诗酒年华

中文情感分析之TextCNN综述情感分析方法基于情感词典的情感分析基于机器学习算法的情感分析文本分类模型TextCNN中文情感分析实践数据预处理文本数值化模型构建结果分析总结​最近接了个业务需求，需要对论坛发帖进行情感分析，以便于对恶意发帖的行为进行审核治理。在此对情感分析方法进行一个总结，并重点介绍下文本分类基准模型TextCNN在中文情感分析中的实践应用。综述情感分析（Sentiment...

MySQL存储过程 存储过程(Stored Procedure)是在大型数据库系统中，一组为了完成特定功能的SQL 语句集，存储在数据库中经过第一次编译后再次调用不需要再次编译，用户通过指定存储过程的名字并给出参数(如果该存储过程带有参数)来执行它。存储过程是数据库中的一个重要对象，任何一个设计良好的数据库应用程序都应该用到存储过程。存储过程简介存储过程是存储在数据库目录中的一段声明式SQL语

MBG介绍 MyBatis 是支持定制化 SQL、存储过程以及高级映射的优秀的持久层框架。MyBatis 避免了几乎所有的 JDBC 代码和手动设置参数以及获取结果集。MyBatis 可以对配置和原生Map使用简单的 XML 或注解，将接口和 Java 的 POJOs(Plain Old Java Objects,普通的 Java对象)映射成数据库中的记录。MyBatis使得数据库操作变得非常

Spring提供了三种主要的装配机制:在XML中进行显式配置。在Java中进行显式配置。隐式的bean发现机制和自动装配。Spring从两个角度来实现自动化装配:组件扫描(component scanning): Spring会自动发现应用上下文中所创建的bean。自动装配(autowiring): Spring自动满足bean之间的依赖。自动化装配Bean@Component注解这个

转载自：http://geek.csdn.net/news/detail/50558英文原文：http://www.wildml.com/2016/01/attention-and-memory-in-deep-learning-and-nlp/如需转载请注明以上链接地址，谢谢！Attention机制是最近深度学习的一个趋势。在一次采访中，OpenAI的研究总监Ilya Sutskev

（《STL源码剖析》学习笔记）STL提供了六大组件容器（containers） 用来存放数据，包含多种数据结构，如：vector、list、deque、set、map等。 从实现的角度来看，STL容器是一种class template。算法（algorithms） 包括各种常用算法，如：sort、search、copy、erase等。 从实现的角度来看，STL算法是一种function

leetcode 第64题：Minimum Path Sum 给定一个m*n的非负整数矩阵，找到一条从左上角到右下角的路径，使得该路径上的数字之和最小。分析： 要使得和最小，则要求在每个格子上只能向下或向右两种走法。 如果用穷举法，由于所有可能路径为(m-1)+(n-1) = m+n-2种，即m-1步向下走，n-1步向右走，所以所有可能情况为C(m+n-2, m-1)，由于随着m和n的增

输入一个正整数数组，将数组中各个数字连成一个数，输出所有可能的数字中最小的那个数。举个栗子： 输入： 3，32，321 输出： 321323最直观的做法是穷举所有排列所组成的数字，再从中找出最小的，该解法由于要穷举所有排列，所以复杂度至少为O(n!)。有一种O(n*logn)的解法是，先对数组中数字按从小到大的顺序排序，再将数组中数字连接起来即为最小的数。这里需要注意两点：排序过程中，按递增顺

leetcode p139：word break 给定一个字符串s和一个字典dict，判断该字符串是否可以由字典中单词组成。举个栗子： s = “leetcode” dict = [“leet”, “code”] s可以由dict中单词组成，所以返回true。注意！栗子2：input: "abcd" ["a","abc","b","cd"]output: tr

[笔试面试高频题] 求一个数组的子数组中所有元素和的最大值。 子数组指一个或连续多个数组成的数组。 使用动态规划方法求解，算法的时间复杂度为O(n).举个栗子： 输入数组为：6，-3，-2，7，-15，1，2，2 和最大的子数组为：6，-3，-2，7 输出该子数组的和为：8解法：用curSum[i]表示前i个元素(包含第i个, i从0开始)所组成的子数组的最大和，那么max(curSum

leetcode p6: ZigZag_Conversion给定一个字符串s和行数numRows, 先将该字符串按z形排成numRows行，然后按行输出所有字符组成的新字符串。举个栗子： 从中发现：这些数字都与6有关，称为magicNum，该数与行数有关，举个不同行的例子，可以发现规律： magicNum = 2*(numRows - 1) ;对于每行的第一个数字，是以2为步长依次递减的，当为

MapReduce工作原理学习MapReduce概述2004年，google在OSDI 2014会议上发表了MapReduce(MapReduce: Simplified Data Processing on Large Clusters)编程模型，它使得不具备并行计算和分布式处理系统开发经验的程序员也可以有效利用分布式系统的丰富资源。MapReduce的设计是为了处理海量的原始数据，它将并行计算、

第一步：整体观察若有线性趋势则走思路A，若没有线性趋势或线性趋势不明显则走思路B。注：线性趋势是指数列总体上往一个方向发展，即数值越来越大，或越来越小，且直观上数值的 大小变化跟项数本身有直接关联（别觉得太玄乎，其实大家做过一些题后都能有这个直觉）第二步思路A：分析趋势1. 增幅（包括减幅）一般做加减。基本方法是做差，但如果做差超过三级仍找不到规律，立即转换思路，因为公考没有考过三级以上的等差数列

全排列是面试笔试过程中经常遇到的一个问题。对于练习过的同学来说，这个问题其实 不算一个难题，但是对于没有练习过的同学，或者说只是知道大致思路的同学来说， 要在短时间内写出正确的全排列代码还是有点难度的。本文是作者在学习全排列时的一个总结笔记，主要包括： [1]. 全排列的递归实现 [2]. 全排列的非递归实现 [3]. STL中的next_permutation全排列的递归实现递归方法的全

const与指针在C/C++中，const与指针之间的不同的位置关系代表着不同的意义。 本文主要对这种关系进行一次梳理，给出两种容易理解和记忆的判别方法。 一种方法是将const之后的内容看做一个整体； 另一种通过从右向左读的方法来进行识记。将const之后的内容看作一个整体char * const a;const和a之间没有*，说明a是不可写的，*a是可写的。 也就是说a是一个常量指针，

概述cron是linux中的一个定时执行工具，可让系统在特定的时间自动执行特定的任务，如数据库备份、日志分析等。crontab 是一个包含一系列定时任务命令的文本文件。该文件使用crontab 命令进行编辑。文件中的命令由cron在后台执行。系统中的每个用户（包括root）都拥有一个crontab文件，无论该用户是否登录系统，cron都会检测用户的crontab文件。crontab的在线帮助文档可以

10分钟入门pandas本文是对pandas的一个入门介绍，仅仅针对初学者。如果需要更详细的内容，请移步Cookbook.首先，导入所需要的python包：import pandas as pdimport numpy as npimport matplotlib.pyplot as plt创建对象————————–pandas中的数据结构包括Series、DataFrame、Panel、P

查看各用户home空间大小： sudo du -h --max-depth=1 /home使用du命令查看目录大小 -h 参数将目录大小以人容易理解的方式显示出来 --max-depth 控制显示的目录层数 df -h 显示整个磁盘分区的使用情况

在使用sizeof计算类的大小时要注意：sizeof是用来计算栈中变量的大小的，不涉及全局区，故sizeof计算类的大小时，不考虑静态成员变量的大小；类与结构体一样，都存在字节对齐问题；类中普通函数不占用类的大小，类中虚函数不管有多少个只需要占用一个虚函数表指针的大小；类中常量存在静态存储区不占用类大小，如const、static、enum；子类的大小=子类新增加的大小+父类大小。//

//功能: 输入一个正整数，按照从小到大的顺序输出它的所有质数的因子（如180的质数因子为2 2 3 3 5 ）//输入：输入一个long型整数//输出：按照从小到大的顺序输出它的所有质数的因子，以空格隔开#include <iostream>using namespace std;int main(){ long input; while(cin>>input){

C++中不但可以用define定义常量还可以用const定义常量，它们的区别如下：用#define MAX 255定义的常量是没有类型的，所给出的是一个立即数，编译器只是把所定义的常量值与所定义的常量的名字联系起来，define所定义的宏变量在预处理的时候进行替换，在程序中使用到该常量的地方都要进行拷贝替换；用const float MAX = 255; 定义的常量有类型名字，存放在内存的静态区域

在不适用循环的条件下，写出冒泡排序。循环与递归之间可以相互转换，不让使用循环那只能通过递归来代替循环过程了。搞清楚递归过程中需要改变的变量和递归的结束条件就ok了。 代码比较简单，如下所示：#include<iostream>#include<algorithm>using namespace std;void BubbleSortNoLoop(int a[],int start,int n)

Difference between new/delete and malloc/freeNew/delete is C++, malloc/free comes from good old C.In C++, new calls an objects constructor and delete calls the destructor.Malloc and free, coming from t

指针和引用在c++中都是复合类型（compound type），即基于其他类型定义的类型。指针本身就是一个对象，允许对指针进行赋值和拷贝，在指针的生命周期内它可以先后指向几个不同的对象。 引用并非对象，相反它只是为一个已经存在的对象所起的另外一个名字，“引用即别名”。因为引用不是对象，所以： 不能定义引用 的引用； 没有实际地址，不能定义指向引用的指针。区别：指针是一个对象，而引用仅是个别名

使用快排思想找第K大的数，算法复杂度O（n）。1.以数组a的第0位a[0]为参考基准base，将数组划分为两个部分； 如果找第K大的数，则将大于base的数往前挪，将小于base的数往后挪。如果找第K小的数，则与此相反。 划分过程与快排相同，使用两个指针i和j分别指向数组的首尾，根据指针所指元素与基准base的大小交替移动两个指针，直到两个指针指向同一个位置i==j，此时i或j即为base的下标

注意： - SQL 对大小写不敏感！ - SQL 语句后面的分号要视具体的应用环境而决定加还是不加。 如果是MS Access 和SQL Server 2000则不必使用分号，而有些数据库软件则必须使用分号。 （也有说在程序里写sql不要加分号，否则编译器会把分号认为是sql语句本身的一部分，在查询工具里可以使用分号作为sql语句分隔标志。）select 用于从表中选

SQL包含四种程序设计语言类别的语句：数据定义语言（DDL）、数据操作语言（DML）、数据控制语言（DCL）和事物控制语言（TCL）。Data Definition Language(DDL) DDL使我们有能力创建或删除表格。也可以定义索引（键），规定表之间的链接，以及施加表间的约束。 CREATE DATABASE - 创建新数据库 ALTER DATABASE - 修改数据库 CREA

matlab函数，恢复matlab的搜索路径为安装时的默认路径。或者使用rmpath 或 pathtool 函数打开设置路径对话框进行设置。

神经网络的严冬九十年代末，神经网络遇到的困境就是一个字——“慢”。除了计算速度的因素外，还有一个根本问题就是反向传播时所谓的“梯度消失问题”（vanishing gradient problem）。简单的说， 就是cost function从输出层反向传播时， 每经过一层,梯度衰减速度极快， 学习速度变得极慢，神经网络很容易停滞于局部最优解而无法自拔。又由于当时SVM在图像和语音方面取得的成功，使得

知乎讨论：“Deep Learning 的专家如此急缺，它难在何处？”这篇文章是对知乎上大家讨论结果的一个汇总和备忘。初读时感觉醍醐灌顶，读完后忍不住想把文中的观点告诉我身边的每个人。作为一个入门深度学习两年的研二学生，对文中深度学习是一门工程性学科的观点深表赞同。本文主要作为个人的阅读记录所用，以避免以后想要查看但又找不到时的追悔莫及。文中观点皆来自于知乎用户，如需转载请注明知乎原文地址 [ h

在计算机中，数值是以补码来表示和存储的。所以移位运算都是在“补码”上进行操作的。原码转补码 正数的补码与原码相同。 负数的补码：符号位为1，其余位是原码按位取反，然后整个数加1。

编译 make matcaffe -j8测试 make mattest -j8要在matlab中使用caffe时需要先添加路径 addpath ./matlab （这里的“.”表示当前目录，即caffe的根目录。如果在其他目录中调用matcaffe需要修改该路径。） 在matlab中使用help caffe 可测试路径是否添加成功。

python使用Anaconda环境.Anaconda安装下载wget https://3230d63b5fc54e62148e-c95ac804525aac4b6dba79b00b39d1d3.ssl.cf1.rackcdn.com/Anaconda2-2.5.0-Linux-x86_64.sh安装 bash Anaconda2-2.5.0-Linux-x86_64.sh 默认安装就行了

腾讯2016研发笔试/* 递归生成格雷码当n=1时，{0，1}当n=2时，{00，01，11，10}当n=3时，{000，001，011，010，110，111，101，100}...n位格雷码共有2^n个元素。其中每个元素是（n-1）位的格雷码前面加0，然后再反向后前面加1生成的。如n=3可由n=2进行两步操作后得到：1.在n=2的格雷码前面加0，生成：000，001，011，01

欧几里得算法或辗转相除法#include <iostream>using namespace std;//循环gcd:greatest common divisorint gcd(int a,int b){ int tmp; while(b){ tmp = b; b=a%b;a=tmp; } return a;}//递归gcdint gcd1(

实例详解机器学习如何解决问题 美团点评技术团队前言 随着大数据时代的到来，机器学习成为解决问题的一种重要且关键的工具。不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问题。我们结合美团在机器学习上的实践，进行一个实战（InAction）系列的介绍（带“机器学习InAction系

在线性代数中， 范数（ norm）是一个表示“长度”概念的函数，为向量空间内的所有向量赋予非零的正长度或大小。对于一个n维的向量 x，常见的范数有：向量的范数 一个向量的0范数指的是其非零元素的个数； 一个向量的1范数指的是其元素绝对值之和； 一个向量的2范数指的是其模长，即元素平方和的开方。矩阵的范数 矩阵的范数有很多种形式，这里我们定义其p-范数为：

这个原理称为”如无必要，勿增实体”，即”简单有效原理”。 正如他在《箴言书注》中所说”切勿浪费较多东西去做用较少的东西同样可以做好的事情。”当你有两个处于竞争地位的理论能得出同样的结论，那么简单的那个更好。这一表述也有一种更为常见的强形式：如果你有两个原理，它们都能解释观测到的事实，那么你应该使用简单的那个，直到发现更多的证据。 对于现象最简单的解释往往比比较复杂的解释更正确。

升级 升级Anaconda需要先升级condaconda update condaconda update anaconda卸载 由于Anaconda的安装文件都包含在一个目录中，所以直接将该目录删除即可。删除整个Anaconda目录：rm -rf anaconda最后，建议清理下.bashrc中的Anaconda路径。

转自@王萌，有少许修改。机器学习起源于人工智能，可以赋予计算机以传统编程所无法实现的能力，比如飞行器的自动驾驶、人脸识别、计算机视觉和数据挖掘等。 机器学习的算法很多。很多时候困惑人们的是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。学习方式将算法按照学习方式分类可以让人们在建模和算法选择的时候考虑能

计算机中的符号数有三种表示方法，即原码、反码和补码。三种表示方法均有符号位和数值位两部分，符号位都是用0表示“正”，用1表示“负”，而数值位，三种表示方法各不相同。 在计算机系统中，数值一律用补码来表示和存储。 正整数的补码是其二进制表示，与原码相同. 求负整数的补码，将其对应正数二进制表示所有位取反（包括符号位，0变1，1变0）后加1。-5对应正数5（00000101）→所有位取反（1111

1.斐波那契数列，又称黄金分割数列，指的是这样一个数列：0、1、1、2、3、5、8、13、21、34、……在数学上，斐波纳契数列以如下被以递归的方法定义：F（0）=0，F（1）=1，F（n）=F(n-1)+F(n-2)（n≥2，n∈N*）.2.函数模板的声明.函数模板可以用来创建一个通用的函数，以支持多种不同的形参，避免重载函数的函数体重复设计。它的最大特点是把函数使用的数据类型作为参数。函数模板的

转自程引的专栏Batch_Size（批尺寸）是机器学习中一个重要参数，涉及诸多矛盾，下面逐一展开。首先，为什么需要有 Batch_Size 这个参数？Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集 （ Full Batch Learning ）的形式，这样做至少有 2 个好处：其一，由全数据集确定的方向能够更好地代表样本总体，从而更准确地朝向极值所在的方向。其二，

1.内核分为：进程管理系统 、 内存管理系统 、 I/O管理系统 和文件管理系统 四个子系统。 2.用户态切换到内核态的 3 种方式：a. 系统调用 b. 异常c. 外围设备的中断 。整除除以0 ，肯定会中断，所以会进入内核. 3.malloc与free是标准库函数，new/delete是运算符；new、delete返回的是所分配类型变量（对象）的指针，malloc、free返回的是vo

1.strcpy(s1,s2)这个函数是把s2字符串拷贝到s1这个字符串，同时也把s2的 ‘\0’ 拷过去. strlen()遇到 ’ \0 ’ 停止. 2.一般转义字符:这种转义字符，虽然在形式上由两个字符组成，但只代表一个字符。常用的一般转义字符为：\a
\t \v \b \r \f \ \’ \＂; 3.八进制转义字符:它是由反斜杠’\’和随后的1～3个八进制数字构

将图中最后一列的2替换为1。 ==》先Ctrl+v进入visual block模式，选中最后一列之前的部分，用d进行删除； 然后将2替换为1: :%s/2/1/g，再gg定位到行首，使用大写的P将刚才删掉的部分粘回来。

1.vector<vector<int> > array(3,vector<int>()) ; //vector()是对vector进行初始化，否则不能通过array[i].push_back()存入元素.这是因为空vector根本不包含任何元素，所以不能通过下标去访问元素。正确的方法是使用push_back()。2.vector 的小标运算符可以用于访问已存在的元素，不能用于添加元素。只能对已存在

1.对字符串进行sizeof操作的时候，会把字符串的结束符”\0”计算进去的，进行strlen操作求字符串的长度的时候，不计算\0的。2.数组作为函数参数传递的时候，会退化为指针。3.对于内置类型而言，new仅仅是分配内存，除非后面显示加(),相当于调用它的构造函数； 对于自定义类型而言，只要一调用new，那么编译器不仅仅给它分配内存，还调用它的默认构造函数初始化，即使后面没有加()。4.enum

使用sudo apt-get install update时，出现如下错误：`E: Some index files failed to download. They have been ignored, or old ones used instead.`具体错误内容为：......Ign http://hk.archive.ubuntu.com trusty/restricted Tran

在深度学习教程Theano Graphs部分，按照官网教程运行程序绘制函数图形时，出现如下错误：RuntimeError: Failed to import pydot. You must install pydot for ‘pydotprint’ to work.见图所示： 提示没有安装pydot,退出python命令行，在终端中进行安装(ubuntu 14.04)。 安装pydot之前

ubuntu server 14.04 从命令行发邮件安装mailutils`sudo apt-get install mailutils`接下来进行默认安装就行了。Postfix Configuration 需要记住这里的System mail name，后面会用到。发送邮件用一行命令发送邮件 给邮箱example@qq.com（改成你自己要发送的邮箱）发封邮件。邮件主题为Test e

正则表达式30分钟入门教程(转载)

k近邻算法《机器学习实战》学习总结一言以蔽之计算待分类点与训练集中每个点之间的距离，选取前k个最近的点， 其中出现频率最高的类别就是待分类点的类别。伪代码1.计算训练集中的点到当前点之间的距离； 2.安装距离递增顺序排序； 3.选取与当前点距离最小的k个点； 4.确定前k个点所在类别的出现频率； 5.返回前k个点出现频率最高的类别作为当前点的预测分类。Pros & Cons优点：精度高，对

系统环境说明操作系统：win7 32位 MySQL数据库安装配置 IIS Web服务器配置ODBC连接打开”控制面板”–>”管理工具”–>”数据源（ODBC）”，在“用户DSN”或“系统DSN”中点击“添加”。添加“MySQL ODBC 5.2 ANSI Driver”并进行设置，若驱动程序中没有MySQL ODBC Driver则需要先进行安装，从官网上下载安装即可。“TCP/IP Se

MySQL安装配置官网下载地址点下面的“No thanks, just start my download.”进行下载。下载好后双击进行安装。如果系统中没有“.NET Framework 4.0”,会提示先安装“.NET Framework 4.0”。下一个安装上就行了。.NET Framework 4.0官网下载地址.之后默认安装就行，没有什么大问题。在安装类型中选择“Developer De

配置IISWin7系统中自带有IIS web服务器，因此我们只需要对其进行配置就行了。 打开“控制面板”，选择“程序”，选择“打开或关闭Windows功能”，找到“Internet信息服务”。如图所示。打开“Internet信息服务”，将“Web管理工具”中的所有选项及其子选项都选上； 打开“万维网服务”中的“应用程序开发功能”，将其中的“ASP”和“ASP.NET”选项选上。 如下图所示

实验室的ubuntu 14.04 lts server 上的gpu突然不能用了。 使用 nvidia-smi 查看gpu信息时显示： Failed to initialize NVML: GPU access blocked by the operating system查看日志发现nvidia driver从amd64 352.39-0ubuntu1 自动升级到 352.63-0ubunt

判断点是否在三角形内概述给定三角形ABC和一点P(x,y)，判断点P是否在ABC内。这是游戏设计中一个常见的问题。也是《算法竞赛入门经典（第一版）》中5.4.3节“果园中的树”中的问题。重心法该方法简单易懂，速度也快，只是多了点向量运算的知识。 在xy坐标系平面中有一个三角形ABC，P是xy平面上的任一点，如下图所示。 对于平面内任意一点P，都可以由如下方程来表示:AP = u*AC + v

在ubuntu上安装软件时，经常出现这样的问题：/usr/bin/ld: cannot find -l****例如： /usr/bin/ld: cannot find -lgfortran 安装torch时出现 /usr/bin/ld: cannot find -lstdc++ 安装cuda时出现 ……这些问题都是因为找不到相应的lib文件，以上面的例子来说就是在系统中找不到libgfortr

Introduction上午在给本科生上习题课时遇到这样一个问题：n个元素进栈有多少个出栈顺序？在计算机中，栈操作要遵循先进后出和后进先出的规则，就像压弹匣一样。设有n个元素，其出栈顺序为f(n),则： f(1)=1; f(2)=2; //12,21 f(3)=5; //123,132,321,213,231 (312--该顺序不存在) f(4)=14；

安装detect and mount cd-rom 刻录u盘后把iso文件也放到u盘中，alt+F2进入console将u盘挂载到/cdrom上，把/cdrom中的iso文件挂载到/cdrom上。 alt+F1返回安装界面，重新检测。分区自动分区，之后将/目录删除，保留swap等分区，对/进行重新分区，分为/，/home，/share等。 （一方面导师要求分为/，/home，/share三个分

混淆矩阵 Confusion MatrixAccuracy = (TP+TN)/(TP+FP+TN+FN) ;Precision = TP/(TP+FP);Recall = TP/(TP+FN);F1-score = 2*Precision*Recall/(Precision + Recall);Specificity = TN/(FP+TN)；ROC（Receiver Operatin

在caffe ImageNet例子中有对图片进行resize的部分，文中使用的是linux shell脚本命令：for name in /path/to/imagenet/val/*.JPEG; do convert -resize 256x256\! $name $namedone但该命令在运行后光标就一直处于等待状态，直到所有的图片全部运行结束。这种情况在图片数量比较大时就很恼人（对于

将matlab中的数组数据保存为weka使用的.arff格式的数据：1：先将matlab中的数组数据保存为.csv格式的数据 matlab命令：csvwrite('filename',matrixname)2：用文本编辑软件打开.csv文件，在第一行添加上各列的属性名，各个属性名之间用逗号分隔3：将.csv格式的数据转换成.arff格式的数据1）打开Weka Gui Chooser，在Tools里

创建python虚拟环境 virtualenv exercise 创建名为exercise的python虚拟环境，创建后可以看到当前目录下有个名为exercise的文件夹，里面包含bin等文件夹。启动exercise虚拟环境 1.先进入exercise文件夹，cd exercise 2.激活环境，source ./bin/activate 激活后在原来的用户名前面就多了一个‘（exerc

最近一直在用putty或Xshell登录linux服务器，今天用ultraVNC Viewer登录服务器时发现自己的vnc服务器挂掉了。在此，整理下vnc操作的基本命令。查看vnc进程：ps -ef | grep vnc 该命令可以列出当前系统上所有用户vnc界面的端口号，分辨率等信息。 我们要用到的只是端口号。杀掉自己vnc端口对应的进程vncserver -kill :43 我的端口号是4

CNNs调参备忘：在所有深度网络中，卷积神经网和图像处理最为密切相关，卷积网络在很多图片分类竞赛中都取得了很好的效果，但卷积网调参过程很不直观，很多时候都是碰运气。为此，卷积网络发明者Yann LeCun的得意门生Matthew Zeiler在2013年专门写了一篇论文，阐述了如何用反卷积网络可视化整个卷积网络，并进行分析和调优。 Matthew Zeiler：http://www.matthew

转载自dudong的博客：http://blog.sina.com.cn/s/blog_5980285201015311.html Geoffrey Hinton Michael Jordan Yann LeCun Yoshua Bengio这几个人是深度学习研究领域的大牛，经常出现在相关的论文中 其实他们之间有着千丝万缕的联系Yann LeCun是Geoffrey Hinton的博士 Y

数组操作1.python中数据类型转换： 将数组中的float类型的元素全部变为int型的，train_labels.astype(numpy.int)2.numpy.ndarray数组合并np.shape(train_data1)=（10000，3072） np.shape(train_data2)=（10000，3072） train_data=np.vstack((train_data1

个人认为，相对于MNIST和CIFAR-10来说，ImageNet实例或许是caffe中最具有学习价值的实例。通过该实例的学习，你可以用caffe在自己的数据集上搭建自己的模型。当然，如果你没有那么多的时间和精力去重新训练一个ImageNet网络，只是想要一个训练好的现成的模型，那么你也可以去官网上的model zoo部分找到你所要的。caffe 中打包好了几个训练好的BVLC模型，你可以‘开箱即用

CIFAR-10实例 caffe中的CIFAR-10实例重现了Alex Krizhevsky的cuda-convnet中的结果，具体的模型定义、参数、训练步骤等都是按照cuda-convnet中的进行设置的。不过，该实例仍是半成品，目前官网上介绍的只是quick train，对于进一步解释网络细节和训练选择的full training还未完工。 cuda-convnet是Alex Krizhev

LeNet MNIST实例 MNIST手写数字数据库是另外一个更大的手写体数据库NIST的子集，现在已成为图像识别领域用来测试自己的算法的一个基准数据库，它的训练集由60000张手写数字图片样本组成，测试集包含了10000个样本，其中所有的图片样本都经过了尺寸标准化和中心化，图片的大小固定为28*28。 据说该数据集中的图片是由美国中学生手写的数字，所以非常贴近实际，如果你的模型在该测试集上的测

caffe是一个深度学习的开源框架，是贾扬清在伯克利大学读博时开发的，现在由伯克利大学的视觉学习中心BVLC（the Berkeley Vision and Learning Center）负责维护。 ————————————————————— 在介绍caffe前，先简单介绍下贾扬清。http://daggerfs.com/ 贾扬清目前在google从事计算机视觉方面的工作，在UC Be

说好的介绍Yann LeCun的，跑题跑了大半篇，罪过罪过，回来接着介绍Yann LeCun。 实际上，深度学习从上世纪80年代开始并没有受到重视，一直到90年代才有所好转，但是LeCun一直坚持了下来，正如深度学习运动核心人物Geoffrey Hinton所说，“是LeCun高举着火炬，冲过了最黑暗的时代。”微软的Leon Bottou是LeCun早期合作人之一，他说道，“没有人比LeCun更能

在通过卷积获得了特征 (features) 之后，下一步我们希望利用这些特征去做分类。理论上讲，人们可以用所有提取得到的特征去训练分类器，例如 softmax 分类器，但这样做面临计算量的挑战。例如：对于一个 96X96 像素的图像，假设我们已经学习得到了400个定义在8X8输入上的特征（即400个feature map，每个feature map的size为8*8），每一个特征和图像卷积都会得到一

接下来介绍一下，CNNs是如何利用空间结构减少需要学习的参数数目的 如果我们有一张1000x1000像素的图像，有1百万个隐层神经元，那么他们全连接的话（每个隐层神经元都与图像的每一个像素点相连），这样就有1000x1000x1000000=10^12个连接，也就是10^12个权值参数。然而图像的空间联系是局部的，就像人是通过一个局部的感受野去感受外界图像一样，每一个神经元都不需要对全局图像做感受

卷积神经网络 卷积神经网络（CNNs）是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。卷积网络是为识别二维形状而特殊设计的一种多层感知器，这种网络结构对平移、比例缩放、倾斜或者其它形式的变形具有高度不变性。 CNNs是第一个真正成功训练多层网络结构的学习算法。它利用空间关系减少需要学习的参数数目以提高BP算法的训练性能。CNNs作为一个深度学习架构提出是为了最小化数据的预处理要

卷积神经网络背景 LeCun的LeNets深度学习网络可以被广泛应用在全球的ATM机和银行之中，它可以理解支票上写的是什么。但仍然存在很多质疑，LeCun说道，“不知何故，似乎现在还是无法说服计算机视觉领域圈子，他们仍然觉得卷积神经网络没什么价值。”其中部分原因，可能是因为这项技术虽然强大，但是没有人可以理解它为什么如此强大，而且这项技术的内部工作方式仍然是个谜。因此，为了让大家能够更清楚的了解一

作为人工智能的一种形式，深度学习能够更好地模仿人类大脑。之前还有很多人工智能研究人员还在公开对该领域嗤之以鼻，而仅仅过了几年，从谷歌、微软，到百度、Twitter，深度学习已经开始蔓延到整个商业科技世界了。 很多科技巨头正在挖掘一种特殊的深度学习，他们称之为卷积神经网络(convolutional neural networks)，旨在构建更加智能的互联网服务，比如可以自动理解语言和识别图像。在谷

/*********************************************深度学习资料**********************************************/[---中文---][1]. Zouxy的csdn博文，通俗易懂，适合入门；http://blog.csdn.net/zouxy09/article/details/8775360