机器学习：第四篇 快速构建一个CNN神经网络(识别MNIST手写数字)
每当想要学习神经网络的时候，每当想要自己搭建一个神经网络的时候，每当看到别人的神经网络错综复杂就劝退的时候，不如尝试一下搭建一个最简单的CNN试试。或许会有那种搭积木的感觉。
mnist数据集
mnist手写数字数据集是一系列的28x28x1的灰度图片，如图所示：
环境搭建
我的环境如下：
Python 3.10.1
TensorFlow 2.9.1
具体的安装办法可以百度一下。
网络结构
我们经常把神经网络比作黑盒模型，那么黑盒就要有一个输入与输出，我们知道MNIST手写数字是一张张28*28像素的图片，那么输出就是对应的0-9的标签数字。
输出层
如果直接输出0-9，那么就会出现数字之间的相关性，比如1后面是2，在生成的神经网络的权重就会带有数字的顺序特征，所以一般的输出采用的是one-hot模式，就是用一个1维的矩阵来表示输出。
例如：
3：[0 0 0 1 0 0 0 0 0 0]
5：[0 0 0 0 0 1 0 0 0 0]
各个输出矩阵之间相互正交，乘积为0。
最后会用一个全连接层来将卷积运算之后的矩阵映射到one-hot上，并使用softmax将输出转换为概率。
...
记录一份考研经验
考研终于是告一段落了。
写在前面
最近还有很多同学还没有复试完，也可以看看。承蒙老师看的起，复试给我打了90分，虽然初试比较糟糕只有374，刚好压复试线进去的，所以说如果是初试像我一样压线进的同学千万不要慌张，要相信自己。
初试经验
初试成绩比较糟糕，不太具有太大的参考价值(不是)。
政治
肖秀荣，永远的神，你可以不相信自己，但你一定要相信肖老师，每年都有人不相信肖老师，每年都真香。前期的话，主要做一些选择题为主，可以从各种渠道或者老师那里弄到他们出的选择题题目，做到熟知其中的概念。其实基本上不用担心政治，因为这个真的拉不开差距，主要是看个人悟性和肖秀荣老师的发挥(肖八肖四)，应该将复习的重心放在数学和专业课。
英语
英语就一个，对于基础薄弱的同学来说(比如某四级艰难爬过的学长)，背单词永远是提升英语最快的方式，没有别的捷径。推荐使用墨墨背单词，真的好用。
数学
这次数学有点拉胯，虽然考完之后出来一对答案，选择填空全对，很开心，但是后面大题错太多了，22年的数学估计会比较难，20年是这届的数学命题组第一次命题，没有经验，导致题目非常的难，21年又非常简单，预测22年会比20年稍微简 ...
GoLang：第一篇 The Way To Go！（Go语言入坑指南）
The Way To Go！第一次学，我也不是很懂，有错误麻烦指出一下。
Just Go
语言之间没有孰优孰劣，Python的易用和C的高性能都，各家有各家的长处。而掌握一门语言就能走遍天下的时代即将过去（JAVA除外），未来一定是多钟语言之间相互融合相互穿插的时代，而Go的热度趋势也在不断的上升，所以今天开一个新坑，从零学习Go语言。今天就先实现一个Hello world。
起源与发展
详情看百度百科。
安装Go环境
Download Go
在GooGle的GoLang网站可以直接下载Go的二进制发行版。点击下载
而Go的官网：http://golang.org/在国内是没法访问的，需要一点点的爬墙手段。
打开PowerShell，输入go version，可以看到go version go1.15.6 windows/amd64就代表成功安装了。
安装IDE
一般推荐使用GoLand，可以省下很多麻烦事儿。
我这里使用的是VsCode，能用就行，不强求。
配置环境
当我们新建了一个Go文件之后，会提示需要安装Go的依赖，直接在VsCode里面安装依赖是不行的，会提示失败。
由 ...
再见2020
冬夜气温骤降，又是平凡的一天。
今早醒来，钻出被窝，太阳刺在脸上，恍惚间发现2020就剩最后一天了。
2020，多么好听的数字，可与我悲惨的遭遇却形成鲜明的对比。
希望在接下来的2021年，能够翻开新的一页。
愿一切美好都如期而至，喜欢的都拥有，失去的都释怀。
树莓派：第三篇 用树莓派做个语音助手
树莓派功能十分强大，作为一个微型电脑，独特的阵脚设计使得树莓派开发的自定义程度非常高。本篇博客通过使用python语言，封装一个简单的语音助手程序。
零、物品清单
123451：一个树莓派（3代、4代皆可）2：免驱的usb声卡（声卡需接在树莓派usb接口）3：麦克风（接在声卡上）4：有线音响（音响可连在声卡上，也可连在树莓派的3.5mm接口上）（树莓派播放设备默认使用3.5mm接口，具体过程需要自定义播放设备）
如果要设置usb声卡输出，参考教程配置声卡教程，如果使用默认3.5mm接口输出可以忽略。
设计语音助手有如下过程：录音、语音识别、图灵机器人对话、语音合成，以下对各个过程进行介绍。
一、pyaudio录音
使用python语言进行录音，主要是将说话者声音输出成一段音频文件。对于python来说，这很容易。通过引用pyaudio库，可以进行录音、播放、生成wav文件等。
首先，我们在树莓派上需要下载pyaudio库： pip3 install pyaudio
在pyaudio的官网介绍上有对pyaudio的详细介绍pyaudio官网，以官网示例：
创建一名为rec的python ...
树莓派：第二篇 使用网页控制你的树莓派
树莓派就相当于一个简单的带GPIO口的Linux电脑，他的拓展性非常的强。我们可以用它来实现很多功能，特别是将树莓派当做是一个服务器，通过网页与树莓派进行交互。这个是一个用网页控制树莓派小车的程序。
今天的内容非常的少，所以很快就可以看完。
网页内容
我们首先要在网页上绘制一些按键，通过按键来控制树莓派。绘制方法比较简单，建议自学。将一下代码保存并命名为index.html
index.html12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale ...
大数据：第二篇 使用echarts工具实现数据可视化
echarts上手简单、自定义高。
本篇学习笔记适合前端小白，使用echarts不需要了解太多的js、HTML。教程分为两个部分：echarts学前准备，echarts学习记录
echarts学前准备
一、使用编辑器
echanrts可视化工具，通过HTML语言进行编写。一般编辑HTML的编辑器有Adobe Dreamweaver、Hbulider等编辑器（编辑器下载使用请百度）
具体编辑器可参考网址：编辑器参考 。
二、下载官方echarts.js文件
echarts工具，实则是js文件，通过编辑网页HTML调用js文件，来实现。
官网：官网下载链接
官网参考下载方式较多，建议使用方法一：从下载的源代码或编译产物安装，下载带有原码的js文件。（如有下载疑问请自行百度）
三、5分钟上手echarts
上手echarts请参考，官网——文档——教程，参考案例十分简单。
考虑到很多小白不会创建HTML项目，以下附上教程：
具体在Hbulider进行如下操作
1、新建HTML项目，如图
2、将必要的echarts.js文件粘贴到js目录下
（我们默认放到js，养成归档习惯）
3、编辑 ...
大数据：第一篇 配置一个spark+Scala的环境
今天教大家配置一个IDEA的环境，以及如何新建一个工程，废话不多说，搞起来
1.下载IDEA
这里推荐一个微信公众号软件安装管家,关注后给它发送软件名，像下面这样：
选择一个最新的版本，最好是英文版
ps:IDEA已经有2020版，想要最新版的可以去官网下载再百度破解方法
点进去之后，就可以看到百度网盘的链接以及安装方法，写的很详细，所以我这里就不再赘述了
2.新建工程
3.添加scala文件夹
4.添加scala SDK
ps：为了版本匹配，不是对工程很了解的同学尽量下载2.10.4 2.12.10，后面我添加的依赖都是这个版本
如果没有这个选项的话，要先安装Scala插件
5.修改工程目录
6.设置settings.xml文件
ps:有些同学是 Create ‘settings.xml’
把你原先的settings.xml的内容删掉，替换成下面这段
1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545 ...
机器学习：第三篇 使用随机梯度下降法(SGD)求解方程
使用随机梯度下降法(SGD)求解一元三次方程的根。在知乎上看的。
求解分析
原题目是求解: a3+a2a^3+a^2a3+a2 这里为了方便于我们理解，我把方程简化成2元方程：a2=49a^2 = 49a2=49。使用随机梯度下降法求解方程。
我们可以把我们平时遇到的神经网络看成是一个函数 y=fθ(x)y=f_\theta(x)y=fθ(x)，其中y是神经网络的输出，θ\thetaθ是神经网络的参数，而x是神经网络的输入。
我们就可以把题目看成是有一个神经网络，假定函数为 y=fθ(x)=θ2−49y=f_\theta(x)=\theta^2-49y=fθ(x)=θ2−49，要求的这样一个最佳的θ\thetaθ 使得无论输入x的任意值，使得y都逼近于0。
我们首先需要定义一个损失函数来对参数进行评估：cost(x)=fθ2(x)cost(x)=f_\theta^2(x)cost(x)=fθ2(x)，当cost(x)的值越小，那么θ\thetaθ的表征预测值和准确值就越接近。
神经网络的目标就是求得一个θ\thetaθ使得上面的损失函数最小。
使用随机梯度下降法迭代求取θn\t ...
树莓派：第一篇 用树莓派点亮一个LED灯
树莓派已经完全脱离了一般的嵌入式单片机体系了，它对于嵌入式软件开发已经走在了一个非常高的高度了。用树莓派做嵌入式开发的好处在于你不需要关心硬件层面的东西，只要按照引脚接好，然后调用特定的函数就可以使用了。。。
Tips：本文用到的工具都可以在文章末尾的压缩包中找到。
前言
我把嵌入式开发分成硬件开发以及软件开发，STM32属于完全型的，既要懂得硬件原理，会操作寄存器，会通过使能特定的信号来实现对硬件不同状态的控制。也要能够对算法逻辑非常的清晰，中断处理，算法程序设计等等，还有各种稀奇古怪的知识，比如volatile，这个关键字基本上不会在软件开发中用到，但是在STM32中经常被提及，因为STM32的中断啥的特别多。
树莓派和Ardunio是可以属于那种纯粹的上层软件开发，你可以只关心代码怎么写，而不需要考虑我该怎么驱动他。当然，如果你找不到对应的库文件，你还是需要自己去驱动硬件的，就像小学期的一个超声波模块一样，死活找不到合适的树莓派的超声波模块，只能自己动手写一个驱动程序了。
还有一个是树莓派使用的语言是C或者Python，Python用的比较多，所以要学树莓派还需要一点Pytho ...
