摘要：
目錄 1. 軟件安裝 2 Sample源文件下載： 3. 生成步驟 3.1 使用doxygen生成html文件 3.2 使用docsetutil 生成 dash/Zeal 格式 1. 軟件安裝： 1. brew install doxygen 2. brew install swiftdocorg/ 閱讀全文
posted @ 2021-12-14 12:25
龔細軍
閱讀(251)
評論(0)
推薦(0)
摘要：
使用這個allow_user_poisoning=0，來取消 以這個例子為例： // example1.cpp // use-after-poison error #include <stdlib.h> extern "C" void __asan_poison_memory_region(void 閱讀全文
posted @ 2021-11-05 13:23
龔細軍
閱讀(769)
評論(1)
推薦(1)
摘要：
#!/usr/bin/env python # -*- coding: utf-8 -*- from __future__ import absolute_import from __future__ import print_function from __future__ import unic 閱讀全文
posted @ 2021-01-28 11:15
龔細軍
閱讀(309)
評論(0)
推薦(0)
摘要：
NN[神經(jīng)網(wǎng)絡(luò)]中embedding的dense和sparse是什么意思？ dense 表示稠密，在embedding中的dense時： 假設(shè)我們有這樣一個句子： “北京是北京”，我們將其數(shù)值化表示為： dense embedding，需要你講它轉(zhuǎn)換成onehot表示： 假設(shè)embedding對輸出 閱讀全文
posted @ 2020-06-09 18:51
龔細軍
閱讀(5488)
評論(0)
推薦(1)
摘要：
docker重啟發(fā)現(xiàn)出現(xiàn)如下信息： time="2020-02-27T22:22:23.175963637+08:00" level=info msg="libcontainerd: new containerd process, pid: 24984" time="2020-02-27T22:22 閱讀全文
posted @ 2020-02-27 22:54
龔細軍
閱讀(547)
評論(0)
推薦(0)
摘要：
結(jié)果： 閱讀全文
posted @ 2020-01-08 14:57
龔細軍
閱讀(1042)
評論(0)
推薦(0)
摘要：
使用小批量數(shù)據(jù)時，模型容易過擬合，所以需要對全量數(shù)據(jù)進行處理，我是用的是word2vec訓(xùn)練的詞向量. 那么訓(xùn)練好對詞向量如何加載呢？ 閱讀全文
posted @ 2019-12-05 12:11
龔細軍
閱讀(1004)
評論(2)
推薦(0)
摘要：
問題描述： 沒錯，發(fā)生了段錯誤，使用gdb 跟蹤信息，也沒找到，也就是無法使用多進程，只能串行. 解決方案： 閱讀全文
posted @ 2019-09-03 18:51
龔細軍
閱讀(509)
評論(0)
推薦(0)
摘要：
將多個模型部署到同一個服務(wù)時，會出現(xiàn)stack錯誤. 原因是program為全局. 改成這樣，可以解決. solved by myself. for those who need it:use a new scope for every model scope = fluid.Scope() wit 閱讀全文
posted @ 2019-06-11 12:22
龔細軍
閱讀(1021)
評論(0)
推薦(0)
摘要：
最近在做分布式模型實現(xiàn)時,使用到了這個函數(shù). 可以說非常體驗非常的好. 速度非常快，效果和softmax差不多. 我們知道softmax在求解的時候，它的時間復(fù)雜度和我們的詞表總量V一樣O(V),是性線性的，從它的函數(shù)方程式中，我們也可以很容易得出: softmax: f(x) = e^x / su 閱讀全文
posted @ 2019-01-10 15:55
龔細軍
閱讀(1017)
評論(1)
推薦(1)
摘要：
std::nothrow 意思是說，不要跑出異常，改為返回一個nullptr. 一般的使用場景是，建議new的時候使用，避免使用try catch來捕捉異常. 比如： 閱讀全文
posted @ 2019-01-05 16:00
龔細軍
閱讀(1901)
評論(0)
推薦(0)
摘要：
結(jié)果： 閱讀全文
posted @ 2018-12-25 19:21
龔細軍
閱讀(2476)
評論(0)
推薦(1)
摘要：
雅克比迭代，一般用來對線性方程組，進行求解。形如： $a_{11} x_{1} + a_{12} x_{2} + a_{13} x_{3} = b_{1}$ $a_{21} x_{1} + a_{22} x_{2} + a_{23} x_{3} = b_{2}$ $a_{31} x_{1} + a_ 閱讀全文
posted @ 2018-12-20 14:52
龔細軍
閱讀(5376)
評論(0)
推薦(0)
摘要：
思想： （1） 對于一個nxm的數(shù)組，使用N個work進行處理. (2) 先按行對數(shù)組進行升序和降序排序【由左至右】，一般奇數(shù)序列work升序，偶數(shù)序號的work進行降序 （3）再按列對數(shù)組進行升序排序【由上至下】 （4）當(dāng)數(shù)據(jù)不再發(fā)生變化時，終止退出. c++ / Version : ?? Fil 閱讀全文
posted @ 2018-12-18 16:04
龔細軍
閱讀(1008)
評論(0)
推薦(0)
摘要：
問題 對多維度特征進行topk排序，使用c++ 優(yōu)先隊列模擬最大堆. c++ / Version : ?? File Name : dm2.py Description : Author : xijun1 Email : Date : 2018/12/7 Change Activity : 2018 閱讀全文
posted @ 2018-12-12 11:40
龔細軍
閱讀(528)
評論(0)
推薦(0)
摘要：
使用tensorflow批次的讀取預(yù)處理之后的文本數(shù)據(jù)，并將其分為一個迭代器批次： 比如此刻，我有一個處理之后的數(shù)據(jù)包： data.csv shape =(8,10)，其中這個結(jié)構(gòu)中，前五個列為feature , 后五列為label 現(xiàn)在我需要將其分為4個批次： 也就是每個批次batch的大小為2 閱讀全文
posted @ 2018-11-30 18:14
龔細軍
閱讀(3006)
評論(0)
推薦(0)
摘要：
在python中，命令行接口常用的argparse 和click,但是相對于python-fire 來說靈活度太缺了，fire可以直接將python中的函數(shù)，以命令行顯示. 簡單的介紹幾個例子： 執(zhí)行的格式為： python 如果fire.Fire()沒有指定名稱時： 需要在執(zhí)行命令行時，帶入函數(shù)名 閱讀全文
posted @ 2018-11-30 10:48
龔細軍
閱讀(1600)
評論(0)
推薦(0)
摘要：
樣例： 我愛使用小米手機玩王者榮耀 -> 我<S>愛<S>使<B>用<E>小<B>米<M>手<M>機<E>玩<S>王<B>者<M>榮<M>耀<E> 樣例： 我愛使用小米手機玩王者榮耀 -> 我<S>愛<S>使<C>用<S>小<C>米<C>手<C>機<S>玩<S>王<C>者<C>榮 閱讀全文
posted @ 2018-11-29 19:34
龔細軍
閱讀(1382)
評論(0)
推薦(0)
摘要：
這種問題是，對于每一個變量 variable 由于是基于protobuf存在這大小限制(2G),這個時候，我們需要將embedding拆開，拆分成N等分，來使得每一個 variable都在2G以下; 結(jié)果為: 閱讀全文
posted @ 2018-11-21 16:35
龔細軍
閱讀(2380)
評論(1)
推薦(0)
摘要：
當(dāng)我們在build一個文件時，需要另外的放置cache時，我們需要： bazel --output_user_root=/path/to/directory build //foo:bar 閱讀全文
posted @ 2018-11-14 10:50
龔細軍
閱讀(371)
評論(0)
推薦(0)
摘要：
最近感覺對EM算法有一點遺忘，在表述的時候，還是有一點說不清，于是重新去看了這篇<CS229 Lecture notes>筆記. 于是有了這篇小札. 關(guān)于Jensen's inequality不等式: Corollary(推論)： 如果函數(shù)f(x)為凸函數(shù),那么在 f(x) 上任意兩點X1,X2所作 閱讀全文
posted @ 2018-10-17 18:17
龔細軍
閱讀(1040)
評論(0)
推薦(0)
摘要：
目錄： 4. 評估N-gram的模型. 前言： N-gram是機器學(xué)習(xí)中NLP處理中的一個較為重要的語言模型，常用來做句子相似度比較，模糊查詢，以及句子合理性，句子矯正等. 再系統(tǒng)的介紹N-gram前，我們先了解一下這幾種概率. 正文： 1、聯(lián)合概率介紹： 形如：p(W1,....,Wn); 表示的 閱讀全文
posted @ 2018-06-13 17:25
龔細軍
閱讀(10043)
評論(0)
推薦(1)
摘要：
1. 我們要重啟這個鏡像，需要知道這個鏡像ID，類似這個： 那么你可以跳過下面的這個步驟: 1. 我們先找到docker 的存放位置，默認的docker 鏡像防止在/var/lib/docekr 位置,但是一般來說var的目錄比較小，如果我們存的image鏡像比較大的話，可能需要修改默認存儲地址，這 閱讀全文
posted @ 2018-05-08 10:09
龔細軍
閱讀(3479)
評論(0)
推薦(0)
摘要：
caffe這個框架設(shè)計的比較小巧精妙，它采用了protobuf來作為交互的媒介，避免了繁重的去設(shè)計各個語言的接口，開發(fā)者可以使用任意語言通過這個protobuf這個媒介，來運行這個框架. 我們這里不過多的去闡述caffe的過往以及未來，只是簡單的描述一下，caffe框架中的protobuf的作用，以 閱讀全文
posted @ 2018-05-02 16:43
龔細軍
閱讀(2581)
評論(0)
推薦(0)
摘要：
少說廢話，每一步都經(jīng)過驗證： 1. 首先查看一下當(dāng)前使用的linux版本: gxjun@gxjun:~$ uname -r4.8.0-59-generic 2. 將360wifi插入PC的USB中，然后輸入： 注明： 如果不確定那個是360wifi的網(wǎng)卡型號，可以先不插入260wifi,輸入lsus 閱讀全文
posted @ 2018-04-07 23:06
龔細軍
閱讀(1835)
評論(0)
推薦(0)
摘要：
##TF-IDF TF（詞頻）: 假定存在一份有N個詞的文件A，其中‘明星‘這個詞出現(xiàn)的次數(shù)為T。那么 TF = T/N; 所以表示為： 某一個詞在某一個文件中出現(xiàn)的頻率. TF-IDF(詞頻-逆向文件頻率)： 表示的詞頻和逆向文件頻率的乘積. 比如： 假定存在一份有N個詞的文件A，其中‘明星‘這個 閱讀全文
posted @ 2018-03-29 23:26
龔細軍
閱讀(3438)
評論(0)
推薦(0)
摘要：
注意：論文中，很多的地方出現(xiàn)baseline,可以理解為參照物的意思，但是在論文中，我們還是直接將它稱之為基線， 也就是對照物，參照物. 這片論文中，作者沒有去做實際的實驗，但是卻做了一件很有意義的事，他收羅了近些年所有推薦系統(tǒng)中涉及到深度學(xué)習(xí)的文章 ，并將這些文章進行分類，逐一分析，然后最后給出了 閱讀全文
posted @ 2018-01-19 15:38
龔細軍
閱讀(2137)
評論(0)
推薦(1)
摘要：
我們有時候在對組數(shù)進行操作時候，偶爾會出現(xiàn)這個問題. 比如： 會出現(xiàn)這個問題： 這個問題的原因是object沒有l(wèi)og操作：上述操作等同于 將object對象，改成base類型就可以了. 結(jié)果： 完. 閱讀全文
posted @ 2018-01-05 11:47
龔細軍
閱讀(4210)
評論(0)
推薦(0)
摘要：
今天寫了部分代碼，在添加到項目中后就那些編譯，出現(xiàn)問題如下： 部分源代碼: 剛開始以為是makefile 沒有寫好，仔細核對后，發(fā)現(xiàn)原來繼承類Layer用的模板類，在繼承的時候沒有指定類型。而造成這個錯誤. 耽誤好幾個小時，跪. 改為這個之后，順利通過，記錄下這個有趣的過程. 完. 閱讀全文
posted @ 2017-12-25 18:12
龔細軍
閱讀(770)
評論(0)
推薦(0)
摘要：
無論是深度學(xué)習(xí)還是機器學(xué)習(xí)，大多情況下訓(xùn)練中都會遇到這幾個參數(shù)，今天依據(jù)我自己的理解具體的總結(jié)一下，可能會存在錯誤，還請指正. learning_rate , weight_decay , momentum這三個參數(shù)的含義. 并附上demo. 我們會使用一個例子來說明一下： 比如我們有一堆數(shù)據(jù)，我們 閱讀全文
posted @ 2017-12-15 11:18
龔細軍
閱讀(11669)
評論(1)
推薦(1)
摘要：
哇塞，好久么有跟進mxnet啦，python改版了好多好多啊，突然發(fā)現(xiàn)C++用起來才是最爽的. 貼一個mxnet中的C++Example中的mlp網(wǎng)絡(luò)和實現(xiàn)，感覺和python對接毫無違和感。真是一級棒吶. 結(jié)果： poch 18900 Accuracy: 0.703125epoch 19000 A 閱讀全文
posted @ 2017-12-08 16:11
龔細軍
閱讀(6799)
評論(5)
推薦(0)
摘要：
在沒有出現(xiàn)sppnet之前，RCNN使用corp和warp來對圖片進行大小調(diào)整，這種操作會造成圖片信息失真和信息丟失。sppnet這個模型推出來之后（關(guān)于這個網(wǎng)絡(luò)的描述，可以看看之前寫的一篇理解：http://www.rzrgm.cn/gongxijun/p/7172134.html），rg大 閱讀全文
posted @ 2017-10-23 17:49
龔細軍
閱讀(9114)
評論(0)
推薦(0)
摘要：
參考資料： 對偶函數(shù)-http://blog.pluskid.org/?p=702 KTT和拉格朗日乘子-http://www.rzrgm.cn/zhangchaoyang/articles/2726873.html SVM推倒：http://blog.sina.com.cn/s/blog_4 閱讀全文
posted @ 2017-10-20 18:27
龔細軍
閱讀(859)
評論(0)
推薦(0)
摘要：
附上y=2x-b擬合的簡單的代碼. 閱讀全文
posted @ 2017-09-12 15:55
龔細軍
閱讀(1179)
評論(1)
推薦(0)
摘要：
這里記錄下一些關(guān)于牛頓法來作為優(yōu)化器的個人筆記 ：） 關(guān)于牛頓法，先不說其中的概念，來簡單看一個例子？ 不用計算器，如何手動開一個值的平方根，比如計算{sqrt(a) | a=4 } ？ 不用程序和代碼如何求？ 比較簡單有木有，直接上用公式來套就好了. xt = ( xt-1 + ( a / xt- 閱讀全文
posted @ 2017-09-08 19:29
龔細軍
閱讀(690)
評論(0)
推薦(0)
摘要：
對于不同類型的模型，會有不同的評估指標(biāo)，那么我們從最直接的回歸和分類這兩個類型，對于結(jié)果連續(xù)的回歸問題， 一般使用的大致為:MSE(均方差),MAE（絕對平均差）,RMSE(根均方差)這三種評估方法，這三種方式公式此處補貼出來。 對于離散的分類問題，我們一般看ROC曲線，以及AUC曲線，一般好的模型 閱讀全文
posted @ 2017-08-29 17:56
龔細軍
閱讀(1542)
評論(0)
推薦(0)
摘要：
linux相關(guān)問題： １．這幾天在使用烏班圖時，出現(xiàn)文件夾打開一閃而過現(xiàn)象，于是我試著使用命令行來啟動： 出現(xiàn)下面這一堆錯誤(error_info)： 解決方法： 使用這種命令打開nautilus,正常啟動了文件夾，然后使用上面命令也可以開啟文件夾了，在桌面也可以點開文件夾了，唉，莫名其妙的就解決了 閱讀全文
posted @ 2017-08-28 10:03
龔細軍
閱讀(1279)
評論(0)
推薦(0)
摘要：
PIL 全稱:Pillow 在使用PIL4.2.1版本讀取jpeg文件時，報cannot identify image file，去github源查找原因：https://github.com/python-pillow/Pillow/issues/2628 ，感覺坑比較大，所以回避了這個版本 重新 閱讀全文
posted @ 2017-08-10 10:42
龔細軍
閱讀(371)
評論(0)
推薦(0)
摘要：
我們使用一個三層的小網(wǎng)絡(luò)來，模擬函數(shù)y = x^3+b函數(shù) 1 import tensorflow as tf 2 import numpy as np 3 import matplotlib.pyplot as plt 4 5 #訓(xùn)練數(shù)據(jù) 6 x_data = np.linspace(-6.0,6 閱讀全文
posted @ 2017-08-02 14:56
龔細軍
閱讀(913)
評論(0)
推薦(0)
摘要：
前言： 對于深度學(xué)習(xí)來說，各種框架torch,caffe,keras,mxnet,tensorflow,pandapanda環(huán)境要求各一，如果我們在一臺服務(wù)器上部署了較多的這樣的框架，那么各種莫名的沖突 會一直伴隨著你，吃過很多次虧之后，慢慢的接觸了Anaconda，真的是很爽的一個功能，來管理環(huán)境 閱讀全文
posted @ 2017-07-17 15:16
龔細軍
閱讀(1964)
評論(0)
推薦(0)
浙公網(wǎng)安備 33010602011771號