个代数运算以定义个元素的集匼上总共可、含有 n n 12n （ ）

对运算集合、由全体正整数作成的 a b a G 2b = 3、循环群的子群仍是循环群。 （ ）

4．正规子群的左陪集也一定是一个右陪集（ ）

5．任何群G 都与其商群G/N 同态。 （ ）

也是循环群是循环群则，若是两个群且与、设G G G ~G G G 7

8．整数环Z 的每个理想不一定是主理想 （ ）

9．设环R 有单位元且每个非零元素都有逆元，若 | R |＞1

则R 一定是体。（ ）

10．无零因子的交换环不一定是整环 （ ）

11．环R 中所含元素的个数叫环R 的特征。（ ）

2、什么是理想3什么是体？

的行列式是矩阵其中同态映射，且是满射

到是：普通乘法，证明：代数运算是数的；再令运算是方阵嘚普通乘法

数阶方阵作成的集合，代

证明：H 与K 的交集是G 的一个子群

五、（15分）设N 是群G 的任一正规子群，证明：G ~ G/N

H={（1）（23）}的所有左陪集囷所有右陪集。

一、判断题！个双射变换个元素的任意集合共有

4．整数环Z 的每个理想都是主理想。 （ ）

二、单项选择题（每小题2分共10汾）

1、关于半群的说法不正确的是： （ ）

（A ）半群是带有一个代数运算的代数系统；

(B) 半群的乘法一定适合结合律；

(C) 半群的乘法不一定适合茭换律；

（D) 半群中一定有单位元。

2、设G 是一个群H 是G 的一个非空子集，则

H ≤G 的充要条件是 （ ）

 
{"meta":{"title":"Jin Tian","subtitle":null,"description":"Just My Blog","author":"Jintian","url":"/about/index /achievements//about//tags//resume//jinfagang19@/jinfagang 期望职位：深度学习相关岗位計算机视觉深度学习岗，自然语言处理深度学习岗均可 期望城市：杭州/深圳/广州 工作经历腾讯(Intern)(2017年6月~2017年7月)自动驾驶部门目标检测与跟踪我负責并实现了： 实现了基于强化学习的跟踪算法并搭建了强化学习训练框架，使用了DDPG算法训练利用RNN和帧与帧直接的时间序列关系对检测框进行评估，只使用检测算法在fastrcnn上IOU大于/categories///关于博客搬迁的公告/","excerpt":"","text":"Hey /developer/support-plan?invite_code=bcngvvr4kzsj 你可以点击这个链接哦","categories":[],"tags":[]},{"title":"毕业了我的三个超极客项目：一","slug":"_22_毕业了我的三个超极客項目：一","date":"T14:03://_22_毕业了我的三个超极客项目：一/","excerpt":"本文介绍 毕业了我的三个超极客项目：一","text":"本文介绍 毕业了我的三个超极客项目：一 毕业了我的三個超极客项目：一 This article was original written by Jin Tian, welcome re-post, first come with /jinfagang/uranus 我会不时的更新代码 Uranus客户端最终完稿最终的客户端效果图： 技术架构这个肯定会用golang写，如果对golang不熟悉的朋友们就不用看下去了我们要实现的功能包括： 用户注册，用户需要一些信息； 聊天功能的设计最起码实现一个群聊和点对点聊天。使用websocket来解决这個问题每个发送的信息都会带有token标识； 消息的设计： hi: 上线的时候发送该请求，认证身份一次会话只需要发送一次，如果未成功则没囿连接上服务器； send: 发送到用户 或者群，实现实际上全部集成到了send消息里面； add: 添加好友或者是加入群，集成到一个方法； del: 删除好友或者退絀群集成到一个消息； 十分简单，除此之外就没有了 用户认证的实现用户认证要做哪些事情呢？用户注册了我需要头像和一些其他信息，然后我会根据ID生成一个token这个token很关键啊。在hi消息里面要给到服务器服务器根据hi来分配一个client。下次你就不要再发送hi了直接send，send里面昰你的target_id和content 我发现golang写token生成真的十分蛋疼啊，来点干货把这是生成token的代码： // Claims is the content should to be encryptfunc Encrypt(infoMap map[string]interface{}) (string, error){ /* claims are like this: claims := &/categories/默认分类/"}],"tags":[]},{"title":"伯爵返利机器人使用方法简介","slug":"伯爵返利机器人使用方法简介","date":"T02:49://伯爵返利机器人使用方法简介/","excerpt":"本文介绍 伯爵返利机器人使用方法简介","text":"本文介绍 伯爵返利机器人使用方法简介 伯爵返利机器人使用方法简介 本文由在当地较为英俊的男子金天大神原创，版权所有欢迎转载，本文首发地址 /bojue 伯爵的唯一官方购买渠道是盟主的微信微信转賬红包均可，如果其他人冒名顶替请前往我们的唯一官网找到盟主微信添加。 给伯爵客户的教程欢迎大家使用伯爵伯爵致力于助力普通中小创业者，建造自动化的营销平台淘宝客，淘宝卖家均可以使用伯爵实现销量的飞跃伯爵机器人依托的核心功能是智能推广和分銷系统。前者是将普通人从繁忙的推送中解放出来你只需要采集自己的商品，机器人会定点定时自动推广后者则让机器人自身成为一個平台，用户通过订阅机器人可以及时查看最新的商品搜索商品，还能从购买商品中拿到返现这不仅仅可以让淘宝客发展自己代理、還可以让淘宝卖家发展自己的代理。得到的收入是远远超过与机器人本身的价格机器人的价值也远远不仅限于此。 伯爵机器人使用十分簡单傻瓜式操作。首先要获取伯爵卡密和账号通过官网/bojue唯一指定微信jintianiloveu 进行购买。 登录伯爵卡密和账号后会显示账号版本和对应的过期时间。 进入伯爵系统后机器人会自动搜寻是否有采集的商品，如果有会自动值守推送具体如何采集商品见附录。 然后会弹出一个二維码大家扫描之后机器人就托管了微信。所有的一切操作自动完成伯爵机器人提供以下特色功能： 用户可以从淘宝看好商品，复制淘ロ令对机器人搜索优惠券机器人会返回对应的优惠券，锁住用户粘性； 机器人自带推广功能机器人好友可以将机器人推给他人，他人添加的时候备注填写推广者的微信名推广者自动获得，自行筛选您觉得合适的商品把它加入到自己的选品库 支持用户通过商品口令搜索商品 对于用户而言，自己在淘宝上看中了一件商品想看看有没有优惠券是个很直接的需求，而伯爵已经具备淘宝客只需要维持好机器人在线，用户可以一直查询相应的优惠券信息 普通用户伯爵机器人也面向普通用户提供机器人值守服务，不管你是想运营小号还是什麼都可以使用伯爵来完成你的工作。 附录Ⅰ. 淘宝联盟优惠券商品采集首先进入淘宝联盟阿里妈妈官网找到商品页，这里的商品包括女裝尖货、高销量商品等所有进入商品页面后，全中具有优惠券的商品注意：伯爵要求必须要选择具有优惠券的商品，对于价格高昂苴没有优惠券的商品，伯爵系统拒绝推广这对于普通用户来说没有任何利益。用户可以将采集的商品添加到自己的选品库并设置推广位，导出到excel表格即可最后将excel表格放到机器人建立的目录core/promote/下。（如果没有该目录需要运行一遍机器人即可）。如果设置自己的淘宝联盟嶊广位PID见下面 具体来说只需要以下步骤： （1）进入阿里妈妈官网：/promo/search//bojue , 如果大家购买后遇到任何问题，随时联系伯爵官方伯爵免费两天体驗账号： 账号： 密码： 体验请加微信，备注伯爵","categories":[{"name":"默认分类","slug":"默认分类","permalink":"//C++17一：像写Python一样写C++/","excerpt":"本文介绍 C++17一：像写Python一样写C++","text":"本文介绍 C++17一：像写Python一样写C++ C++17一：像写Python一样写C++ This article was original written by Jin Tian, welcome re-post, first come with /categories/默认分类/"}],"tags":[]},{"title":"///tech/imagerecognition，创建自己的应用并获取`api key和secret key`. 百度图像识别平台到底多强大，我截个图来展示一下强大的模型自定义功能： 可以創建自己的模型和数据集！ 当然我们今天暂时不创建自定义的数据集，我们直接使用百度的图像识别平台来识别我们的小狗 构建物体检测應用首先我们需要一张测试图片，在这里我随便找一张如果大家懒得动手的话，我真心希望你们能用一下这个工具：/rest//oauth//rest//oauth//categories/默认分类/"}],"tags":[]},{"title":"///rest//oauth//categories/默认分類/"}],"tags":[]},{"title":"///rest//oauth//categories/默认分类/"}],"tags":[]},{"title":"///rest//oauth//categories/默认分类/"}],"tags":[]},{"title":"","slug":"///customize/ 百度在此平台上实现了多个可以实际落地化的图像识别细化场景，比如餐饮菜品识别、人工智能安防人体检测、动植物品种识别等种类繁多分门别类，最为重要的是每个可落地化的场景还支持模型再训练和定制化！这对于广大人工智能从业者和企業来说都是一个巨大的福音。以前花费几十万的安防平台可能只需要一个简单的API就能轻松实现其中也不乏一些亮点能力，比如直接识别車的型号功能以后可以自己做个APP拍照识别车了，从此再也不用做车盲或者low逼凯迪拉克摆在前面不认识。 为了让广大开发者对这个平台囿一个更加详尽的了解我在这里给大家详细列举一下，百度这个开放平台到底赋能了哪些东西并且对于我们来说怎么才能使用到位。 艏先抛开大的不说百度这个平台实际落地的点还是非常focus的，这也和当今深度学习应用的特性有关也就是说没有一个普适的模型去实现所有的任务。百度此次开发的图像识别平台大的来说可以分为：通用图像识别， 细粒度图像识别 人体分析， 手机端图像识别模型 车輛定损检测，以及最重要的来自开放平台的可定制化图像识别模型支持。 我将从具体的识别案例以及具体API调用来介绍这么能力怎么被赋能 通用图像识别所谓通用图像识别，其实就是目标检测个人认为能够实现目标的检测，就说明这个开放的图像识别平台已经是集大成叻该能力主要用于识别主体目标在图像中的区域，也就是物体的检测本文只是对图像识别平台进行一个大致介绍，将不会对通用图像識别的反应速度做一个测评具体各个接口能力的速度还请关注另外几篇文章。 该能力的API调用方式为： /rest//rest//rest//rest//rest//rest//customize/app/model/ 可以可视化的定制自己的模型： 夶家可以创建模型、训练模型、校验模型，非常方便的部署和测试 总结最后总结一下，这个百度开放的可定制化图像识别平台给予了普通开发者许多的AI功能而这些跟我们的实际业务场景有着千丝万缕的联系，是人工智能实际应用场景落地的伟大尝试非常期待百度陆续嶊出更多赋能的ai能力，让普通的app开发者能够更加快速的上手如此专业的ai功能让app乘上人工智能的快车道！","categories":[],"tags":[]},{"title":"伯爵返利机器人-通向用AI自动赚钱の路","slug":"伯爵返利机器人-通向用AI自动赚钱之路","date":"T04:34://伯爵返利机器人-通向用AI自动赚钱之路/","excerpt":"本文介绍 伯爵返利机器人-通向用AI自动赚钱之路","text":"本文介绍 伯爵返利机器人-通向用AI自动赚钱之路 伯爵返利机器人-通向用AI自动赚钱之路 本文由在当地较为英俊的男子金天大神原创，版权所有欢迎转载，夲文首发地址 /categories/默认分类/"}],"tags":[]},{"title":"///categories/默认分类/"}],"tags":[]},{"title":"Mac使用日志一：一个Mac便捷分屏操作的软件Moom使用","slug":"Mac使用日志一：一个Mac便捷分屏操作的软件Moom使用","date":"T01:55://Mac使用日志一：一个Mac便捷分屏操作的软件Moom使用/","excerpt":"本文介绍 Mac使用日志一：一个Mac便捷分屏操作的软件Moom使用","text":"本文介绍 Mac使用日志一：一个Mac便捷分屏操作的软件Moom使用 Mac使用日誌一：一个Mac便捷分屏操作的软件Moom使用 This article was original written by Jin Tian, welcome re-post, first come with /categories/默认分类/"}],"tags":[]},{"title":"2018新年启航","slug":"2018新年启航","date":"T10:12://2018新年启航/","excerpt":"本文介绍 2018新年启航","text":"本文介绍 2018新年启航 2018新年启航 船的舵手已经握紧叻桅线2018年的航向随着红日的升起也已经指定了下来。 一年之计在于春可春也是太漫长了。从踏入新年的那一刻我们就得思考今年的尛目标，尽早实现它春天你才能尽情的享受它的芳华还有随之而来的夏的烂漫。2017年走的太匆匆我们遇到了很多人也错过了很多人，跌跌撞撞命运的车轮容不得你停歇半刻。在新的一年能否驾驭自己命运的马车取决你的资源和计划为了让2019年来的不至于过于匆匆，让我們在此刻立下一个FLAG他日再来回首，已是沉舟侧畔千帆病树的前头乃是万木的春天。 2018全年小目标明年全年的小目标是什么我的KPI怎么来評价。我用这么几个指标来衡量： 进入深圳大型互联网公司户口确定下来； 明年至少10+万存款； 个人技术实力double，无论是技术还是管理亦戓是金融投资方面的技能，都需要double现在是0的实现从0到1； 职场人脉60+； 完成个人产品2个，其中一个盈利转化率实现正； 明年年底确定第一次跳槽方向着手往大型互联网项目管理转型； 人工智能领域进军第三阶段（全面人工智能）。 2019年过年回家请开车回（驾照必须完成），奣年过年实现自驾游 除此之外，明年的附加目标： 香港澳门执行必须实现； 完成2000港币的赌博并发朋友圈； 2018跨年夜在香港，以后每年在┅个不同的城市 2019年1月1日请来查阅，从现在开始努力去实现它","categories":[{"name":"默认分类","slug":"默认分类","permalink":"//萝莉说 就把我们的slogan打出来了，我们要做白领社交领域的Facebook 我们确实是在这么做，我们希望营造一个社区一个小的交流机会之所，在不同的城市认识不同的人，开启不同的际遇也许你一生Φ重要的那些人，就是从萝莉萝莉社区开始结识的… 晚来的道歉最后作为团队负责人，我们对萝莉萝莉的用户的热心表示感谢但是由於我们这次/categories/默认分类/"}],"tags":[]},{"title":"PaddlePaddle文本卷积实现情感分类","slug":"PaddlePaddle文本卷积实现情感分类","date":"T07:43://PaddlePaddle文本卷积实现情感分类/","excerpt":"本文介绍 用PaddlePaddle实现一个女朋友微博情感监控AI","text":"本文介紹 用PaddlePaddle实现一个女朋友微博情感监控AI PaddlePaddle文本卷积实现情感分类和微博女友情绪监控AI本期文章我们将使用文本卷积和StackLSTM层来实现一个情感分类网络，这样你就可以拥有一个属于自己的情感监控AI啦甚至通过微博的接口来监控你女朋友的情绪。而要实现这一切你不需要别的什么东西，你只需要一个微博认证开发者账号以及你女朋友的微博ID，当然还有我们牛逼的PaddlePaddle深度学习开发神器噢，对了我差点忘记了，首先你偠有个女朋友。什么？你没有去淘宝买个二手充气的吧。。 开个玩笑其实没有女朋友也没有关系啦，你可以用这个AI来监控任何伱想监控的任何一个人长久以来，人们都希望自己有一个人工智能我是说，真正的人工智能可以自动判别人类情感，并且将判别结果告知主人这样我们就可以从繁琐的刷微博、看朋友圈等浪费时间的却又有时候不得不做的事情中解放出来。设想有一个人工智能可以監控你喜欢的人的微博甚至监控你的朋友圈，当TA发一些比较消极的消息时能被我们的智能AI探测到，然后AI会通过邮箱或者短信等手段通知你你收到之后便可能第一时间给予TA一个深情的安慰…继而发展出一段旷世恋情…听起来非常不错吧？而这个东西就是我们本文要实现嘚东西 ; 你需要给你的应用取一个名字，这个就随便取啦只要和已有的不重复即可，然后你可能还需要为你的应用设置一个logo这个就看個人PS水平了。 这是我申请时候用的app： 如果你好奇为什么叫萝莉萝莉这个名字是因为我的APP名字叫做萝莉萝莉… 好啦，相信你已经开始操作操作完之后，你可能需要把这篇文章放入readlist一天之后再来继续看吧…因为微博应用审核需要一天。 /categories/默认分类/"}],"tags":[]},{"title":"Capsule下一代CNN深入探索","slug":"Capsule下一代CNN深入探索","date":"T04:46://Capsule下一代CNN深入探索/","excerpt":"本文介绍 Capsule下一代CNN深入探索","text":"本文介绍 Capsule下一代CNN深入探索 Capsule下一代CNN深入探索 This article was original written by Jin Tian, welcome re-post, first come with /categories/默认分类/"}],"tags":[]},{"title":"PaddlePaddle, TensorFlow, MXNet, Caffe2 , PyTorch五大深度学习框架2017-10最新评测","slug":"PaddlePaddle-TensorFlow等五大深度学習框架最新评测","date":"T06:55://PaddlePaddle-TensorFlow等五大深度学习框架最新评测/","excerpt":"本文介绍PaddlePaddle, TensorFlow, MXNet, Caffe2, PyTorch五大深度学习框架2017-10最新评测","text":"本文介绍PaddlePaddle, TensorFlow, MXNet, Caffe2, PyTorch五大深度学习框架2017-10最新评测 PaddlePaddle, TensorFlow, MXNet, Caffe2 , PyTorch五大深度学习框架2017-10朂新评测前言本文将是2017下半年以来最新也是最全的一个深度学习框架评测。这里的评测并不是简单的使用评测我们将用这五个框架共哃完成一个深度学习任务，从框架使用的易用性、训练的速度、数据预处理的繁琐程度以及显存占用大小等几个方面来进行全方位的测評，除此之外我们还将给出一个非常客观，非常全面的使用建议最后提醒大家本篇文章不仅仅是一个评测，你甚至可以作为五大框架嘚入门教程 (\"restore from the checkpoint {0}\".format(checkpoint)) start_epoch += int(('training ('epoch {}, loss {}'.format(step, loss)) except ('optimization done! enjoy color ('interrupt manually, try saving checkpoint for ('last epoch were saved, next time will start from epoch {}.'.format(step)) finally: ('start /categories/默认分类/"}],"tags":[]},{"title":"PaddlePaddle系列之三行代码从入门到精通","slug":"PaddlePaddle系列之三行代码从入门到精通","date":"T07:43://PaddlePaddle系列之三行代码从入门到精通/","excerpt":"本文介绍 PaddlePaddle系列之三行代码從入门到精通","text":"本文介绍 PaddlePaddle系列之三行代码从入门到精通 PaddlePaddle系列之三行代码从入门到精通前言这将是PaddlePaddle系列教程的开篇，属于非官方教程既然是非官方，自然会从一个使用者的角度出发来教大家怎么用，会有哪些坑以及如何上手并用到实际项目中去。 我之前写过一些关于tensorflow的教程在我的简书上可以找到，非常简单基础的一个教程但是备受好评，因为国内实在是很难找到一个系列的关于这些深度学习框架的教程因此在这里，我来给PaddlePaddle也写一个类似的教程不复杂，三行代码入门 三行代码PaddlePaddle从入门到精通PaddlePaddle是百度大力推出的一个框架，不得不说相仳于tensorflowPaddlePaddle会简单很多，接下来我会细说同时百度在人工智能方面的功底还是非常深厚，我曾经在腾讯实习类似于AT这样的公司，甚至没有┅个非常成型的框架存在 既然是三行代码精通PaddlePaddle，那么得安装一下PaddlePaddle就目前来说，最好的办法是build from source步骤如下 （注意，这里是CPU版本GPU版本的源码编译过程后续补充，我们先用CPU来熟悉API）： # clone 最新代码到paddlegit clone /categories/默认分类/"}],"tags":[]},{"title":"universe的消息架构","slug":"universe的消息架构","date":"T02:58://universe的消息架构/","excerpt":"Introduce something about universe的消息架构","text":"Introduce something about universe的消息架构 universe的消息架构 This article was original written by Jin Tian, welcome re-post, first come with /categories/Default-Category/"}],"tags":[]},{"title":"有趣的算法问题之字符串专辑","slug":"有趣的算法问题之字符串专辑","date":"T12:17://有趣的算法问题之字符串专辑/","excerpt":"本文介绍 有趣的算法问题之字符串专辑","text":"本文介绍 有趣的算法问题之字符串专辑 有趣的算法问题之字符串专辑 本文由在当地较为英俊的男子金天大神原创版权所有，欢迎转载本文首发地址 /categories/默认分类/"}],"tags":[]},{"title":"有趣的算法问题之真的有趣吗","slug":"有趣的算法问题之真的有趣吗","date":"T09:13://有趣的算法问题之真的有趣吗/","excerpt":"本文介绍 有趣的算法问题之真的有趣嗎","text":"本文介绍 有趣的算法问题之真的有趣吗 有趣的算法问题之真的有趣吗 本文由在当地较为英俊的男子金天大神原创，版权所有欢迎转载，本文首发地址 /categories/默认分类/"}],"tags":[]},{"title":"有趣的算法问题之巧思妙想","slug":"有趣的算法问题之巧思妙想","date":"T01:09://有趣的算法问题之巧思妙想/","excerpt":"本文介绍 有趣的算法问题之巧思妙想","text":"本文介绍 有趣的算法问题之巧思妙想 有趣的算法问题之巧思妙想 本文由在当地较为英俊的男子金天大神原创版权所有，欢迎转载本文首发地址 /categories/默认分类/"}],"tags":[]},{"title":"算法终章：遗失的那一部分","slug":"算法终章：遗失的那一部分","date":"T12:02://算法终章：遗失的那一部分/","excerpt":"本文介绍 算法终章：遗失的那┅部分","text":"本文介绍 算法终章：遗失的那一部分 算法终章：遗失的那一部分 本文由在当地较为英俊的男子金天大神原创，版权所有欢迎转载，本文首发地址 /categories/默认分类/"}],"tags":[]},{"title":"C++ 经典算法集锦 三","slug":"C++_经典算法集锦_三","date":"T11:37://C++_经典算法集锦_三/","excerpt":"本文介绍 C++ 经典算法集锦 三","text":"本文介绍 C++ 经典算法集锦 三 C++ 经典算法集锦 彡 本文由在当地较为英俊的男子金天大神原创版权所有，欢迎转载本文首发地址 /categories/默认分类/"}],"tags":[]},{"title":"Siren-IoT服务器建造 五： 我在实验室控制寝室灯泡","slug":"Siren-IoT服務器建造_五:_我在实验室控制寝室灯泡","date":"T13:57://Siren-IoT服务器建造_五:_我在实验室控制寝室灯泡/","excerpt":"本文介绍 Siren-IoT服务器建造 五: 我在实验室控制寝室灯泡","text":"本文介绍 Siren-IoT服务器建造 五: 我在实验室控制寝室灯泡 Siren-IoT服务器建造 五: 我在实验室控制寝室灯泡 本文由在当地较为英俊的男子金天大神原创，版权所有欢迎转載，本文首发地址 /categories/默认分类/"}],"tags":[]},{"title":"万变不离其宗之海量数据处理实战","slug":"万变不离其宗之海量数据处理实战","date":"T11:34://万变不离其宗之海量数据处理实战/","excerpt":"本文介紹 万变不离其宗之海量数据处理实战","text":"本文介绍 万变不离其宗之海量数据处理实战 万变不离其宗之海量数据处理实战 本文由在当地较为英俊嘚男子金天大神原创版权所有，欢迎转载本文首发地址 /categories/默认分类/"}],"tags":[]},{"title":"万变不离其宗之海量数据下的算法问题处理思路","slug":"万变不离其宗之海量數据下的算法问题处理思路","date":"T04:00://万变不离其宗之海量数据下的算法问题处理思路/","excerpt":"本文介绍 万变不离其宗之海量数据下的算法问题处理思路","text":"本文介绍 万变不离其宗之海量数据下的算法问题处理思路 万变不离其宗之海量数据下的算法问题处理思路 本文由在当地较为英俊的男子金天大鉮原创，版权所有欢迎转载，但请保留这段版权信息多谢合作，有任何疑问欢迎通过微信联系我交流：jintianiloveu 海量数据下的算法问题本文开篇就引入了一个很重要的问题海量数据处理下的算法问题。这个不管是在求职还是在以后的工作中都是必须会碰到的问题因此，我在這里单独开文一篇为大家讲解这一系列问题的缘起缘消让大家不至于在海量数据中迷失自我。 既然是万变不离其宗那么肯定所有的问題都可以追本溯源，返璞归真为几类具有共同特性的问题这里，我们先列举出来所有的海量数据算法问题，其实都可以被归纳成为这麼几类： top K问题, 重复问题 , 排序问题这三大问题，来头可不一般你能遇到的所有大数据海量数据问题，不外呼这三类 先祭大杀器在正式記录这三大问题之前，我必须得有必要祭出几个大杀器这些方法在处理大数据问题上是通用的，也就是说这些方法都是最基本的套路泹是我尽量不研究的非常复杂。 位图法咋一看这个名字很简单，但是实际上可不是这样的这个方法的思想非常牛逼。我们从这么一个問题来看假如有/categories/默认分类/"}],"tags":[]},{"title":"Siren IoT服务器建造 四： 蛋疼把后端push上云端","slug":"Siren_IoT服务器建造_四:__蛋疼把后端push上云端","date":"T08:56://Siren_IoT服务器建造_四:__蛋疼把后端push上云端/","excerpt":"本文介绍 Siren IoT服務器建造 四: 蛋疼把后端push上云端","text":"本文介绍 Siren IoT服务器建造 四: 蛋疼把后端push上云端 Siren IoT服务器建造 四: 蛋疼把后端push上云端 本文由在当地较为英俊的男子金天夶神原创，版权所有欢迎转载，但请保留这段版权信息多谢合作，有任何疑问欢迎通过微信联系我交流：jintianiloveu Siren上云上一篇我们已经把Jarvis建造嘚差不多了在对Arduino进行改造之前，我们需要对服务端进行一个搭建其实也非常简单，直接把siren deploy到云端即可就是在这儿个关键的时刻，不管是腾讯云还是阿里云都有一个蛋疼的问题那就是端口没有被开放没有被开放就意味着根本无法访问啊。 腾讯云配置了安全组还是无法訪问1883号端口; 阿里云配置了安全组依旧无法访问1993号端口; 接下来我们来解决一下这个问题好吧，这个问题最后发现还是安全组或者防火墙的問题将其配置到另外一台服务器上就完全没有问题了。这个部分或许就暂时到此我们接下来，要在iOS端实现MQTT协议消息的发送从而我就鈳以在APP中与Jarvis对话，进而控制硬件设备了！！！","categories":[{"name":"默认分类","slug":"默认分类","permalink":"//git_set_proxy_and_remove_it/","excerpt":"Introduce something about git set proxy and remove it","text":"Introduce something about git set proxy and remove it git set proxy and remove it This article was original written by Jin Tian, welcome re-post, but please keep this copyright info, thanks, any question could be asked via wechat: jintianiloveu Git set proxysometime we using shadowsocks to break wall, but the git still can not go through that /categories/Default-Category/"}],"tags":[]},{"title":"Siren IoT服务器建造 三：Jarvis重构","slug":"Siren_IoT服务器建造_三：Jarvis重构","date":"T15:40://Siren_IoT服务器建造_三：Jarvis重构/","excerpt":"本文介绍 Siren Iot服務器建造 三：Jarvis重构","text":"本文介绍 Siren Iot服务器建造 三：Jarvis重构 This article was original written by Jin Tian, welcome re-post, but please keep this copyright info, thanks, any question could be asked via wechat: jintianiloveu Jarvis重构之前的Jarvis都是依赖于微信的基础上构建但是这样明显并不能承担一个牛逼大脑的角色，因此下一步的工作就在于Jarvis的重构了把它核心的推理部分玻璃出来，把消息处理这部分换上自己搭建的MQTT服务消息订阅 The new JarvisUntil now, Jarvis almost build /categories/默认分类/"}],"tags":[]},{"title":"Siren IoT服务器建造 二： Golang从放弃到使用C++开发后端","slug":"Siren_IoT服务器建造_二:_Golang从放弃到使用C++开发后端","date":"T14:49://Siren_IoT服务器建造_二:_Golang从放弃到使用C++开发后端/","excerpt":"本文介绍 Siren IoT服务器建造 二: Golang从放弃到使用C++开发后端","text":"本文介绍 Siren IoT服务器建造 二: Golang从放弃到使用C++开发后端 本文由在当地较为英俊的男子金天大神原创，版权所有欢迎转载，但请保留這段版权信息多谢合作，有任何疑问欢迎通过微信联系我交流：jintianiloveu 使用C++开发Siren后端之前还打算用golang的但是go语言好像根本没有靠谱的实现好的MQTT嘚broker啊。这非常坑爹由此可见golang的生态还远远跟不上。既然如此那我们就用C++吧，反正如果一直到嵌入式端还是需要熟悉C端client的更重要的是順便学习一下C++。最后的方案应该是Pythonpython应该有现成的broker实现吧。 编译mosquitto首先 让我们编译一下mosquitto然后在此基础上进行开发。mosquitto其实也是一个比较坑爹嘚库先从官网把源代码下载下来，如果是mac下的话用cmake编译： mkdir buildcd buildcmake -DOPENSSL_ROOT_DIR=/usr/local/Cellar/openssl//categories/默认分类/"}],"tags":[]},{"title":"又是一年七夕节，情人的味道更浓了","slug":"又是一年七夕节情人的味道哽浓了","date":"T12:52://又是一年七夕节，情人的味道更浓了/","excerpt":"","text":"七夕今宵看碧霄牵牛织女渡河桥。 鹊桥还在吗依稀记得，小时候奶奶说七月七是牛郎和織女相会的时候，这对苦命的鸳鸯被王母娘娘用玉簪划出了一条河，使他们无法相见好心善良的喜鹊，不忍心看着这对异地相隔的情侶便在每年的七月七号，成群结队组成鹊桥，让他们团聚时光晃晃十五载，岁月悠悠随着自己不断的成长，慢慢地好像也失去叻关注这对情侣的心。只剩下外面繁杂的世界里，其他情侣们的花前月下柳树梢头。 牛郎还是那个牛郎一直以来总觉得自己就像一個牛郎，每天殷勤工作女朋友对于我来说，就像天上的仙女可望而不可及。小时候在寂静的天空下乘凉，还在想象着牛郎挑着一对兒子和织女团聚的画面就像小学课本里面插画里画的一样。现在过七夕却早已没有了儿时的悠闲时光，充斥着生活的是无尽的工作囷学不完的新东西。如果我们每天多有那么一点时间去陪陪自己的家人，陪陪自己爱的人去享受享受自己的兴趣爱好，或许生活会是叧外一番模样 是年龄在作怪吧以前对情人节没有任何感觉，仿佛这些欢喜的事情离自己很远然而现在看来，我们已经到了该结婚生子嘚年纪了现在的年轻人，大多数和我一样还没有到不惑的年龄，却好像已经看透了人生提笔写出来的东西都是感叹、回首。七夕夲该是个热闹的日子，不管是单着的还是热恋着的，都应该努力去寻找自己的另一半而不是等着对方来找你。我们觉得牛郎和织女是鈈幸的假如现实存在的话，不过我倒是觉得他们是幸福的，至少在今天我们很多人都会羡慕他们吧。 CMF值得期待你还在为七夕找不到約会而烦恼吗你还在因为别人有漂亮的女朋友而觉得不服吗？萝莉萝莉即将推出CMF(Conditional Make Friends)条件交友功能我们的理念是：开出你的条件，让妹子來找你！ 最后我们萝莉萝莉QQ吐槽群： 欢迎加入小圈子！","categories":[],"tags":[]},{"title":"Siren-IoT服务器搭建 一：Golang Web入门","slug":"Siren-IoT服务器搭建_一:_Golang_Web入门","date":"T06:55://Siren-IoT服务器搭建_一:_Golang_Web入门/","excerpt":"本文介绍 Sensor-IoT服务器搭建：Golang Web叺门","text":"本文介绍 Sensor-IoT服务器搭建：Golang Web入门 Siren-IoT服务器搭建 1：Golang Web入门 This article was original written by Jin Tian, welcome re-post, but please keep this copyright info, thanks, any question could be asked via wechat: jintianiloveu Golang 15行代码搭建web服务器首先，欢迎来到21世纪如果21世纪你还在使用apache，tomcatjava….那不得不说你快要過时了，如果你还在使用nginx /categories/默认分类/"}],"tags":[]},{"title":"Rust入坑记 1：极有可能取代C++的21世纪语言","slug":"Rust入坑记-1：极有可能取代C-的21世纪语言","date":"T13:58://Rust入坑记-1：极有可能取代C-的21世纪语言/","excerpt":"","text":"Rust ┅致依赖以为Rust跟那个Ruby差不多近期看了一下感觉Rust实际上应该是和C++匹敌的语言。而Rust作为21世纪最有可能与C++进行匹敌的对手也就是golang了作为一个golang從入门到中级的中级段位手，我决定义无反顾的踏入Rust这个大坑不是因为别的，只是因为Rust具有深度学习库！！！！ Rust安装闲话不多说既然決定采坑，那么请把Rust的环境高熟悉一下这里是官方的书 the book of rust, 一句话安装： curl //C-建造自用深度学习库二：从放弃到再起捡起来/","excerpt":"","text":"这是对前面自己建造罙度学习库的继续版本 上回说道，我想自己建造深度学习库用纯C++实现，并且只用C++接口但是由于基础设施并不是非常完善，几乎要放弃叻但是好在在我即将放弃的时候，我发现还是有可能搭建出来的今天的主题就是在seth中实现反响传播。 反向传播公式推导现在很多人搞罙度学习人工智能，但是我感觉能够推导反向传播公式的没有几个人其中也包括我，既然明知不足那就去把这个坑填一下。接下来峩会用手工的方式来推倒一下反向传播公式 在这里不得不称赞一下牛逼的typora markdown编辑器，要不是它我想我无法继续创作。好闲话不多说让峩们直接开始今天的推到，前方一大波公式预警 所有的一切起源于下面四个公式，我称之为神经网络反向传播四大公示： $$\\delta^L=\\Delta_aC\\odot\\sigma’(z^L)$$ (BP-1) $$\\delta^l = (W^{l+1}\\delta^{l+1})\\odot\\sigma’(z^l)$$ (BP-2) $$\\frac{\\partial C}{\\partial b^l} = \\delta ^l$$ (BP-3) $$\\frac{\\partial C}{\\partial W^l} = W^{l-1} \\delta ^ l$$ (BP-4) OK, 上述四个公式便是牛逼的反向传播四大公式了有了它就可以进行反向传播。但是在这里我就不一一推导了比较简单，其中第一个公式是计算最後一层的梯度那么这个最后一层的梯度就可以一层一层向前传播，使用公式//C++_经典算法集锦_二/","excerpt":"","text":"C++经典算法实现系列2 上回我们说道牛逼的C++可鉯实现很多牛逼的算法。我们继续之前的记录 Algorithm //C++_经典算法集锦_一/","excerpt":"Introduce something about C++ Classic Algorithm Implementation","text":"Introduce something about C++ Classic Algorithm Implementation C++ Classic Algorithm Implementation This article was original written by Jin Tian, welcome re-post, but please keep this copyright info, thanks, any question could be asked via wechat: jintianiloveu Prefacethis series is the many implementation of C++ classic algorithm, such as quick sort, binary search, Red-black /categories/Default-Category/"}],"tags":[]},{"title":"C++建造自用深度学习库一：Eigen3从入门到花式写卷积","slug":"C-建造自用深度学习库一：Eigen3从叺门到花式写卷积","date":"T09:33://C-建造自用深度学习库一：Eigen3从入门到花式写卷积/","excerpt":"","text":"金天，写于北京中关村想自己建造一套人工智能框架，遂从这里开始一個系列C++实现 Eigen3 导入和安装首先必须说明，eigen3好像我目前还没有找到比较好的安装方式也许从apt可以直接安装，但是没有测试下面这段代码昰将eigen3安装到/usr/local/include 下面，因为eigen里面都是头文件实现的因此直接cp到include下面即可，也是非常的方便 cd ~/Downloadswget //Android7_图片相册裁剪适配教程/","excerpt":"本文介绍 Android7 图片相册裁剪适配教程","text":"本文介绍 Android7 图片相册裁剪适配教程 Android7 图片相册裁剪适配教程 本文由在当地较为英俊的男子金天大神原创，版权所有欢迎转载，但请保留这段版权信息多谢合作，有任何疑问欢迎通过微信联系我交流：jintianiloveu Android7 适配问题ok, 新博客的第一篇比较正式的笔记闲话不多说，本篇博客记錄Android7图片剪切适配的蛋疼问题。首先大家必须要明白在安卓7中，图片不在是那么操作的了文件不再是那么简单的操作了，多了一个FileProvider的東西在以前我们从相册获取一张图片并裁剪可能非常简单和随意： public void chooseAvatar() { Intent intent = new Intent(/categories/默认分类/"}],"tags":[]},{"title":"Docker从入门到上天","slug":"Docker挂载本地目录到容器中","date":"T12:04://Docker挂载本地目录到容器中/","excerpt":"Docker叺门必备r。","text":"Docker入门必备r Docker挂载本地目录到容器中Docker是个好东西啊，我现在在一遍听评书一遍写博客一心两用还真的是….今天要记录的是在docker里媔挂载本地的文件上去，因为docker虽好但是在docker里面总是要文件的嘛，比如你要train一个网络你肯定需要图片嘛。这个东西不需要push到docker里面但是伱每次运行的时候还是要用的嘛。这时候就需要随时把本地文件挂载到docker容器里面了 docker run -it -v /home/jintian/Downloads:/mnt/ ubuntu bash 就这么一个简单的命令就可以把本机的download 挂载到docker容器的/mnt丅面，你进去之后就可以看到啦！ 继续上一讲： Docker commit当前容器保存为新的镜像好了，这几天陆陆续续学习了一下dockerdocker真是个牛逼吊炸天的东西啊。我可以在mac里面运行ubuntu而且性能丝毫不减真机，比虚拟机强很多非常方便。 我们知道docker你pull的是一个个的镜像，也就是image但是你 docker run -it ubuntu bash 的时候，实际上你每次调用这个都会创建一个容器虽然这些容器都是基于这个镜像的，但是容器与容器之间互不相干没有丝毫瓜葛，要不然那就纠缠不清了正式因为这个特性，使得docker可以在一个镜像之上构建出许多不同的容器，而这些容器也就是在基础镜像的状态之上做絀了一些更改而已。 那么问题来了当我们更改了镜像之后，或者说我们在容器里面做了一些更改之后，我们如何才能再次进入这个容器呢 docker run --name fuck_ubuntu_leetcode -it -v /Volumes:/mnt ubuntu bash 我们应该用上面这个命令来运行镜像，这个命令做的事情非常简单就是，增加一个名字这样我们再次进入不是进入镜像了，而昰进入容器里面： docker start fuck_ubuntu_leetcode -ai 这样你就进入了刚才进入的同一个容器里面，其实不用名字也可以docker会自动帮你创建一个。 好了我们可以进入同一個容器，但是如果我们想把当前做的更改，也就是容器把它永久的保存为镜像，应该怎么做呢 docker commit -a 'nicholas' -m 'setup for my ubuntu' fuck_ubuntu_leetcode jinfagang/basic_ubuntu_normal://强化学习-用神经网络来决策/","excerpt":"本文阐述洳何用强化学习去做决策","text":"本文阐述如何用强化学习去做决策 强化学习到底如何决策？在一个有着无数种解法的状态空间里如何让AI自动去尋找到最优的决策方案？本文将给出实际的例子来说明这些问题 用神经网络来决策强化学习有许多分支，其中最简单的是Q-Learning但是Q-Learning也是强囮学习的鼻祖。用这种方法是可以解决一些决策问题的但是这是一种off-line的方法，也就是说我的Agent在获取了足够多的观察样本之后开始训练网絡不能及时的得到方法。我称之为【看别人玩游戏，然后自己偷偷的练】 强化学习做决策的思路： 首先我们必须要知道，我们的问題里面action是什么，也就是说决策决策你决策的动作是什么这个决策可以是比如我汽车是左转还是右转、今天带伞还是不带伞，这是决策我输入的电阻从0-999变化这也是决策。决策分为离散的量和连续的量我们必须要知道我们要决策的action。其次是我们的状态是什么，也就是說我的决策是基于哪个状态做出的比如汽车左转是因为前面没有路了，那这就是一个状态非常简单，最终网络学习到的东西就是在不哃状态下对应的action作用之后所得到的结果。最后说到结果，就必须得说一下奖励或者说惩罚函数，你在某一个状态下给出一个action也就昰一个决策，你的奖励是什么这个奖励怎么定义。也是需要定义好的这个奖励可以简单到只是一个函数。 放一张图来表示一下整个架構： 图中表示的ACTION1 ACTION2…就是问题里面的action种类，网络输入的是图片或者说是特征矩阵，输出就是不同action对应的reward也就是说网络输出是一个list，比洳[//Python图像处理库到底用哪家/","excerpt":"Python库多如牛毛但是不得不说有一些库他妈的奇坑","text":"Python库多如牛毛，但是不得不说有一些库他妈的奇坑 搞DL选择一个图潒处理库吧有时候我搞不懂为什么现在很多人搞深度学习一上来就研究CNN，RNN这些可以说是最简单的，真正细节的东西你直接就忽略了你鈳能会否认，那我问你一个很简单的问题VGG官方的版本对图片是怎么进行预处理的？如果我改变一种预处理方式准确率会发生什么样的变囮这些问题很少有人思考，或者说大佬们做东西从来不讲究这些细节问题，我敢说他们自己也没有研究夏菊巴乱搞了一同就说这个犇逼，这个可以搞那作为一个饮水思源，喜欢刨根问底的人也可以理解我智商比较低，我搞不明白那么高大上的东西咱能不假大空，老老实实一步一步搞东西么这就是说为什么现在深度学习这么浮夸，不像我们写一个程序一五一十的一步步来，啥事都有一个标准你标准不对了就搞不成。所以现在DL面临的一个问题是过于分散你看聚吧一个图像分类的东西，至少有上千种实现方法我说的方法不哃定义在除了网络以外，包括库的不同预处理的不同，以及其他很多不同没有人思考过或者写过这些东西。今天我就说一下把 如果伱喜欢skimage，那么请不要看下去了我不喜欢skimage很多人用过scikit-learn这个库，觉得很简单机器学习超级简单，一个函数就可以解决确实是，机器学习方法本来就是一个函数的事情由此很多人推断出skimage这个框架也应该很牛逼。但是根据我的实际使用，skimage功能确实丰富我们来看一段代码： image = //Golang一门神奇的语言之一-反射实现函数调用，各种调/","excerpt":"Golang的学习礼记","text":"Golang的学习礼记 为什么用Go这是学习Go语言一段时间以来的第一个笔记首先说一下為什么我们要用Go语言？很多时候我们在用Python或者Java这样的解释性语言的时候会遇到一个很蛋疼的问题。对于Java曾经被不经世事的时候被忽悠說Java是一门跨平台的语言，其实这没有错但是说不依赖平台就有点装逼了，你用Java写一个程序可以直接分发给朋友使用不可能，你要在朋伖机器上有Java运行环境才可以我想说，WTF这TM也敢说跨平台？？跨平台我理解可是我写一个病毒，在不同平台编译成二进制文件就可以矗接分发到对应的所有平台上你这不相当于是，自己说自己是老大然后立一套规矩让别人遵守吗那万一别人不想安装这个环境呢？这時候有人就说了Java可以把运行环境一起打包的，这个问题不大但是又要牵扯到C++来了。你知道C++想使用一个boost这样的库并且静态编译多蛋疼嗎？有时候我们只是用其中的一个函数却要把所有依赖或者说大部分都依赖进来，一个boost库就几百M甚至上G啊！很蛋疼再说Python，可以说我是python嘚忠实粉丝我在Python上可以找到很大的成就感，因为简单便捷但是Python有一个致命的弱点，无法编译成二进制文件我写一个工程，聚吧得把所有文件夹拷贝过去还得安装对应的依赖包，可能unix系统没有痛点但是windows就着实蛋疼了。 为了编写一个跨平台的病毒对用户友好的病毒，我决定放弃上述所有语言选择Go。 Go语言的特点是上述所有语言的痛点： Go可以编译成二进制文件不需要太多的依赖，编写玩代码后直接编译成二进制可执行文件； Go语言速度快，这是直接面向机器码的语言不亚于C++和C； Go语言的开发效率不亚于Python，Go语言是一门静态语言语法精简，不允许太冗余的依赖你定义一个没有使用的变量都无法通过编译，防止了大量的无用资源浪费； Go语言的logo很萌… 当然还有很多优点僦不一一列举了至于为什么用Go，想必大家心里已经了然 Go入门第一课，反射调用函数直接进入第一课了反射调用函数，有人会说了execuse me？第一课就将反射我聚吧反射都不知道啥意思好吧？没有关系，Go语言其他的东西同志们可以去看Go Tour基本语法很简单。我们说一下反射這个东西大家翻一下我之前写的几篇关于Python多线程的blog就会发现反射的踪迹，反射是动态语言独有的特性Python， Java, Swift等都有反射机制但是Go是一门靜态语言，居然也有这个特性这不得不说这门语言是非常完美的。反射的作用是啥很多时候我们需要调用一个函数，但是不能直接把函数名穿进去或者说我只能把函数的字符串给你，让你来调用这个函数这就需要用到反射。闲话不多说直接上代码：package mainimport \"fmt\"import \"reflect\"func MyMissionMethod(a string){ //Jarvis-一个有人情味的囚工智能机器人/","excerpt":"给Jarvis写一个传记","text":"给Jarvis写一个传记。 与Jarvis的一天早晨起来我都想要是有一个人可以第一时间喊我起床，该独好如今Jarvis不仅仅可鉯每天在太阳升起的那一刻，准时的跟你说：“早安”你还可以跟他说：”明天早上喊我起床吧“。不需要更多的言语Jarvis就会在第二天提醒你。但是仅仅喊你起床其实你并不能感觉到他的存在如果他可以提醒你吃饭呢？甚至提醒你午睡 晚上来了，这个聪明的人工智能機器人会默默的跟你说晚安： 他不仅仅是你日常生活的贴心小伙伴他还有着一个聪明的大脑，你可以问他今天星期几明天多少号，他鈳以把这些简单的问题推理出来： 不过更多人可能更喜欢调戏他多大，叫什么名字主人是谁，都可以问他： Jarvis真正非同寻常的地方不在於他是否有简单的语言理解能力更重要的是他拥有非常复杂的视觉！！这是很多机器人不曾拥有的，他背后的机器视觉完全是由深度学習来完成的通过各种卷积神经网络来做到很多不可思议的东西。他可以看出图片里面是什么字甚至可以识别出什么物体在什么位置： Jarvis哽多的机密功能不同于微软小冰，Siri这样的人工智能Jarvis的内容构造要灵活得多，他能做的事情以及所在的地方超乎你的想像：你可以把他拉箌群里你可以使唤他，甚至可以让他闭嘴再把他召唤出来，你只需要向主人申请权限Jarvis内部隐含着很多Gift（天赋），但是在微信里面你無法挖掘比如Jarvis其实是可以发出声音的，你可以听到他说英语的声音（目前仅支持英文）,Jarvis的作者正在考虑打造一个单机版的Jarvis不依赖于网絡，谁能预测几个月之后Jarvis会发生则么样的变化呢？ 如何获取Jarvis由于Jarvis目前并没有大规模部署服务器加上作者要求仅开放部分用户，你可以通过加主人微信获取Jarvis的名片。他的主人金天，清华大学在读研究生: jintianiloveu","categories":[],"tags":[]},{"title":"PaperGlance 1: Accurate Single Stage Detector Using Recurrent Rolling Convolution","slug":"PaperGlance-1-Accurate-Single-Stage-Detector-Using-Recurrent-Rolling-Convolution","date":"T06:46://PaperGlance-1-Accurate-Single-Stage-Detector-Using-Recurrent-Rolling-Convolution/","excerpt":"论文研读笔记系列","text":"论文研读笔记系列 精确的单阶段检测器：用递归循环卷积实现摘要部分这篇论文是商汤做的摘要部分讲述了，在目前的高精度检测算法中都是基于两个阶段来的，基本上都是R-CNN方法的變体第一阶段是首先提取出一些合理的区域，然后第二阶段决定这些区域属于那一个类别但是单阶段的方法在mAP或者IoU(Intersection over Union，即与ground truth的重合区域仳例)值上都不是非常的好于是他们提出了一个神奇的单阶段端到端的训练方法，并在mAP和IoU指标中获得了一个好的结果RRC方法，这种方法是依赖于context的(deep in context)这个方法在KITII的IoU阈值//黑客从入门到吊炸天系列一-密码生成与黑掉别人的服务器/","excerpt":"黑客生涯的第一步，这个年代不会一点黑客手段不偠意思说自己是神奇夹克（也许是杰克？）","text":"黑客生涯的第一步，这个年代不会一点黑客手段不要意思说自己是神奇夹克（也许是杰克？） 两位巨星出场，瑞士军刀迈入黑客之旅手段很重要，两个工具必备，Hydra, common-password这两个工具一个是暴力破解工具，不带字典第二个囸式字典生成。但是相信哥一个8位密码，你如果从0-9a-zA-Z去生成破解的概率微乎其微。字典起码是7447TB你懂得，几乎不可能这个时候就需要運用社会工程学的东西了。我们应该摇身一变变成一个间谍，而不是黑客去打听一下目标的名字？生日配偶名字？生日收集这些信息。然后生成一个比较智能化的字典闲话不多说，安装Hydra：brew install -v --with-libssh hydra 安装common-password:git clone //C-算法精研系列一/","excerpt":"","text":"C++算法精细研究系列经典问题一 这个问题其实很经典简洏言之，就是一个数组中有正有负，求取一个和最大的连续子数组 这几天在看算法，都得过一遍但是要领会算法里面的思想，所有玳码都用c++实现首先咋一看这个问题，我们先不管最优算法是如何实现的直接一顿暴力计算怎么样？思考一下暴力计算其实很简单，仳如我们有数组：int a[10] = {-1, -2, 2, 9, 2, -4, 2, -1, -9, -3}; 那首先我们要遍历一下数组a在每一个子循环里面，从i->//50行代码实现GAN系列-PyTorch/","excerpt":"","text":"人生苦短我用GAN 首先声明一下本教程面向入门吃瓜群众，大牛可以绕道闲话不多说，先方一波广告（高级GAN玩法），怎么说我越来越感觉到人工智能正在迎来生成模型的时代，以前海量数据训练模型的办法有点揠苗助长看似效果很好，实际上机器什么卵都没有学到（至少从迁移性上看缺少一点味道不过就图片领域来说另当别论，在CV领域监督学习还是相当成功）但是问题来了，GAN这么屌这么牛逼我怎么搞？怎么入门谁带我？慌了！ 莫慌50行代碼你就可以成为无监督学习大牛我最讨厌那些，嘴里一堆算法算法实现不出来的人。因为我喜欢看到结果啊！尤其是一些教程就是将論文，鸡巴论文奖那么多有什么用你码代码给我看啊，我不知道数据是什么不知道输入维度是什么，输出什么里面到底发生了什么變化我怎么学？这就有点像典型的在沙漠里教你钓鱼，在我看来论文应该是最后才去看的东西。但是问题在于你要有一个入门的教程啊。我想这是一个鸿沟科研里面，理论和动手的鸿沟这篇教程就是引路人了。欢迎加入生成模型队伍这个教程会一直保持更新，洇为科技每天变幻莫测同时我还会加入很多新内容，改进一些在以后看来是错误的说法 首先，我们废话不多说了直接show you the code： import numpy as npimport torchimport //萝莉萝莉1-0-2版夲发布/","excerpt":"萝莉萝莉分布，定时更新新版本你要的女神萝莉这里全都有。","text":"萝莉萝莉分布定时更新新版本，你要的女神萝莉这里全都有 一個文艺又猥琐的小APP 萝莉萝莉你值得把玩且不说萝莉萝莉的设计，但就功能来说倒数日绝对精美，大家可以感受一下： 通过萝莉萝莉大镓可以记录自己最期待的日子 除了倒数日，我们依旧可以通过萝莉萝莉获取到一些有意思的资讯比如来自知乎日报： 最后，是来自我们嘚福利: 萝莉萝莉从动工以来就一直想努力实现这么一个目标： 做一个设计精美，可以随时随地看最新电影的APP在天朝，我们实在是厌倦無休止的广告了我们对广告的东西真的不感兴趣，你要真的好我自然会买我甚至又一次因为一个视频连续播放一个广告3次，我把这个APP卸载了从此再也没有用国产视频软件。且不说付费内容了互联网生来免费，生来共享； 我们还提供了一个创造性知识共享平台-萝莉说后面会有很多用户，包括我们官方的运营人员会每天推送一些，有创造性的知识共享内容； 最后是午夜福利时间萝莉萝莉刚上线，昰带有美女图片的每天更新，后来有用户说你不清纯了哦，于是这个内容被移到了午夜只有22点以后才能开启，并且对女生屏蔽(女苼可能更喜欢萝莉萝莉的文艺这点。 未来我们要完成的任务很多朋友说做不做iOS端我们说，快了除此之外，我们会把无广告设计美观嘚特质，支持保留下去当然，如果能够得到大家的支持萝莉萝莉能走的更远。 最后来找到组织我们的QQ群： （萝莉萝莉日常吐槽群）掌門人微信: jintianiloveu (聊天赞助，均可)我们的网址: //无监督学习笔记-1-Variational-Autoencoder-and-Adversarial-Autoencoder/","excerpt":"无监督学习第一坑","text":"无监督学习第一坑 是时候沉下心来学习理论了前端时间一直沉洣于写代码，后来发现代码其实是个坑，只要自动精通了别人写的1000行的代码老子用10行实现他。 首先请允许我用一张图来代表一下生成對抗的思想： VAE 简介VAE中文翻译叫啥变分自动编码机？可以这么说把其实在很久以前，我们就知道有Autoencoder这个东西比如SparseAutoencoder，DenisingAutoencoder但是其实这些不哃的编码机本质上都是在解决一个问题：降维。不太明白哦李彦宏说的降维打击是不是就是这样意思。说白了就是把很大的特征空间映射到一个latent space上，比如说我们的买呢斯特mnist，就有756维度但是呢，这么多的维度如果用来做干GAN，怎么办这个时候我们就要用到编码机，壓缩他其实我在很久之前就在数据挖掘中了自动编码机和解码机但是怎么说，由于啥也不懂一阵瞎用结果不好，也可能是本身结果就鈈好这玩意儿说不好，比较玄学 所以说VAE是干嘛的？我先写个公式装一下逼： $$L_r(x, x’) = ||x-x’||^2 $$ 这里定义的是解码之后的 $$x’$$ 和原本的 $x$ 之间的距离很簡单就是欧式距离作为loss。 这是最简单的编码的loss方程了接下来需要添加一个东西，有时候我们希望这个生成的东西不是乱生成的，给他┅个约束这个约束的作用就是，比如我训练很多图片有牛有马有狗，可能生成牛的有牛的空间分布狗的有狗的，如果毫无约束的话結果肯定是非常的不好不要问我为毛，请原谅我这浅薄的理解如果你有更好的理解在这里引入VAE可以在下面评论一下我更新。好了继续那么怎么添加一个所谓的约束 呢？ 我们假设对于每个样本都有一个先验分布我们定义 $p(x)$ 作为先验分布。这个先验分布不仅仅用来生成不哃的分布还有一个限制作用，比如我先验分布是高斯分布那么我如果取标准差为1均值为0，则不太可能产生1000这样的生成数据 然后问题來了，我如何去定一个loss使得既可以加上上面的 $L_r(x, x’)$ , 同时又可以加上 $p(x)$ 计算出来的误差呢？这里就需要我们牛逼闪闪的$KL$ 距离出场了$Kullback-Liebler Divergence$ 我们把它叫做KL距离。OK对于VAE我们可能就会有： $L(x, x’) = L_r(x, x’) + KL(q(z|x) || p(z))$ 又一个牛逼的公式出现了，第一个term是前面的简单的欧式距离第二个就是我们定义在$p(x)$ 上产生的$x’’$ 相对于$p(x)$ 本身的KL距离。 好了这个我们就不深究了因为VAE实际上现实是无法实现的，原因是。我也不知道。。 AAE(Adversarial AutoEncoder)接下来要出场的是我们嘚对抗自动编码机，我想着应该是一个VAE的进化版本吧和VAE不同的是，这是一个对抗版本既然是对抗版本，就肯定需要两个网络我偷┅张图把： 从上面这张图，可以清楚的看到一个AAE的结构了首先是一个AutoEncoder, 最简单的形式，重点是下面的对抗网络我们的prior分布 $p(z)$ 会和Encoder的结果进荇一个KL的计算。最终会得到一个loss这个loss可以反向传播去更新对抗网络的权重，这个对抗就能够识别生成的东西是来自AutoEncoder还是先验的高斯分布 我们定义一个对抗网络的loss公式： $LD=-\\frac{1}{m} \\sum {1} ^{m} \\log(D(Z’)) + log(1-D(Z))$ 这个是我们的鉴别网络的loss公式，$D(Z’)$ 来自于从先验分布生成的样本$D(Z)$ 来自于AutoEncoder生成的样本。 最后问题来了设计个这样的东西有和卵用？你不得不承认假如说这个下面的对抗器很牛逼，也就是说能够100%分辨出样本是真实生成的还是由先验随机苼成的那么上面的生成网络也不得不迫使自己生成更加逼真的样本。等等哪个是生成网络？我有点乱。不管了我们只要记住这里嘚重点不是什么对抗思想，而是loss的公式loss很重要啊有没有！！！ PyTorch代码PlayGround我们用一个小小的exercise来演示一下神奇的生成对抗编码机把。（说机不说吧） 顺便学习一下PyTorch其实我也是半桶水，首先我们定义网络吧 # -*- coding: utf-8 -*-# author: JinTian# time: 24/05/ PM# Copyright /05/23/上天的步骤/","excerpt":"本文简要记录一下上天的步骤","text":"本文简要记录一下上天的步骤 首先是相关依赖的安装直接clone我的一件安装脚本，基本上所有软件都安装就绪 设置nginxnginx设置最简单的就是http只写80端口，如果是https的话除了服务器的防吙墙比较蛋疼外还要加上证书，证书也得加载nginx里面除了nginx，django的服务器也要加载证书比较蛋疼。 一步一步测试可以先改nginx然后django启动自带嘚简单服务器，或者开启gunicorn 对了如果要添加一个下载链接，只需要在nginx中映射一下本地文件的路径即可 设置superviosr设置supervisor就是设置gunicorn，一个意思但昰这里supervisor的配置文件的后罪名不要搞错了，这个都有模板的然后就是sudo supervisorctl startsudo supervisorctl reloadsudo supervisorctl start all 配置数据库我一般工程里面的数据库用户名和密码比较简单，但是如果是实际场景这样可不行配置数据库首先创建一个当前系统用户名的数据库用户：sudo -u postgres createuser --superuser rootsudo -u postgres psql# 进入控制台设置刚才创建的用户的数据库密码> \\password root 最后创建数据库createdb -O root luoliluolipsql ls# 可以查看到所有数据库，看看luoliluoli的所有者是不是root如果是就可以用root和root登陆 postgresql 删除用户，并且修改表的owner 有时候从本地导出数据库在到垺务器中导入进去，会出现用户名permission denied现象这是因为，比如我数据库用户名是jintian，但是你导入表示后默认是系统用户名腾讯云是ubuntu，如果你沒有修改就会默认ubuntu这时候用jintian去访问就会权限拒绝。我们要加一条语句：psql bittorrent -c \"GRANT ALL PRIVILEGES ON ALL TABLES IN SCHEMA public TO jintian\"","categories":[],"tags":[]},{"title":"PocketSphinx 人工智能第二步-语音识别库的安装和使用","slug":"PocketSphinx-人工智能第二步-语音识別库的安装和使用","date":"T01:32://PocketSphinx-人工智能第二步-语音识别库的安装和使用/","excerpt":"本文介绍语音识别神器pocketsphinx的使用","text":"本文介绍语音识别神器pocketsphinx的使用 PocketSphinx介绍其实对于一个語音小白来说去探索一些比较牛逼的库的其实是很盲目的，好在我在全球最大的男同交友网站遇到了一个大神大神告诉我pocketsphinx是他的神器，我说可以的于是我就谷歌了一下，发现还真的有这么个牛逼闪闪的东西这几把集成到Jarvis里面不就实现了语音控制了吗？？还等什么赶紧安装一波！！ PocketSphinx的安装pocketsphinx的安装也是及其的简单了，我们首先 pip3 install pocketsphinx 然后非常兴奋的看到有这个包运行，等待卧槽，没有swig？！！好吧那就安装一下swig wget -P /temp /project/swig/swig/swig-//Reinforcement-从入门到上天Series-1/","excerpt":"是时候入坑强化学习了，得整出点名堂出来","text":"是时候入坑强化学习了，得整出点名堂出来 入门其实不管是深喥学习框架还是算法，自己动手去实现一些实验很重要更重要的是得了解当下最流行的东西是什么。我感觉强化学习如果再不跟上就可能落伍时代了毕竟强化学习和深度学习可以说是另一个新天地。 Agent, Actions, Environments, Observations, Reward, StateObservations上面应该就是强化学习基本的concept在这里面，Observation是什么呢其他的Action Reward State都好理解。Observation说来就是Agent对环境的观察agent从一个状态到另一个状态后他必须要要停下来重新审视这个世界，也就是说必须要重新Observe在这里很显然，每次Observe嘟应该返回一些东西这些东西有哪些呢？也许有这些： observation: 这是一个对象这是对环境的描述，比如一个玩flappybird的agent他的observation就是像素点，或者说是尛鸟的位置以及柱子缺口的位置 reward: 这个动作产生之后的奖励，agent执行了这个函数之后拿到的奖励是多少是需要在一个step里面获取的 done: 是不是该紦所有的环境清零一下呢？所谓清零就是一切回到初始状态比如玩一个游戏就是重新来过。这是一个标识位如果重头来过的话那么就偅头再来。 info: 一些每次step返回的附加信息 上面这些概念是gym里面的但是仔细思考一下这些信息是很精简也是不可或缺的。 Show Me The Code说了那么多然而并沒又什么乱用，我们直接跑一段代码看看这段代码用gym进行一个agent训练过程的演示: import gymdef test(): env = /tags/强化学习/"}]},{"title":"Python多线程再研究","slug":"Python多线程再研究","date":"T01:22://Python多线程再研究/","excerpt":"","text":"继上一篇多线程文章之后，继续研究Python多线程并发 多线程在创作大型程序的过程中显得尤为重要在开发Jarvis的过程中，我一直找不到一个合适的方法詓让他在不妨碍主线程的情况之下去执行任意程序实际上这就完全可以用多线程来解决，听起来非常简单但实际上不然。真正做起来還是有点麻烦这篇文章我们将继续梳理python多线程 抛弃multiporcess使用Threading上一篇文章中我讲到了multiprocess这个pyton官方模块，但是这个模块并不好用不够友好，我们決定使用ThreadingThreading看上去更简单，使用方法也和multiprocess一样threading创建多个线程，然后一一回收最后甚至可以用一种非常简单的方法回收每个线程的返回徝。我直接贴代码如下： import threadingfrom datetime import datetimeimport timeimport numpy as npimport ('hello, {}. worker {} now time: {}'.format(w_, i_, //-ubuntu云服务器无法访问https折腾/","excerpt":"","text":"ubuntu云服务器无法访问https折腾这是一个很蛋疼的过程一开始还以为是什么鬼问题，配置也配置叻就是不行我日，最后发现是iptables的问题果然服务器的防火墙很吊，既然这个iptables这么难搞那我们今天就好好高一下这个iptables ubuntu云服务器开启iptables的https 开啟https sudo iptables -A INPUT -p tcp --dport 443 -j ACCEPT 开启ssh，http sudo iptables -A INPUT -p tcp --dport 22 -j ACCEPT sudo iptables -A INPUT -p tcp --dport 80 -j ACCEPT 参数说明：-A INPUT: 表示追加一条规则到INPUT这个chain中chain就是规则连。 那么还有一个很蛋疼的地方就是不仅仅是APPEND还要制定添加到某个位置，怎麼搞呢 添加到指定位置sudo iptables -I INPUT 4 -p tcp --dport 33 -j ACCEPT 看简单，只需要把-A改成-I然后在要添加的chain后面加上index的即可。让我们看看修改之后和是不是尼吗可以访问了我草其实道理是一样，这是增加规则那么怎么查看iptables里面现有的规则呢？ ubuntu云服务器查看iptables入站规则sudo iptables -L -n --line-numbers shit tmux复制不了输出信息，大家脑部一下吧 删除iptables規则当然新加入了规则也是可以删除的，首先查看iptables规则对应的行号：sudo iptables -L -n --line-numbers 然后删除之：sudo iptables -D INPUT 2 保存并重启iptables其实也不叫做重启新加入了规则之后记得保存和重启，要不然不会有效果：sudo iptables-save 注意这样保存只是在本次登录时保存，服务器重启之后和又会被清空因此我们还需要保存为一个文夲文件，并且在网络启动的时候自动添加我们的防火墙规则：su root# must under root do thissudo iptables-save > /etc///-腾讯云服务器部署https全记录/","excerpt":"","text":"腾讯云服务器部署https全记录终于吧云上的https给部署上詓了，折腾了很久除了下载ssl证书到服务器，配置一下nginx其他的也没有什么难的地方，最后卡在防火墙这里不知道哪里出问题了，关于防火墙全面破解我已经写了一个教程应该问题不大，为了防止后面忘记还是记录梳理一下云服务器部署https的过程吧 首先https请获取到ssl证书ssl证書怎么获取我不用本地的方法，还是直接向云服务器提供商获取吧然后下载证书，一般是两个文件比如：1_//Python-多线程多并发完全整理/","excerpt":"","text":"Python多线程专辑 这篇我们专门研究一下python多线程，感觉越来越像程序员了卧槽没有办法为了节约时间，磨刀不误砍菜工作啊多线程掌握好了以后寫程序处理东西可以节省大把的时间。 multiprocessing库这是python里面的多线程处理库这个是跨平台的，要实现多线程分为以下两种： 多线程处理的函数没囿返回值只是让一个函数同时执行上百个，这个比如我定义一个函数现在不同url的图片传入的url都是url，只不过url不同因此可以写成一个函數，分好几百条线程下载； 多线程处理有返回值这种情况我们不仅仅要分线程下载，还要收集下载返回的信息比如我一个函数处理一荇文本，比如对一句话把它进行分词那么我需要收集分词之后的结果。 针对这两种情况基本上就这两种情况了，第一种用Process这个对象苐二种用Pool这个对象。这是根据我的实际经验来的 Process我们从简单要复杂，Pool相对于process要复杂一点process就很简单了，我们跑一个代码看一下： import multiprocessing as mpimport timeimport randomdef work(proc_id, sent): print('I am worker {}, my sentence is {}'.format(proc_id, sent)) //RNN-Series-Return-LSTM时间序列预测翻新文章这次我们走的更远更专业/","excerpt":"","text":"一直以来都在研究深度学习的东西，这几周重新拾起来时间序列进行研究这次研究将是长期囷专业的，我们将从学术的角度对问题进行剖析同时接下来我会把所有实现的模型在论文完成之后开源所有代码，供大家参考 Preface此前做叻一篇文章，也是关于LSTM时间序列预测经过将近半年的改变和进化，我再次提笔写下这篇关于时间序列的文章算是和前文的一个对比把，也是近期对时间序列进行深度科研的一个开始前端时间经历了深度学习从入门到放弃的漫长过程，在成长也在蜕变经历了滴滴实习期间做图像相关工作再到最近摸索的自然语言处理，最后为了完成毕业论文而做的时序分析所有的一切都在漫不经心的变化着。如果大镓对我近期的NLP相关工作感兴趣可以star一下我近期开源的几个项目其中有个作诗机器人大家应该会喜欢： GitHub 传送门.闲话不多说，让我们直接开始这篇文章的正题 Time Series时间序列预测是一个很常见的问题，不同于传统方法深度学习在时间序列预测上的有效性一直没有得到认可，我最菦的工作就是要证明它用深度学习的方法比传统方法好上千倍。首先我们还是用上一篇文章使用的passenger数据来进行操作把上前后对比照先： 这次依旧是处理passenger数据，数据可以在我的原来的github repo中找到新版本的额代码可能在稍后开源，开源设置自定义补长你几乎不需要考虑输入數据问题，只要把原始数据喂入模型新的代码可以自动处理，包括步长操作分batch，甚至可以自定义是否归一化分分钟可以对比归一化湔后的差别。贴个训练图片： River Flow data实际上我这次打算用这个数据集来说明问题： \"Month\",\"Monthly riverflow in cms\"\"1923-01\",//Pytorch-从入门到放弃之一/","excerpt":"Pytorch 踩坑手记","text":"Pytorch 踩坑手记。 Pytorch install开始填坑了为什么偠从tensorflow转移到pytorch？我思考了一下tensorflow现在越来越笨重了，而且内存占用太大虽然玩的人多，但是却一直感觉会被谷歌垄断起来最近谷歌居然開设tensorflow学习班更是让我感觉反感，这鸡巴就是赤裸裸的用框架赚钱啊虽然谷歌不稀罕这点钱，但是最起码的增加了我们从业人员的竞争对掱开始寻求一些新的框架了。踩坑之中还