AlanHou同学_社区达人页

2023年11月

• 11.18 17:44:17
  发表了文章 2023-11-18 17:44:17

  Odoo 15开发手册第一章 使用开发者模式快速入门

  Odoo提供了一个快速应用开发框架，尤其适合构建商业应用。这类应用通常用于保存业务记录和工作流。Odoo 不仅简化了这类应用的构建，还提供了看板、日历、图表等视图的丰富组件，用于创建难以抗拒的用户界面。

  
• 11.18 12:24:08
  回答了问题 2023-11-18 12:24:08

  个人开发者能否靠开源获利？

  赞2 踩0 评论0
• 11.18 12:18:45
  回答了问题 2023-11-18 12:18:45

  双11，你都购入了哪些开发者好物？一起分享吧！

  赞53 踩0 评论0
• 11.18 09:19:27
  发表了文章 2023-11-18 09:19:27

  大师学SwiftUI第17章Part1 - Web内容访问及自定义Safari视图控制器

  App可以让用户访问网页，但实现的方式有不止一种。我们可以让用户通过链接在浏览器中打开文档、在应用界面中内嵌一个预定义的浏览器或是在后台下载并处理数据。
• 11.18 09:18:04
  发表了文章 2023-11-18 09:18:04

  大师学SwiftUI第9章Part 1 - 异步并发之Task、Async、Await和错误

  苹果系统借助现代处理器的多核可同步执行多条代码，提升同一时间内程序所能执行的任务。例如，一段代码从网上下载文件，另一段代码可以在屏幕上显示进度。此时，我们不能等待第一个执行完后再执行第二个，而必须要同步执行这两个任务。
• 11.14 08:39:14
  发表了文章 2023-11-14 08:39:14

  大师学SwiftUI第9章Part 2 - 异步并发之Actor、异步序列、任务组和异步图像

  异步任务对于希望释放资源让系统可以执行其它任务的场景非常有用，比如更新界面，但在希望同步执行两个任务时，就需要用到并发。为此，Swift标准库定义了async let语句。

  
• 11.12 20:45:19
  发表了文章 2023-11-12 20:45:19

  云原生系列Go语言篇-基础类型和变量声明

  经过前面的学习，我们已配置好了环境，下面就要学习Go语言的特性以及如何最好地使用。在探寻到“最好”的方式之前，有一条首要原则：按照清晰表达意图的方式编写代码。在讲解这些特性的过程中，我们会看来哪些选择以及为什么某个方法能产生更整洁的代码。
• 11.12 20:36:51
  发表了文章 2023-11-12 20:36:51

  一文搞懂ARKit,ARCore,RealityKit和Vuforia

  AR框架的一个核心是含能够理解特征的场景和各种类型的锚点。锚点有很多种，可根据特定场景来摆放3D模型 ，甚至可以真人来做距离测量（ARBodyAnchor）。并且这些框架不容忽视的优势是具有进行场景重建和人形遮挡（occlusion）的32位尝试数据。

2023年07月

• 07.13 14:15:47
  发表了文章 2023-07-13 14:15:47

  云原生系列Go语言篇-Go的环境配置

  每种编程语言都需要有开发环境，Go自然也不例外。如果读者之前已经写过Go程序，那么一定已经有环境了，但可能会漏掉一些最新技术和工具。如果是第一次在电脑上配置Go，也不必担心，Go及其支持工具非常简单。在配置好环境并验证后，我们会构建一个简单程序，学习几种构建和运行Go的方式，然后涉足一些简化Go开发的工具和技巧。
• 07.13 08:21:48
  发布了视频 2023-07-13 08:21:48

  Processing快乐编程002 安装Processing及点、线的绘制

  Processing快乐编程002 安装Processing及点、线的绘制

  
• 07.12 14:05:20
  发布了视频 2023-07-12 14:05:20

  Processing快乐编程001 开山篇

  Processing快乐编程001 开山篇

  
• 07.12 08:11:08
  发表了文章 2023-07-12 08:11:08

  Transformers自然语言处理第二章 文本分类Part 1

  文本分类是自然语言处理中最常见的任务之一，它可用于各种应用，例如将客户反馈标记为不同的类别，或者根据语言分发工单。电子邮件程序的垃圾邮件过滤器很有可能正在使用文本分类来保护收件箱免受大量不需要的垃圾邮件的侵扰！

  
• 07.11 18:22:34
  发表了文章 2023-07-11 18:22:34

  Transformers自然语言处理第一章 你好Transformer

  2017年，Google的研究人员发表了一篇论文，提出了一种新的用于序列建模（sequence modeling）的神经网络架构[1]。称之为Transformer，这种架构在机器翻译任务中的表现无论在翻译质量还是训练成本层面均优于循环神经网络（RNN）。

  
• 07.11 17:45:49
  发表了文章 2023-07-11 17:45:49

  机器学习之PyTorch和Scikit-Learn第6章 学习模型评估和超参数调优的最佳实践Part 3

  在前面的章节中，我们使用预测准确率来评估各机器学习模型，通常这是用于量化模型表现很有用的指标。但还有其他几个性能指标可以用于衡量模型的相关性，例如精确率、召回率、F1分数和马修斯相关系数（MCC）等。
• 07.11 17:44:57
  发表了文章 2023-07-11 17:44:57

  机器学习之PyTorch和Scikit-Learn第6章 学习模型评估和超参数调优的最佳实践Part 2

  本节中，我们来看两个非常简单但强大的诊断工具，可帮助我们提升学习算法的性能：学习曲线和验证曲线，在接下的小节中，我们会讨论如何使用学习曲线诊断学习算法是否有过拟合（高方差）或欠拟合（高偏置）的问题。另外，我们还会学习验证曲线，它辅助我们处理学习算法中的常见问题。

  

2023年06月

• 06.20 14:15:11
  发表了文章 2023-06-20 14:15:11

  机器学习之PyTorch和Scikit-Learn第6章 学习模型评估和超参数调优的最佳实践Part 1

  在前面的章节中，我们学习了用于分类的基本机器学习算法以及如何在喂给这些算法前处理好数据。下面该学习通过调优算法和评估模型表现来构建良好机器学习模型的最佳实践了。本章中，我们将学习如下内容： 评估机器学习模型表现 诊断机器学习算法常见问题 调优机器学习模型 使用不同的性能指标评估预测模型 通过管道流程化工作流

  
• 06.17 17:59:26
  发表了文章 2023-06-17 17:59:26

  机器学习之PyTorch和Scikit-Learn第5章 通过降维压缩数据Part 2

  虽然上一小节中繁琐的介绍有助于我们了解PCA的内部原理，但我们还是要谈谈scikit-learn中实现的PCA类。 PCA类是scikit-learn中又一个变换器类，我们在使用相同模型参数谈的训练数据和测试集前先使用训练数据拟合模型。下面对葡萄酒训练数据集使用scikit-learn中的PCA类，通过逻辑回归分类变换后的样本，再使用第2章 为分类训练简单机器学习算法中定义的plot_decision_regions函数可视化决策区域：
• 06.09 08:39:23
  发表了文章 2023-06-09 08:39:23

  机器学习之PyTorch和Scikit-Learn第5章 通过降维压缩数据Part 1

  在第4章 构建优秀的训练数据集 – 数据预处理中，我们学习了使用特征选择技术对数据集降维的不同方法。特征选择以外的另一种降维方法是特征提取。本章中我们会学习两种基本技术，可帮助我们通过将其变换为比原来更低维度的特征子空间总结出数据集中的信息内容。数据压缩是机器学习中非常重要的课题，它有助于我们存储和分析现代技术时代生产和收集的与日俱增的数据。

  
• 06.08 13:46:34
  发表了文章 2023-06-08 13:46:34

  机器学习之PyTorch和Scikit-Learn第4章 构建优秀的训练数据集 - 数据预处理Part 2

  我们在第1章 赋予计算机学习数据的能力和第3章 使用Scikit-Learn的机器学习分类器之旅中简单地介绍了将数据集划分为训练集和测试集的概念。在测试集中比较预测标签和真实标签可以看成是发布上线前对模型的无偏差性能评估。本节中，我们会准备一个新的数据集，葡萄酒数据集。在预处理完数据集后，我们会探讨不同的特征选择技术来对数据集降维。

  
• 06.08 13:45:44
  发表了文章 2023-06-08 13:45:44

  机器学习之PyTorch和Scikit-Learn第4章 构建优秀的训练数据集 - 数据预处理Part 1

  数据质量及所包含的有用信息量是决定机器学习算法能学到多好的关键因素。因此，在将数据集喂给机器学习算法前对其进行检查和预处理绝对很重要。本章中，我们会讨论一些基本数据预处理技术，有助于我们构建很好的机器学习模型。
• 06.03 19:56:41
  发表了文章 2023-06-03 19:56:41

  机器学习之PyTorch和Scikit-Learn第3章 使用Scikit-Learn的机器学习分类器之旅Part 2

  另一种强大又广泛使用的学习算法是支持向量机(SVM)，可看成是对感知机的扩展。使用感知机算法，我们最小化误分类错误。但在SVM中，我们的优化目标是最大化间隔（margin）。间隔定义为分隔的超平面（决策边界）之间的距离，距离超平面最近的训练样本称为支持向量。

  
• 06.03 19:55:46
  发表了文章 2023-06-03 19:55:46

  机器学习之PyTorch和Scikit-Learn第3章 使用Scikit-Learn的机器学习分类器之旅Part 1

  本章中，我们会学习一些学术界和工业界常用的知名强大机器学习算法。在学习各种用于分类的监督学习算法的不同时，我们还会欣赏到它们各自的优势和劣势。另外，我们会开始使用scikit-learn库，它为高效、有生产力地使用这些算法提供了用户友好且一致的接口。

  

2023年05月

• 05.31 17:15:16
  发表了文章 2023-05-31 17:15:16

  Golang微服务框架Kratos使用问题总结

  官方默认的 layout 目录已其实已经包含第三方包，但proto 文件仍然会出现红色波浪线，如`import "google/api/annotations.proto";`，以 VS Code 为例，只需要添加如下文件及配置：

  
• 05.31 17:11:21
  发表了文章 2023-05-31 17:11:21

  机器学习之PyTorch和Scikit-Learn第2章 为分类训练简单机器学习算法Part 2

  前一节中，我们学习了Rosenblatt感知机规则的原理，下面使用Python进行实现并使用第1章 赋予计算机学习数据的能力中介绍的鸢尾花数据集进行训练。

  
• 05.30 11:23:17
  发表了文章 2023-05-30 11:23:17

  机器学习之PyTorch和Scikit-Learn第2章 为分类训练简单机器学习算法Part 1

  本章中我们会使用所讲到的机器学习中的第一类算法中两种算法来进行分类：感知机（perceptron）和自适应线性神经元（adaptive linear neuron）。我们先使用Python逐步实现感知机，然后对鸢尾花数据集训练来分出不同花的品种。这有助于我们理解用于分类的机器学习算法概念以及如何用Python进行有效的实现。

  
• 05.25 17:25:08
  发表了文章 2023-05-25 17:25:08

  机器学习之PyTorch和Scikit-Learn第一章 赋予计算机学习数据的能力Part 2

  前面我们讨论了机器学习的三大分类：监督学习、无监督学习和强化学习，下面来学习本书中会用到一些基本术语。下面的一小节中包含用于表示数据集各方面的常用术语，以及可实现更精准高效沟通的数学符号。
• 05.25 17:23:51
  发表了文章 2023-05-25 17:23:51

  机器学习之PyTorch和Scikit-Learn第一章 赋予计算机学习数据的能力Part 1

  在作者的心目中，机器学习这一解释推理数据的应用和算法科学，是计算机科学中最令人振奋的领域！我们生活在数据多到泛滥的时代，使用机器学习领域的自学习算法 ，可以将数据转换为知识。借助近些年来开发的众多开源库，我们迎来了进入机器学习领域最好的时代，可以学习利用强大的算法来一窥数据的模式并对未来事件进行预测。