je22精品文章

• 

  Python標(biāo)準(zhǔn)庫(kù)系列之模塊介紹

  ...如下演示： 創(chuàng)建一個(gè)腳本文件，名稱為scripts [root@iZ28i253je0Z ~]# touch scripts.py 內(nèi)容為 #!/usr/bin/env python # _*_ coding:utf-8 _*_ # 導(dǎo)入一個(gè)模塊re import re # 輸出匹配到的字符串a(chǎn)bc print(re.match(w+,abc).group()) 執(zhí)行腳本 [root@iZ2...

  v1 2019-07-25 11:26 評(píng)論0 收藏0
• 

  IPFS 使用全記錄

  .../.go-ipfs generating 2048-bit RSA keypair...done peer identity: QmQQ5t88W44Je5WgvmgpV1xSZTg1y5UXdYFHcQQ7EayxwR to get started, enter: ipfs cat /ipfs/QmYwAPJzv5CZsnA625s3Xf2nemtYgPpHdWEz79ojWnPbd...

  yagami 2019-06-27 18:52 評(píng)論0 收藏0
• 

  分享代碼片段：編程式、方便地直接對(duì)jar/war包進(jìn)行寫入的工具

  ...if (mergingFiles == null || mergingFiles.isEmpty()) { JarEntry je = new JarEntry(origJarEntry.getName()); je.setTime(origJarEntry.getTime()); targetWarStream.put...

  genefy 2019-08-14 12:22 評(píng)論0 收藏0
• 

  【DL-CV】損失函數(shù)，SVM損失與交叉熵?fù)p失

  ...數(shù)，這是一種壓縮函數(shù)，實(shí)現(xiàn)歸一化的$$P(s)={e^{s_k}over sum_je^{s_j}}$$Softmax函數(shù)接收一組評(píng)分輸出s（有正有負(fù)），對(duì)每個(gè)評(píng)分sk進(jìn)行指數(shù)化確保正數(shù)，分母是所有評(píng)分指數(shù)化的和，分子是某個(gè)評(píng)分指數(shù)化后的值，這樣就起到了歸一化...

  thekingisalwaysluc 2019-06-26 18:31 評(píng)論0 收藏0
• 

  【DL-CV】損失函數(shù)，SVM損失與交叉熵?fù)p失

  ...數(shù)，這是一種壓縮函數(shù)，實(shí)現(xiàn)歸一化的$$P(s)={e^{s_k}over sum_je^{s_j}}$$Softmax函數(shù)接收一組評(píng)分輸出s（有正有負(fù)），對(duì)每個(gè)評(píng)分sk進(jìn)行指數(shù)化確保正數(shù)，分母是所有評(píng)分指數(shù)化的和，分子是某個(gè)評(píng)分指數(shù)化后的值，這樣就起到了歸一化...

  DevTalking 2019-07-30 17:23 評(píng)論0 收藏0
• 

  make_fcountext、jump_fcontext

  ...不說下C函數(shù)調(diào)用過程 具體相見這篇文章https://blog.csdn.net/jelly_9/article/details/53239718 子程序或者稱為函數(shù)，在所有語言中都是層級(jí)調(diào)用，比如A調(diào)用B，B在執(zhí)行過程中又調(diào)用了C， C執(zhí)行完畢返回，B執(zhí)行完畢返回，最后是A執(zhí)行完畢。 ...

  silencezwm 2019-07-01 12:46 評(píng)論0 收藏0
• 

  自定義類加載器-從.class和.jar中讀取

  ... * lib:表示加載的文件在jar包中 * 類似tomcat就是{PROJECT}/WEB-INF/lib/ */ private String lib; /** * classes:表示加載的文件是單純的class文件 * 類似tomcat就是{PROJECT}/WEB-INF/classes/ */ p...

  Jackwoo 2019-08-14 17:46 評(píng)論0 收藏0
• 

  【DL-CV】反向傳播，（隨機(jī)）梯度下降

  ...$共有N個(gè)樣本，其中第i個(gè)樣本帶來的損失是：$$L_i=log (sum_je^{s_{ij}})-s_{{iy_i}}$$當(dāng) j!=yi 時(shí)：$${partial L_iover partial s_{ij}}={e^{s_{ij}}over sum_je^{s_{ij}}}$$當(dāng) j==yi 時(shí)：$${partial L_iover partial s_{ij}}={e^{s_{ij}}...

  missonce 2019-06-26 18:31 評(píng)論0 收藏0