原创 如何設置端口對外網開放

部署完網站之後,發現只能在localhost訪問而外網訪問不了,說明服務器端口沒有對外開放,防火牆的原因。當然如果是80端口,他是默認開放的所以無需設置。如果是另外的比如8080端口,就必須進行防火牆設置。 windows下只需要在防火牆

原创 CodeIgniter濃縮版筆記

1、 安裝: 提到application/config/config.php 文件設置你網站的根 URL; application/config/database.php 文件設置數據庫參數。 如果你想通過隱藏 CodeIgniter 的

原创 Java學習筆記之輸入輸出

java.io包下主要包括輸入/輸出兩種IO流,每種輸入/輸出流又可分爲字節流和字符流兩大類。字節流以字節爲單位處理,字符流以字符來處理。 File類,操作文件和目錄,能新建/刪除/重命名等操作,但是不能訪問文件內容本身。訪問文件本身需要

原创 吳恩達機器學習筆記_第五週

神經網絡——模型學習   Cost Function:從邏輯迴歸推廣過來 計算最小值,無論用什麼方法,都需要計算代價和偏導。   網絡結構的前向傳播和可向量化的特點:   BP算法:   總結:計算代價函數及偏導   進一步

原创 深度學習UFLDL教程翻譯之Softmax迴歸

Softmax 迴歸 一、引入 Softmax迴歸(或稱爲多項邏輯斯特迴歸)是邏輯斯特迴歸的推廣,用於處理多類問題的時候。在邏輯斯特迴歸中我們假設標籤是二元的,y(i)∈{0,1}。我們使用這樣的分類器將兩種手寫數字區分。Softmax迴

原创 吳恩達機器學習筆記_第四周

神經網絡——模型表示: 爲什麼需要非線性分類器(非線性假設):維數大的時候(例如圖片),特徵元素個數將大的不能接受.   歷史:80年代和90年代早期廣泛應用,但90年代後期開始衰落.最近又東山再起,原因在於計算速度的加快使得可以完成大規

原创 深度學習UFLDL教程翻譯之BP算法

        假設我們有一個固定由m個訓練實例組成的訓練集{(x(1),y(1)),…,(x(m),y(m))}.我們可以用批量梯度下降方法來訓練我們的神經網絡.細節上,對於一個訓練實例(x,y),我們定義關於該實例的代價函數:  

原创 吳恩達機器學習筆記_第一週

畢業論文方向可能和神經網絡掛鉤,神經網絡也是機器學習的一部分。從這周開始決定跟着Andrew Ng公開課系統地學習機器學習,4/4日開課,第一週爲試聽,今天先看了。以後每週更新一下。的確感覺講的不錯,形式平易近人。 //分割線-----

原创 Chipscope使用簡介

Chipscope初體驗:   最近想把之前做的fir濾波器模塊連上AD和DA,爲了測試AD和DA可用,不需要以前的亮燈來測試了,直接用chipscope實時採集。 工程檢查完語法錯誤後,添加cdc文件,雙擊打開,一直next到ILA核配

原创 Java學習筆記之包裝類

八個基本數據類型對應八種包裝類: byte->Byte short->Short int->Integer long->Long char->Character float->Float double->Double boolean->B

原创 實現Linux命令行上傳和下載百度雲盤

RT,需求是,經常需要拷貝東西或安裝包到服務器,如果每次都跑到機房去,管理起來太費勁了,於是尋找能夠支持linux命令行的雲盤。恰巧找到了用python寫的,能支持命令行訪問百度雲盤: https://github.com/hunterl

原创 基於PHP框架的開源博客空間系統

在學習了PHP CI框架後,我動手搭了一個博客系統,算是練習吧,分享給大家,歡迎下載,提出修改意見: https://github.com/hunterlew/CI-OpenSpace 點贊 收藏 分享

原创 CodeIgnitier常用方法總結

入門了ci框架,閱讀學院的網站可以大致明白其中結構,現記錄。 1、  首先根目錄下就有htaccess文件,開啓重定向,在url中可以去掉index.php。 2、  MVC架構明確,定義了5~6個控制器,基本對應於網站的內容分類。 3、

原创 Java學習筆記之引用類型

像數組、類都屬於引用類型,其變量只是一個引用,變量和具體元素或成員在內存裏是分開存放的。引用變量存放在棧內存中,而其元素或成員存放在堆內存。而引用變量卻是範圍堆內存數據的根本方式——引用(或者理解爲地址指向)。 其出發點是,對象的創建成本

原创 吳恩達機器學習筆記_第三週

Logistic Regression邏輯迴歸(分類): 0:Negative Class 1:Positive Class 二元分類問題講起,雖然有迴歸二字,其實爲分類算法,處理離散y值。   輸出以以條件概率表示,若P(y=1