其他

一、梯度下降法 　　在機器學習演算法中，對於很多監督學習模型，需要對原始的模型構建損失函數，接下來便是通過最佳化演算法對損失函數進行最佳化，以便尋找到最優的參數。在求解機器學習參數的最佳化演算法中，使用較多的是基於梯度下降的最佳化演算法(Gradient Descent, GD)。 　　梯度下降法有很多優點，其中，在梯度下降法的求解過程中，只需求解損失函數的一階導數，計算的代價比較小，這使得梯度下降法能在很多大規模資料集上得到應用。梯度下降法的含義是通過當前點的梯度方向尋找到新的迭代點。

學習此演算法的原因：昨天下午遛彎的時候，碰到閨蜜正在看演算法，突然問我會不會弗洛伊德演算法。我就順道答應，然後用了半個小時的時間，學習了此演算法，並用5分鐘講解給她聽，在此也分享給各位需要的朋友，讓你們在最短的時間內，透徹的掌握該演算法。 Robert W. Floyd(羅伯特 弗洛伊德)1962年在“Communication of the ACM”上發表了該演算法，同年Stephen Warshall（史蒂芬

文本挖掘的paper沒找到統一的benchmark，只好自己跑程式，走過路過的前輩如果知道20newsgroups或者其它好用的公用資料集的分類（最好要所有類分類結果，全部或取部分特徵無所謂）麻煩留言告知下現在的benchmark，萬謝。 嗯，說本文。20newsgroups官網上給出了3個資料集，這裡我們用最原始的20news-19997.tar.gz。 分為以下幾個過程： 載入資料集 提feature 分類

RGBD方案對比： 關鍵技術規格： 1.檢測範圍； 2.檢測精度； 3.檢測角度； 4.幀率。 5.模組大小 6.功耗 目前主流的深度網路攝影機方案在檢測距離上、精度、檢測速度上相差不大，區別在於： 1、結構光方案優勢在於技術成熟，深度映像解析度可以做得比較高，但容易受光照影響，室外環境基本不能使用；

經常在sklearn上看到np.newaxis，這裡記錄一下我的理解 np.arange(0, 10) 這句話 產生的是一個一維的數組，如下： [0 1 2 3 4 5 6 7 8 9] 輸出其shape：(10,) 那麼我如何才能將其轉化為shape=(1,10)呢 可以用兩種方法： 1.使用shape y=np.arange(1, 11)y.shape=(10,1)print(y) 結果如下： [[ 1] [ 2] [ 3

勸學 朝代：先秦 作者：荀子 君子曰：學不可以已。（學習不可以停止）        青，取於藍，而靑於藍；冰，水為之，而寒於水。木直中繩，輮以為輪，其曲中規。雖有槁暴（pu）,不複挺者，輮使之然也。故木受繩直，金就礪則利，君子博學而日參省乎己，則知明而行無過矣。      

如題： Anaconda已經安裝過PIL/pillow和captcha模組仍然報錯 ImportError: No module named 'captchaXXX' 筆者之前檢查過很多情況，也看過很多解決方案,比如：Anaconda無法用PIL，我用Pillow替代 

機器能有情感嗎。 無生命的機器能有情感嗎。也就是說，機器能有喜、怒、哀、樂嗎。這種想法，真是匪夷所思也。 回想過去，在1981年，我參與組建《中國人工智慧學會》（國家一級學會）的時候，認為能夠讓機器有一點兒“知識”就不錯了，豈敢讓機器能夠與人類進行情感交流。這無異於是異想天開。 如今，時代確實變了。微軟第三代小冰與4,000多萬國人建立了情感聯絡，相互難分難捨，整日粘粘糊糊，須臾不不可離。什麼是電腦的情感呢。 實際上，傳統的人機互動，主要通過鍵盤、滑鼠、螢幕等方式進行，只追求便利和準確，

伴隨著職位的晉陞，很多人已經走上了管理崗位，無論是公司中層，還是部門經理，一旦進入管理崗位，工作內容和性質都會發生本質變化。作為昔日打工時一名管理者，試圖和大家探討中層管理者，到底該管理什麼。 常識君|有話說 從大的方面，管理的內容分為人和事。而事，又在人為，所以管理歸根結底就是管理人。中層管理者，對上級是執行角色，沒有什麼管理職能，無需探討；對下屬是領導角色，帶領團隊，需要管理，實施目標，也需要管理。作為中層管理者要做好管理，我認為需要把握兩個方面要素：

枚舉與迭代都提供遍曆集合對象元素的功能。 一.枚舉 指調用一個枚舉函數、一次性列舉出集合中的元素，通常需要指定一個觸發器函數作為參數。枚舉函數以enum作為首碼。例如，winex.enum枚舉函數可以列舉出所有的桌面視窗。 io.open();import winex;winex.enum( function(hwnd,depth){ ..io.print(depth,hwnd,win.getText(hwnd);}}

http://blog.csdn.net/habla/article/details/1834658 整數溢出 2007-10-20 18:39 1021人閱讀 評論(0) 收藏 舉報 table integer user 編譯器 linux核心 freebsd

每個視圖都負責做下面兩件事中的一件：返回一個包含請求頁內容的HttpResponse對象，或者引發一個例如Http404的異常。 你的視圖可以閱讀來自資料庫的記錄，它可以使用Django自身或第三方python的模版系統。它可以產生一個PDF檔案、輸出XML、建立zip檔案或者你想要的任何東西，通過使用任何你想要使用的python庫。

        在我們國內，微積分教科書往往微積分基本定理說成是“牛頓-”萊布尼茲公式”，而對該定理的精神實質避而不談。實質上，這個重要定理的核心思想是：定積分的數值計算可以用“符號積分法”技巧來代替，節省大量的數字計算成本。該定理第一部分證明了處處連續的被積分函數的原函數存在性，指出上限可變的定積分所確定函數就是所要求一個原函數。，原函數通過符號積分法的技巧進行形式計算獲得，大大方便了定積分的數值計算成本。為此發現

Markdown是一種可以使用普通文字編輯器編寫的標記語言，通過簡單的標記文法，它可以使普通常值內容具有一定的格式。 從github下載的代碼一般都會帶有README.md檔案，該檔案是一個Markdown格式的檔案。PyCharm是預設沒有安裝Markdown外掛程式的，所以不能按照Markdown格式顯示文本，顯示的是原始文本。下面已github庫PyWatchlog的代碼為例介紹兩種安裝Markdown的方法。 方法一：

從今以後，一定要記得設計測試資料了 1的結果應該是Deficient   3Y, 184ms   #include <iostream> #include <cmath> #define F(i,a,b) for (int i=a;i<=b;i++) using namespace std; int main() { int n; printf("PERFECTION OUTPUT/n"); while (

PyCharm的Find Usages功能可以尋找某個對象（變數、函數、或者類等）被引用的地方。 使用： 在要尋找的對象上右鍵-》Find Usages-》介面下方會列出尋找結果。 快速鍵： Alt + F7 下面以test.py和test2.py為例，其中test2.py使用了test.py的foo函數 test.py: a = [1, 2, 3]b = [10, 100, 11

Intel RealSense R200（參數規格：解析度：1080p，深度有效距離：0.51-4，USB3.0） 樂視 LeTV Pro Xtion（參數規格：深度有效距離：0.8m 至 3.5m，USB2.0） Orbbec Astr(參數規格：解析度720p，深度有效距離：0.5 至 8m，USB2.0/USB3.0) Intel RealSense

bzoj一直 runtime codevs ac，表示無語。。。，應該是自己寫炸了 2016.8.22更新 bzoj ac #include<cstring>#include<cstdio>#include<cmath>#include<cstdlib>#include<algorithm>using namespace std;const int N=510005;int

01背包問題 01背包問題的狀態轉換方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j >= Wi ),  f[i-1,j] } f[i,j]表示在前i件物品中選擇若干件放在承重為 j 的背包中，可以取得的最大價值。 Pi表示第i件物品的價值。 決策：為了背包中物品總價值最大化，（如果第i件物品放得下的話）第 i件物品應該放入背包中嗎 。 （當然，如果放不下，那就只能選擇不放了）

        在上世紀下半葉，在NBC電視節目中出現一個很熱的“智力秀”（Gane