<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[yangshaojun1992的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yangshaojun1992</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yangshaojun1992]]></copyright><item><title><![CDATA[Mac 安装 nginx]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106822755</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106822755</guid><author>yangshaojun1992</author><pubDate>Thu, 18 Jun 2020 08:36:22 +0800</pubDate><description><![CDATA[Mac 安装 brew

https://blog.youkuaiyun.com/zbc415766331/article/details/104128351/

确认homebrew是否安装成功，在终端输入：

brew -v



安装nginx，在终端输入：

brew install brew

检查nginx是否安装成功，在终端输入：

brew -v

启动nginx，在终端输入：

brew services start nginx

检查nginx是否启动成功，在浏览器输入：

localhost:80]]></description><category></category></item><item><title><![CDATA[Linux服务器环境部署搭建]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106728710</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106728710</guid><author>yangshaojun1992</author><pubDate>Tue, 16 Jun 2020 22:40:24 +0800</pubDate><description><![CDATA[一、安装git

1. 下载git

https://github.com/git/git/archive/v2.23.0.tar.gz

2. 解压下载好的安装包

tar -zxvfv2.23.0.tar.gz
3.安装编译源码所需依赖，以上安装依赖时，出现提示按‘y’即可

yum install curl-devel expat-devel gettext-devel openssl-devel zlib-devel gcc perl-ExtUtils-MakeMaker
4.进入解...]]></description><category></category></item><item><title><![CDATA[Python3 网络爬虫]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106774559</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106774559</guid><author>yangshaojun1992</author><pubDate>Tue, 16 Jun 2020 00:22:01 +0800</pubDate><description><![CDATA[https://cuijiahua.com/blog/2020/04/spider-6.html
]]></description><category></category></item><item><title><![CDATA[pandas指南-6.数据重命名和合并]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106773844</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106773844</guid><author>yangshaojun1992</author><pubDate>Tue, 16 Jun 2020 00:04:00 +0800</pubDate><description><![CDATA[目录

重命名

合并

我们还是先来加载一下数据


import pandas as pd
pd.set_option('max_rows', 5)
import numpy as np
melbourne_data = pd.read_csv('melb_data.csv') 
melbourne_data.head()

重命名

通常，数据将通过列名，索引名或我们不满意的其他命名约定来获取。 在这种情况下，我们可能会使用pandas重命名实用程序函数来更改有问题的条目的名称。

我们在这里介绍的第]]></description><category></category></item><item><title><![CDATA[pandas指南-5.数据类型和缺失值]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106761546</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106761546</guid><author>yangshaojun1992</author><pubDate>Mon, 15 Jun 2020 14:39:22 +0800</pubDate><description><![CDATA[目录

数据类型

缺失数据

我们还是先来加载一下数据


import pandas as pd
pd.set_option('max_rows', 5)
import numpy as np
melbourne_data = pd.read_csv('melb_data.csv') 
melbourne_data.head()

数据类型

DataFrame或Series中列的数据类型称为dtype。

你可以使用dtype属性来获取特定列的类型：


melbourne_data.Price.dt]]></description><category></category></item><item><title><![CDATA[pandas指南-4.数据分组聚合和排序]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106754008</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106754008</guid><author>yangshaojun1992</author><pubDate>Mon, 15 Jun 2020 00:05:09 +0800</pubDate><description><![CDATA[目录

数据分组聚合和排序

多索引

排序

数据分组聚合和排序

分组聚合非常重要，它在官方pandas文档中有自己的部分：Groupby：split-apply-combine。


import pandas as pd
pd.set_option('max_rows', 5)
import numpy as np
melbourne_data = pd.read_csv('melb_data.csv') 
melbourne_data.head()

映射map允许我们一次为整个列转换DataFr]]></description><category></category></item><item><title><![CDATA[pandas指南-3.数据摘要与映射]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106741123</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106741123</guid><author>yangshaojun1992</author><pubDate>Sun, 14 Jun 2020 01:26:05 +0800</pubDate><description><![CDATA[数据摘要与映射


import pandas as pd
pd.set_option('max_rows', 5)
import numpy as np
melbourne_data = pd.read_csv('melb_data.csv') 
melbourne_data.head()



摘要功能

pandas提供了许多简单的“汇总函数”（不是正式名称），它以某种有用的方式重构数据。 例如，考虑describe方法：


melbourne_data.Price.describe()



此.]]></description><category></category></item><item><title><![CDATA[pandas指南-2.数据索引，选择与赋]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106714599</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106714599</guid><author>yangshaojun1992</author><pubDate>Fri, 12 Jun 2020 14:26:20 +0800</pubDate><description><![CDATA[索引，选择与赋值

选择要处理的pandas DataFrame或Series的特定值几乎是你将研究的任何数据操作中的隐式步骤。 因此，对如何切分数据集的充分理解至关重要。

在这个案例里，我们将查看澳大利亚墨尔本的房价数据。

点击这里 下载 数据集

我们将使用read_csv函数将数据读入DataFrame。 这样做：


import pandas as pd
melbourne_data = pd.read_csv('melb_data.csv') 
pd.set_option("display.]]></description><category></category></item><item><title><![CDATA[pandas指南-1.数据创建与读写]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106698983</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106698983</guid><author>yangshaojun1992</author><pubDate>Fri, 12 Jun 2020 00:04:16 +0800</pubDate><description><![CDATA[数据创建，读写指南

任何数据分析项目的第一步都可能是从某个文件中读取数据，因此我们需要首先考虑这一点。 在本节中，我们将介绍有关创建pandas Series和DataFrame对象的练习

官方pandas文档的IO Tools部分提供了有关此主题的全面概述

首先我们来导入pandas库


import pandas as pd

创建数据 pandas中有两个核心对象：DataFrame和Series。

DataFrame是一个表。 它包含一系列单独的条目，每个条目都有一定的值。 每个条目对应一]]></description><category></category></item><item><title><![CDATA[mysql5.7 解决中文乱吗问题]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106332214</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106332214</guid><author>yangshaojun1992</author><pubDate>Mon, 25 May 2020 14:16:32 +0800</pubDate><description><![CDATA[cat /etc/my.cnf

vi/etc/my.cnf


]]></description><category></category></item><item><title><![CDATA[机器学习实战——kaggle 泰坦尼克号生存预测——六种算法模型实现与比较]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106314927</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106314927</guid><author>yangshaojun1992</author><pubDate>Sun, 24 May 2020 15:08:57 +0800</pubDate><description><![CDATA[一、初识 kaggle

kaggle是一个非常适合初学者去实操实战技能的一个网站，它可以根据你做的项目来评估你的得分和排名。让你对自己的能力有更清楚的了解，当然，在这个网站上，也有很多项目的教程，可以跟着教程走，慢慢熟悉各种操作。在平时的学习中，我们了解到的知识更多的是理论，缺少一个实战的平台，项目的练习。我对kaggle的了解也是基于实战的需要，想做一些项目来巩固我的认知，发现更多有用的技能。

kaggle 竞赛，里面有很多项目，对熟悉数据处理与学习各种算法帮助很大。

二、项目介绍

完整代码见k.]]></description><category></category></item><item><title><![CDATA[深度学习（五）序列模型-循环神经网络（RNN）（3） -Andrew Ng]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106115702</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106115702</guid><author>yangshaojun1992</author><pubDate>Thu, 14 May 2020 11:09:06 +0800</pubDate><description><![CDATA[一、基础知识

1.1





二、测验









三、编程
]]></description><category></category></item><item><title><![CDATA[深度学习（五）序列模型-循环神经网络（RNN）（2） -Andrew Ng]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106091621</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/106091621</guid><author>yangshaojun1992</author><pubDate>Wed, 13 May 2020 12:40:32 +0800</pubDate><description><![CDATA[一、基础知识

1.1 单词表征（one-hot表示）

上节我们学习了RNN、GRU单元和LSTM单元。本节你会看到我们如何把这些知识用到NLP上，用于自然语言处理，深度学习已经给这一领域带来了革命性的变革。其中一个很关键的概念就是词嵌入（word embeddings），这是语言表示的一种方式，可以让算法自动的理解一些类似的词，比如男人对女人，比如国王对王后，还有其他很多的例子。通过词嵌入的概念你就可以构建NLP应用了，即使你的模型标记的训练集相对较小。最后我们会消除词嵌入的偏差，就是去除不想要的特性，]]></description><category></category></item><item><title><![CDATA[深度学习（五）序列模型-循环神经网络（RNN）（1） -Andrew Ng]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105984123</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105984123</guid><author>yangshaojun1992</author><pubDate>Thu, 07 May 2020 23:20:55 +0800</pubDate><description><![CDATA[一、基础知识

1.1 为什么选择序列模型？

序列模型能够应用在许多领域，例如：


	语音识别
	
	
	音乐发生器
	
	
	情感分类
	
	
	DNA序列分析
	
	
	机器翻译
	
	
	视频动作识别
	
	
	命名实体识别
	
          

这些序列模型基本都属于监督式学习，输入x和输出y不一定都是序列模型。如果都是序列模型的话，模型长度不一定完全一致。...]]></description><category></category></item><item><title><![CDATA[深度学习（四）卷积神经网络-人脸识别和神经风格转换（4） -Andrew Ng]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105957456</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105957456</guid><author>yangshaojun1992</author><pubDate>Thu, 07 May 2020 00:29:52 +0800</pubDate><description><![CDATA[一、基础知识

1.1什么是人脸识别？

首先简单介绍一下人脸验证（face verification）和人脸识别（face recognition）的区别。

人脸验证：输入一张人脸图片，验证输出与模板是否为同一人，即一对一问题。

人脸识别：输入一张人脸图片，验证输出是否为K个模板中的某一个，即一对多问题。

一般地，人脸识别比人脸验证更难一些。因为假设人脸验证系统的错误率是1%，那么在人脸...]]></description><category></category></item><item><title><![CDATA[深度学习（四）卷积神经网络-卷积神经网络（3） -Andrew Ng]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105826807</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105826807</guid><author>yangshaojun1992</author><pubDate>Tue, 28 Apr 2020 23:50:40 +0800</pubDate><description><![CDATA[一、基础知识

1.1目标定位

前两节课程中，我们介绍的是利用CNN模型进行图像分类。除此之外，本周课程将继续深入介绍目标定位和目标检测（包含多目标检测）。

                   

图片分类问题你已经并不陌生了，如：

输入一张图片到多层卷积神经网络。这就是卷积神经网络，它会输出一个特征向量，并反馈给 softmax 单元来预测图片类...]]></description><category></category></item><item><title><![CDATA[深度学习（四）卷积神经网络-卷积神经网络（2） -Andrew Ng]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105784841</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105784841</guid><author>yangshaojun1992</author><pubDate>Mon, 27 Apr 2020 11:19:32 +0800</pubDate><description><![CDATA[一、基础知识

1.1为什么要进行实例探究?

本文将主要介绍几个典型的CNN案例。通过对具体CNN模型及案例的研究，来帮助我们理解知识并训练实际的模型。

典型的CNN模型包括：


	LeNet-5
	
	
	AlexNet
	
	
	VGG
	
除了这些性能良好的CNN模型之外，我们还会介绍Residual Network（ResNet）。其特点是可以构建很深很深的神经网络（目前最深的好像...]]></description><category></category></item><item><title><![CDATA[深度学习-np.pad 填充详解]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105648121</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105648121</guid><author>yangshaojun1992</author><pubDate>Mon, 20 Apr 2020 23:58:20 +0800</pubDate><description><![CDATA[参考博客：https://blog.youkuaiyun.com/weixin_43619146/article/details/89600078

大家伙在学习深度学习的卷积网络里有一个填充的问题是难免遇到的 所以np给了pad（）这个函数来实现填充 但是多维度（大多数情况下是三维的）的pad函数却很难理解 博主就稍微写一点自己的理解 试图帮助大家理解 不喜勿喷 谢谢！

对一维数组的填充


import...]]></description><category></category></item><item><title><![CDATA[深度学习（四）卷积神经网络-卷积神经网络（1） -Andrew Ng]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105623522</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105623522</guid><author>yangshaojun1992</author><pubDate>Mon, 20 Apr 2020 00:00:46 +0800</pubDate><description><![CDATA[一、基础知识

1.1 计算机视觉

计算机视觉是一个飞速发展的一个领域，这多亏了深度学习。深度学习与计算机视觉可以帮助汽车，查明周围的行人和汽车，并帮助汽车避开 它们。还使得人脸识别技术变得更加效率和精准，你们即将能够体验到或早已体验过仅仅通 过刷脸就能解锁手机或者门锁。当你解锁了手机，我猜手机上一定有很多分享图片的应用。 在上面，你能看到美食，酒店或美丽风景的图片。有些公司在这些应用上使用了深...]]></description><category></category></item><item><title><![CDATA[深度学习（二）改善深层神经网络:超参数调试、 正则化以及优化-（超参数调试、Batch正则化和程序框架及课后作业） -Andrew Ng]]></title><link>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105584848</link><guid>https://blog.youkuaiyun.com/yangshaojun1992/article/details/105584848</guid><author>yangshaojun1992</author><pubDate>Sat, 18 Apr 2020 00:24:59 +0800</pubDate><description><![CDATA[一、基础知识

1.1调试处理

关于训练深度最难的事情之一是你要处理的参数的数量，从学习速率???? 到Momentum（动量梯度下降法）的参数????。

如果使用Momentum或Adam优化算法的参数????1，????2和????，也许你还得选择层数，也许你还得选择不同层中隐藏单元的数量，也许你还想使用学习率衰减。

所以，你使用的不是单一的学习率????，当然你可能还需要选择mini-batch的大小。

结果证实一些...]]></description><category></category></item></channel></rss>