一、背景介绍
作为运维，在公司经常遇到一些机械性重复工作要做，例如：为新机器装系统，一台两台机器装系统，可以用光盘、U盘等介质安装，1小时也完成了，但是如果有成百台的服务器还要用光盘、U盘去安装，就显得有些力不从心了。PXE技术就能很好的解决这个问题，本文将会对PXE的工作原理有所介绍
目录
写在前面
常用feature scaling方法
计算方式上对比分析
feature scaling 需要还是不需要什么时候需要feature scaling？
什么时候不需要Feat
Linear regression
SVM（support vector machines）
Advantages：
·Effective in high dimensional spaces.
·Still effective in
有很多同学在我们微信群和我们阿木实验室论坛提问，无人机/无人车的路径规划和避障应该怎么入手。随着无人系统的发展，无人系统的路径规划的研究也越来热。生活中无人机器系统也越来越多的出现，从无人机，到无人车，商城的引导机器人。一个新兴机器人行业正在兴起。
一 系统软件和硬件框架
一个典型的无人机
刚刚有同学问我，不太了解 “非SDK接口” 是什么意思？android9.0有什么限制 ？apache的http也有限制 ？
而且现在的大部分系统都升级上来了，黑名单、灰名单和白名单 也是必须要了解一下的，这里参考Google开发者网站给大家整理一下。
首先，公共 SDK 接口是在 And
2019年3月，百度正式发布NLP模型ERNIE，其在中文任务中全面超越BERT一度引发业界广泛关注和探讨。
今天，经过短短几个月时间，百度ERNIE再升级。发布持续学习的语义理解框架ERNIE 2.0，及基于此框架的ERNIE 2.0预训练模型。继1.0后，ERNIE英文任务方
RetinaNet，SSD，YOLOv3，Faster R-CNN等都是Anchor-based的检测器，即需要预定义的Anchor boxes来进行训练。FCOS是一种Anchor-free和Proposal-free的检测器，即不需要预定义Anchor boxes来进行训练，从而节省了
目录
论文信息：
Finn C, Abbeel P, Levine S. Model-agnostic meta-learning for fast adaptation of deep networks[C]//Proceedings
LeetCode初级算法--其他01：位1的个数
搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法、机器学习干货
csdn：https://blog.csdn.net/baidu_31657889/
csdn：https://blog.csdn.net
LeetCode初级算法--其他02：有效的括号
搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法、机器学习干货
csdn：https://blog.csdn.net/baidu_31657889/
csdn：https://blog.csdn.net
TensorFlow 2 简介
TensorFlow 是由谷歌在 2015 年 11 月发布的深度学习开源工具，我们可以用它来快速构建深度神经网络，并训练深度学习模型。运用 TensorFlow 及其他开源框架的主要目的，就是为我们提供一个更利于搭建深度学习网络的模块工具箱，使开发时能够简
在机器学习中的矩阵向量求导(一) 求导定义与求导布局中，我们讨论了向量矩阵求导的9种定义与求导布局的概念。今天我们就讨论下其中的标量对向量求导，标量对矩阵求导, 以及向量对向量求导这三种场景的基本求解思路。
对于本文中的标量对向量或矩阵求导这两种情况，如前文所说，
在机器学习中的矩阵向量求导(二) 矩阵向量求导之定义法中，我们讨论了定义法求解矩阵向量求导的方法，但是这个方法对于比较复杂的求导式子，中间运算会很复杂，同时排列求导出的结果也很麻烦。因此我们需要其他的一些求导方法。本文我们讨论使用微分法来求解标量对向量的求导，以及标量对矩阵的求导。
在之前写的上百篇机器学习博客中，不时会使用矩阵向量求导的方法来简化公式推演，但是并没有系统性的进行过讲解，因此让很多朋友迷惑矩阵向量求导的具体过程为什么会是这样的。这里准备用几篇博文来讨论下机器学习中的矩阵向量求导，今天是第一篇。
本系列主要参考文献为维基百科的M
自然语言处理，通常简称为NLP，是人工智能的一个分支，处理使用自然语言的计算机与人之间的交互。NLP的最终目标是以有价值的方式阅读，解读，理解和理解人类语言。大多数NLP技术都依靠机器学习来从人类语言中获取含义。
实际上，使用自然语言处理的人与机器之间的典型交互可以如下：&#
标签： 机器学习
1. 贝叶斯公式是机器学习中常用的计算方法，例如，甲射中靶标的概率是0.4，乙射中靶标的概率是0.8，现在有个人中靶了，问问是甲射中的概率。这非常好计算，P=0.4/(0.8+0.4)=0.33，这是贝叶斯公式的基本应用，具体的贝叶斯公式如下：
2.《机器学习实战》中的贝
一、监督学习（supervised-learning）与无监督学习（unsupervised-learning）
1.监督学习中数据集是由给定的正确答案组成，目的是训练机器预测更多的答案。如：房价预测、肿瘤判定、垃圾邮件判定。
Time: 2019年10月27日
Author：Veagau
在看讲Repitle的论文【On First-Order Meta-Learning Algorithm】时，实验环节对N-Way K-Shot分类问题的SetUp进行的描述引起了我的二度思考，以前对这个问题的理解感觉没摸
LeetCode初级算法--设计问题01：Shuffle an Array （打乱数组）
搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法、机器学习干货
csdn：https://blog.csdn.net/baidu_31657889/
csdn：h
LeetCode初级算法--设计问题02：最小栈
搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法、机器学习干货
csdn：https://blog.csdn.net/baidu_31657889/
csdn：https://blog.csdn.net
客服
