6 黑水滴滴

尚未进行身份认证

暂无相关简介

等级
TA的排名 8w+

CentOS安装php7.2

在CentOS中直接使用sudoyum-yinstallphp安装php,最后安装的版本是5.6,这是很老的版本了,肯定是不够的,所以我们需要另外的方法进行php7.x的安装。首先获取rpm:rpm-Uvhhttps://dl.fedoraproject.org/pub/epel/epel-release-latest-7.noarch.rpmrpm-Uvhhttp...

2019-06-11 20:45:36

归一化、标准化、中心化

一、概念归一化:把数据变成[0,1]或[-1,1]之间的小数。主要是为了数据处理方便提出来的,把数据映射到0~1范围之内处理,更加便捷快速。是一种简化计算的方式,将有量纲的表达式,经过变换,化为无量纲的表达式,成为标量,便于不同单位或量级的指标能够进行比较和加权。标准化:在机器学习中,我们可能要处理不同种类的资料,例如,音讯和图片上的像素值,这些资料可能是高维度的,资料标准化后会使每个...

2019-05-19 16:48:46

tf.nn.max_pool

maxpooling是CNN当中的最大值池化操作,其实用法和卷积很类似关于池化的概念,可以参考我的这篇文章:https://blog.csdn.net/u012495579/article/details/90343636tf.nn.max_pool(value,ksize,strides,padding,name=None)一共有四个参数,和卷积很类似:value:需要...

2019-05-19 16:13:58

池化操作与反向传播

池化(pooling)主要是在用于图像处理的卷积神经网络中,但随着深层神经网络的发展,池化相关技术在其他领域,其他结构的神经网络中也越来越受关注。池化操作可以看做只取用某一个区域的关键特征,忽略其他特征。池化的作用1、pooling的结果是使得特征减少,参数减少,但pooling的目的并不仅在于此。2、pooling目的是为了保持某种不变性(旋转、平移、伸缩等)。池化的概念根据相关...

2019-05-19 16:05:31

tf.nn.conv2d

tf.nn.conv2d是TensorFlow里面实现卷积的函数,参考文档对它的介绍并不是很详细,实际上这是搭建卷积神经网络比较核心的一个方法,非常重要tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,name=None)除去name参数用以指定该操作的name,与方法有关的一共五个参数:inp...

2019-05-19 15:39:59

神经网络基础

目前,深度学习(DeepLearning,简称DL)在算法领域可谓是大红大紫,现在不只是互联网、人工智能,生活中的各大领域都能反映出深度学习引领的巨大变革。要学习深度学习,那么首先要熟悉神经网络(NeuralNetworks,简称NN)的一些基本概念。当然,这里所说的神经网络不是生物学的神经网络,我们将其称之为人工神经网络(ArtificialNeuralNetworks,简称ANN)貌...

2019-05-09 16:46:53

算法分析—快速排序&主定理分析递归的复杂度

一、简介快速排序对于初学者而言算是实现较为困难的一种排序方法,而其代码的实现方法也有多种,本文采用其中一种方法实现快排,并采用主定理对其复杂度进行分析。二、基本思想对于一个已经排序好的数组,一定有该特性:任取一个数字,其左边的数字(若存在)全部小于该数字,其右边的数字(若存在)一定大于该数字。那么我们便可以对一个未排序数组,任取一个数字(中心数),将小于它的放左边,大于它的放右边,这样...

2019-01-29 11:52:07

算法分析—冒泡排序

基本思想冒泡排序算法思想也比较简单,可认为是选择排序的一种变化。冒泡排序算法的原理如下:1、比较相邻的元素。如果第一个比第二个大,就交换他们两个。2、对每一对相邻元素做同样的工作,从开始第一对到结尾的最后一对。(经过此步骤,最大的元素便被换到了最后)3、依次去除最后一个元素,对剩余所有的元素重复以上的步骤。(共执行N次)算法实现importdatanums=data.get...

2019-01-25 17:32:36

算法分析—选择排序(最简单的排序方法)

基本思想选择排序可以说是最基本简单的一种排序方法,基本思想为每次选出剩余元素中的最小值,将其放入新数组(或者从前到后交换位置),此步骤执行N次即可。算法实现importdatanums=data.get_data(100)defselection_sort(nums):foriinrange(len(nums)):min_index=i...

2019-01-25 16:59:27

算法分析—计数排序(一种有趣的排序方法)

以前自己的博客总是零零散散,学习的东西也有记录,但是没有归纳到一块儿,后来也就慢慢丢了。

2019-01-24 18:41:25

算法分析—让人难以理解的大O、大Ω、大θ

简介在算法的学习中,最开始便是要学习算法的分析。学习算法分析时,我们便会接触到这么几个符号:大O、大Ω、大θ、小o、小ω。在输入规模较小,各种算法之间的时间消耗并无明显差别。只有当输入规模较大时,对各个算法之间消耗差别的对比与分析才有意义。所以上面几个符号便常用于表达当规模逐渐趋向于一个极大数时的算法复杂度。在表示一个算法时间复杂度时,我们常用如**T(n)=O(n^2)**的形式表示,而在...

2019-01-24 18:06:46

在线JS编辑器,可运行保存简单JS代码(已开源)

可以在线编辑运行js代码,并且可以文件的形式存储到后台服务器。深色风格界面(装逼专用(〃’▽’〃))为了防止重复提交,搞了个简单的验证码–诗歌验证分享功能展示(下方可编辑噢):项目地址:https://github.com/zycfj/JsBox

2018-01-27 10:24:50

需求分析—数据流图

数据流图从数据传递和加工的角度,以图形的方式刻画数据流从输入到输出的移动变换过程。

2017-11-07 22:50:29

重拾软件工程—(3)需求分析

需求分析在整个软件工程活动中最为重要的一步

2017-11-07 22:03:25

重拾软件工程—(2)软件过程

软件过程提高了整个软件工程活动的稳定性、组织性和可控性。

2017-11-06 13:14:31

解读软件工程—(1)开端

称职的程序猿是要懂软件工程滴。。。

2017-11-05 22:25:32

css选择器知识汇总

对大多技术人员来说都比较熟悉CSS选择器,举一例子来说,假设给一个p标签增加一个类(class),可是执行后该class中的有些属性并没有起作用。通过Firebug查看,发现没有起作用的属性被覆盖了,这个时候突然意识到了CSS选择器的优先级问题。严格来讲,选择器的种类可以分为三种:标签名选择器、类选择器和ID选择器。而所谓的后代选择器和群组选择器只不过是对前三种选择器的扩展应用。而在标签内写入sty

2017-06-26 14:44:47

Linux下安装、配置Apache服务器

linux下安装、配置apache

2017-05-24 23:10:41

js实现玫瑰花

【情人节福利】JS实现玫瑰花原创来自于博客http://www.romancortes.com/blog/1k-rose/中文版翻译于http://www.csdn.net/article/2012-02-09/311621有增改本文详细来自实验楼,如需转载请注明出处。前言不得不看的提示先放压缩过的html代码,把下段代码复制到你的新建的html文件用浏览器打开就能看到一个玫瑰。我们管它

2017-05-02 15:20:03

MobileWeb 适配总结

开门见山,本篇将总结一下MobileWeb的适配方法,即我们常说的H5页面、手机页面、WAP页、webview页面等等。本篇讨论的页面指专门针对手机设备设计的页面,并非兼容全设备的响应式布局。文中提到的device-width指viewportmeta标签中width的值,即由浏览器指定的值,常用机型对应值可参照ScreenSizes。适配达到的效果是什么?在不同尺寸

2017-05-02 14:52:34

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!