2017年12月_Icoding_F2014

12月 11月 10月 09月 08月 07月 06月 05月 04月 02月 01月

原创 PyQT调研报告

什么是PyQTQt是一个跨平台的C++应用程序开发框架，主要用于开发跨平台的GUI程序。Qt和MFC都可以用于开发GUI桌面程序，但是QT的优势在于其强大的跨平台性。使用QT框架开发的GUI程序在其它平台经C++编译器重新编译即可正常运行。但是Qt不单单可以用于开发GUI程序，它还有跨平台的套接字接口，多媒体接口，数据库接口有等等。PyQt是Python2.x和Python3.x绑定QT应用框架

2017-12-29 17:36:36 1436

原创 SSD安装Windows 7/10的坑

1.“缺少所需的CD/DVD驱动器设备驱动程序”导致无法继续安装的问题。解决方法：把承载系统的USB插到USB2.0的口子上 2.SSD安装在光驱，BIOS识别不了SSD 解决方法：把SSD插到主硬盘位上

2017-12-29 11:28:28 1421

原创 VS2013解决 The C++ Standard Library forbids macroizing keywords.

解决： VS2013的错误： Error C1189: “The C++ Standard Library forbids macroizing keywords. Enable warning C4005 to find the forbidden macro[…]”打开项目属性导航到 C/C++ 下的Preprocessor.选择 Preprocessor Definitions 项

2017-12-22 15:58:46 4052 1

原创 Winpcap 开发教程

一、Winpcap开发包能干嘛？获取可用网卡的列表获取网卡的信息，包括数量，名字，地址嗅探抓包向网络发数据包将从网卡获取的网络流保存到磁盘对已经抓取的包进行使用高级语言进行过滤跨平台，在windows下用wInpcap开发的网络工具可以在Unix重新编译使用。二、Winpcap使用到的结构体三、使用方法3.1 创建pcap_t对象函数有：pcap_t * pcap_open_

2017-12-22 11:53:29 2273

原创 VS2013 配置wincap开发环境

1.下载wincap安装包下载驱动包： https://www.winpcap.org/install/bin/WinPcap_4_1_3.exe 安装驱动。下载开发包： https://www.winpcap.org/install/bin/WpdPack_4_1_2.zip 将开发包解压至某ansic目录，例如：U:\libs目录下 D:\libs>dir 驱动器 D 中的卷没

2017-12-21 00:42:48 960

原创 Tensorflow 实践RNN(一)

本博客记录使用tensorflow搭建rnn模型并用来对mnist的手写体进行识别的过程，记录其中的学习过程。实践环境： Tensorflow version: 1.3.0 python version: 3.5 1.RNN快速介绍：图1如上图所示，其中x是输入，s旁边的圆圈是隐层，而o旁边的圆圈表示输出。左边是RNN的第一种表示，可以看到在隐层中存在闭环。右图则是

2017-12-16 18:14:41 28370 25

原创已知rsa的模数和指数生成pem公钥文件

1.安装cryptography sudo pip3 install cryptography2.代码#coding:utf8# pupulate-pub-key-v3.py#from cryptography.hazmat.backends import default_backendfrom cryptography.hazmat.primitives.asymmetric impor

2017-12-15 17:09:16 8924

原创 Tensorflow 同时载入多个模型

有时我们希望在一个python的文件空间同时载入多个模型，例如我们建立了10个CNN模型，然后我们又写了一个预测类Predict，这个类会从已经保存好的模型restore恢复相应的图结构以及模型参数。然后我们会创建10个Predict的对象Instance，每个Instance负责一个模型的预测。 Predict的核心为：class Predict: def __init__(...

2017-12-13 16:46:25 19017 15

为什么会引进自编码网络？我们都是知道深度神经网络里面的网络一般是比较深的，在训练之初，模型参数的初始化对模型影响十分深远的。当初始化选的好时，模型可以很快的收敛，可以避开一些局部最优点。当初始化选的不好是，模型要么就收敛到局部最优的马鞍点，要么就是收敛的特别慢。所以为了解决参数初始化的问题，Hinton大佬提出了使用大量的没label的数据来“无监督”算法逐层预训练网络的初值，再使用有label的数

2017-12-02 14:17:20 10071

原创 Dropout: A Simple Way to Prevent Neural Networks from Overtting 论文阅读

Dropout: A Simple Way to Prevent Neural Networks from Overtting基本原理结果敏感性分析对特征图谱的影响：可以看到使用dropout后cnn计算出来的特征图谱要平滑的很多稀疏性的影响可以看出，使用droupout后很多隐层单元的activation 激活值都接近与0，只有少部分的神经元的激活值特别大。p的影响左图表示隐层

2017-12-01 18:08:05 431