happy_lion - 博客园

2015年9月

摘要： fg 阅读全文

posted @ 2015-09-16 09:54 happy_lion 阅读(252) 评论(0) 推荐(0) 编辑

摘要：在mac的终端中我的名字是chendeMacBook-Pro:~ chen$公司的Android项目是在我的目录下的aimovie文件夹，这个aimovie文件夹是一个git仓库（也就是这个文件夹下的所有东西会被git系统管理）。在linux操作中，如果有错误就会提示，如果没有错误或者异常就不会提示... 阅读全文

posted @ 2015-09-09 15:43 happy_lion 阅读(368) 评论(0) 推荐(0) 编辑

依赖注入和Guice理解

摘要：理解依赖注入，这篇文章写得非常好，结合spring的依赖注入分析的。http://blog.csdn.net/taijianyu/article/details/2338311/大体的意思是：有一个类A，这个类里的属性m（属性是接口类型）需要我们通过构造器或者setter方法传入（比如传入一个B接口... 阅读全文

posted @ 2015-09-07 16:37 happy_lion 阅读(1187) 评论(0) 推荐(0) 编辑

greenDAO的使用

摘要： greenDAO的使用：总体来说：你需要在你的主Android工程之外再建立一个generator project.这是一个纯java的项目。在这个项目里你需要在classpath中引用greenDAO-generator.jar，和freemarker.jar这两个jar包。然后在这个工程中使用g... 阅读全文

posted @ 2015-09-07 09:37 happy_lion 阅读(395) 评论(0) 推荐(0) 编辑

2015年5月

ndk+opencv安装＋各种错误分析（新版安装，编译不需要Cygwin 和Sequoyah了）

摘要：鼓捣了两三天，终于成功算跑通了一个简单的程序。下面说说具体的安装：因为从同学那里拷过来的eclipse 就有adt cdt 的插件。所以这两个就不用再安装了。（需要的话自己安装）具体说下安装过程：把从官网下载下来的“android-ndk-r10c-windows-x86_64.exe”放到“D:\“目录下面，然后双击安装，便会自动解压到"D:\" 。这里放到哪里解压到哪里都无所谓（之后还要转... 阅读全文

posted @ 2015-05-26 16:53 happy_lion 阅读(1474) 评论(0) 推荐(0) 编辑

java继承的一些问题

摘要：如果在父类中，你声明了一个静态变量。然后你有两个子类继承了这个父类。我们想看看这两个子类调用继承的父类的类变量a是不是同一个值。这时候注意，我们在子类的时候不能重写static int a = a+2; 因为你一旦这样重写了，那么这个子类的a肯定就不是父类的那个a了，那么这时候你想得写成a=a+2... 阅读全文

posted @ 2015-05-21 20:45 happy_lion 阅读(565) 评论(0) 推荐(0) 编辑

2015年2月

【deep learning精华部分】稀疏自编码提取高阶特征、多层微调完全解释及代码逐行详解

摘要：我们前面已经讲了如何训练稀疏自编码神经网络，当我们训练好这个神经网络后，当有新的样本输入到这个训练好的稀疏自编码器中后，那么隐藏层各单元的激活值组成的向量就可以代表（因为根据稀疏自编码，我们可以用来恢复），也就是说就是在新的特征下的特征值。每一个特征是使某一个取最大值的输入。假设隐藏层单元有200个... 阅读全文

posted @ 2015-02-03 14:55 happy_lion 阅读(15821) 评论(3) 推荐(4) 编辑

2015年1月

【machine learning通俗讲解code逐行注释】之线性回归实现

摘要：现在机器学习算法在分类、回归、数据挖掘等问题上运用的十分广泛，对于初学者来说，可能一听到'算法'或其他的专属名词都感觉高深莫测，以致很多人望而却步，这让很多人在处理很多问题上失去了一个很有用的工具。机器学习的算法并没有那么高深，这里我就用最通俗的语言来细致解释算法的表达的意义，，并且很多人对程序的实... 阅读全文

posted @ 2015-01-18 22:24 happy_lion 阅读(1810) 评论(0) 推荐(0) 编辑

softmax实现（程序逐句讲解）

摘要：上一个博客已经讲了softmax理论部分，接下来我们就来做个实验，我们有一些手写字体图片（28*28），训练样本（train-images.idx3-ubyte里面的图像对应train-labels.idx1-ubyte）和测试样本（t10k-images.idx3-ubyte里面的图片对应t10k... 阅读全文

posted @ 2015-01-15 11:29 happy_lion 阅读(17223) 评论(2) 推荐(1) 编辑

softmax回归（理论部分解释）

摘要：前面我们已经说了logistic回归，训练样本是，（且这里的是d维，下面模型公式的x是d+1维，其中多出来的一维是截距横为1，这里的y=±1也可以写成其他的值，这个无所谓不影响模型，只要是两类问题就可以），训练好这个模型中参数θ以后（或者是这个模型，这俩是一个模型），然后给入一个新的，我们就可以根据... 阅读全文

posted @ 2015-01-12 20:49 happy_lion 阅读(9510) 评论(0) 推荐(2) 编辑

公告