05 2017 档案
摘要：1.如何降低过拟合 答：过拟合是参数过多造成训练集准确率较高，但验证集或测试集准确率较低的情况，即过度拟合训练集数据。增加网络的深度和宽度都会增加参数量，像vgg那样3层3x3网络替代一个7层，既增加网络的深度 又减少参数量的方式是一种很好的方式。同一个网络增加训练数据量，即data augment
阅读全文
摘要：http://www.jianshu.com/p/21ebca8cadf6 苹果为了控制应用的开发与发布流程，制定了一套非常复杂的机制。这里面的关键词有：个人开发者账号，企业开发者账号，bundle ID，开发证书，发布证书（又叫“生产证书”），开发描述文件，发布描述文件，推送证书等...。初级开发
阅读全文
摘要：Deployment Target，它控制着运行应用需要的最低操作系统版本。
阅读全文
摘要：int a[n] = {0};
阅读全文
摘要：自己的写法 更简洁的代码 用循环的方法做： 注意一个问题，end只能等于mid - 1，不能等于mid，同样begin只能等于mid + 1，不能等于mid。如果换成mid，当只有两个数的时候，会陷入死循环！
阅读全文
摘要：错误写法 整个代码的return都是在if条件下return的，但万一都不满足if条件，就没有了return。
阅读全文
摘要：错误代码: 最后两个if语句的目的是，最后一次迭代，两个链表中剩下的直接连接最后一次比较的数值，同时也是迭代停止的标志。虽然大if语句中比较大小得到的Node是正确的值，但每次迭代只要pHead2不为NULL都要改变正确的Node值为pHead2的值。
阅读全文
摘要：错误写法： else if这一句会报错，else if应该是紧跟在if语句后面，中间不能插入其他语句，不然else if不知道之前的if是哪一个。 正确写法： 这里要强调一下else if与if 的不同。这段代码，把else if换成if也是正确的，但并不代表else if和if是一样的。 现在假设
阅读全文
摘要：不管第一次还是第二次APP上线都需要三样东西：开发者证书，appID，描述文件
阅读全文
摘要：这个代码会报错 修改为： 或者修改为
阅读全文
摘要：段错误:您的程序发生段错误，可能是数组越界，堆栈溢出（比如，递归调用层数太多）等情况引起 这个错误自己经常犯，目前有以下两种情况： 1.vector为空，去访问a[i]，即vector中的某一个位置的值 2.二叉树指针为NULL，却去访问左右节点，类似tree->left。所以在访问前的前提条件，一
阅读全文
摘要：这个题的错误和c++ primier中名字的作用域例子相似。只是这里将int换成了vecto<int>这种形式。 这个代码报“段错误:您的程序发生段错误，可能是数组越界，堆栈溢出（比如，递归调用层数太多）等情况引起”的错误。 在else里新建了一个局部变量B，覆盖了全局变量。但两个for语句访问的B
阅读全文
摘要：这是整个调试， for (int i:s) cout<<i<<endl;这句话是c++11特性下的一种遍历方式 在编译的时候需要加-std=c++11，即g++ 41.cpp -std=c++11 如果不加就会报错，因为这是c++11的特性 这个题目还可以直接把第一个求出来作为结果，但是这种情况有个
阅读全文
摘要：随着C++11标准的出现，vector出现了新的初始化和遍历用法，但是vs2010和较高版本并没有能完全支持C++11标准，所以我就将它的所有的用法归纳了一下。 vector的初始化 vector基本初始化如下： vector< T >v1 v1是一个空的vector vector< T >v2(v
阅读全文
摘要：剑指上用了指针传递，这里用的引用传递
阅读全文
摘要：牛客上要求返回乘积最小的，实际上不用麻烦去写另外一个函数，第一次找到两个数字的乘积就一定是最小的。 在调试程序时也遇到两个问题： 1.既然用到了vector容器，头文件就应该声明#include<vector> 2.vector的初始化的一种方式： int b[] = {1,2,3,4,5,6,7,
阅读全文
摘要：一般来说C++中参数传递有三种方式：值传递、指针传递、引用传递 1.值传递——传值 值传递是最常见的一种参数传递的方式，但是对初学者来说也最容易出错。如下例： #include<iostream.h> void fun(int a,int b) { int temp; temp=a; a=b; b=
阅读全文
摘要：(num&1) == 0这里必须打上括号，因为==的优先级高于& return num&1可以不打括号
阅读全文
摘要：1.全局变量可以在最后去定义并初始化，不一定非要在开头 2.此题有一种特殊情况需要考虑，比如字符串是“aa”，那输出应该是“aa”，而不是“aa，aa”，即相同的不输出。实现这个处理用了c++中的容器set，set不保存重复元素。在存储的时候，遇到相同的元素，set不会把相同的元素保存进set。cl
阅读全文
摘要：http://blog.csdn.net/zhangjunbob/article/details/52769381
阅读全文
摘要：http://www.cnblogs.com/louyihang-loves-baiyan/p/4906690.html https://saicoco.github.io/object-detection-4/
阅读全文
摘要：scp有server和client Ubuntu自带了client，要做服务器的话，还需要安装scp的server 本地与远程之间文件的复制： 从 本地 复制到 远程 * 复制文件： * 命令格式： scp local_file remote_username@remote_ip:remote_fo
阅读全文
摘要：http://blog.csdn.net/xjz18298268521/article/details/52681966 https://zhuanlan.zhihu.com/p/25600546 https://zhuanlan.zhihu.com/p/24774302 http://www.my
阅读全文
摘要：在linux开发中，完全不使用第三方库的情况比较少见，通常都需要借助一个或多个函数库的支持才能完成相应功能。从程序员角度看，函数库实际上是一些头文件(.h)和库文件(.so或.a)的集合。linux下默认将头文件放到/usr/include/目录下，库文件放到/usr/lib/目录下。.so是动态库
阅读全文
摘要：随便找个boost的库： sudo find / -name libboost_random.so* 或者dpkg -S /usr/include/boost/version.hpp sudo apt-get install libboost-dev安装boost库 http://blog.csdn
阅读全文
摘要：进入python然后import caffe，如果没报错就表示安装好了
阅读全文
摘要：数据持久层、业务逻辑层、表示层 数据持久层： 持久化(Persistence)意思就是当你退出app的时候它还会存在。 dao层：DAO (Data Access Object) 数据访问对象是一个面向对象的接口. 直接操作数据库, 针对数据的增添,删除,修改,查找,具体为业务逻辑层或表示层提供数据
阅读全文
摘要：http://blog.csdn.net/shenxiaolu1984/article/details/51036677 https://zhuanlan.zhihu.com/p/24780395 http://closure11.com/rcnn-fast-rcnn-faster-rcnn%E7%
阅读全文
摘要：https://www.zhihu.com/question/51435499/answer/129379006
阅读全文
摘要：在终端输入xcodebuild -version
阅读全文
摘要：https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html
阅读全文
摘要：https://zhuanlan.zhihu.com/p/23006190?refer=xiaoleimlnote http://blog.csdn.net/bea_tree/article/details/51659263 http://blog.csdn.net/liyaohhh/article
阅读全文
摘要：softmax和sigmoid实际上都是属于logistic regression，sigmoid是二分类的lr，拟合Bernoulli distribution(二项分布)；0softmax是多分类的lr，拟合Multinomial distribution(多项分布)。 sigmoid函数可以很
阅读全文
摘要：http://blog.csdn.net/sunmenggmail/article/details/13998255
阅读全文
摘要：https://zhuanlan.zhihu.com/p/26268559 分类问题的目标变量是离散的，而回归是连续的数值。 分类问题，都用 onehot + cross entropy training 过程中，分类问题用 cross entropy，回归问题用 mean squared erro
阅读全文
摘要：https://en.wikipedia.org/wiki/Main_Page
阅读全文
摘要：知乎上关于似然的一个问题：https://www.zhihu.com/question/54082000 概率(密度)表达给定下样本随机向量的可能性，而似然表达了给定样本下参数(相对于另外的参数)为真实值的可能性。 http://www.cnblogs.com/zhsuiy/p/4822020.ht
阅读全文
摘要：http://freemind.pluskid.org/machine-learning/softmax-vs-softmax-loss-numerical-stability/ softmax 在 Logistic Regression 里起到的作用是将线性预测值转化为类别概率 1.最大似然估计通
阅读全文
摘要：维基上corss entropy的一部分 知乎上也有一个类似问题：https://www.zhihu.com/question/36307214 cross entropy有二分类和多分类的形式，分别对应sigmoid和softmax The logistic loss is sometimes c
阅读全文
摘要：http://www.cnblogs.com/rocketfan/p/4083821.html lr的损失函数是 cross entropy loss， adaboost的损失函数是 expotional loss ,svm是hinge loss，常见的回归模型通常用均方误差loss。 在神经网络中
阅读全文
