原创 mybatis框架入門(一)

一.原生態的JDBC的問題 先看一個jdbc的一個實例 @Test public void ConnectionToMysql4() { //定義引用 Connection con=null;

原创 Linux學習筆記(二)-AIX程序包原理及linux RPM包

AIX程序包原理及linux RPM包 一. AIX程序包原理 1. 原理 2. 文件集(fileset)命名規則 Fileset這種命名格式基本上描述了此文件集的內容和層次關係,方

原创 深度優先搜索+回朔+奇偶剪枝

深度優先搜索+回朔+奇偶剪枝 題目描述 http://acm.hdu.edu.cn/showproblem.php?pid=1010 題解 基本算法思路就是深搜,不過會超時,因此得奇數偶數剪枝,就可以ac了。 /**

原创 Linux學習筆記(三)-設備管理與驅動

設備管理與驅動 一. 設備分類:字符設備、塊設備、特殊設備 1. 字符設備 - 是指每次與系統傳輸1個字符的設備 - 字符設備通常爲傳真、虛擬終端和串口調制解調器、鍵盤之類設

原创 機器學習——支持向量機(SVM)

支持向量機(SVM) 1. 推導及理解 借鑑於邏輯迴歸的代價函數,我們給出了支持向量機的整個優化的目標函數如下: 當最小化這個代價函數,我們會得到參數θθ ,然後用這個參數θθ 來預測yy 的值爲1還是0。當θTxθTx 大於或者等

原创 機器學習——邏輯迴歸

邏輯迴歸 1.1 問題及定義 邏輯迴歸主要是用來解決二分類的問題,例如判斷一封電子郵件是否是垃圾郵件,判斷一次金融交易是否是欺詐,判斷一個腫瘤是惡性的還是良性的等等。 (注意:邏輯迴歸是分類算法,線性迴歸是迴歸算法) 爲此,邏輯迴歸的

原创 機器學習——線性模型

線性模型 1.線性迴歸 1.1 問題及定義 線性迴歸模型是機器學習中的基本算法模型之一,可以用來解決預測房價等問題。如下圖所示的一個例子,房子因房子大小、臥室數目、地板數量等不同而有不同的價格,那麼給定了房子大小、臥室數目、地板數量我們能

原创 win10+cuda8+cudnn5.1+Anaconda3+pytorch+torchvision

win10+cuda8+cudnn5.1+Anaconda3+pytorch+torchvision 1.windows安裝cuda8和cudnn5.1 這個教程很多,我不贅述。自行百度谷歌。 2.windows安裝Anaconda3

原创 深交所實習的日子

說說最近的學習吧! 目前在深交所實習了3個多月了,感受到了一個金融公司的龐大,和寶哥(導師)也學習到了很多的東西,也臨時去其他公司學習了一次,感受頗深。當然也體會到了金融公司的寬鬆的工作氛圍和人性化的工作時間,這裏相比軟件IT公司的確不

原创 ACM刷題筆記

ACM刷題筆記 數據結構 1.1 線性表(數組、隊列、棧、鏈表) 1.2 樹(堆、排序二叉樹) 1.3 哈希表 1.4 集合與映射 1.5 圖 算法 排序與查找 分治 貪心 1.1HDU刷題記錄:1009、1045、104

原创 DeepLearning——Restricted Boltzmann Machines

Restricted Boltzmann Machines —-目錄 Restricted Boltzmann Machines Energy-Based Models EBM EBMs with Hidden Units Res

原创 windows下使用Word2vec進行詞向量訓練

windows下使用Word2vec進行詞向量訓練 一 . 安裝Cygwin,因爲word2vec需要linux環境,所有首先在windows下安裝linux環境模擬器,推薦cygwin(下載地址:http://www.cygwin.co

原创 Pytorch源碼之RNN理解

Pytorch源碼之RNN理解    我用的pytorch0.2,除了API的解釋外,部分容易混淆。因此我依次整理了一下。下面是rnn.py的structure,                               

原创 NLP開源工具-NTLK

NLP開源工具-NLTK     NLTK是Python很強大的第三方庫,可以很方便的完成很多自然語言處理(NLP)的任務,包括分詞、詞性標註、命名實體識別(NER)及句法分析。 一、NLTK進行分詞 用到的函數: nltk.sent

原创 操作系統-個人總結與思考

操作系統-個人總結與思考 什麼是進程(Process)和線程(Thread)?有何區別? 進程是具有一定獨立功能的程序關於某個數據集合上的一次運行活動,進程是系統進行資源分配和調度的一個獨立單位。線程是進程的一個實體,是CPU調度