<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_48751167的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_48751167</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_48751167]]></copyright><item><title><![CDATA[在毕设中学习05——MNE中的数据结构Raw和Epoch]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/129910954</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/129910954</guid><author>weixin_48751167</author><pubDate>Mon, 17 Apr 2023 23:03:56 +0800</pubDate><description><![CDATA[打印raw数据print（raw）可以看到通道数和times。raw=mne.io.read_raw_fif(文件路径)raw.info从中可以看出有哪些是不良通道(bads)Raw对象主要用于存储连续型数据,核心数据为。读取fif文件到raw对象。通道名称:ch_names。:是根据条件挑选出来的索引。采样频率:sfreq。]]></description><category></category></item><item><title><![CDATA[在毕设中学习04——mat数据导入与预处理，ICA处理]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/129849486</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/129849486</guid><author>weixin_48751167</author><pubDate>Sun, 02 Apr 2023 14:43:59 +0800</pubDate><description><![CDATA[【代码】BCI大赛第二届第三组数据-运动想象EEG——mat数据导入与预处理，ICA处理。]]></description><category></category></item><item><title><![CDATA[tensorflow08——Sequential模型处理mnist数据集]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/129508142</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/129508142</guid><author>weixin_48751167</author><pubDate>Mon, 13 Mar 2023 22:03:08 +0800</pubDate><description><![CDATA[MNIST是一个手写体数字的图片数据集，该数据集来由美国国家标准与技术研究所（National Institute of Standards and Technology (NIST)）发起整理，一共统计了来自250个不同的人手写数字图片，其中50%是高中生，50%来自人口普查局的工作人员。该数据集的收集目的是希望通过算法，实现对手写数字的识别。训练集一共包含了 60,000 张图像和标签。测试集一共包含了 10,000 张图像和标签。]]></description><category></category></item><item><title><![CDATA[tensorflow07——使用tf.keras中的Sequential搭建神经网络——六步法——鸢尾花数据集分类]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/129323343</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/129323343</guid><author>weixin_48751167</author><pubDate>Fri, 03 Mar 2023 16:54:58 +0800</pubDate><description><![CDATA[04 编译——确定优化器，损失函数，评测指标（用哪一种准确率）使用tf.keras中的Sequential搭建神经网络。05 训练模型——把各项参入填入模型。03 建立Sequential模型。六步法——鸢尾花数据集分类。02 导入数据集，打乱顺序。06 总结——打印网络结构。]]></description><category></category></item><item><title><![CDATA[tensorflow06——正则化缓解过拟合]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/128475484</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/128475484</guid><author>weixin_48751167</author><pubDate>Thu, 29 Dec 2022 19:25:58 +0800</pubDate><description><![CDATA[（利用给w加上权值，弱化训练数据的噪声）本文先介绍了数据情况和几个预备知识点 然后进行实例展示（w参数正则化之前，和正则化之后）dot.csv数据大概如下包含特征值x1，x2和对应的标签y_c，共300组。]]></description><category></category></item><item><title><![CDATA[tensorflow05——关于帮助理解【损失函数】的一个实例]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/128471182</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/128471182</guid><author>weixin_48751167</author><pubDate>Wed, 28 Dec 2022 23:29:48 +0800</pubDate><description><![CDATA[以上用均方误差作为损失函数，默认是认为销量预测多了或者少了，损失是一样的，所以从头到尾这个loss函数都没有变化。然而真实情况是，预测多了，会损失成本COST，预测少了，会损失利润PROFIT，而利润和成本往往不相等，这种情况下使用均方误差计算loss，无法达到利益最大化。(y_真实值，y预测值)，损失函数就是计算真实值与预测值之间的距离，所以越小越好。当预测值y大于等于真实值y_的时候，预测多了，损失成本。当预测值y小于真实值y_的时候，预测少了，损失利润。预测少了损失利润99元，预测多了损失成本1元。]]></description><category></category></item><item><title><![CDATA[tensorflow04——实战：鸢尾花iris数据集分类，神经网络]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/128436561</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/128436561</guid><author>weixin_48751167</author><pubDate>Sun, 25 Dec 2022 17:45:03 +0800</pubDate><description><![CDATA[用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。#03 优化训练参数————（训练部分 + 测试部分）循环500次。————（训练部分 + 测试部分）循环。#04 作图————loss，acc。]]></description><category></category></item><item><title><![CDATA[tensorflow03——鸢尾花iris数据集导入后的简单处理]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/128432438</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/128432438</guid><author>weixin_48751167</author><pubDate>Sun, 25 Dec 2022 00:28:12 +0800</pubDate><description><![CDATA[在命令行，你的tensorflow环境中pip install进行安装。通过设置输出选项，将阈值设置为一个较大的数，从而实现完整长度的打印。此处150个样本数据print输出时可能出现省略情况。注意sklearn包和pandas包要提前安装。#设置value的显示长度为100，默认为50。sklearn不行就scikit-learn。（本项目中是pandas类型数据）]]></description><category></category></item><item><title><![CDATA[tensorflow02——反向传播，梯度下降基础案例]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/128429911</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/128429911</guid><author>weixin_48751167</author><pubDate>Sat, 24 Dec 2022 17:31:17 +0800</pubDate><description><![CDATA[此案例最终目的：找到损失函数loss最小时，权重参数w的值（w = -1）#尝试更改学习率lr，看看收敛效果。]]></description><category></category></item><item><title><![CDATA[tensorflow01——安装，结构]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/128427758</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/128427758</guid><author>weixin_48751167</author><pubDate>Sat, 24 Dec 2022 13:30:05 +0800</pubDate><description><![CDATA[所以需要新建一个环境来装我们的tensorflow和它对应的python。直接从官网下载的anaconda会对应下载最新版本的python3.9。注意tensorflow对应特定的python版本如3.6，3.7。从官网安装anaconda。安装tensorflow。]]></description><category></category></item><item><title><![CDATA[在毕设中学习03]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/125016846</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/125016846</guid><author>weixin_48751167</author><pubDate>Sat, 28 May 2022 12:19:35 +0800</pubDate><description><![CDATA[5.24文献阅读记录
脑电分为诱发性脑电和自发性脑电，诱发性脑电的诱发因素又分为外源性刺激（视觉听觉触觉）和内源性事件相关（计算、思考）
keras库
keras以TensorFlow/Theano作为后端封装，是一个专门用于深度学习的python模块。
包含了全连接层，卷积层，池化层，循环层，嵌入层等等等，常见的深度学习模型。
包含用于定义损失函数的Losses
用于训练模型的Optimizers
评估模型的Metrics
定义激活函数的Activations
防止过拟合的Regularizers等
mn]]></description><category></category></item><item><title><![CDATA[在毕设中学习02——numpy多维数组的切片，形态变化，维度交换]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/124918728</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/124918728</guid><author>weixin_48751167</author><pubDate>Sun, 22 May 2022 23:28:51 +0800</pubDate><description><![CDATA[2022.5.21
文章目录关于matplotlib.pyplotcv2工具python课本学习构建三维数组，并按照指定维度输出生成一组随机数，摆放为指定矩阵形式Python中range(start，stop，步长)生成指定范围，指定步长的一组数多维数组切片——过滤信息多维矩阵的维度顺序变换多维矩阵的切片多维矩阵的形态变化
关于matplotlib.pyplot
cv2工具
两篇博客的学习
文献学习
python课本学习
构建三维数组，并按照指定维度输出
import numpy as np
#
a=np.]]></description><category></category></item><item><title><![CDATA[在毕设中学习01——python、正态和标准正态分布、matlab数据文件导出]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/124906113</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/124906113</guid><author>weixin_48751167</author><pubDate>Sun, 22 May 2022 02:11:42 +0800</pubDate><description><![CDATA[在毕设中学习——卷积、python(0521)
2022.5.21
文章目录在毕设中学习——卷积、python(0521)正态分布标准正态分布matplotlib.pyplot画图Python中读取.m文件

np.random.normal()正态分布

numpy.random.normal(loc=0,scale=1e-2,size=shape)
意义如下：

参数loc(float)：正态分布的均值，对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布，
参数scale(float)：]]></description><category></category></item><item><title><![CDATA[Hans Berger脑电图之父的人生摘要]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/124881327</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/124881327</guid><author>weixin_48751167</author><pubDate>Fri, 20 May 2022 12:56:10 +0800</pubDate><description><![CDATA[摘要：在1938年当脑电图被学术界接受之时，第二次世界大战要开始了，因为英美法都是敌对国，Berger访美计划搁浅。同时大概因为只是英美法学者对脑电图重视，德国本土学者根本不相信，德国当时的纳粹政权禁止研究脑电图。
【转载】
HansBerger（1873-1941）(上图)是德国精神病学家，精神生理学家，他对神经科学的贡献是发明了和命名了脑电图-Electroencephalography，EEG，德语是Elektrenkephalogramm。
此外，Berger发现了“阿尔法波-AlphaWave”，]]></description><category></category></item><item><title><![CDATA[近日学习笔记：df -h和du -sh命令，查看linux版本，vbm管理工具，su命令，ssh服务升级技巧，source命令]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/123788305</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/123788305</guid><author>weixin_48751167</author><pubDate>Mon, 28 Mar 2022 13:20:10 +0800</pubDate><description><![CDATA[文章目录df -h和du -sh区别df -h查看整个系统中文件系统的使用情况du -sh *查看当前目录下各个文件及目录占用空间大小查看Linux系统版本的命令：VirtualBox管理工具Vboxmanagesu与 su -的区别echo $?ssh服务升级BBS-GO的安装 linux + 宝塔面板【进了解】宝塔界面+数据库+NGINX的安装source命令~目录和/目录的区别
df -h和du -sh区别
（du， disk usage，-s仅显示总计，-h自适应单位 ）
df -h查看整个系统中文]]></description><category></category></item><item><title><![CDATA[k8s入门-第五章：pod简介，pod基本配置，pod生命周期，pod调度]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/123712051</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/123712051</guid><author>weixin_48751167</author><pubDate>Thu, 24 Mar 2022 15:21:38 +0800</pubDate><description><![CDATA[文章目录第五章 Pod详解5.1 Pod介绍5.1.1 Pod结构5.1.2 Pod定义5.2 Pod配置5.2.1 基本配置5.2.2 镜像拉取5.2.3 启动命令5.2.4 环境变量5.2.5 端口设置5.2.6 资源配额5.3 Pod生命周期5.3.1 创建和终止5.3.2 初始化容器5.3.3 钩子函数5.3.4 容器探测5.3.5 重启策略5.4 Pod调度5.4.1 定向调度5.4.2 亲和性调度NodeAffinityPodAffinityPodAntiAffinity5.4.3 污点和容忍
]]></description><category></category></item><item><title><![CDATA[k8s入门-第四章：简述namespace，pod，lable，deployment，service]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/123507306</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/123507306</guid><author>weixin_48751167</author><pubDate>Tue, 15 Mar 2022 17:17:43 +0800</pubDate><description><![CDATA[文章目录第三章 资源管理(续)15 命令式对象管理16 命令式对象配置17 声明式对象配置18 资源管理小结第四章 实战入门19 Namespace4.1.1 **查看**4.1.2 **创建**4.1.3 **删除**4.1.4 **使用配置文件（.yaml）进行管理**20 Pod4.2.1 创建并运行4.2.2 查看pod信息4.2.3 访问Pod4.2.4 删除指定Pod4.2.5 配置操作21 Lable4.3.1 命令方式4.3.2 配置方式22 Deployment4.4.1 命令操作4.4.]]></description><category></category></item><item><title><![CDATA[k8s入门-第一到三章：k8s简介，环境搭建，集群安装，资源管理，yaml语言简介]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/123357828</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/123357828</guid><author>weixin_48751167</author><pubDate>Tue, 08 Mar 2022 16:58:16 +0800</pubDate><description><![CDATA[文章目录第一章 kubernetes简介01 部署方式的演变容器部署的编排问题：解决以上问题的容器编排管理工具：02 k8s简介主要功能：03 k8s组件04 k8s概念第二章 k8s集群环境搭建05 环境规划**集群类型：**安装方式：主机规划：06 环境搭建 主机安装07 环境初始化1.检查centos版本2.主机名解析3.时间同步4.禁用防火墙服务iptables和firewalld5.禁用linux的安全服务selinux6.禁用swap分区7.修改linux内核参数8.配置ipvs功能9.重启系统]]></description><category></category></item><item><title><![CDATA[小米网关一二三代的区别【转载】网关，mesh ，zigbee]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/123309095</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/123309095</guid><author>weixin_48751167</author><pubDate>Sun, 06 Mar 2022 13:22:35 +0800</pubDate><description><![CDATA[小米智能家居
北京小米科技有限责任公司
索要资料
　　一般一个网关覆盖150平米的房子没什么问题，但是如果设备离网关太远，同时又隔了两三堵墙，中间又没有其它设备，那就会有点问题（zigbee设备每个设备之间是可以桥接信号的，它会自动选取信号最好的路径）。所以，一般一个房子一个网关就够了。如果是大房子，网关最好放房子中间位置，先买一个网关，如果信号不够，再买多一个。下面我们就来简单的介绍一下小米网关一二三代的区别！
小米网关一二三代的区别
　　小米多功能网关一代二代和三代有什么区别？最直观的区别在于小米多功能]]></description><category></category></item><item><title><![CDATA[学习笔记：ssh远程连接root登陆失败，ssh双端口策略，xshell上传下载文件，服务升级备份包，]]></title><link>https://blog.youkuaiyun.com/weixin_48751167/article/details/123207741</link><guid>https://blog.youkuaiyun.com/weixin_48751167/article/details/123207741</guid><author>weixin_48751167</author><pubDate>Tue, 01 Mar 2022 15:43:25 +0800</pubDate><description><![CDATA[遇到无法进行ssh远程传输服务时候

检查一下配置文件 vim /etc/ssh/sshd_config 中的permissRootLogin 是不是no 改为yes
重启sshd服务即可


ssh服务一般开两个端口一个默认22一个5222
（避免远程关闭端口后断开连接，无法登录）


XShell建立连接后


rz命令上传文件到linux
sz命令下载文件到window


对服务进行升级后建议打包两个文件，一个带有配置文件（用于没有该服务的机器的服务安装），一个不带配置文件（x，用于其他已有该服务.]]></description><category></category></item></channel></rss>