tensorflow入门之mnist手写数字识别

这是tensorflow官网的第一个例子,按他的做就可以在测试数据集达到91%左右的识别率。之后的cnn版本就可以在测试数据集达到98%以上的正确率。 因为直接用他的写没什么感觉,然后稍微摸索了一下mnist的内容。 下面先将mnist的个测试数据变成图片的形式,直观一点。 #python3.5 #windows #引入所需库 import tensorflow.examples.......

赛马问题

问题:有25匹马,速度都不同,但每匹马的速度都是定值。现在只有5条赛道,无法计时,即每赛一场最多只能知道5匹马的相对快慢。问最少赛几场可以找出25匹马中速度最快的前5名? 写下一些个人思路。 先把25匹马分成5组,每组5匹马,跑五次。得到五次的结果。 在把5次都跑第一名的马拿出来跑一次。 然后分别标上如下图序号。箭头方向表示由慢到快。 此时可以得到11是其中跑得最快的,由于要选5匹,故可以......

微信小程序初探与文字二维码举例

最近,微信小程序开放了个人开发者,所以立刻申请了一个来试试。 小程序从之前刚出来时在开发者圈火极一时,而现在却用的不多,也有限制多的缘故,所以在开放了部分限制之后再来看他的发展吧。 这里讨论一下初探小程序的一点想法。 在小程序手册中也已经很明白了,把视图和逻辑分开,有点类似于react的虚拟dom,不直接去操作dom,而是改变数据之后自动刷新页面的渲染,使改动最小化。最初的试验感觉他的数据应......

python实现简单时时打印桌面程序

这里的需求是用户在某个网页下单之后,需要打印机打出票据。 实现:用python访问一个网络接口获取需要打印的数据(json格式),之后调用系统win32print的打印接口打印出来。 时时打印的话下面用轮询并定时sleep实现。 再用Tkinter写一个桌面程序可以用来提醒并可以使程序长久运行。 之后再用py2exe把python文件变成一个exe文件方便在后台执行。 #coding:utf......

nginx+php下配置https

本来以为配置https应该和配置http是差不多的,没想到还是出了许多问题,分享给大家。 现在市面有许多免费的ssl证书,可以找一个,本人使用了腾讯云的免费dv证书。 之后就会得到两个文件,分别为test.com_bundle.crt和test.com.key 本人配置的环境是在centos,php集成环境lnmp下 先在服务器找到文件usr/local/nginx/conf/nginx.c......

许愿墙效果(仿)

也不知道为什么要叫许愿墙,在前端网看到许多人实现了,便来实现一个自己的版本,顺便许个愿! 这里需要先看一下下面这张图,对于后面的理解很有帮助。 使用方法:下面代码复制到一个html文件里,之后浏览器打开就行。 具体实现在代码中注释。 <!doctype html> <html lang="en"> <head>     <meta charset=......

前端回忆录---下篇

下篇开始,对于我自己来说也就是在这边徘徊,暂时也并不能完全很好的掌握这些或深入的或新颖的知识,因为前端新东西出现的实在太快了。这里的我只大致做一个引导,如有错误请及时指出。毕竟修行在个人,还是得靠自己摸索。 我们还是再来学习js—js进阶。这里目前必读的一本书—泽卡斯的《js高级编程指南》,如果能啃下这本书,必定精进一大步。当初我也是略读读了几次,能感受到他的强大和对我的影响力。js进阶,一......

php实现Soap调用的两种方法

php也可以通过soap(一种基于xml的协议)和webservice进行数据交互。 这里通过两种方法来讲解,一个是php的SoapClient对象,另一个是php的curl。 第一种:先要做一件事就是在php.ini中把soap扩展开了。 extension=php_soap.dll 然后进行php代码的编写,这里直接讲解带有header验证的soap。没有header验证的话就不需要加......

便捷的集体通讯录---vcf文件制作使用

一种情况就是新组成的一个团队,人比较多,要互相留下手机号。这种时候一个个输入到手机里就比较麻烦,所以可以制作一个vcf文件,直接导入到通讯录。 vcf文件制作软件可以到这里下载http://pan.baidu.com/s/1kVLoUTh 下载后打开里面的exe文件,之后添加需要的人的信息和手机号码,点击保存通讯录就会保存到Contacts.vcf文件里。可能会发生输入名字变成问号的问题,这......

logistics回归做二分类---学习篇

一般的logistics回归过程并不复杂,特别是在理解了梯度下降之后,梯度下降法可以参考我之前的文章,点击这里查看 大致讲一下理解: 大致还是通过梯度下降把需要拟合的直线的前面的系数渐渐靠近,比如用ax+by+c=0,这条直线来进行二分类,a,b,c三个系数就是下面代码中的数组weight,每次迭代改变的就是weight。然后误差是通过把每组训练的数进行sigmoid函数  ,在与之前分好的......