<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[如果世界之光有颜色，那么一定是橙色]]></title><description><![CDATA[一只写博客的蛐蛐]]></description><link>https://blog.youkuaiyun.com/weixin_39733262</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_39733262]]></copyright><item><title><![CDATA[Linux kill一类进程]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/91363113</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/91363113</guid><author>weixin_39733262</author><pubDate>Mon, 10 Jun 2019 10:42:08 +0800</pubDate><description><![CDATA[作者：weixin_34402408
来源：优快云
原文：https://blog.youkuaiyun.com/weixin_34402408/article/details/86858104
版权声明：本文为博主原创文章，转载请附上博文链接！

ps aux|grep python|grep -v grep|cut -c 9-15|xargs kill -15

管道符“|”用来隔开两个命令，管道...]]></description><category></category></item><item><title><![CDATA[形参和实参]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/88960384</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/88960384</guid><author>weixin_39733262</author><pubDate>Sat, 04 May 2019 23:50:30 +0800</pubDate><description><![CDATA[形式参数：定义函数时函数名后括号中的变量名！只有在调用的时候才会分配内存。调用完毕立刻删除。
实际参数：调用函数时函数名后括号中的表达式！

函数调用过程中，把实参传递给形参,传递本身是单向的。

48.Rotate Image

class Solution:
  def rotate(self, matrix: List[List[int]]) -&gt; None:
    "...]]></description><category></category></item><item><title><![CDATA[AUC,recall,f1,roc]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/89647966</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/89647966</guid><author>weixin_39733262</author><pubDate>Sun, 28 Apr 2019 23:05:31 +0800</pubDate><description><![CDATA[作者：无涯
链接：https://www.zhihu.com/question/39840928/answer/241440370
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。


首先，在试图弄懂AUC和ROC曲线之前，一定，一定要彻底理解混淆矩阵的定义！！！

混淆矩阵中有着Positive、Negative、True、False的概念，其意义如下：

称...]]></description><category></category></item><item><title><![CDATA[Python 为什么list不能作为字典的key？]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/89222957</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/89222957</guid><author>weixin_39733262</author><pubDate>Thu, 11 Apr 2019 23:50:38 +0800</pubDate><description><![CDATA[原文地址https://www.kawabangga.com/posts/1821



很多Python初学者经常会有这样的疑问，为什么Python有tuple（元组）和list（列表）两种类型？为什么tuple可以作为字典的key，list不可以？要理解这个问题，首先要明白python的字典工作原理。

1.Python的字典是如何工作的

在Python中，字典也就是一个个的“映射”，将k...]]></description><category></category></item><item><title><![CDATA[yanweimin版本快速排序。再记不住我剁手]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/89167797</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/89167797</guid><author>weixin_39733262</author><pubDate>Wed, 10 Apr 2019 01:07:22 +0800</pubDate><description><![CDATA[int Partion(int A[], int low, int high)
{
  int pivot = A[low]; // 第一个元素设为pivot值
  while(low &lt; high)
  {
    while(low &lt; high &amp;&amp; A[high] &gt;= pivot)
    {
      --hi...]]></description><category></category></item><item><title><![CDATA[激活函数]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/84193094</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/84193094</guid><author>weixin_39733262</author><pubDate>Sat, 02 Feb 2019 00:56:54 +0800</pubDate><description><![CDATA[激活函数也叫激励函数。激励函数必须是非线性，因为激励函数的非线性才可以解决非线性问题。如果不使用激励函数（相当于fx=x）或者使用线性激励函数，那么可以认为，神经网络每一层都相当于矩阵相乘，多少层都可以叠加成一层。

sigmoid比起relu的优势

1）单侧抑制
2）相对宽阔的兴奋边界
3）稀疏激活性。

...]]></description><category></category></item><item><title><![CDATA[单链表的快速排序]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/86698313</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/86698313</guid><author>weixin_39733262</author><pubDate>Wed, 30 Jan 2019 02:57:29 +0800</pubDate><description><![CDATA[
/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
class Solution {
public:

    
    void ...]]></description><category></category></item><item><title><![CDATA[将经纬度投影到xyz球体平面上]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/86684117</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/86684117</guid><author>weixin_39733262</author><pubDate>Mon, 28 Jan 2019 23:40:28 +0800</pubDate><description><![CDATA[若以地球为例，假设地球是真空中的球形鸡。以赤道面作为xy平面，其中赤道面与本初子午线的交点设为x正半轴的方向。

y的正方向为从北方观察x轴顺时针旋转90°

z为指向北极点的方向。

记纬度为α，记北方纬度为正方向

记经度为β，x正向y正旋转为正方向

 

建系如图。



 

 

那么，z = sinα*R R为地球半径，下同



 

由上图可知，球体上任意一点在xy平面上的投影长...]]></description><category></category></item><item><title><![CDATA[牛顿迭代法]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/86683938</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/86683938</guid><author>weixin_39733262</author><pubDate>Mon, 28 Jan 2019 22:59:21 +0800</pubDate><description><![CDATA[转载自 https://blog.youkuaiyun.com/ccnt_2012/article/details/81837154

								            
						
                五次及以上多项式方程没有根式解（就是没有像二次方程那样的万能公式），这个是被伽罗瓦用群论做出的最著名的结论。
但是，没有王屠夫难道非得吃带毛猪？工作生活中还是有诸多求解高次方程的真实需求（...]]></description><category></category></item><item><title><![CDATA[python中*和**的用法]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/86663130</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/86663130</guid><author>weixin_39733262</author><pubDate>Sun, 27 Jan 2019 01:15:59 +0800</pubDate><description><![CDATA[https://www.cnblogs.com/jony7/p/8035376.html

1、表示乘号

2、表示倍数，例如：

def T(msg,time=1):
    print((msg+' ')*time)

 

T（'hi',3）

打印结果（打印3次）：

hi hi hi

 

 

3、单个 * （1）、如：*parameter是用来接受任意多个参数并将其放在一个元组中。...]]></description><category></category></item><item><title><![CDATA[位运算实现数字二进制翻转]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/85217907</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/85217907</guid><author>weixin_39733262</author><pubDate>Mon, 24 Dec 2018 17:29:29 +0800</pubDate><description><![CDATA[#include &amp;lt;cstdio&amp;gt;
#include &amp;lt;cstring&amp;gt;
#include &amp;lt;iostream&amp;gt;
#include &amp;lt;string&amp;gt;
#include &amp;lt;vector&amp;gt;

using namespace std;

int main()
{
    int n;
    while(cin &amp;gt;&amp;gt; n)
    ...]]></description><category></category></item><item><title><![CDATA[DropOut]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/84852070</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/84852070</guid><author>weixin_39733262</author><pubDate>Thu, 06 Dec 2018 19:58:19 +0800</pubDate><description><![CDATA[DropOut本身随机将网络的一部分激活函数置零。一般在全连接层使用。少部分情况也会在卷积层使用。.



dropout本身避免了特征或者参数之间的互相适应，在某种程度上可以抑制过拟合。或者在某种意义上来说，是在一个模型中实现集成学习。同时集成的数目十分巨大。

dropout本身会彻底改变神经网络的运算方式，在测试时，用DropOut的概率乘以输出值。

要么就在训练的时候除以概率……这样测试...]]></description><category></category></item><item><title><![CDATA[squeezenet论文翻译]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/84801644</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/84801644</guid><author>weixin_39733262</author><pubDate>Wed, 05 Dec 2018 01:41:49 +0800</pubDate><description><![CDATA[此文章系转载，原文地址https://zhuanlan.zhihu.com/p/35506370，译文作者 深度智能
论文名称：  SQUEEZENET: ALEXNET-LEVEL ACCURACY WITH 50X FEWER PARAMETERS AND &amp;lt;0.5MB MODEL SIZE论文链接：https://arxiv.org/abs/1602.07360摘要最近对深度卷积神经网...]]></description><category></category></item><item><title><![CDATA[梯度下降]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/84787530</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/84787530</guid><author>weixin_39733262</author><pubDate>Tue, 04 Dec 2018 14:02:41 +0800</pubDate><description><![CDATA[
							
							
							神经网络训练细节系列笔记：

神经网络训练细节（激活函数）
神经网络训练细节（数据预处理、权重初始化）
神经网络训练细节（Batch Normalization）
神经网络训练细节（训练过程，超参数优化）

通过学习，我们知道，因为训练神经网络有个过程: 
&amp;amp;lt;1&amp;amp;gt;Sample 获得一批数据； 
&amp;amp;lt;2&amp;amp;gt;Forward 通过计算图...]]></description><category></category></item><item><title><![CDATA[BatchNorm]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/84569487</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/84569487</guid><author>weixin_39733262</author><pubDate>Tue, 27 Nov 2018 17:31:21 +0800</pubDate><description><![CDATA[深度网络参数训练时内部存在协方差偏移（Internal Covariate Shift）现象：深度网络内部数据分布在训练过程中发生变化的现象。

为什么会带来不好影响：训练深度网络时，神经网络隐层参数更新会导致网络输出层输出数据的分布发生变化，而且随着层数的增加，根据链式规则，这种偏移现象会逐渐被放大。这对于网络参数学习来说是个问题：因为神经网络本质学习的就是数据分布（representation...]]></description><category></category></item><item><title><![CDATA[深度学习图像的中心化和标准化]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/84207469</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/84207469</guid><author>weixin_39733262</author><pubDate>Mon, 19 Nov 2018 00:43:16 +0800</pubDate><description><![CDATA[中心化

中心化就是零均值化，对于每一个元素减去本图像的平均值即可。

E（X-E（X））=0

这样做的意义在于，对于某些激活函数，比如sigmoid，relu，tanh而言，激活函数单调递增，其任意一点导数均大于零。



而f关于wi的偏导数为xi，如果xi均为正数（或者负数），那么



其正负等同于xi的正负，也就是必然是正数（或者零）。

那么如果想要使得loss函数减小，朝着的方向运...]]></description><category></category></item><item><title><![CDATA[Two Sum]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/84194963</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/84194963</guid><author>weixin_39733262</author><pubDate>Sun, 18 Nov 2018 00:44:24 +0800</pubDate><description><![CDATA[http://oj.leetcode.com/problems/two-sum/

Given an array of integers, return indices of the two numbers such that they add up to a specific target.

You may assume that each input would have exactly o...]]></description><category></category></item><item><title><![CDATA[找出数组中出现次数超过一半的元素，找出数组中出现次数超过三分之一的元素]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/84193414</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/84193414</guid><author>weixin_39733262</author><pubDate>Sat, 17 Nov 2018 22:39:08 +0800</pubDate><description><![CDATA[二分之一

如果数组中保证有一个元素数目超过一半，那么对其进行计数，遍历到一个该元素则count++，否则--，那么最后遍历完成之后这个元素的count必然是正数。

现在问题在于，如何找这个计数的元素。其实上面我们已经知道了，在遍历结束以后count必然大于零。所以我们可以在遍历的过程当中进行更改，如果count&amp;lt;0则直接把元素更换为当前的元素。遍历结束以后被统计的元素就是我们想要的，超过...]]></description><category></category></item><item><title><![CDATA[如何不用加号实现加法运算]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/82957275</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/82957275</guid><author>weixin_39733262</author><pubDate>Sun, 07 Oct 2018 13:47:53 +0800</pubDate><description><![CDATA[当第一次面对这个问题的时候，我想到应该是用位运算。计算机的基本电路可以实现所有基本运算。

首先，加法应该如何运算？

   1 2 3

+ 7 8 9

------------

3+9 等于2进1

2+8 等于0进1 +上一位进的1

1+7等于8 +上一位进的1

所以可以看出，加法本身是进位和本位的结合。确切的说，是当前位的本位，加上当前位前面一位的进位的和。或者说,是所有进位进位左...]]></description><category></category></item><item><title><![CDATA[Ubuntu 16.04 x64搭建GitLab服务器操作笔记]]></title><link>https://blog.youkuaiyun.com/weixin_39733262/article/details/79197282</link><guid>https://blog.youkuaiyun.com/weixin_39733262/article/details/79197282</guid><author>weixin_39733262</author><pubDate>Mon, 29 Jan 2018 16:57:07 +0800</pubDate><description><![CDATA[原文来源于https://www.zybuluo.com/lovemiffy/note/418758，有些许更改

 

本文主要记录在Ubuntu 16.04操作系统中搭建GitLab服务器的操作记录，以下是操作步骤（主要参考资料：https://about.gitlab.com/downloads/#ubuntu1604）。

1.安装依赖包，运行命令

sudo apt-get instal...]]></description><category></category></item></channel></rss>