Solemnjoker-CSDN博客

原创将自己的python库打包成conda包（一）

一、创建用于build的目录mkdir pyinstrumentcd pyinstrument在pyinstrument下要有两个文件用于构建conda 包 meta.yaml和build.sh二、 meta.yamlmeta.yaml定义包的信息如，写方法如下：package: name: version:source: git_...

2018-05-04 16:05:31 3646

原创 cuda工程文件组织--windows

window 下visual studio 工程组织cuda工程无脑写就是了不用管文件编译的问题，新建工程的时候已经配置好了。普通工程1.添加.cu文件写cuda kernel 2.在.cu文件中写调用cuda kernel的函Func 3.在头文件中导出Func 4.设置项目“生成自定义” ，勾选 cuda5.在.cu文件的属性–项类型中选择 cuda ...

2018-04-28 17:41:03 307

原创 ubuntu中conda和自带python共存

　　由于一些特殊原因，需要电脑上能同时使用ubuntu自带的python和conda创建的环境的python。之前在网上没有找到类似的方法。安装conda（anaconda或者miniconda）　　安装conda后默认是不把conda的bin目录添加到环境变量里的。这个时候就不能直接在终端调用conda或者source activate env这些命令。　　但是如果把conda的...

2018-04-28 17:19:49 1759

原创 list的list重复操作问题（[[]]*n）

python 可以通过[var]*n 的方式复制列表中的值，如：[1]*4 #得到[1,1,1,1]　　但是今天使用列表作为列表元素进行重复操作时遇到了问题:def showResult(dataset,centrids,clusterAssment): m,_ = shape(centrids) xcord = [[]]*m;ycord=[[]]*m n = shape(d

2017-09-21 16:59:38 507

原创 tensorflow实践-02:线性回归

为了进一步熟悉tensorflow的基本操作，下面通过一个线性回归的小例子简单展示一下tensorflow的基本使用流程。数据　　由于是简单的线性回归，我们自己生成一份随即数据作为演示就可以了。def createData(W,b): X = np.linspace(-1,1,100) Y = W*X + b + np.random.randn(*X.shape)*W*0.1

2017-09-08 16:42:44 193

原创 tensorflow实践-01:基本操作

数据流图　　所谓数据流图就是一组链接在一起的函数，每个函数都会将其输出传递给0个、 1个或更多位于这个级联链上的其他函数。按照这种方式，用户可利用一些很小的、为人们所充分理解的数学函数构造数据的复杂变换。借助TensorFlow API用代码描述的数据流图是每个TensorFlow程序的核心。如图　　表示f(3,2)=3+2=5f(3,2) = 3+2 = 5 　　再来看一个复杂一点

2017-09-07 11:34:56 251

原创百度图片爬虫

分析　　由于百度图片获取的方式是采用ajax，所以你从正常的url链接只能提取到一个页面显示的图片，也就是前30张（还是前60张）　　具体的分析是：你下拉页面滚动条，分析XHR的变化，就可以找到所需要的Json数据，比如说这个就是分析后找的Json数据 1.json连接: https://image.baidu.com/search/acjson?tn=resultjson_com&ip

2017-09-05 17:51:21 714

原创机器学习入门04-逻辑回归

问题描述　　现在有一份数据，xix_i是数据的特征，y是分类0或1，这是一个二分类问题。我们希望训练一个模型，当有新的数据的时候，判断数据的分类是0，还是1。 x1 x2 y -0.017612 14.053064 0 -1.395634 4.662541 1 -0.752157 6.538620 0 -1.322371 7.152853 0

2017-09-05 15:55:10 283

原创平面与三维网格相交

平面与网格相交　　计算截面与三角形网格的相交可以分解为三角形面与平面的相交。而三角形面与平面的相交又可以分解为线段与平面的相交，那么现在问题就变为了线段与平面相交的计算。直线–平面相交　　在3D中，直线 L或者平行于平面π或者与平面π相交于一点。　　描述L的函数是 L=P(s)=P0+s(P1−P0)=P0+suL = P(s) = P_0 + s(P_1-P_0) = P_0 + su

2017-09-01 16:31:44 2701

原创机器学习入门03-朴素贝叶斯

预备知识条件概率考虑这么一个问题有两个箱子A,B, A中有2个红球，2个白球 A=[r,r,w,w] B中有3个红球，2个白球 B=[r,r,r,w,w] 总共有4个红球5个白球问题1: 如果从这9个球中取一个球取到红球，白球概率分别为多少？　　显然:p(r)=59p(r) = \frac{5}{9}, p(w)=49p(w) = \frac{4}{9}问题2: 如果已知球取自A箱取到

2017-09-01 12:17:54 237

原创机器学习入门02-决策树

一.算法流程构建决策树：输入：训练集 D={(x1,y1),(x2,y2),...,(xm,ym)}D = \{ (x_1,y_1),(x_2,y_2),...,(x_m,y_m) \} 　　　属性集 A={a1,a2,....,an}A = \{ a_1,a_2,....,a_n \} createTree(D,A)if D 中样本全属于同一类C: 标记当前节点node标记为C类叶子

2017-08-31 18:37:35 191

原创机器学习入门01-knn

一、knn简介　　k临近算法采用测量不同特征值之间的距离来分类,在样本数据及中找出k个待分类数据最相似的样本，这k个样本中出现最多的类别作为待分类样本的类别算法流程遍历所有样本对输入数据计算和每一个样本数据的误差找出k个误差最小的样本统计k个最相似的样本中出现最多的类别作为待分类样本类别二、代码实现样本数据这是一份约会网站数据, 数据有三种分类： 1. largeD

2017-08-29 18:59:13 281

SolemnJoker的博客