qq_41554955的博客

不同格式的符号命名规则符号latex表示意义xxx$x$标量$$向量x\mathbf{x}x$\mathbf{x}$变量集A\mathbf{A}A$\mathbf{A}$矩阵I\mathbf{I}I$\mathbf{I}$单位矩阵χ\chiχ$\mathbf{\chi}$样本空间或状态空间D\mathbf{D}D$\mathbf{D}$样本数据（数据集）$$假设空间H\mathbf{H}H$\mathb

问题：There was an error parsing Gemfile: (): could not find expected ‘:’ while scanning a simple key at line 10 column 3. Bundler cannot continue.#解决：根据https://stackoverflow.com/questions/36167056/bundler-cannot-continue-error-parsing-gemfile-unknown，说的Re

解决：https://www.jianshu.com/p/1671396e9b02执行了上面网站的东西之后出现报错：centos yum 错误：Cannot retrieve repository metadata (repomd.xml) for repository: epel.解决方法：https://blog.csdn.net/qq_39590773/article/details/89790154其中：...

问题声明：我在centos服务器上可以正常打开redmine,（这里我是按照redmine官网https://www.redmine.org/projects/redmine/wiki/RedmineInstall教程搭建的，端口3000）但是通过公网ip+端口号3000的形式访问错误（找不到网页），后来通过看阿里云的Linux 下安装 Redminehttps://developer.aliyun.com/article/670150，知道了公网ip要设置端口3000,才能通过这个端口访问，下面我就说怎

1.错误描述：我在执行了bundle install之后报错:Error:Fetching mysql2 0.5.3 Installing mysql2 0.5.3 with native extensions Gem::Ext::BuildError: ERROR: Failed to build gem native extension.2.解决：安装 mysql-develsudo yum install mysql-devel再次执行bundle install...

我是根据离线的解决办法参考文章linkhttps://www.cnblogs.com/xuliangxing/p/7132656.htmlruby-2.7.5下载地址:链接：https://pan.baidu.com/s/1X7n09MaNl3AG7OlpiYKqlg提取码：2rx0遇到问题的解决问题：可能在make之后从新查看ruby的版本显示还是以前的版本解决：按照参考文章解决方法二调了一会，添加了下图标红的一句话，之后再在命令行里输入source /etc/profile，再ruby -

python矩阵不能点乘，凡是经过np.mat（）转成矩阵的只能进行矩阵的点乘运算，即matrixA.shape假如是(1,3),mattrixB.shape假如是(3,1),那么(1,3)*（3,1)=(1,1)。如果要进行矩阵的点乘，要将矩阵转换为数组，即把两个矩阵进行np.array（matrix）的转换，数组可以点乘，例如：(1,3)*(1*3)=（1,3）例子：f1=np.mat([1,2,3])y=np.mat([4,5,6])#转换成数组f1=np.array(f1)y=np.a

多读论文，读好论文。关注顶级期刊和顶级会议，例如,SCI、人工智能（AI）、IEEE模式分析和机器智能交易（TPAMI）、人工智能进步协会（AAAI)。下面内容阐述了论文写作各个部分需要注意的点：1.格式每个日志/会议都有自己的格式文件。其中包括一个指示纸张格式的cls文件和一个指示参考书目格式的bst文件1.从网站下载这些文件，2.快速启动方法是从主管处获取日志的源文件。2.术语2.1.该领域任何论文中从未出现过的词语都不能使用。2.2.用词问题:2.1.1 避免感情强烈，好大

上一个博客描述了CNN的整个过程（链接https://editor.csdn.net/md/?articleId=120914867），这一个博客来说一下池化层（Sampling）反向传播和卷积层的反向传播的公式是怎么来的1.池化层反向传播池化层的反向传播就是已知后一层池化层矩阵的误差梯度，推前一层矩阵的误差梯度。最大池化的正向传播如下：以上图最大池化举例，池化后的数字6对应于池化前的红色区域，实际上只有红色区域中最大值数字6对池化后的结果有影响，权重为1，而其它的数字对池化后的结果影响都为0。假

1.正向传播1.1输入层每一张图应该是是m*n的二维数组的形式呈现在我们眼前，但现在我们把它打平：二维展开变成一维，本来该是原图中一列中的下一列，我们把这下一列不放在下面了，直接连着上一列，这样每张图片的数据就变成一维了。把无数张打平的图片数据拿来训练，进行t次训练，每次训练选择batch张图（batch列）拿来训练，每张图进行训练epoch次。1.2卷积层代码表示如下：1.3 池化层1.3.1平均池化代码上用的是平均池化1.3.2最大池化1.4输出层2.反向传播2.1池化层的

参考资料：Tesseral中文用户手册.doc , https://max.book118.com/html/2021/0111/5343040031003110.shtmtesseral软件教学-数据处理到成剖面图 , https://www.bilibili.com/video/BV1f64y1U7gj?from=search&seid=4001933724500544312&spm_id_from=333.337.0.0tesseral软件教学-观测系统的建立 , http

解决办法:1.原doc文档发到手机上的wps上。2.在手机上确定文档无乱码，错位等书写问题后，在手机上转pdf，手机上wps的转的PDF格式是正确的。

肥肉

例子1：实现最小值的求解，对于求一元方程的最优解原文：链接https://blog.csdn.net/i_csdn_water/article/details/108171231?ops_request_misc=&request_id=&biz_id=102&utm_term=%E6%A8%A1%E6%8B%9F%E9%80%80%E7%81%AB%E7%AE%97%E6%B3%95%E5%8F%AF%E8%A7%86%E5%8C%96&utm_medium=distri

git上传项目选择要上传的文件所在的文件夹，在本地下载了git之后，对文件所在的文件夹右键，点击Git Bash Here，按照下面的操作上传本文件夹中的文件到giteegit initgit add .git commit -m "commit first"git remote add origin git@gitee.com:NicoleSqualo/csdn-case-code.git如果出现报错：fatal: remote origin already exists.则输入：

Means无监督聚类kmeans的实例（用于理解kmeans）:在有黑人，白人，黄种人的种群中，分类器开始对他们分类，可能根据他们的皮肤颜色，鼻子高低，头发颜色等一些属性来对他们聚类，分类器训练完成，但不知道他们是不是叫黑人，白人，黄种人，只知道有这么三个簇，当让分类器再次区分一个人他是那一类，分类器会根据这个人的特征跟哪一个簇中的人的特征相似而把这个人分到那个簇中，但是并不会明白这个人叫什么人种。java代码：全部代码：package kmeans;import java.io.FileNo

我对bp神经网络的原理来自于啃这里的代码：链接https://www.cnblogs.com/charlotte77/p/5629865.htmlbp神经网络的基本原理（BackPropagation）对神经网络层各层的基本数据初始化初始化神经网络各层的权重，根据随机数生成器进行先随机生成权重，这里的权重会依据后面的训练而调整。输入数据的确定，输出数据的确定。例如分类问题就是输入对象的属性，确定好输出数据，输出数据是表示所有标签的概率的数组，概率最大的标签的值为预测的值，则给该输入的对象打上该

1.KNN（k-近邻算法）的例子knn基本原理：处理数据：将描述具体对象的属性和标签数据化。例如，如下的例子中，是已经处理好的的把电影的信息，把电影信息处理成了坐标上的点的横纵坐标。用k-近邻算法的距离公式(test对象属性1的值−已知第i个i训练数据的属性1的值)2+...+(test对象属性m的值−已知第i个训练数据的属性m的值)2(test对象属性1的值-已知第i个i训练数据的属性1的值){^2}+...+(test对象属性m的值-已知第i个训练数据的属性m的值){^2}(test对象属性1的

前提说明:我的服务器SVN是在云服务器山上，改服务器是centos版本的；我的客户端SVN在windows上。我之前尝试在服务器SVN上直接删除或者新建了库里的某份文件再commit，结果就是：客户端的SVN更新后却显示的是之前的内容，所以，我就找解决办法SVN删除我在服务器的svn上删除某份文件，这份文件是b.txt那么我应该做的是：先用svn删除再commitsvn删除用如下语句：svn delete 文件地址svn commit用如下语句：svn commit -m 备注信息服务器上提

tf.random的值要变的问题的解决办法我最初的代码代码import tensorflow as tfsess=tf.Session()arr=tf.random.uniform(shape=[3,4,5],minval=1,maxval=10,dtype=tf.int32,seed=1)print(sess.run(arr))print("=============================================")print(sess.run(arr))print(