自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

谢TS的博客

完整教程级专栏，保姆级代码注释，站在小白角度思考。只写原创，不为流量，正正经经写作，不写矫情废话，拒绝流量标题党！

  • 博客(6)
  • 资源 (4)
  • 收藏
  • 关注
全部文章> 2018年12月
排序：
按最后发布时间
按访问量
RSS订阅
12月 11月 05月

原创 Android SDK: sdkmanager 命令行工具的使用（查看、安装、更新、卸载软件包）

AndroidSDK：sdkmanager 命令行工具的使用（查看、安装、更新、卸载软件包）

2018-12-22 23:30:02 42963 3

原创 Java 音频播放：使用 JLayer 播放 MP3 文件

文本链接: https://blog.csdn.net/xietansheng/article/details/85056358JLayer（Java Layer）是很久之前的一个 Java 开源项目，用于简单播放一个 mp3 文件。JLayer 支持的音频文件:相关网站:JLayer HomeJLayer DocsApi1. JLayer 下载下载 JLayer 的开发包，下...

2018-12-22 23:28:07 7792 5

原创 Vim 文本编辑器的使用：Vim安装、常用命令、快捷键

本文链接: https://blog.csdn.net/xietansheng/article/details/850417231. 安装 VimVim 是一个在 Vi 基础上改进，并增加了许多特性，功能更强大，跨平台的终端文本编辑器。Vim 和其他 PC 文本编辑器一样，支持文件打开/保存、复制、粘贴、删除、查找、替换等操作。Linux 系统下安装 Vim:# Debian 系列: De...

2018-12-16 22:18:04 3234

原创 wget 命令的使用：HTTP文件下载、FTP文件下载

本文链接: https://blog.csdn.net/xietansheng/article/details/846696621. wget 命令简介与安装wget主要用于在命令行终端下载网络文件的命令工具，支持 HTTP、HTTPS、FTP 三种最常见的 TCP/IP协议 下载。wget 与 curl 相似，curl 可以理解为是一个浏览器，wget 则可以理解是迅雷。wget 意为 Wo...

2018-12-09 23:47:11 34897

原创 curl 命令的使用：HTTP请求、下载文件、FTP上传下载

本文链接: https://blog.csdn.net/xietansheng/article/details/846379931. curl 命令简介cURL（CommandLine Uniform Resource Locator），是一个利用 URL 语法，在命令行终端下使用的网络请求工具，支持 HTTP、HTTPS、FTP 等协议。cURL 也有用于程序开发使用的版本 libcurl。...

2018-12-09 23:46:17 50483 2

原创 Linux（Ubuntu）系统下编译源码安装新版 Python 3.X

Linux 系统下源码安装 Python 3.X

2018-12-09 23:45:02 21305 4

Python机器学习(scikit-learn)：监督学习 - 神经网络（深度学习）-谢TS的博客.pdf
神经网络算法，又叫“深度学习”。虽然深度学习在许多机器学习应用中都有巨大的潜力，但深度学习算法往往经过精确调整，只适用于特定的使用场景。scikit-learn 中实现了可用于分类和回归的 多层感知机(multilayer perceptron, MLP)，它可以作为研究复杂深度学习算法的起点。MLP 也被称为(普通)前馈神经网络，有时也简称为神经网络。

2023-07-19

Python机器学习(scikit-learn)：监督学习 - 支持向量机-谢TS的博客.pdf
支持向量机(SVM) 是一组用于分类、 回归和异常值检测的监督学习方法。支持向量机的优点是：在高维空间中有效。在维度数大于样本数的情况下仍然有效。在决策函数中使用训练点的子集（称为支持向量），因此它也具有内存效率。通用性：可以为决策函数指定不同的内核函数。提供了通用内核，但也可以指定自定义内核。支持向量机的缺点包括：如果特征数量远大于样本数量，在选择核函数时避免过度拟合，正则化项至关重要。SVM 不直接提供概率估计，这些是使用昂贵的五折交叉验证计算的。

2023-07-19

Python机器学习(scikit-learn)：监督学习 - 决策树、随机森林、梯度提升决策树-谢TS的博客.pdf
决策树是广泛用于分类和回归任务的模型。本质上它是从一层层 if/else 问题中进行学习并得出结论。集成(ensemble) 是合并多个机器学习模型来构建更强大模型的方法。决策树的主要缺点在于，即使做了预剪枝，它也经常会过拟合，泛化性能很差。因此，在大多数应用中，往往使用集成方法来替代单棵决策树。在机器学习文献中有许多模型都属于集成方法，大量实例已证明有两种集成模型对大量分类和回归的数据集都是有效的，二者都以决策树为基础，分别是 随机森林(random forest) 和 梯度提升决策树(gradient boosted decision tree)。决策树的一个主要缺点在于经常对训练数据过拟合，随机森林是解决这个问题的一种方法。随机森林本质上是许多决策树的集合，其中每棵树都和其他树略有不同。随机森林背后的思想是，每棵树的预测可能都相对较好，但可能对部分数据过拟合。如果构造很多树，并且每棵树的预测都很好，但都以不同的方式过拟合，那么我们可以对这些树的结果取平均值来降低过拟合。既能减少过拟合又能保持树的预测能力，这可以在数学上严格证明。

2023-07-19

Python机器学习(scikit-learn)：监督学习 - 朴素贝叶斯（分类器）-谢TS的博客.pdf
朴素贝叶斯分类器与线型模型分类器非常相似，但它的训练速度往往更快。这种高效率所付出的代价是，朴素贝叶斯模型的泛化能力比线型模型分类器（如 LogisticRegression 和 LinearSVC）稍差。朴素贝叶斯训练模型高效的原因在于，它通过单独查看每个特征来学习参数，并从每个特征中收集简单类别统计数据。

2023-07-19

Python机器学习(scikit-learn)：线型模型（线型回归、逻辑回归）、样本生成器、方法链-谢TS的博客.pdf
线型回归，又名普通最小二乘法。LinearRegression 实现了基于普通最小二乘法的线性回归，以最小化数据集中观察到的目标与通过线性近似预测的目标之间的残差平方和，来拟合具有系数 w = (w1, ..., wp) 的线性模型。

2023-07-19

Python机器学习(scikit-learn)：k最近邻 (k-NN)、特征缩放（标准化归一化数据）-谢TS的博客.pdf
k近邻算法 (k-NN, K-NearestNeighbor)。k-NN 算法构建模型只需要保存训练集数据即可。k-NN 模型把样本的所有特征构造一个坐标系（二维、三维 或 更高维），每一个样本都在坐标系中对应一个点（坐标由样本的所有特征组成）。想对新数据点做出预测，算法会在训练集数据点构成的坐标系中找到最近的 k 个数据点（也就是它的“最近邻”），然后根据这个 k 个数据点对新数据做出预测。当样本特征数据在运算时，为了减小不同特征取值范围误差，可以把特征数据缩放为标准化数据。均值为 0，方差为 1 的数据

2023-07-19

Python机器学习(scikit-learn)：scikit-learn 简介-谢TS的博客.pdf
scikit-learn 是基于 Python 语言的用于预测数据分析的简单高效机器学习库。它提供了用于机器学习的算法，包括 分类、回归、降维 和 聚类。它也提供了用于数据预处理、提取特征、优化超参数和评估模型的模块。scikit-learn 基于 NumPy、SciPy 和 matplotlib 构建。开源，商业可用 - BSD 许可证。

2023-07-19

飞扬的小鸟 (Flappy Bird, 像素鸟) 小游戏资源文件（图片+音频）
飞扬的小鸟 (Flappy Bird, 像素鸟) 小游戏的资源文件（图片+音频）， 完整源码和教程请查看文章： https://xiets.blog.csdn.net/article/details/131791045

2023-07-18

PyTorch 实现 循环神经网络（RNN）、长短期记忆网络（LSTM）、门控循环单元网络（GRU）-谢TS的博客.pdf
循环神经网络（Recurrent Neural Network, RNN）是以 序列（Sequence）数据作为输入，沿序列的演进方向进行 递归（Recurrent）且所有循环单元节点按链式连接的一类神经网络。循环神经网络具有记忆性，对序列数据的非线性特征进行学习时具有一定优势。还有 RNN 的加强版 长短期记忆网络（LSTM, Long Short-Term Memory）和 门控循环单元网络（GRU, Gated Recurrent Unit networks）拥有更强的“记忆力”。

2023-07-17

PyTorch 实现 卷积神经网络（CNN）、全连接层、卷积层、池化层、MNIST手写字体识别-谢TS的博客.pdf
全连接层，是每一输入节点都和所有输出节点相连。卷积神经网络一般用于图片等特征维度非常大的数据。池化的目的就是显著降低数据的维度。

2023-07-17

PyTorch 模型保存与加载、数据加载器、顺序容器-谢TS的博客.pdf
当训练好一个模型后，可以把模型的状态参数保存到本地，下次需要使用时直接加载到模型即可，而不用每次都重新开始训练。当一个模型和数据集都非常大，训练时间需要特别长时，也可以定时保存模型的状态参数，防止中途出错。torch.utils.data 模块包含了数据加载相关的类。深度学习一般都需要大量的训练数据，如果把所有数据一次性加载到内存，容易把内存占满，因此需要把数据分批次加载和训练。顺序容器（nn.Sequential）的使用。

2023-07-17

PyTorch 实现 逻辑回归、多元分类-谢TS的博客.pdf
线性回归 和 非线性回归 的输出都是连续的。逻辑回归 与 线性回归/非线性回归 区别在于 逻辑回归 的输出是 二元离散 的，即输出特征只有两种结果。逻辑回归是二元分类，属于多元分类的一种特殊情况。多元分类与二元分类类似，区别在于使用 softmax 函数替代 sigmoid 函数作为激活函数。如果分类的类别数为 n，则 softmax 函数接收 n 个输入，然后输出 n 个概率（概率之和为 1），概率最大的类别就是预测的类别。

2023-07-17

PyTorch 实现 非线型回归-谢TS的博客.pdf
使用 线性模型 组合 激活函数 构建神经网络模型实现非线性回归。下面代码示例，先随机生成一组接近 y = x^3 的坐标点，然后构建非线性神经网络模型拟合所有坐标点，训练出拟合函数。

2023-07-17

PyTorch 激活函数、损失函数、优化器-谢TS的博客.pdf
激活函数的出现就是要让神经网络模型可以拟合复杂的非线性函数。激活函数是一个 非常简单的非线性函数，只要把多个神经网络层的输出应用激活函数，神经网络就具有拟合复杂非线性函数的强大能力。

2023-07-17

PyTorch 实现 线型回归-谢TS的博客.pdf
使用 线性模型 组合 激活函数 构建神经网络模型实现非线性回归。下面代码示例，先随机生成一组接近 y = x^3 的坐标点，然后构建非线性神经网络模型拟合所有坐标点，训练出拟合函数。

2023-07-17

PyTorch 基础：Tensor（张量）-谢TS的博客.pdf
PyTorch 是由 Facebook 研发的开源的深度学习框架，并且支持 CPU 和 GPU 加速计算。torch.Tensor 是包含单一数据类型元素的多维数组，它是 PyTorch 中数据存储和运算的基本单元，类似于 NumPy 的 numpy.ndarray，两者的函数接口和运算方式几乎一样。实际上 PyTorch 内部也是把 ndarray 包装成 Tensor。Tensor 中文称为 张量（可以看做是一个多维数组），是 PyTorch 中最基本的数据类型。

2023-07-17

Android反编译工具包（apktool + dex2jar + jd-gui）
Android反编译工具包（apktool_2.7.0.jar、dex2jar-2.1.zip、jd-gui-1.6.6.jar）

2023-04-18

C/C++中文帮助文档.chm
C/C++中文帮助文档.chm

2023-04-17

Java 通过代码发送邮件示例源码
Java 通过代码发送邮件示例源码

2023-04-13

JLayer1.0.1.zip
纯 Java SE 实现的 MP3 播放器，可以实现简单的 MP3 播放（只能简单实现，不能作为完整的播放器） 使用参考博文: https://blog.csdn.net/xietansheng/article/details/85056358

2021-04-10

JavaMail 1.6.0
包含了 SMTP, IMAP, 和 POP3 协议的实现的 JavaMail 1.6.0 release jar 包

2017-08-10

LibGDX音频案例素材.zip
LibGDX基础教程中的音频开发案例资源下载

2015-12-05

LibGDX图片打包工具 gdx-texturepacker-3.2.0
LibGDX图片打包工具的GUI封装 gdx-texturepacker-3.2.0

2015-11-02

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除