原创 解決INSTALL_FAILED_VERSION_DOWNGRADE

網上查INSTALL_FAILED_VERSION_DOWNGRADE找到很多的解決辦法,但是都是說提高versioncode值。若是兩個人開發一款app或者新拿來的機器想把apk run進去就會出現這總問題,解決辦法如下: 1、打開c

原创 Android進階之自定義控件三

事件分發攔截機制 關於事件分發與攔截機制個人覺得《Android羣英傳》一書講的比較通俗易懂,大家也可以去參考這本書,下面就講解一下個人的拙見。 事件分發攔截在我平時的工作中非常長見,我也能通過自己解決一些這方面的bug,但是一直

原创 設計模式之單例模式

示例代碼: 1、餓漢單例模式 : package com.example.imageloader; public class CEO {private static final CEO mCeo = new CEO();private

原创 hadoop配置好後找不到Browse Directory

   很弱智的問題,但是困擾了我半天,記錄下來幫助跟我一樣的新手朋友。 hadoop配置好後到瀏覽器訪問http://x.x.x.x:50070/後卻沒有發現Browse Directory,hdfs瀏覽。   解決辦法非常簡單: 鼠標

原创 《機器學習(周志華)》Chapter1 緒論 課後習題答案

表1.1 包含4個樣例,3種屬性,假設空間中有3 * 4 * 4 + 1 = 49種假設。在不考慮冗餘的情況下,最多包含k個合取式來表達假設空間,顯然k的最大值是49,每次從中選出k個來組成析合式,共​種可能。但是其中包含了很多沉餘的情況

原创 Android進階之自定義控件二

瞭解自定義控件的三大流程(measure、layout、draw) 在上一篇博客中我們大致介紹了一下View和ViewGroup,接下來我們就學習一下自定義控件的三大流程,爲我們打下夯實的基礎。(本博客主要參考《Android羣英

原创 開啓人工智能轉型之路

 當我啃完了Andrew Ng(吳恩達教授)的機器學習以及Deeplearn.ai課程之後,頓時神清 氣爽覺得自己已經踏上了人工智能這條道上,也不再是菜鳥了最起碼已經入門了。於是我決定挑戰一下kaggle, 胡亂的瀏覽了一番,發現自己懵逼

原创 Android進階之自定義控件一

心靈雞湯 自定義控件是判斷Android工程師是否是高級工程師的一項基礎指標,如果你想拿到更高的薪水,那就必須的完全掌握這項技能。如何判斷自己是否完全掌握自定義控件?其實很簡單,項目中遇到需要自定義控件的模塊是否產生過恐慌,如果你

原创 《機器學習(周志華)》Chapter1 緒論

    爲了避免自己對知識遺忘過快,所以決定對自己學習機器學習的過程做一下記錄,也希望能幫到一些初學者!1、基本術語:(非常重要)數據集:記錄每條數據,數據由屬性和屬性值組成,這樣的集合稱爲數據集合示例、樣本、特徵向量:每條記錄是關於一個

原创 《機器學習(周志華)》Chapter2 模型評估與選擇 課後習題答案

根據題意可知正例和反例各位50個樣本,題目假定的算法爲若訓練集中正例較多則爲正例,反之爲反例。1、先考慮簡單的留一法:若取得1個正例爲測試集,則剩下訓練集爲49個正例50個反例,算法預測爲反例,則與測試集預測相反。反之同樣成立,則留一法的

原创 《機器學習(周志華)》Chapter2 模型評估與選擇

    這一章幾乎把整個機器學習的工作流程都介紹了一遍,能讓讀者瞭解到如何一步步的搭建一個機器學習項目。下面先把整個流程大致的梳理一遍:一、評估方法:我們在拿到數據之後首先要處理的就是將數據劃分爲訓練集和測試集,西瓜書提供了三種方法,分別

原创 正向傳播、反向傳播推導總結

最近在看《動手學深度學習》這本書,收穫很大,在此想總結一下,方便日後回顧。也推薦大家去看看這本書。 一、正向傳播:(這裏不考慮偏差項b) 輸入層到隱藏層中間變量: 隱藏層: 輸出層: 損失項: 正則化項: 目標函數: 正向傳播

原创 卷積神經網絡

最近一直在研究卷積神經網絡,有些收穫,在此做下總結,以便日後回顧。   一、二維卷積層和多維卷積層對比總結: 二維卷積原理如下圖: 多維卷積層比二維稍微複雜一些,需要注意的是不同的輸入層採用不同的卷積核按二維卷積層計算然後求和:

原创 Linux下Pycharm、Anaconda環境配置及使用踩坑

這篇文章主要介紹了Linux下Pycharm、Anaconda環境配置及使用踩坑,小編覺得挺不錯的,現在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧 配置環境花了我一下午的時間,簡單記錄一下,希望能幫到一些

原创 《機器學習(周志華)》Chapter6 支持向量機

      支持向量機簡單總結下來就是找到一條直線能正確分類,並且類別之間的間隔最大化,先看下如何計算間隔:點到直線的距離公式(參考網址):最大化間隔即:所以支持向量機等價於求解先得式子: 上式很明顯是一個凸二次規劃問題,使用拉格朗日乘子