一套面向“可学习、可扩展、可上线”的博客社区模板 CCBlog 正式开源！前后端分离，Vue3 + SpringBoot3 + Redis7 + Caffeine + RabbitMQ + MySQL8，Jmeter实测 500 并发 4000 QPS、0 错误。无限层级评论、WebSocket 实时聊天、AI 大模型 SSE 流式回答、Docker 一键部署全部开箱即用。项目文档完整，欢迎 St

一套面向“可学习、可扩展、可上线”的博客社区模板 CCBlog 正式开源！前后端分离，Vue3 + SpringBoot3 + Redis7 + Caffeine + RabbitMQ + MySQL8，Jmeter实测 500 并发 4000 QPS、0 错误。无限层级评论、WebSocket 实时聊天、AI 大模型 SSE 流式回答、Docker 一键部署全部开箱即用。项目文档完整，欢迎 St

支持向量机(SVM)是机器学习中非常经典的一个模型，所以我就把这个作为第二个深入学习的机器学习模型，然后发现居然还挺难的（调包侠流下无能泪水）。参考了很多博客，但是大部分博客都是讲一部分，要么数学部分比较详细，要么后面的推导部分比较详细，本篇汇集了百家之长，其中我也尽量详细通俗给出了我的一些理解，特在此记录一下。其中可能存在一些错误，或者有些地方我也理解的不到位，在这些地方我都给出了参考博客，可以

坦克大战大家都很熟悉，就是守护自己的老家不要被炸掉，同时也要保证自身死亡次数在一定范围之内，消灭所有敌人。大部分的主要的程序就在上面，但其实很多部分都封装了一些细节，所以并不完整，只能表述大致的思路。同时做的不太好的就是坦克之间经常有重叠的情况，大致就是因为标记点的原因，也确实不知道该如何解决，而最终的实现代码写了千行，其中还是有不少可以优化的空间，由于水平原因，有一些功能如穿过草丛还是没有实现，

上一篇坦克大战居然意外获得了一些关注，正好最近也完善了一些功能，同时也加入了一些自己想到的新元素，主要是关于穿越草地，加入传送门以及关卡模式的一些开发，所以就再发一篇补充来做个完结。

神经网络是深度学习的基础，最重要的就是熟悉里面的前向传播和反向传播。本文首先从理论切入，首先讲了前向传播，对于反向传播部分，分为了两个部分分别是简单模型（两层）和扩展模型（多层），原理之后是代码部分。

神经网络是深度学习的基础，最重要的就是熟悉里面的前向传播和反向传播。本文首先从理论切入，首先讲了前向传播，对于反向传播部分，分为了两个部分分别是简单模型（两层）和扩展模型（多层），原理之后是代码部分。

LSTM---长短期记忆递归神经网络是一个非常常用的神经网络，其特点在于该网络引入了长时记忆和短时记忆的概念，因而适用于一些有着上下文语境的回归和分类，诸如温度预测或是语义理解。从利用pytorch来构造模型的角度来看，该模型相比于一般的模型会有一些不同的地方，尤其是在参数的设置上，本文尝试以一个相对通俗的方式来解释本人的一些理解。

既可以用来分类，也可以用来降维，与PCA不同的是，PCA是无监督的，PLS-DA是有监督的。与PCA不同，PCA是无监督,PLS是“有监督”模式的偏最小二乘法分析，当样本组间差异大而组内差异小时，无监督分析方法可以很好的区分组间差异。反之样本组间差异不大，无监督的方法就难以区分组间差异。另外如果组间的差异较小，各组的样本量相差较大，样本量大的那组将会主导模型。有监督的分析（PLS-DA）能够很好的

下面就opencv的安装，ncnn的部署，模型的移植和一些关于模型的修改展开首先是numpy然后是opencv所需的依赖安装好依赖之后就可以下载opencv了需要下载Opencv和OpenCV_Contrib两个压缩包，链接如下,可能要打开好几次才能进去，我是尝试了好几次OpenCV：GithubOpenCV_Contrib：Github4.x代表四点几的版本，后面的tags是细分，可以自行选择，