- 博客(678)
- 资源 (252)
- 收藏
- 关注
RSS订阅原创 java中匿名内部类的匿名构造函数是怎么用的
java中匿名内部类的匿名构造函数是怎么用的下面的例子说明匿名内部类的匿名构造函数的用法 例2.7.2_0interface FigureMark_to_win { void whoAmI();}public class Test { public static void main(String[] args) { FigureMark_to_win ttm = new FigureMark_to_win() { private String...
2020-10-26 11:04:46
505
原创 java中讲讲FileWriter的用法
java中讲讲FileWriter的用法FileWriter的用法马克- to-win：马克 java社区：防盗版实名手机尾号： 73203。FileWriter是Writer的继承类，从字面上就可看出，它的主要功能就是能向磁盘上写文件。write方法会把字符一个一个的写入磁盘中。例：1.1.1import java.io.*;public class TestMark_to_win { public static void main(String[] args) throws IOEx...
2020-10-26 10:23:46
645
原创 InetAddress的用法
InetAddress的用法下面这个程序利用InetAddress.getByName()来得到你的和百度IP地址。马克- to-win：马克 java社区：防盗版实名手机尾号： 73203。例：2.1.1import java.net.*;public class TestMark_to_win { public static void main(String[] args) throws Exception { /* static InetAddress getByN...
2020-10-25 21:07:22
544
原创 TCP协议的通信实例
TCP协议的通信实例马克-to-win：我们首先给出一个最最简单的helloworld通信程序。让大家体会一把两台机器的通信，大家之后就可以慢慢把它发展成为聊天程序。马克-to-win：TCP通信有两个类：1）ServerSocket：服务器用它监听进入的连接；2）Socket：双方都用它初始一次连接。一旦客户端申请建立一个连接，ServerSocket就会返回（通过accept()方法）一个对应的服务器端的Socket，以便进行直接通信。从此时起，我们就得到了一对真正的“Socket－Socket”连接
2020-10-25 20:59:55
213
原创 事件延迟
事件延迟事件延迟（项目心得）马克- to-win：马克 java社区：防盗版实名手机尾号： 73203。1.马克-to-win：index.html当中：fullScreenHref=machine+listFile;/*为什么下一句采取动态为事件绑定函数的方法？因为load执行的过程慢。当有人性子急，先点击fullScreenUp这个连接的时候， fullScreenHref的值此时还为undefined呢，所以采用后动态绑定的这种方法，fullScreenUp连接缺省的点击事件没有设置方法。先
2020-10-24 09:10:29
187
原创 Anaconda下载和安装
直接点击next，放心不会安装pycharm,只是给他做个展示广告。应该取消以上两个tickbox,点击finish就完了。更多请见：
2020-10-23 20:37:50
122
原创 Java到底是编译还是解释型语言？编译和解释型语言有什么区别？
7.java语言执行过程与方式:编译型语言: 是指使用专门的编译器、针对特定平台（操作系统）将某种高级语言源程序一次性“翻译”成可被该平台硬件运行的机器码（包括指令和数据），并包装成该平台的操作系统所能识别和运行的格式。这一过程称为“编译”。最后生成的程序（可执行文件）可以脱离开发环境在特定平台上独立执行。比如c，优点快，缺点，移植性差。解释型语言: 是指使用专门的解释器将某种高级语言源程序...
2020-03-06 10:59:45
645
原创 为什么引入神经网络来做识别，判断，预测？
马克-to-win @ 马克java社区：实名手机尾号：73203, 很多人学了神经网络很长时间，但一直就有一个最根本的问题困扰着自己。为什么要引入神经网络来做识别，判断，预测?为什么神经网络能做这事？其实我们在生活中，总在不知不觉的经常用神经网络。只不过我们没注意观察罢了。 比如经常有朋友会问我们，哪里的房子大致多少钱？比如下面这个判断房价的例子，当知道地点在北京二环以里，天安门旁边的东华门，输...
2019-10-16 16:16:25
512
原创 卷积神经网络的Helloworld例子
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。下面是keras官方的卷积神经网络在github上的例子。和原版的唯一区别是：mnist的数据因为在国外（由于翻墙的原因，报错Exception: URL fetch failure on https://s3.amazonaws.com/img-datasets/mnist.npz），可以像我一样，下载数据后，放在本地。...
2019-09-11 16:08:32
321
原创 如何在Anaconda虚拟环境安装Tensorflow与Keras
1 启动Anaconda虚拟环境安装Tensorflow与keras前，先启动Tensorflow的Anaconda虚拟环境。activate myTensorEnv2 安装Tensorflow在命令提示符窗口输入下列命令，安装Tensorflow：pip install tensorflow出现上述界面时，表明tensorflow已经在虚拟环境中安装成功。测试一下：pytho...
2019-09-10 17:31:55
2612
原创 如何建立安装Tensorflow所需的Anaconda虚拟环境
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。我们刚才安装的anaconda的实体环境，python版本是3 。但是如果使用Python开发网站系统，可能需要Python2的版本，（当然安装Tensorflow需要Python3的版本），此时就会发生版本不一致的问题。马克-to-win @ 马克java社区：这时我们可以使用Anaconda虚拟环境，让网站框架与Tens...
2019-09-10 11:16:19
660
原创 Spyder的用法
Windows/开始菜单/Spyder敲入以下代码：from skimage import ioimg = io.imread('i:/tmp/AnacondaIns1.jpg')print 'mark to win'io.imshow(img)[注意要使python3的话， 打印要加括号。print ('mark')mark]更多请见：https://blo...
2019-09-10 10:52:05
453
原创 Jupyter notebook的用法
Windows/开始菜单/Jupyter notebook更多请见：https://blog.csdn.net/qq_44639795/article/details/100689344
2019-09-10 09:34:17
169
原创 Anaconda Prompt的用法
Windows/开始菜单,打开Anaconda Prompt，这个窗口和cmd窗口一样的，用命令“conda list”查看已安装的包，从这些库中我们可以发现NumPy,Matplotlib,Pandas，说明已经安装成功了!下一步可以测试随anaconda一起安装的python：（还是在上一个窗口）更多请见：https://blog.csdn.net/qq_43650923/ar...
2019-09-08 18:13:25
25709
原创 dropout到底在干什么？
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。我们用dropout主要是为了防止CNN过拟合。所谓过拟合就是所建的模型在训练样本中表现得过于优越，而在测试数据集中表现不佳。那既然死死的一个神经网络可能被过度训练，我们能不能每次训练时，随机挑选一部分参数来构成一个子网，将这个子网络作为此次训练更新的目标网络。马克-to-win @ 马克java社区：下次挑选另外一批参数构...
2019-09-08 17:11:36
305
原创 卷积和神经网络有什么关系？
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。如上一段所述，卷积可以提取特征，但对于真实世界当中的大规模图片库，我们并不知道哪个局部特征有效，我们还是希望通过训练神经网络，自动学习出来，怎么做呢？还得用到前面学到的BP算法，但现在的问题是卷积和神经网络有什么关系呢？马克-to-win @ 马克java社区：看下面两个图可以知道，其实卷积的运算就是相乘之后求和，和神经网络...
2019-09-08 16:06:38
545
原创 池化的名字由何而来？
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。根据前面的卷积过程，我们可以达到特征提取的作用。基本上已经判断出谁是C谁是D。底下可以再进一步做一次池化。数据库连接池记得吧？马克-to-win @ 马克java社区：把很多数据库连接放在一个池子里，想用时挑一个来用。这里做完卷积得到这么多数据，就像池子一样，对于这池子里的数据，我们可以继续做各种各样的操作，比如最大池化或平...
2019-09-08 09:44:04
227
原创 卷积到底有什么作用？如何做到特征提取？
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。经过前面的神经网络的基础学习，终于进入我们这章的核心部分，卷积神经网络（CNN， Convolutional Neural Networks)。很多同学学了半天卷积神经网络，但一直有一个最最根本的问题没有搞懂，他也知道怎么做卷积了，也知道怎么做池化了，就是不知道在为什 么这么干？马克-to-win @ 马克java社区：一直...
2019-09-07 18:18:13
1228
原创 BP（back propagation）误差逆传播神经网络
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。BP神经网络是一种按误差反向传播的神经网络，它的基本思想还是梯度下降法，中间隐含层的误差和最后一层的误差存在一定的数学关系，（可以计算出来），就像误差被反向传回来了，所以顾名思义BP。马克-to-win @ 马克java社区：想想生活中有句话叫做开始差之毫厘，后来失之千里是什么意思？就有点误差传递的感觉。关键他们之间的数学关...
2019-09-07 17:23:36
388
原创 什么是梯度下降法与delta法则？
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。梯度下降法就是沿梯度下降的方向求解函数（误差）极小值。delta法则是使用梯度下降法来找到最佳权向量。拿数字识别这个案例为例，训练模型的过程通常是这样的。输入为1万张图片，也就是1万个样本，我们定义为D，是训练样例集合，输出为相对应的1万个数字。马克-to-win @ 马克java社区：这就是1万个目标输出(Target），...
2019-09-07 16:03:09
411
原创 什么是梯度？
在单变量的函数中，梯度可简单理解为只是导数。函数f的梯度方向是函数f的值增长最快的方向,最陡的方向，换句话说，在一个场中，函数在某一点处的梯度即为此点方向导数最大值。更多请见：https://blog.csdn.net/qq_44639795/article/details/100592901...
2019-09-07 10:56:19
1325
原创 什么是链式法则？
链式法则是微积分中复合函数的求导法则。 复合函数，是指一个函数作为另一个函数的自变量。 如f(x)=3x，g(z)=z+3，g(f(x))就是一个复合函数，并且g(f(x))=f(x)+3=3x+3链式法则(chain rule)： 若m(x)=f(g(x))，则m'(x)=f'(g(x))g'(x)即“两个函数凑起来的复合函数，其导数等于里边函数代入外边函数的值的导数，乘里边函数的导数。...
2019-09-07 09:53:39
4281
原创 什么是导数和切线？以及他们的关系？
（引自高等数学）设函数y=f（x）在点x0的某个邻域内有定义，当自变量x在x0处有增量Δx，相应地函数取得增量Δy=f（x0+Δx）-f（x0）；如果Δy与Δx之比当Δx→0时极限存在，则称函数y=f（x）在点x0处可导，并称这个极限为函数y=f（x）在点x0处的导数。马克-to-win @ 马克java社区： 所以说：函数y=f（x）在x0点的导数f'（x0）的几何意义：表示函数曲线在点P0（x...
2019-09-06 15:33:30
4968
原创 什么是sigmoid激活函数？
上面我们讲了引入激活函数的意义，激活函数有多种，下面我们拿一种激活函数sigmoid来做示例，其他的类似。sigmoid函数表达式如下：它的函数曲线图是：看到上面的函数曲线图，可以看出是一个sigmoid函数的特点就是当输入值从负无穷变到正无穷时，输出值在0和1之间，。。。。。。。。。。。。。更多可见：https://blog.csdn.net/qq_44594249/arti...
2019-09-05 17:01:05
1610
原创 为什么要引入激活函数？
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。根据上面的学习，我们已经知道，当我们接到客户的需求，让我们做识别，判断或者预测时，我们需要最终交付给客户我们的神经网络模型。其实我们千辛万苦训练出来的神经网络模型，就是从输入到输出的一个神秘未知函数映射。在大多数情况下，我们并不知道这个真正的函数是什么，我们只是尽量去拟合它。马克-to-win @ 马克java社区：前面给出...
2019-09-05 15:11:28
316
原创 什么叫训练模型？
马克-to-win @ 马克java社区：根据上面的计算过程可知，下图的神经网络模型果然比较符合现实情况。带游泳池的首先大概率属于高档房，其次价格也比较高。不带游泳池的 属于低档房，而且价格较低。 为什么同样的模型，判断出的结果不一样呢？ 1）w3比较大，为0.8,w4比较小，为0.001.意思就是贵的设施对于判断是否为高档很重要。马克-to-win @ 马克java社区：对于低档几乎没用。所以找...
2019-09-04 14:23:52
10758
1
原创 给出一个生活中的最简单的两层神经网的实际例子
马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。下面我们给出一个生活中的最简单的两层神经网的实际例子。比如，在我们的心目当中，只要有游泳池这种设施的房子就属于高档住宅。先进行一个初步判断，高还是低？ 最后才进行最终的价格判断，所以这样就有了两层神经网络。先看是高档还是低档住宅，之后高档住宅的价格偏移和低档住宅的价格偏移是完全不一样的。马克-to-win @ 马克java社...
2019-09-04 09:10:53
257
原创 MapReduce当中全局变量的用法
全局变量：马克-to-win @ 马克java社区：如想传递变量，程序可以在main函数中，利用Congfiguraion类的set函数将一些简单的数据结构放到到Congfiguraion中，map或reduce task任务启动的过程中（比如setup函数）通过Configuration类的get函数读取即可。一切的代码和上面都一样，只是加了一个全局变量的特性。package com;impor...
2019-06-02 09:40:57
949
原创 通过剖析源码单步调试详解MapReduce分组group遍历
通过剖析源码单步调试详解MapReduce分组group遍历：马克-to-win @ 马克java社区：mapreduce的group知识点是最难理解的，本小节将通过仔细剖析源码，单步调试，来详解之。另外注意：数据文件写时一定注意：结尾不能有回车和空格，通过在map里面加断点，F8（resume），一轮一轮，调试一行一行的数据，才发现最后一行数据出毛病了，只有是多了一个换行符的毛病。 packag...
2019-06-02 09:40:45
193
原创 MapReduce当中自定义输出：多文件输出MultipleOutputs
自定义输出：多文件输出MultipleOutputs马克-to-win @ 马克java社区：对于刚才的单独订单topN的问题， 如果需要把单独的订单id的记录放在自己的一个文件中，并以订单id命名。怎么办？multipleOutputs可以帮我们解决这个问题。注意：和我们本章开始讲的多文件输出不一样的是，这里的多文件输出还可以跟程序的业务逻辑绑定在一起，比如文件的名字和订单有关系。multi...
2019-06-02 09:40:36
385
原创 DBOutputFormat把MapReduce结果输出到mysql中
DBOutputFormat把MapReduce结果输出到mysql中现在有一个需求：就是如何使用DBOutputFormat把MapReduce产生的结果输出到mysql中。package com;import java.io.File;import java.io.IOException;import java.sql.PreparedStatement;import java.sql.Res...
2019-06-02 09:40:23
288
原创 MapReduce当中map端做join
map端做join马克-to-win @ 马克java社区：map端做join和reduce端做join有何区别？我们前面讲的是Reduce端join，因为Reduce端join需要把所有的数据都经过Shuffle，非常消耗资源，效率要远远低于Map端join。Map端join是指只有map工作，reduce不工作，这样可以有效的避免数据倾斜。马克-to-win @ 马克java社区：什么叫数据...
2019-06-02 09:40:10
235
原创 MapReduce当中什么叫数据倾斜（data skew）？
马克-to-win @ 马克java社区：什么叫数据倾斜（data skew）？假如，你有两个reduce节点，数据都跑到第一个节点，（比如p_id=p1的数据非常多）第二个节点没什么数据， 结果第一个节点，工作完成总是卡在99.99%，一直99.99%不能结束。更多请见下节：https://blog.csdn.net/qq_44594249/article/details/97542408...
2019-06-02 09:39:59
1054
原创 MapReduce当中寻找用户间的共同好友
寻找用户间的共同好友马克-to-win @ 马克java社区：下面我们给出一个经典的案例：寻找用户间的共同好友。（有意思的是：网上讨论这个案例的虽多，但都有这那的错误，不是数据错就是程序错， 总有同学和我比对，实际和我的是不一样的）马克-to-win @ 马克java社区：下面给出用户的好友关系列表(注意是单向的, 单向的好友意味着，你是别人的好友，别人可能不是你的好友)，每一行代表一个用户和他的...
2019-06-02 09:39:47
383
原创 MapReduce当中topN问题的解决方法
topN问题：马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。topN问题就是输出每组中最大的一个或几个。为什么说是一个或几个呢？因为输出一个或者输出几个的算法是一样的。我们下面以输出一个为例子，做一个示范。6个订单如下：o1,p2,250.0o2,p3,500.0o2,p4,100.0o2,p5,700.0o3,p1,150.0o1,p1,200.0求出每个订单中最高...
2019-06-01 09:57:57
742
原创 MapReduce当中排序sort的方法
排序sort：马克-to-win @ 马克java社区：防盗版实名手机尾号：73203。注意：想自己实现Sort得不偿失，但如想借助Hadoop MapReduce技术框架排序，key必须实现WritableComparable接口。具体做法见下。需求是先按id比，再按amount比。package com;import org.apache.hadoop.io.WritableComparabl...
2019-06-01 09:57:41
648
原创 Spark Scala当中reduceByKey的用法
/*reduceByKey(function)reduceByKey就是对元素为KV对的RDD中Key相同的元素的Value进行function的reduce操作(如前所述)，因此，Key相同的多个元素的值被reduce为一个值，然后与原RDD中的Key组成一个新的KV对。reduceByKey(_+_)是reduceByKey((x,y) => x+y)的一个 简洁的形式*/...
2019-06-01 09:56:52
2331
原创 Spark Scala当中reduceByKey(_+_) reduceByKey((x,y) => x+y)的用法
马克-to-win@ 马克java社区：reduceByKey(_+_)是reduceByKey((x,y) => x+y)的一个 简洁的形式*/ val rdd08 = sc.parallelize(List((1, 1), (1, 4),(1, 3), (3, 7), (3, 5))) val rdd08_1 = rdd08.reduceByKey((x, y) =...
2019-06-01 09:55:29
2157
原创 Spark和Scala当中的collect方法的用法和例子
/*马克-to-win @ 马克java社区：collect: 收集一个弹性分布式数据集的所有元素到一个数组中,这样便于我们观察，毕竟分布式数据集比较抽象。Spark的collect方法，是Action类型的一个算子，会从远程集群拉取数据到driver端。最后，将大量数据汇集到一个driver节点上，将数据用数组存放，占用了jvm堆内存，非常用意造成内存溢出，只用作小型数据的观察。*/...
2019-06-01 09:55:14
6643
把过去找大数的作业改编成放在现在的类里2---马克-to-win Java视频
2018-08-04
把过去找大数的作业改编成放在现在的类里1---马克-to-win Java视频
2018-08-04
String3.1-java堆和栈---马克-to-win Java视频
2018-08-04
DataSource的单态模式（SingleTon）程序---马克-to-win java视频
2018-07-06
DataSource的HelloWorld程序---马克-to-win java视频
2018-07-06
PreparedStatement 马克-to-win java视频
2018-07-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人