非结构化建模的挑战主要介绍非结构化对内存要求大，速度慢。而结构化相对好很多。主要例子，a影响b ，b影响c，非结构化的处理的话，还需要处理a影响c的情况，结构化不需要。使用图描述模型结构主要分为有向图和无向图，有向图又叫信念网络或贝叶斯网络。就像前面介绍的那样可以减少很多参数，适用于因果关系。无向图又称马尔科夫随机场（MRF）或马尔科夫网络。这里介绍了配分函数：配置分母的函数，...

参照网上很多教程的命令，直接转换，发现生成的m3u8只包含切片文件的一部分，导致视频和音频都不全。命令如下：方法一ffmpeg -i <媒体文件> -c:v libx264 -c:a -f hls /usr/local/nginx/html/test.m3u8 没找到解决方案，上网查阅资料，切换了一个思路，先把音视频流转换为ts,再把生成的ts切分后生成m3u8，不知道

写的东西看的人太少了。。随便写个爬虫，正好用之前那个代理的改改就行，假装多一点点点击量。。勿喷，自己不太好意思用。。大家谁想用的，改一下自己的博客链接就好import urllib.requestimport randomimport zlibfrom bs4 import BeautifulSoupimport sqlite3import osimport requestsi...

展开计算图就是将循环图展开成展开图而已。循环神经网络 就是如上网络，将某一层不断重复，输出重新作为输入的一部分。双向RNN应用于上下文环境都影响结果的场景，如语音识别，文章翻译等基于编码-解码的序列到序列架构可以将可变长度的输入转变为可变长度的输出。这里也提到了注意力模型。后面了解下自编码网络有没有用到循环神经网络的技术。自编码网络是将一个东西编码后解码再还...

展开计算图就是将循环图展开成展开图而已。循环神经网络 就是如上网络，将某一层不断重复，输出重新作为输入的一部分。双向RNN应用于上下文环境都影响结果的场景，如语音识别，文章翻译等基于编码-解码的序列到序列架构可以将可变长度的输入转变为可变长度的输出。这里也提到了注意力模型。后面了解下自编码网络有没有用到循环神经网络的技术。自编码网络是将一个东西编码后解码再还...

第一类：环境监测类1）监测设备温度2）查看相应进程、文件、so(通过/proc/self/mmap)3）查看相应软件（virtualbox）4）监测当前内存（内存过低），系统（版本过低），sim卡信息，cpu核数太少5）当前电量（基本上不变）6）虚拟机无法处理的一些特殊指令7）查看环境（临时文件多不多）8）延迟执行第二类：监测调试行为1）...

大规模深度学习首先深度学习之所以能够在现在获得大的突破，主要依靠于硬件技术的进步和大数据的发展。卷积神经网络需要的高并发，依赖于GPU的发展不断进步，甚至已经有了很多专用设备，如谷歌TPU，阿里和华为也都有最新针对AI算法的芯片。高并发时可能导致梯度下降出问题，目前多采用异步梯度下降。当模型过大时，通常可以通过模型压缩来减少内存和运算时间。（具体方法这里没提）模型可以动态选择运算单...

展开计算图就是将循环图展开成展开图而已。循环神经网络 就是如上网络，将某一层不断重复，输出重新作为输入的一部分。双向RNN应用于上下文环境都影响结果的场景，如语音识别，文章翻译等基于编码-解码的序列到序列架构可以将可变长度的输入转变为可变长度的输出。这里也提到了注意力模型。后面了解下自编码网络有没有用到循环神经网络的技术。自编码网络是将一个东西编码后解码再还...

背景7.0之后Android默认不相信用户自己安装的证书，需要程序自己实现是否相信用户证书。在此背景下，fiddler无法抓包https加密的报文，这种情况下解决办法只有两个，一个是不用android7.0以上的设备。。通常模拟器都是6.0目前，所以还可以。还有一个方法就是安装系统的根证书。我们这里就采用的第二个方法。条件一台root的手机，这里使用的是nexus6p方式1.先......