weixin_45766692的博客

讲解SVM，其中公式比较多，可能比较乏味，但弄懂之后对面试和深入理解SVM是很有帮助的

Ubuntu报错并解决：E: Sub-process /usr/bin/dpkg returned an error code (1)

清华镜像源地址https://pypi.tuna.tsinghua.edu.cn/simple使用时只需要在要安装的模块后加-i https://pypi.tuna.tsinghua.edu.cn/simple例如安远pandas时不使用清华镜像源：pip install pandas使用清华镜像源时：pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple注意：有时清华镜像源可能没有豆瓣源好用，豆瓣源地址ht

读取图片路径中有汉字的问题：原函数：img_1 = cv2.imread(img)替换为：def cv_imread(file_path): cv_img = cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), -1) return cv_imgimg_1 = cv_imread(img)保存图片有汉字的问题：原函数：cv2.imwrite(filepath_name, img)替换为：cv2.imencode

Could not load dynamic library 'libcudnn.so.7'; dlerror: libcudnn.so.7: cannot open shared object file: No such file or directory;解决办法当你确定linux的nvidia显卡驱动、cuda、cudnn安装成功，并且环境变量也已经搞好，但是仍然无法使用tensorflow的GPU版本，并且出现错误Could not load dynamic library ‘libcudnn.s

list_2 = [3, 2, 9, 10, 5]def bubble_sort(list_1): for i in range(len(list_1) - 1): for j in range(len(list_1) - i - 1): if list_1[j] < list_1[j+1]: list_1[j], list_1[j+1] = list_1[j+1], list_1[j] return lis

机器学习：k-近邻算法（knn）和实战代码简单的说，k-近邻算法采用测量不同特征值之间的距离进行分类。工作原理：存在一个样本数据集和，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属的分类的对应关系。输入没有标签的新数据之后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出

python的可变参数函数def bb(a, b, *c, **d): print(a, b, c, d)bb(1, 2)bb(1, 2, 3, 4)bb(1, 2, x=100, y=200)bb(1, 2, 3, x=100)输出结果1 2 () {}1 2 (3, 4) {}1 2 () {'x': 100, 'y': 200}1 2 (3,) {'x': 100}

python实现选择排序list_1 = [4, 2, 6, 8, 9, 3]for i in range(len(list_1)): for j in range(i+1, len(list_1)): if list_1[i] > list_1[j]: list_1[i], list_1[j] = list_1[j], list_1[i]print(list_1)

C++实现冒泡排序#include<iostream>using namespace std;int main() { int arr[9] = { 4, 2, 8, 0, 5, 7, 1, 3, 9 }; cout << "排序前:" << endl; for (int i = 0; i <9; i++) { cout << arr[i] << " "; } cout << endl; for (int i

python实现冒泡排序list_1 = [4, 2, 6, 8, 9, 3]for i in range(len(list_1)): for j in range(i+1, len(list_1)): if list_1[i] > list_1[j]: list_1[i], list_1[j] = list_1[j], list_1[i]print(list_1)

使用梯度下降求函数的极小值使用梯度下降求函数的极小值新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入import numpy as npfrom mpl_toolkits.mplot3d import Axes3Dfr

激活函数Sigmoid的求导