原创 Python集成開發環境Anaconda2及Pytorch與Tensorflow的安裝

系統環境: ubuntu16.04lts系統、geforce630M 顯卡 參考:安裝Anaconda2及tensorflow-CPU版 參考:查看GPU等硬件或系統信息 安裝tensorflowGPU版本 1.安裝Anac

原创 ubuntu16.04系統安裝(原有win7系統)

在已經安裝有win7的系統的計算機上安裝ubuntu一般需要以下幾個步驟: 在win7系統中用磁盤管理工具,根據硬盤大小劃出60G以前空間。我是1T硬盤,平時用Linux系統較多,劃出了400G的空間。主要操作:計算機--》管理--》磁

原创 Hadoop學習平臺的搭建 與pyspark平臺的安裝

#僞分佈式 ##1.安裝虛擬機 ##2.安裝CentOS6.4-i386 ##3.修改主機名 # su root # vi /etc/sysconfig/network 本主機名設置爲:vitamin07 ##4.修

原创 Shell腳本函數

1.讀取配置 配置文件: key=value #!/bin/bash declare -A kv_dict=() function LoadConf() { file_name=$1 IFS="="

原创 VScode環境配置-mac

安裝 Mac系統,首先安裝Anaconda和VS Code,如果下載的是最新版的Anaconda,會提示是否安裝VS Code: 安裝如下插件: Anaconda Extension Pack:包含了Python和YAML Sup

原创 二叉樹訪問序列

關於二叉樹的訪問序列主要有以下幾種: 1.先序 算法 preOrder 輸入:根節點指針root 輸出:訪問的所有節點值的序列 判斷當前節點是否爲空,是則返回;訪問當前節點 visite(node);訪問當前節點的左節點 preOrde

原创 從SGD到Adam-- 深度學習優化算法概覽及調參優化

動量梯度下降法Momentum 上述方法,通過dwdwdw的加權平均,使得在y方向的分量抵消,x方向的分量累加 Adam優化算法和RMSprop算法 adam算法:結合動量梯度下降和RMSprop算法; 優化算法詳細介紹 從 SG

原创 基於剪枝搜索的分治算法(原理)--找到第k個順序統計量

剪枝搜索方法: 基本思想:利用計算問題的特徵,剪除不影響問題求解的輸入數據,由剩下的輸入數據構成一個與原問題形式相同,但規模更小的子問題,遞歸求解子問題得到原問題的解。 正確性:其正確性由剪枝策

原创 Python-web: Flask 應用、數據庫查詢數據、API接口

一個超簡單的Flask應用helloword from flask import Flask app = Flask(__name__) @app.route('/') def hello_world(): return 'He

原创 Mysql數據庫相關操作

Mysql命令參考文檔 mysql事務 模式匹配 創建數據庫: CREATE DATABASE `db_name` DEFAULT CHARACTER SET utf8 COLLATE utf8_general_ci; 設置默認數據庫:

原创 Ubuntu16.04+GPU1080ti深度學習環境配置

本說明旨在在ubuntu16.04的服務器上的普通用戶中創建深度學習環境Tensorflow、Theano 1.服務器上創建用戶 給用戶賦予管理員權限 系統管理員用戶: $sudo adduser vitamin 使用如下命令可以添加到

原创 Python學習筆記3-繪圖

Roc曲線 def plot_objs_roc(fname,title=u'ROC曲線'): print fname pred=pd.read_csv(fname) #print pred.head(5)

原创 word2vector 源代碼分析

c源碼分析: 參考鏈接:word2vec原理詳解 // Copyright 2013 Google Inc. All Rights Reserved. // // Licensed under the Apache License,

原创 ubuntu16.04上傳code到Github步驟

ubuntu16.04上傳code到Github步驟 step 1.創建ssh-key ~$ssh-keygen -t rsa -C "[email protected]" step 2.將上步生成的~/.ssh/id_rsa.p

原创 pandas.DataFrame用法筆記

未命名列重命名及刪除 用索引給未命名的列重命名 data.rename(columns={ data.columns[0]: "delete" }, inplace=True) 刪除該列 data.drop('delete',axis=1