- 博客(11)
- 收藏
- 关注
RSS订阅原创 使用vscode搭建docker容器中的ssh服务器
通常来说，服务器默认的ssh远程登录端口为22，但是一般情况下，为了保证服务器的安全可靠性、防止恶意攻击、恶意连接等，我们可以进行远程端口的修改。因此用vscode搭一个, 为啥强调vscode, 是因为需要用到vscode中的插件, 以及vscode的显示功能.ssh配置文件位置在/etc/ssh/sshd_config 中，可以通过编辑文件来进行修改sshd服务的相关配置。安装好以后, 它会出现在这个位置, 在没有搭好服务器之前, 建好的容器先在这里操作.默认情况下，为如上图所示，端口为22。
2024-05-16 11:55:20
305
原创 【解决方法】ImportError: libGL.so.1: cannot open shared object file: No such file or directory
就解决了，前提是docker容器里面。
2023-07-04 21:12:25
200
原创 安装ubuntu18.04+win10双系统安装时报错黑屏死机问题解决办法
安装ubuntu18.04+win10双系统安装时报错黑屏死机问题解决办法某些型号的显卡由于NVIDIA显卡驱动冲突，按照网上正常的安装教程安装ubuntu系统时,直接按Install Unbuntu 可能会出现如下图所示的问题：或者是总之就是无法进入ubuntu的安装界面。解决办法如下：在U盘启动的选择安装界面选择Try ubuntu without installing按e键进入config界面，注意是E键，不要直接按回车！！（注：有些教程是选择Install Ubuntu然后按E，但是
2020-06-10 15:53:05
5302
2
原创 吴恩达机器学习笔记（8）异常检测与推荐系统
这一部分是对吴恩达机器学习异常检测和推荐系统部分内容的总结，主要分为以下几个部分1.异常检测2.推荐系统1.异常检测异常检测实际上就是一种运用高斯分布来预测每一个样本如果正常它的出现概率是多少，如果这个样本概率很低，我们就可以把它视为异常点。异常检测里面有很多值得说道的东西，我把它写在实体笔记里面。这里仅讨论其代码实现首先用样本均值代替高斯分布的mu，并且用样本标准差代替高斯分布的sig...
2019-11-01 18:43:30
260
原创 吴恩达机器学习笔记（7）K-means聚类算法和PCA数据降维
这一部分是对吴恩达机器学习聚类算法和PCA数据降维部分内容的总结，主要分为以下几个部分1.K-means聚类算法2.PCA降维算法1.聚类算法K-means聚类算法的原理十分简单，具体的实现原理见笔记本，需要指出的是使用算法实现样本点与聚类中心点计算的时候，要用两层循环，总之具体的实现方法见代码首先初始化定义分类函数：function idx = findClosestCentroid...
2019-10-31 20:01:48
1429
1
原创 吴恩达机器学习笔记（6）SVM支持向量机
这一部分是对吴恩达机器学习SVM支持向量机内容的总结，主要分为以下几个部分1.线性核函数的SVM2.高斯核函数的SVM3.利用SVM进行垃圾邮件检测这一部分的代码非常繁琐，这里仅展示其功能及运行过程，对代码细节不再深究SVM的理论原理见笔记本1.线性核函数的SVM首先仍然是数据可视化fprintf('Loading and Visualizing Data ...\n')load...
2019-10-29 17:25:33
712
原创 吴恩达机器学习笔记（5）对回归的评估检测
这一部分是对吴恩达机器学习检测评估的总结当我们使用算法对某种样本进行回归的时候，需要某种评价标椎对其优劣进行评估，比如对多项式回归的合理次数，正则项的大小选择，样本数目或者样本特征值的选择等等，这些知识详见笔记，这里仅讨论学习函数的代码实现主要分为以下几个部分：1.正则化的线性回归2.线性回归的学习曲线分析3.正则化的多项式回归4.正则化多项式回归的学习曲线分析1.正则化的线性回归...
2019-10-28 17:08:35
223
原创 吴恩达机器学习笔记（4）神经网络算法
这一部分是对吴恩达机器学习神经网络算法部分内容的总结，主要分为以下几个部分1.数据绘制2.前馈神经网络计算3.4.首先神经网络算法的过程图示如下在神经网络中，每一层的theta矩阵的规模是（后一层的激活项数目，前一层激活项数目+1）在层数比较少的情况下，激活函数可以直接采用小数形式神经网络的输出仍然是对每一个先验假设的判断，最终的选择概率最高的作为决策1.数据绘制代码如下inp...
2019-10-18 20:59:47
883
4
原创 吴恩达机器学习笔记（3）多类别Logistic回归
这一部分是对吴恩达机器学习多类别logistic回归部分内容的总结，主要分为以下几个部分1.数据预处理2.图形绘制3.多类别Logistic回归如图所示，当一群数据需要分成多个类别时，所用到的方法就是形成一个伪类，然后逐个判断，说的具体一点，就是比方说判断一个手写数字是0-9的哪一个，那么就建立1或非1,2或非2等等，判断十次，然后选取最大似然值。让我们逐一分析实现这一过程的代码1.数据...
2019-10-15 17:31:00
451
1
原创 吴恩达机器学习笔记（2）Logistic回归
这一部分是对吴恩达机器学习logistic回归部分内容的总结，主要分为以下几个部分1.数据绘制2.二元Logistic回归3.相关结论的可视化4.多项式Logistic回归1.数据绘制由于一些基本操作在第一讲都有详细的描述，这一节主要以代码和注释为主data = load('ex2data1.txt');%读取数据X = data(:, [1, 2]); y = data(:, 3...
2019-10-11 11:10:37
359
1
原创 吴恩达机器学习笔记（1）线性回归
这一部分是对吴恩达机器学习线性回归部分内容的总结，主要分为以下四个部分1.数据绘制2.单变量线性回归3.多变量线性回归4.重要变量的可视化1.数据绘制已知一个数据集（X,Y），先要将其可视化，在Matlab中代码如下在这里插入代码片...
2019-10-10 20:10:17
453
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人