<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[谢小小XH]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/xierhacker</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; xierhacker]]></copyright><item><title><![CDATA[TensorFlow学习（十七）：高级API之tf.layers]]></title><link>https://blog.csdn.net/xierhacker/article/details/82747919</link><guid>https://blog.csdn.net/xierhacker/article/details/82747919</guid><author>xierhacker</author><pubDate>Mon, 17 Sep 2018 20:31:25 +0800</pubDate><description><![CDATA[之前写的代码都是基于比较底层的API了，底层的API其实是有好处的，虽然还是调API，但是至少对于原理有小小的理解才能够写出代码。而且在实现一些新的论文或者要实现一个新的点子的时候，这时候是没有API的，因此底层的API非常有存在的必要，且必须经过这一个过程。 
但是对于一个非常熟悉底层原理和经过了写底层代码这个过程的人，在有些很常见的任务上，就是用高级封装好的API就行。tf.layers就是提...]]></description><category></category></item><item><title><![CDATA[TensorFlow学习（十六）：使用tf.data来创建输入流(下)]]></title><link>https://blog.csdn.net/xierhacker/article/details/79698165</link><guid>https://blog.csdn.net/xierhacker/article/details/79698165</guid><author>xierhacker</author><pubDate>Mon, 17 Sep 2018 17:52:19 +0800</pubDate><description><![CDATA[上面已经说过了怎么使用tf.data处理简单的数据输入,有了上面的基础之后,这部分使用tf.data来创建更加复杂更加贴近于现实的数据输入.



一.主要API

还是老样子,这里先把最主要的API列在这里,后面会用到这些API,先混个脸熟.

tf.data.TFRecordDataset 类

Properties 
output_classes 
output_shapes 
output...]]></description><category></category></item><item><title><![CDATA[深度长文教你彻底掌握C++/C指针(二):指针和数组与字符串]]></title><link>https://blog.csdn.net/xierhacker/article/details/81078065</link><guid>https://blog.csdn.net/xierhacker/article/details/81078065</guid><author>xierhacker</author><pubDate>Tue, 17 Jul 2018 11:18:56 +0800</pubDate><description><![CDATA[深度长文教你彻底掌握C++/C指针(一):基石

一：复习

首先先回顾一下之前对于指针概念的理解. 
计算机在存储数据的时候必须跟踪3种基本属性


  
  存储位置
  存储的值
  存储的信息类型
  


在之前的文章说已经说到了,这里再说一遍,指针是一个变量，存储的是地址。 所以指针本质是一个地址！看到指针条件反射想到地址。 
对于一个常规变量，&amp;amp;amp;运算符就能够取得他的地址。所以...]]></description><category></category></item><item><title><![CDATA[Tensorflow工程实践(一): 编译Tensorflow动态链接库]]></title><link>https://blog.csdn.net/xierhacker/article/details/80957125</link><guid>https://blog.csdn.net/xierhacker/article/details/80957125</guid><author>xierhacker</author><pubDate>Sun, 08 Jul 2018 10:12:07 +0800</pubDate><description><![CDATA[之前学习Tensorflow的部分其实还有很多没有写完，那些慢慢更新，这里准备把tensorflow项目工程化的东西和学习tensorflow的内容一起更新。

一.编译Tensorflow动态库



windows下面编译和测试

Ⅰ.准备工作

我这里使用的系统是win10，首先把编译整个过程需要的工具列出来：


VS2017 (我这边是VS2017，其他的版本应该也差不多)
Swigwi...]]></description><category></category></item><item><title><![CDATA[CMake入门实践(三) ：复杂的HelloWorld项目]]></title><link>https://blog.csdn.net/xierhacker/article/details/80945449</link><guid>https://blog.csdn.net/xierhacker/article/details/80945449</guid><author>xierhacker</author><pubDate>Fri, 06 Jul 2018 19:29:06 +0800</pubDate><description><![CDATA[一.需求


为工程添加一个子目录 src，用来放置工程源代码;
添加一个子目录 doc，用来放置这个工程的文档 hello.txt
在工程目录添加文本文件README；
在工程目录添加一个run.sh脚本，用来调用 hello 二进制
将构建后的目标文件放入构建目录的 bin 子目录；
最终安装这些文件：将 hello 二进制与 runhello.sh 安装至工程目录的bin目录下面


二.完...]]></description><category></category></item><item><title><![CDATA[深度学习笔记十二：自编码器AutoEncoder]]></title><link>https://blog.csdn.net/xierhacker/article/details/80149817</link><guid>https://blog.csdn.net/xierhacker/article/details/80149817</guid><author>xierhacker</author><pubDate>Mon, 30 Apr 2018 15:50:22 +0800</pubDate><description><![CDATA[参考：


  reducing the dimensionality of data with neural networks


 
 
 
]]></description><category></category></item><item><title><![CDATA[深度学习笔记十一：常见生成模型总结]]></title><link>https://blog.csdn.net/xierhacker/article/details/80149672</link><guid>https://blog.csdn.net/xierhacker/article/details/80149672</guid><author>xierhacker</author><pubDate>Mon, 30 Apr 2018 15:38:30 +0800</pubDate><description><![CDATA[在前面已经说了生成模型中的GAN系列，这部分简单总结一下常见的生成模型，这里并不需要多少数学，掌握概念就行了，在之后的文章中会详细介绍这些生成模型。 
 
 
 
 
 
...]]></description><category></category></item><item><title><![CDATA[TensorFlow学习（十五）：使用tf.data来创建输入流(上)]]></title><link>https://blog.csdn.net/xierhacker/article/details/79002902</link><guid>https://blog.csdn.net/xierhacker/article/details/79002902</guid><author>xierhacker</author><pubDate>Mon, 26 Mar 2018 15:25:04 +0800</pubDate><description><![CDATA[本文将讲解深度学习使用数据的一整套流水线. 将使用tensorflow新的tf.data 的一系列API来讲解. Dataset能够有效简化数据读取和使用等等一些的复杂程度,是现在官方推荐的数据使用方式. 
官方文档:Module: tf.data



一.使用Dataset

使用 Dataset 需要遵循三个步骤：


  载入数据：为数据创建一个Dataset实例。 
  创建一个迭代器：...]]></description><category></category></item><item><title><![CDATA[CMake入门实践(二) 多文件构建]]></title><link>https://blog.csdn.net/xierhacker/article/details/79448843</link><guid>https://blog.csdn.net/xierhacker/article/details/79448843</guid><author>xierhacker</author><pubDate>Mon, 05 Mar 2018 17:45:40 +0800</pubDate><description><![CDATA[在上一节中,我们讲了怎么通过cmake构建一个最简单的HelloWorld项目,但是在实际上面,我们平时遇到的项目都是文件非常多的.这里应该怎么处理呢?这一部分重点解决实际上这个最常见的多个文件构建系统的问题.



一.单目录,多文件

这里直接说例子吧,完整的例子见LearningCMake/2.HelloWorld2/

在HelloWorld2这个项目文件夹下面,我们有4个文件.分别是CM...]]></description><category></category></item><item><title><![CDATA[CMake入门实践(一) 什么是cmake]]></title><link>https://blog.csdn.net/xierhacker/article/details/79445339</link><guid>https://blog.csdn.net/xierhacker/article/details/79445339</guid><author>xierhacker</author><pubDate>Mon, 05 Mar 2018 14:27:11 +0800</pubDate><description><![CDATA[一.CMake简介

CMake是一个跨平台的安装（编译）工具，可以用简单的语句来描述所有平台的安装(编译过程)。他能够输出各种各样的makefile或者project文件，能测试编译器所支持的C++特性,类似UNIX下的automake。只是 CMake 的组态档取名为 CMakeLists.txt。Cmake 并不直接建构出最终的软件，而是产生标准的建构档（如 Unix 的 Makefile ...]]></description><category></category></item><item><title><![CDATA[python多线程编程(二) join]]></title><link>https://blog.csdn.net/xierhacker/article/details/79172648</link><guid>https://blog.csdn.net/xierhacker/article/details/79172648</guid><author>xierhacker</author><pubDate>Fri, 26 Jan 2018 15:08:54 +0800</pubDate><description><![CDATA[一.背景

直接从一个例子来说吧.



import time
import threading

def fun():
    for i in range(5):
        time.sleep(1)
        print("hello word")

def main():
    thread_1 = threading.Thread(target=fun, name="th]]></description><category></category></item><item><title><![CDATA[python多线程编程(一) 添加线程]]></title><link>https://blog.csdn.net/xierhacker/article/details/79172609</link><guid>https://blog.csdn.net/xierhacker/article/details/79172609</guid><author>xierhacker</author><pubDate>Fri, 26 Jan 2018 15:06:43 +0800</pubDate><description><![CDATA[参考:


  17.1. threading — Thread-based parallelism




一.背景



二.常见类和函数



Ⅰ.函数

因为现在还是最基础的阶段,这里介绍的函数也是最简单的函数,下面几个函数就是查看当前一些线程信息的函数.

threading.active_count()


  返回当前活动的线程数量.并且数量是和enumerate() 函数返回的列表]]></description><category></category></item><item><title><![CDATA[TensorFlow学习（十四）：条件随机场CRF]]></title><link>https://blog.csdn.net/xierhacker/article/details/78923758</link><guid>https://blog.csdn.net/xierhacker/article/details/78923758</guid><author>xierhacker</author><pubDate>Thu, 28 Dec 2017 16:36:10 +0800</pubDate><description><![CDATA[参考:


  Module: tf.contrib.crf


还有一些其他的函数可以到官方文档里面查看和使用.



Ⅰ tf.contrib.crf.crf_log_likelihood

crf_log_likelihood(inputs,tag_indices,sequence_lengths,transition_params=None)

在一个条件随机场里面计算标签序列的log-l]]></description><category></category></item><item><title><![CDATA[TensorFlow学习（十三）：构造LSTM超长简明教程]]></title><link>https://blog.csdn.net/xierhacker/article/details/78772560</link><guid>https://blog.csdn.net/xierhacker/article/details/78772560</guid><author>xierhacker</author><pubDate>Tue, 19 Dec 2017 15:43:22 +0800</pubDate><description><![CDATA[参考:


  Module: tf.contrib.cudnn_rnn 
  Module: tf.contrib.rnn


更新:


  2017.12.25 
  增加了tf.nn.embedding_lookup 来进行embedding的内容
  
  2018.1.14 
  增加tf.sequence_mask和tf.boolean_mask 来对于序列的padding进行去除的...]]></description><category></category></item><item><title><![CDATA[TensorFlow学习（十二）：模型的保存与恢复（上）基本操作]]></title><link>https://blog.csdn.net/xierhacker/article/details/58637829</link><guid>https://blog.csdn.net/xierhacker/article/details/58637829</guid><author>xierhacker</author><pubDate>Thu, 14 Dec 2017 20:06:38 +0800</pubDate><description><![CDATA[更新：


  2018.5.4 补充模型保存和恢复的原理，补充了模型保存和恢复的一般流程 
  版本：tensorflow 1.8


前面一直说的都是没有涉及到模型的保存.一般深度学习的训练是很需要时间的,不可能程序退出了然后又重新训练一次,所以训练好的模型需要保存下来,方便之后的再训练或者是把模型分享给别人都是可以的.模型的保存也可以叫做持久化,一个意思.接下来不啰嗦了,用一个简单的例子来说...]]></description><category></category></item><item><title><![CDATA[机器学习笔记二十：拉格朗日函数/对偶]]></title><link>https://blog.csdn.net/xierhacker/article/details/72673207</link><guid>https://blog.csdn.net/xierhacker/article/details/72673207</guid><author>xierhacker</author><pubDate>Mon, 14 Aug 2017 15:14:38 +0800</pubDate><description><![CDATA[拉格朗日对偶的一些结论]]></description><category></category></item><item><title><![CDATA[机器学习笔记十九：正则化思想]]></title><link>https://blog.csdn.net/xierhacker/article/details/76689572</link><guid>https://blog.csdn.net/xierhacker/article/details/76689572</guid><author>xierhacker</author><pubDate>Fri, 04 Aug 2017 16:57:06 +0800</pubDate><description><![CDATA[正则化思想]]></description><category></category></item><item><title><![CDATA[机器学习笔记十八：概率分类思想]]></title><link>https://blog.csdn.net/xierhacker/article/details/76161440</link><guid>https://blog.csdn.net/xierhacker/article/details/76161440</guid><author>xierhacker</author><pubDate>Wed, 26 Jul 2017 18:47:17 +0800</pubDate><description><![CDATA[概率分类思想]]></description><category></category></item><item><title><![CDATA[深度学习笔记十：生成对抗网络再思考f-GAN]]></title><link>https://blog.csdn.net/xierhacker/article/details/75759538</link><guid>https://blog.csdn.net/xierhacker/article/details/75759538</guid><author>xierhacker</author><pubDate>Sat, 22 Jul 2017 16:48:51 +0800</pubDate><description><![CDATA[f-GAN]]></description><category></category></item><item><title><![CDATA[深度学习笔记九：生成对抗网络GAN(基本理论)]]></title><link>https://blog.csdn.net/xierhacker/article/details/75216652</link><guid>https://blog.csdn.net/xierhacker/article/details/75216652</guid><author>xierhacker</author><pubDate>Sat, 22 Jul 2017 16:39:18 +0800</pubDate><description><![CDATA[生成对抗网络的基本原理和思想]]></description><category></category></item></channel></rss>