Centos7：Failed to start LSB: Bring up/down networking
一开始配置的ifcfg-ens33 [root@cdh-141 ~]# cd /etc/sysconfig/network-scripts/
[root@cdh-141 network-scripts]# ls
ifcfg-ens33 ifdown-post ifup-aliases ifup-post inactive
ifcfg-lo ifdown-ppp ifup-bnep ifup-ppp init.ipv6-glo
TensorFlow的最近邻算法
'''
A nearest neighbor learning algorithm example using TensorFlow library.
This example is using the MNIST database of handwritten digits
(http://yann.lecun.com/exdb/mnist/)
Author: Aymeric Damien
Project: https://github.com/aymericdamien/TensorFl
TensorFlow构建K-Means分类器
""" K-Means.
Implement K-Means algorithm with TensorFlow, and apply it to classify
handwritten digit images. This example is using the MNIST database of
handwritten digits as training samples (http://yann.lecun.com/exdb/mnist/).
Note: This example
TensorFlow构建Random Forest分类器
""" Random Forest.
Implement Random Forest algorithm with TensorFlow, and apply it to classify
handwritten digit images. This example is using the MNIST database of
handwritten digits as training samples (http://yann.lecun.com/exdb/mnist/).
Auth
错误AttributeError: module 'urllib' has no attribute 'urlretrieve'
使用TensorFlow从Wikipedia数据构建Word嵌入模型时报错如下： AttributeError: module 'urllib' has no attribute 'urlretrieve' 查了查原因，是python3中使用urlretrieve时应该加.request，即： urllib.urlretrieve改为urllib.request.urlretrieve即可解决
TensorFlow从Wikipedia数据构建Word嵌入模型
""" Word2Vec.
Implement Word2Vec algorithm to compute vector representations of words.
This example is using a small chunk of Wikipedia articles to train from.
References:
- Mikolov, Tomas et al. "Efficient Estimation of Word Representations
LeetCode使用简介
转载自http://blog.csdn.net/tostq 又到了一年毕业就业季了，三年前的校招季我逃避了，可这一次终于还是要轮到我了=_=||。 作为要准备踏入码农行业的人来说，要准备校招，怎么能不去刷刷LeetCode呢？ LeetCode收录了许多互联网公司的算法题目，被称为刷题神器，我虽然早有耳闻，不过却一直没有上面玩过。即使这一年多来，做的编程还是挺多的，不过毕竟不是计算机专业的科班出身，在编程过程中土路子实在太多了，有时不仅写得煎熬，而且书写很多时候都非常不规范。所以就决定在找工作
LeetCode刷题之求两数之和
题目： 给定一个整数数组和一个目标值，找出数组中和为目标值的两个数。 你可以假设每个输入只对应一种答案，且同样的元素不能被重复利用。 示例： 给定 nums = [2, 7, 11, 15], target = 9 因为 nums[0] + nums[1] = 2 + 7 = 9 所以返回 [0, 1] 解决思路： 1.遍历两次列表，然后判断遍历得到的数之和是否等于目标值，是：返回，否：继续遍历 2.遍历一次列表，利用减法，判断另一个数是否在列表中，是：返回，否：继续。 二者对比，第一种思路遍
Django加密算法
Django 内置的User类提供了用户密码的存储、验证、修改等功能，可以很方便你的给用户提供密码服务。 默认的Ddjango使用pbkdf2_sha256方式来存储和管理用的密码，当然是可以自定义的。 Django 通过PASSWORD_HASHERS 设置选择要使用的算法。下面有一个列表，列出了Django 支持的哈希算法类。列表的第一个元素 (即settings.PASSWORD_HASHERS[0]) 会用于储存密码， 所有其它元素都是用于验证的哈希值，它们可以用于检查现有的密码。意思
stm32实现简易程序在线更新的原理简述
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Andy123321aa/article/details/53106117 stm32要想更新程序，一般的做法就是用j-link或者串口下载。那可不可以实现不限通信方式，实现在线更新呢？ 为了实现在线更新的这个功能，我写了一段简易的类似BootLoader的程序。原理就是在应用程序执行之前添加一段代码，可以选择一种通信方式来接收新的应用编译完成生成的bin文件，然后固化到flash中，并跳转到应用
STM32Cube 简单实验的翻译
6.1 创建一个新的STM32CubeMX工程 1.在开始菜单中选择File>New Project或者在欢迎界面中选择New Project 2.选择MCU Selector tab 然后进入STM32 芯片集选择对应型号的设备 3.选择MCU并点击OK 用MCU信息填充的STM32CubeMX视图： 通过对Window> Outputs 的取消选择，清除MCU的选择按钮窗口 6.2 配置MCU引脚输出 关于对菜单的细节描述，高级的作用和复杂的解决方法，参考其他 1.默认的，STM32Cub
Bubble Cup 11 - Finals [Online Mirror, Div. 2], problem (H) Palindrome Pairs 字符处理优化
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Andy123321aa/article/details/83590033 此题是字符处理，两两枚举判断时间复杂度为O(n2)，不能满足要求，可以利用小写字母只有26个可以优化时间复杂度。如果字符串字母都为偶数或者只有一个字母为奇数，则两两符合条件。统计每个字符串奇数字母并记录再根据上述条件求解即可，时间复杂度为O(n)。 ac代码： #include <bits/stdc++.h>
#defin
Codeforces Round #510 (Div. 2), problem (D) Petya and Array 分治
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Andy123321aa/article/details/83590255 本题如果采用两层for循环遍历每个l和r，时间复杂度为O(n2)，将会超时。所以可以采用分治的算法，将数组二分递归，完成一个分支之后将此次l和r之间的数进行排序，目的是能以O(n)的时间复杂度统计出此分支符合要求的个数。 ac代码： #include <bits/stdc++.h>
#define FOR(I,A,B) f
Codeforces Round #511 (Div. 2), problem: (C) Enlarge GCD 数论
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Andy123321aa/article/details/83590285 思路大体是先找到an取值范围内的质数并保存，求出输入的数据中最大公倍数并将a数组都除以最大公倍数，然后遍历an的取值范围（从2开始，1不算），如果是质数就统计这个质数和它的倍数，就是使最小公倍数增加所需要去掉的数的个数，遍历过程中取最小值即可。并注意判定特殊情况。这个方法几乎要超时了似乎有更好的办法，但是我没想到。 ac代
Codeforces Round #517 (Div. 2), problem (D) Minimum path 贪心
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Andy123321aa/article/details/83689197 本题运用贪心算法，需要按照字典序输出路径，路径包含2n-1个字符，只需要按正序求出当前情况下的最优解即可。需要注意的是当最优解相同的时候需要保留剩余更改次数更大的那个路径。 在求解本题的过程中由于构思的偏差出现了Runtime error、Memory limit exceeded等错误。在这里记录一下错误原因。 Runt
Educational Codeforces Round 51 (Rated for Div. 2), problem: (D) Bicolorings（DP）
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Andy123321aa/article/details/83745136 每加一列的组合个数可以递推得到，显然具有最优子结构，可用DP的方法。每加一列有四种可能的情况，所以状态转移方程为： dp[i][j][0]=(dp[i-1][j][0]+dp[i-1][j][1]+dp[i-1][j][2]+dp[i-1][j-1][3])%998244353 dp[i][j][1]=(dp[i-1][j
深度学习入门项目完整流程——图片制作数据集、训练网络、测试准确率（TensorFlow+keras）
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Andy123321aa/article/details/83927168 首先将训练的图片和标签制作成数据集，我用的是numpy库里的savez函数，可以将numpy数组保存为.npz文件（无压缩，所以文件较大）。 import cv2 as cv
import numpy as np
import os
import glob
#调整图像的大小、制作数据集
def img_process(s
深度学习调试网络时常用的优化算法总结
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Andy123321aa/article/details/84143163 自己的小项目在实际调试中出现过的优化模型的算法，这里做一个总结。 1、 学习率调整（避免欠拟合） 2、 正则化（避免过拟合） 3、 Dropout（避免过拟合） 4、 提前终止（避免过拟合） 学习率调整： 在训练网络的时候，已不变的学习率学习往往不能找到最优解，从而使loss值不在下降，可以使用动态学习率调整的方法，也就是
今日推荐
周排行