其他

這本書是由才雲科技Caicloud發行，主要內容是熟悉tensorflow架構的基本結構以及在深度學習領域實際應用。 具體的代碼參見： 1.官方： caicloud/tensorflow-tutorial: Example TensorFlow codes and Caicloud TensorFlow as a Service dev environment. https://github.com/caicloud/tensorflow-tutorial 2.參考版：（帶注釋）

我實在是太懶了，現在才來寫這篇博文。 這裡我將總結做這個項目所用的思路，以及中間出現的各種問題還有問題的解決辦法。 1、最終實現方案（樹莓派、php+html、arecord、百度語音、face++Image Recognition） 1.1、硬體部分 因為加了一個開關來控制語音的錄入，所以用到了樹莓派的中斷，因此硬體的話除了樹莓派還多了一個開關和幾條杜邦線跟幾個小電阻。最後開關與樹莓派的電路圖如下所示：![這裡寫圖片描述](https://img-blog.csdn.net/20

TensorFlow_Fold TensorFlow_Fold in Jupyter Notebook 效果預覽如上圖，環境為 CentOS7 + Python with TensorFlow1.0(Fold include) How to add kernel for Jupyter jupyter裡一般是沒有我們自己設定的env下的python的，比如我包含tensorflow_fold庫的python就是在source activate tensorflow1.0後才能擷取到，

有的時候生活太匆匆，忘記了思考生活，一個淒迷的故事，足以喚起那份內心的悸動，產生共鳴，腦海裡一陣陣的翻滾，無法明白其中的緣由，也許是自己的錯誤太多，卻不知道如何悔改，讓自己悔恨不已。 聽一首歌吧，讓自己的心情輕鬆。   Breathe   softly did you sing to meoutside my windown in my dreamswhen I wokeI could hear your voice in meone day

本文僅是博主自己用來用來整理留存的摘錄，如對題目感興趣，請閱讀原文。 原文地址 https://zhuanlan.zhihu.com/p/28310437 國內做得好的音樂APP網易雲、蝦米音樂和QQ音樂都會推薦喜歡的音樂。 推薦演算法是電腦專業中的一種演算法，通過一些數學演算法，推測出使用者可能喜歡的東西。 實現過程 採集大量資料、處理和模型訓練 1、下載MP3檔案

樣本失衡會對SVM的影響 假設正類樣本遠多於負類 1、線性可分的情況 假設真實資料集如下：  由於負類樣本量太少，可能會出現下面這種情況 使得分隔超平面偏向負類。嚴格意義上，這種樣本不平衡不是因為樣本數量的問題，而是因為邊界點發生了變化 2、線性不可分的情況 來源資料以及理想的超平面情況如下： 很可能由於負類樣本太少出現以下這種情況，超平面偏向負類

系統的硬體結構： 網路攝影機作為映像的輸入 機載電腦TX1執行偵測演算法 機載電腦TK1執行跟蹤演算法 大疆M100和飛控作為載體和執行單元 手機作為一個輔助的監控後台，既可以查看狀態和映像，也可以下發一下指令。 軟體結構 整個系統（機載電腦TK1/TX1）運行在ubuntu ROS系統下， 通過節點之間的話題的發布與訂閱，實現資料的傳遞。 將整個系統分為多個節點， camera_node 採集網路攝影機的資料，並且發布為ROS中的映像話題；

一、風格遷移簡介 風格遷移（Style Transfer）是深度學習眾多應用中非常有趣的一種，如圖，我們可以使用這種方法把一張圖片的風格“遷移”到另一張圖片上： 然而，原始的風格遷移（點擊查看論文）的速度是非常慢的。在GPU上，產生一張圖片都需要10分鐘左右，而如果只使用CPU而不使用GPU運行程式，甚至需要幾個小時。這個時間還會隨著圖片尺寸的增大而迅速增大。

前言 Gatys大神之前發表了一篇利用風格遷移進行作畫的文章，讓普通的照片具有名人的畫風，效果如下： 讓一篇普通的圖片有了梵谷的風格，厲害了。 文章連結：A Neural Algorithm of Artistic Style

一、論文參考 這裡使用的方法主要參考《A Neural Algorithm of Artistic Style》這篇論文。 簡單來說，神經網路的低級層提取的是更為底層的資訊，比如直線，拐角等，進階層提取的是更為複雜的內容，比如語義上的資訊（圖片裡的是一隻貓還是一條狗），將兩者結合就可以將一張圖片的風格遷移到另一張圖片上。 具體內容可以參考論文。 二、代碼實現 原始圖片： 風格圖片： 這裡使用VGG19模型：預訓練模型 代碼如下（大多我都加了注釋）：

來源：騰訊科技 編輯：Jennie “我們眼下正處在一個臨界點，即機器學習將在企業市場加速普及，從而推動改進企業運營，讓企業作出更好的決策，並提供增強或全新的產品和服務。”——德勤副總裁保羅·薩羅米 據外媒報道，會計和技術顧問公司德勤日前公布了其對2018年科技行業的預測，涵蓋的話題包括人工智慧（AI）、增強現實（AR）、數字訂閱和直播等等。

工作1-5年，當我們向老闆提出加薪的時候，或者跳槽去“撿”offer的時候，我們底氣夠嗎。 敢不敢不給漲薪就“揮一揮衣袖，不帶走一個bug”。是不是提出要求後你的主管、經理立刻 同意，為了把你留住。然而，現實往往是...       技術不過硬，其他的都免談。 小編給大家羅列一下近期最常用，最火的技術，大家檢查一下你是否可以硬朗起來。 阿里巴巴Dubbo+Zookeeper註冊中心、阿里巴巴MyCat分庫分表；

[Original pag]   Since the release of JDK 5 the JVM uses JMX technology to provide information on performance and resource consumption of the applicationsrunning in the JVM. Together with the JConsole tool we can use this information to

根據美國高速公路安全管理局對智能汽車定義的劃分，完全實現無人駕駛的智能汽車發展將經曆五個層次。 第一個層次是完全無智能化的層次，在這個層次中，駕駛員是整個智能化系統的唯一決策者和執行者，駕駛者通過控制方向盤、油門、刹車、檔位、起動機等等執行機構實現對車輛的管理。對了，就是咱們現在最最普通的汽車。

1. 演算法+資料=無人駕駛 2. 最具價值的自動駕駛訓練大資料 - 百度地圖採集車隊駕駛資料集。Road Hackers開放裡程全球第一。 3. Road Hackers = 海量路情駕駛資料開放（底層）+ 自動駕駛演算法Benchmark平台（第一個端到端） -------------------------------------------------------------------------------------------------------------

Mycat分區規則詳解     ER關係分區表         ER模型是實體關聯模型，廣泛採用概念模式設計方法，基本元素是實體、關係和屬性。Mycat創新性的將它引入資料切分規則中，使得有互相依賴的表能夠按照某一規則切分到相同節點上，避免跨庫Join關聯查詢。          分區規則rule.xml檔案詳解

package lucene.mine;import java.io.File;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.standard.StandardAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import

貝葉斯簡介 貝葉斯學習方法的特徵 貝葉斯法則 極大假設 舉例 基本機率公式表 機器學習的學習速度不夠快，不過希望能夠學的比較踏實。畢竟雖然是IT但是更偏向數學，所以要學的嚴謹透徹，才能更好的應用到合適的情境裡。 貝葉斯簡介 貝葉斯推理提供了推理的一種機率手段。它基於如下的嘉定，既待考察的量遵循某機率分數，且可2根據這些機率及已觀察到的資料進行推理，以做出最優的決策。 貝葉斯學習對於機器學習相關有以下兩個原因： 1.

昆蟲繁殖 Time Limit : 3000/1000ms (Java/Other) Memory Limit : 65535/32768K (Java/Other) Total Submission(s) : 49 Accepted Submission(s) : 11 Font: Times New Roman | Verdana | Georgia Font Size: ← → Problem Description

因為面試的關係，最近和幾個年齡差不多的兄弟聊了一下，有些感慨，其實不是很多人做不下去技術，而是自己早早就放棄了自己。 下面的東西是寫給40歲左右的朋友，更是寫給自己：