么交叉项会消失，”Substituting into the loss function and performing the integral over t, we see that the cross-term vanishes and we obtain ...]]></description><category></category></item><item><title><![CDATA[【论文笔记】MSDNet  MULTI-SCALE DENSE NETWORKS FOR RESOURCE EFFICIENT IMAGE CLASSIFICATION]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/79626471</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/79626471</guid><author>u014686356</author><pubDate>Tue, 20 Mar 2018 16:57:01 +0800</pubDate><description><![CDATA[MSDNet 
这篇文章是2017ICML上的一篇文章，觉得挺有意思，就阅读了文章，并整理成笔记。我尽量用简单的语言，尽可能的把我对文章的理解写出来，有什么不对的地方，请大家多多指正。



摘要

这篇主要是对计算资源限制的条件下，对于图像分类模型的优化和求解。毕竟，计算资源并不是免费的。为了能够达到在不同的设备上，不同的限制的资源条件下就行图像分类，论文设置了两个实验条件限制。

1、Anyt...]]></description><category></category></item><item><title><![CDATA[Bilinear model 及其相关文献]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/79523853</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/79523853</guid><author>u014686356</author><pubDate>Mon, 12 Mar 2018 17:40:57 +0800</pubDate><description><![CDATA[Bilinear model 以及相关的变形

最近读到了一篇关于bilinear cnn的文章，就把几篇相关的文章进行了阅读和汇总，总共有三篇文章。我将对这三篇文章分别进行描述。

Bilinear CNN Models for Fine-grained Visual Recognition-ICCV2015

&amp;lt;手动空格&amp;gt; 这篇文章的主要思想是对于两个不同图像特征的处理方式上的不同...]]></description><category></category></item><item><title><![CDATA[Latex 使用小技巧]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/79416476</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/79416476</guid><author>u014686356</author><pubDate>Thu, 01 Mar 2018 19:27:11 +0800</pubDate><description><![CDATA[latex使用日常

准备将latex的日常使用中的小的细节记录下来，刚开始用，一头雾水。囧。。。



latex 公式换行问题

*”$…$”里面填写公式，则公式不会自动换行 
*”$$…$$”中填写公式会自动换行，居中



在Markdown中应该也可以用

求”$ \theta$”, 显示为θθ\theta，”$$\theta$$”显示为θθ\theta 
先这样吧，遇到其他小知识点再追...]]></description><category></category></item><item><title><![CDATA[【论文笔记】Active Convolution: Learning the Shape of Convolution for Image Classification]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/79401585</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/79401585</guid><author>u014686356</author><pubDate>Wed, 28 Feb 2018 15:49:31 +0800</pubDate><description><![CDATA[Active Convolution: Learning the Shape of Convolution for Image Classification



主要思想

这篇论文的主要思想是在卷积神经网络中的卷积核的改进。论文提出近年来涌现出的网络，例如ResNet, Inception,都是对卷积神经网络结构的调整，提高网络的性能。卷积作为卷积神经网络的核心部分，改进的方法却不多。论文提出...]]></description><category></category></item><item><title><![CDATA[Hadoop多节点分布式配置安装]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/72843253</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/72843253</guid><author>u014686356</author><pubDate>Fri, 02 Jun 2017 12:56:39 +0800</pubDate><description><![CDATA[搭建的主要过程：Hadoop的环境主要在centos 7系统的虚拟机上进行搭建。搭建的过程主要分为如下三个步骤：1、节点的网络环境配置；2、各节点的免密码登录；3、Hadoop配置部署。下面将对这三个过程进行详细介绍。带颜色字体为终端命令网络环境配置1、  修改主节点和各个子节点的主机名，主节点为master，子节点为slave0，slave1，… 
sudo gedit /etc/hostname]]></description><category></category></item><item><title><![CDATA[OpenCV Mat数据的按行（列）和多行（列）赋值]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/65937750</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/65937750</guid><author>u014686356</author><pubDate>Sat, 25 Mar 2017 16:36:38 +0800</pubDate><description><![CDATA[赋值的不正确情况在使用opencv的过程中，希望多行或者多列进行赋值，我之前的代码是这样的    Mat c = Mat::zeros(3, 5, CV_32F);
    Mat a = Mat::ones(3, 6, CV_32F);
    //对a的第一列进行赋值
    a.col(0) = c.col(0);
    //将c的1-5列赋值给a
    a.colRange(1, 6)]]></description><category></category></item><item><title><![CDATA[【LeetCode】467. Unique Substrings in Wraparound String]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/59121305</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/59121305</guid><author>u014686356</author><pubDate>Wed, 01 Mar 2017 19:40:15 +0800</pubDate><description><![CDATA[问题描述Consider the string s to be the infinite wraparound string of “abcdefghijklmnopqrstuvwxyz”, so s will look like this: “…zabcdefghijklmnopqrstuvwxyzabcdefghijklmnopqrstuvwxyzabcd….”.Now we have anot]]></description><category></category></item><item><title><![CDATA[【LeetCode】441. Arranging Coins]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/56870413</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/56870413</guid><author>u014686356</author><pubDate>Fri, 24 Feb 2017 20:48:25 +0800</pubDate><description><![CDATA[题目You have a total of n coins that you want to form in a staircase shape, where every k-th row must have exactly k coins.Given n, find the total number of full staircase rows that can be formed.n is a]]></description><category></category></item><item><title><![CDATA[[leetcode]187. Repeated DNA Sequences]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/56833292</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/56833292</guid><author>u014686356</author><pubDate>Fri, 24 Feb 2017 10:23:45 +0800</pubDate><description><![CDATA[题目：All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: “ACGAATTCCG”. When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.Write]]></description><category></category></item><item><title><![CDATA[机器学习实验二--Logistic Regression]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/54581105</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/54581105</guid><author>u014686356</author><pubDate>Tue, 17 Jan 2017 10:57:13 +0800</pubDate><description><![CDATA[Logistic Regression机器学习实验（一）—Linear Regression 
算法流程 
实验二的实验报告和代码 
 
 
PCA的算法流程： 关于ＰＣＡ中数学原理可以点击这里PCA的数学原理 
 
ＰＣＡ和Logistic Regression的ＭＡＴＬＡＢ代码function test_log_regression()
% 读入数据
X = load('logistic_x.t]]></description><category></category></item><item><title><![CDATA[机器学习实验（一）—Linear Regression]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/54577595</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/54577595</guid><author>u014686356</author><pubDate>Mon, 16 Jan 2017 21:24:19 +0800</pubDate><description><![CDATA[前几天做了几个机器学习的简单实验： 
机器学习实验二–Logistic Regression 
实验一是关于简单的线性回归的实验。下面是我的实验报告的截图（直接把word的内容撸过来，格式就全乱了，没有找到解决办法，直接上图吧，也是一种办法），后面给出工程和文档下载的链接。 
实验一实验报告和文档 
 
 
下面给出线性回归的代码（终于不用发愁排版了。。。。）function test_linear]]></description><category></category></item><item><title><![CDATA[MATLAB 控制台显示（不用disp函数进行显示）]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/53840639</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/53840639</guid><author>u014686356</author><pubDate>Fri, 23 Dec 2016 15:36:48 +0800</pubDate><description><![CDATA[MATLAB 控制台显示（不用disp函数进行显示）
这几天在使用MATLAB的过程中，相对中间的结果进行输出，输出到命令行窗口，但是总是会出现一些我没有用disp（）函数进行输出的值（意思就是，有些值莫名其妙的就出现在了命令行窗口），表示百思不得其解啊，网上查也不知道如何输入关键字，囧~~~~~~，不过后来耐心的查了一下，发现了自己的愚蠢啊！
原来，当定义一个MATLAB函数，中间一行代码如]]></description><category></category></item><item><title><![CDATA[机器学习笔记（一）-局部加权回归（Locally weighted regression）LWR]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/53354110</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/53354110</guid><author>u014686356</author><pubDate>Sat, 26 Nov 2016 19:45:39 +0800</pubDate><description><![CDATA[在网上通过看斯坦福大学的机器学习课程，觉得讲的非常好。同时，为了加强自己的记忆，决定将自己学到的东西和一些理解记录下来，希望有所收获。废话不多说，直接开始笔记：局部加权回归（locally weighted regression）LWR我们在现实生活中的模型，大多数情况下不能够用线性模型去拟合。如果采用线性模型去拟合就会产生欠拟合（under-fitting）,如下图的分布（专业的画图工具比较复杂，]]></description><category></category></item><item><title><![CDATA[PCA的数学原理]]></title><link>https://blog.youkuaiyun.com/u014686356/article/details/53287465</link><guid>https://blog.youkuaiyun.com/u014686356/article/details/53287465</guid><author>u014686356</author><pubDate>Tue, 22 Nov 2016 16:18:11 +0800</pubDate><description><![CDATA[PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。当然我并不打算把文章写成纯数学文章]]></description><category></category></item></channel></rss>