其他

估計有些讀者看到這個題目的時候會覺得很數學，和自然語言處理沒什麼關係，不過如果你聽說過最大熵模型、條件隨機場，並且知道它們在自然語言處理中被廣泛應用，甚至你明白其核心的參數訓練演算法中有一種叫LBFGS，那麼本文就是對這類用於解無約束最佳化演算法的Quasi-Newton Method的初步介紹。

雜湊樹初始化： void init_hash (){ int i, n, j; int p[12]; getrnd (); for (i = 0; i < 12; i++) p[i] = i; for (i = 0; i < 12; i++) { n = perm[i] % (12 - i); perm[i] = p[n]; for (j = 0; j < 11 - n; j++) p[n + j] = p[n +

  之前做stm32開發的時候為了擷取stm32晶片內部資料想進了各種方法。一開始是用串口發送資料，後來系統更新到win10後串口驅動不相容，於是就找到了另外一種調試方式。   我是在keil中進行stm32開發，stm32程式通過keil編譯器編譯，然後通過JLink下載到晶片上。在Debug模式中可以直接查看stm32的運行記憶體，如圖1-1所示  圖1-1 stm32中變數值及其記憶體值  

        <div class="markdown_views"><p>  部落客體轉載自：  <a href="http://blog.csdn.net/bolu1234/article/details/51867099" target="_blank">http://blog.csdn.net/bolu1234/

    這些天很無聊的瞭解了一下幾個數學題    

tensorflow本身發布的版本是基於Ubuntu下的，因此在Ubuntu下比在windows下更加方便。其安裝方法有三種，見tensorflow實戰第二章環境的搭建。本文介紹使用pip安裝基於cpu的tensorflow。 1，下載安裝pip:$ sudo apt-get install python-pip python-dev 2，安裝tensorflow $ sudo pip install --upgrade

1、找到要轉載的文章，用chrome瀏覽器開啟，右鍵選擇審查元素 2、在chrome中下方的框裡找到對應的內容，html指令碼中找到對應的節點，選中節點，網頁上被選中內容會被高亮顯示，然後右鍵菜單選中 Copy as HTML 3、進入個人"管理部落格"主介面，選擇"寫新文章“，編輯介面的地方選擇工具條上的原始碼，將chrome中複製的內容貼進來

公開課系列的pdf文檔已經上傳到csdn資源，下載請猛擊這裡。 本文對應斯坦福ML公開課的第12個視頻，第12個視頻與前面相關性並不大，開啟了一個新的話題——無監督學習。主要內容包括無監督學習中的K均值聚類(K-means)演算法，混合高斯分布模型(Mixture of Gaussians, MoG)，求解MoG模型的EM演算法，以及EM的一般化形式，在EM的一般化形式之前，還有一個小知識點，即Jensen不等式(Jensen’s inequality)。

文章出處：http://blog.csdn.net/nuoyan666/article/details/5935772 如果不進行最佳化配置，JBOSS下的項目查錯將非常麻煩，在JBOSS４.２.２GA版本中，預設將所有的DEBUG資訊都輸了個遍，剛運行JBOSS,Server.log的日誌就差不多1M了，再停掉JBOSS，什麼正事都沒做，都己經產生看不到的LOG了，只能用一個字來形容：費物。

下載kettile 安裝kettle前必須要裝了java，如果系統記憶體大於4G，最好裝64位的 下載連結 解壓之後 根目錄下找到Spoon.bat檔案，用編輯器開啟，找到下面代碼 PENTAHO_DI_JAVA_OPTIONS="-Xms1024m" "-Xmx2048m" "-XX:MaxPermSize=256m" -Xms：設定JVM初始記憶體 -Xmx：設定JVM最大可用記憶體

錯誤一 null>bin>winutils.exe not found 這種情況下只是需要winutils.exe檔案即可，不需要下載所有hadoop winutils.exe下載連結 然後放在hadoop/bin檔案夾下，環境變數加上HADOOP_HOME 錯誤二 build Artifacts時報錯java.lang.outofmemoryerror 配置時output，因為運行環境中已經有相關包，所以其他包刪除，只保留’compile

筆者經常會在公司centos伺服器上安裝一些軟體，可是當我輸入yum install xxx 時，鬱悶了，公司伺服器不通外網，無法使用yum源。。。 額~~~，好吧我只能自己先到網站上下載好rpm包，再傳到伺服器上進行rpm安裝。。。 以下是一個比較好的centos rpm包下載地址 http://vault.centos.org/6.5/updates/x86_64/Packages/

因為要做畢設需要安裝caffe2，配置cuda8.0，但是安裝nvidia驅動真的是把我難倒了，看了很多篇博文都沒有效果，現在我自己重新總結了下幾種 安裝方法（親測有效），希望能幫到大家。 查看版本驅動 NVIDIA驅動 方法一： ppa源安裝驅動 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-390

今天在網上搜尋“提高測試效率”相關的文章。結果無意中發現有位仁兄幾乎原封不動的抄襲了偶的一篇文章（RUP測試過程實踐之測試需求與測試案例），而且做為自己的作品發布在其所屬企業的內部網站上。偶對於這種著作權意識和法律意識淡漠的行為比較痛恨，所以今天決定要在這裡“立此存照”；而且破例這個文章要置頂，希望對激醒更多人的著作權意識和法律意識。 另外，國家對於互連網著作權問題已經出台了相應的法律法規，可以通過下面的連結找到。

起意        看到一篇不錯的部落格，想轉載但是不會（沒有轉載鍵），網搜發現沒有Chrome瀏覽器的詳細轉載辦法，受博主Bily豬啟發，弄了這個教程，給小白的，大神勿嗤。時間緊急的直接看總結。 實踐 檢查。在喜歡的部落格頁面右鍵（用快速鍵ctrl+shift+I也行只是比較難找到相應想要的html碼）選擇“檢查”，出現如下介面：

部落格原文 安利一篇我翻譯的國外大牛的神經網路入門文章 最近收到某台伺服器警示，inodes使用過高，解決過程如下 首先在伺服器上執行下面的命令查看哪個目錄下inodes使用過高 [root@vm]# df -iFilesystem Inodes IUsed IFree IUse% Mounted on/dev/mapper/VGSYS-lv_root 655360 101872 553488

模式識別起源於工程領域，而機器學習起源於電腦科學。然而這些不同的學科可以看做是一個領域的不同方向，並且在過去幾十年中都經曆了長足的發展。特別指出的是貝葉斯方法（Bayesian methods）從過去的專利方法（specialist niche），變成了主流的方法（mainstream），圖模型作為通用架構來描述和應用機率模型而興起來。貝葉斯方法的實際實用性極大的促進了一系列近似推理演算法（approximate inference

Science和nature兩刊在形式上有它們的相同性： 比如科技論文基本以3種形式出現：(1)學術論文：《Nature》：Articale；《Science》：Research

這些原理和演算法流程，轉自別人的部落格，代碼是自己實現的。 高斯分布與背景建模的關係：映像中每一個像素點的顏色值作為一個隨機過程X，並假設該點的像素值出現的機率服從高斯分布。令I(x,y,t)表示像素點(x,y,t)在t時刻的像素值，則有： 其中和分別為t時刻該像素高斯分布的期望值和標準差。 演算法流程： 1.用第一幀映像資料初始化背景模型，其中std_init通常設定為20。 2.檢測前景與背景像素。 背景像素檢測公式：

0.  前言         為瞭解決柵格切片、切片時間長、資料轉送量的大、樣式定製能力弱的問題，越來越多的企業案例，開始採用向量欺騙作為webGIS中地圖載入的方式。而目前為止，較為成功且通用的向量切片使用技術流程，主要分為以下兩種。  ArcGIS Pro 製作向量切片--- ArcGIS Online 發布向量切片服務 --- ArcGIS for JavaScript進行地圖展示