Cocos2dx学习进阶

【深度学习进阶之路】----Pycharm连接远程服务器进行代码调试与开发

目录0.前言1.配置Pycharm远程连接2.配置远程ProjectInterpreter3.参考0.前言实际工作中，我们常常会远程调用Linux服务器进行算法设计或程序开发等工作，本地Windows系统下的Pycharm可以作为其图像化界面，进行相关调试工作。其中，必须要注意的是，只有Pycharm专业版才能远程连接服务器。本文所用的Pycharm版本为2022.2——+——+——+——+——+
丁大力_DDL·2022-12-06 09:35

【深度学习进阶之路】----解决新建Anconda虚拟环境总是安装在C盘的问题

如下图所示，即使我们在安装Anacoda时明明选择了其他安装路径，但是新建虚拟环境时总是默认安装在C盘，以至于导致C盘文件不断增加，本篇博客通过修改配置在C盘路径下的**.condarc**文件，实现虚拟环境的位置变化。划重点：该方法一定是在安装anaconda时选择的是JustMe，如果你选择的是AllUser，改了也不会生效1.首先用如下命令查看conda的配置：condaconfig--sh
丁大力_DDL·2022-12-06 09:31

LabelReader.cpp:54:9: error: 'transform' is not a member of 'std'

Cocos2dx2.2.5使用Eclipse编译时出现以下错误[armeabi]Compile++thumb:cocos_extension_static
daxuewei·2022-12-06 08:54

9-深度学习进阶-读书笔记

9-深度学习进阶-读书笔记1.图像处理2.自然语言处理3.多模态融合4.应用与实践本笔记根据PaddlePaddlePPT中第9章内容整理总结。
Kobaayyy·2022-12-06 06:55

11年程序员给本科、研究生应届生以及准备从事后台开发同学的建议，学习进阶之路

校招形势目前校招招聘中，后台开发或服务器开发的岗位需求一度火热，甚至超过了算法岗。不少同学从诸神黄昏的算法岗战场上退下，转向更偏向工程能力的后台开发岗，从而造成后台开发岗位竞争的大爆发。后台开发工程师主流使用的编程语言有C++、Java、PHP以及目前慢慢流行的Golang等。本文就将以C++的角度，讲讲如何学习和准备后台开发的岗位。一、语言基础无论是C++开发还是Java开发，对于一个码农而言，
Linux服务器开发·2022-12-05 17:24

Cocos2dx 2D界面实现一个景深小效果

Cocos2dx2D界面实现一个景深小效果前言：矫情一下说正经的:1方案琢磨2主代码分析TPerspectiveLayer关注点1：TPerspectiveLayer::enableAction关注点2
TMbcdz·2022-12-04 17:33

python 游戏引擎 cocos2d_【Cocos2dx游戏开发】Cocos2d-x简介

一、简介最近在做一个Android下的卡牌游戏——《九州幻想》开发项目，而我们使用的引擎是Cocos2dx，所以想要写写笔记来记录一下项目中的收获。
君小竹·2022-12-02 23:59

python进阶路线 知乎_selenium2+Python--学习进阶路线图

selenium2+python自动化测试知识储备：1.Python:脚本编程基础。2.Selenium2API：不要用录制的工具，直接看API文档。3.html:html学的越好自动化测试定位元素越快。4.Xpath:xpath定位基本上可以解决80%的元素定位问题5.CSS:用于元素定位。6.js:很多场景是selenium无法完成的，比如浏览器的滚动条，这时候需要用到js.7.Jenkins
weixin_39605414·2022-12-01 20:22

python3d立体相册代码_Python 30 行代码画各种 3D 图形

在之前的文章有讲解过Matplotlib的用法，可能有的小伙伴们已经略有忘记，如果有不熟悉的读者朋友们请回顾Matplotlib学习进阶，今天文章教大家如何用不到30行代码绘制Matplotlib3D图形
weixin_39823200·2022-11-30 13:55

机器学习进阶第三节-决策树随机森林

决策树ID3使用信息增益/互信息进行特征选择C4.5信息增益率CART基尼系数决策树不加限制增长往往会过拟合，泛化能力弱，通过剪枝和做随机森林来减少过拟合现象随机森林多棵树理论上抑制过拟合bagging的策略bootstrapaggregation从样本集中重采样，选出N个样本在所有属性上，对着N个样本建立分类器重复以上两步m次，即获得了m个分类器，将数据放在这m个分类器上，最后根据这m个分类器的
yzy_1117·2022-11-30 02:50

2022-2-5第四章机器学习进阶决策树

决策树定义叶子节点是分类（离散值）或是回归（阈值）的结果熵条件熵的推导（连续数据的熵不一定大于等于0）相对熵两个概率分布可以看作一个是样本本身概率分布px、一个是预测值的概率分布qxD的值越小，表示q分布和p分布越接近，预测效果越好，如果越大，则说明预测误差越大；期望在这里只是一个乘数并没有太大的作用互信息—KL散度的定义式—就是交集（如果独立，互信息为0；如果不为0，互信息大于0）决策树建立一个
YJF-NJU·2022-11-30 02:18

Kaggle翻译，第十六天：机器学习进阶 3/7

类别型变量——中级机器学习3/7数据集中往往有许多非数字的数据，我们来看看怎么使用他们。在本课中你教会学到：什么是类别型变量，还有三种处理他们的方法。简介类别型变量只接受一小部分特定的值：想象一个问题，它问你多久吃一次早餐，有四个选项：“从不”，“很少”，“几乎每天”，“每天”。在这个例子中，数据就是分类别的，因为答案被限制在一个分类的集合中。如果人们回答一个关于他们轿车的牌子的调查时，回答将落在
King Stars·2022-11-30 02:48

机器学习进阶：提升

文章目录1提升算法1.1提升的概念1.2提升算法推导2GBDT算法3XGBOOST算法4Adaboost算法1提升算法1.1提升的概念随机森林的决策树是分布采样建立的，相对独立。我们是否可以在得到了m-1棵决策树后，根据现有样本和决策树信息，对第m棵决策树的建立产生有益的影响呢？提升（Boost）根本思想在于通过多个简单的弱分类器，构建出准确率很高的强分类器。简单地来说，Boost（提升）就是指每
不会产品的码农不是好的运营·2022-11-30 02:46

机器学习进阶：决策树与随机森林

1信息熵1.1信息熵事件越不确定熵越大，越确定熵越小，如果熵为0，表示这件事情一定发生，就好比你说了一句废话1.2条件熵H(Y|X)=H(X,Y)-H(X)，在X发生的前提下，Y发生新带来的熵1.3相对熵、互信息我们的目标函数可以是极大似然估计求最大值，也可以是交叉熵求最小值2决策树学习算法建决策树就是建立一个熵不断降低的树2.1三种决策树学习算法2.2决策树的过拟合2.2.1、剪枝1、预剪枝2、
不会产品的码农不是好的运营·2022-11-30 02:46

机器学习进阶（5）：决策树的一些Tips

前言一些决策树相关的笔记，有兴趣的同学可以看看。Tips决策树是弱分类器，而SVM和LR是强分类器，Bagging更适合弱分类器。参与决策树生成的数据叫做bag，其他叫做OutofBag（OBB）,OBB数据可以用于取代测试集用于误差估计，精度和同规模的测试集精度相同。这样得到的参数模型是无偏估计。随机森林的里DT1和DT2的训练样本都是不同的。在样本和特征的角度都加入随机性，特征也是起始随机选取
Y_蒋林志·2022-11-30 02:15

机器学习进阶（8）：XGboost代码案例（DMatrix）和一些数据预处理的技巧

前言讲XGboost的代码案例并结合Kaggle上的Titanic数据总结一点数据预处理的技巧。案例1简单使用xgboost做分类，了解一些特性。importxgboostasxgbimportnumpyasnp#1、xgBoost的基本使用#2、自定义损失函数的梯度和二阶导#3、binary:logistic/logitraw#定义f:theta*x#类似于定义了逻辑回归deflog_reg(y
Y_蒋林志·2022-11-28 18:39

cocos2dx创建工程并在androidstudio平台编译

本文主要是通过androidstudio进行编译运行cocos2dx工程。前置条件：1：androidstudio已经下载并安装。2：cocos2dx已经下载并打开。
王者无双·2022-11-27 12:35

初识Airtest

不要担心，使用Airtest开发App爬虫，只要人眼能看到，你就能抓到，最快只需要2分钟，兼容Unity3D、Cocos2dx-*、Android原生App、iOSApp、WindowsMobile……
weixin_30929195·2022-11-27 11:16

【转】【from青南】全面超越Appium，使用Airtest超快速开发App爬虫

不要担心，使用Airtest开发App爬虫，只要人眼能看到，你就能抓到，最快只需要2分钟，兼容Unity3D、Cocos2dx-*、Android原生App、iOSApp、WindowsMobile……
avemr04066·2022-11-27 11:44

全面超越Appium，使用Airtest超快速开发App爬虫，你会吗？

不要担心，使用Airtest开发App爬虫，只要人眼能看到，你就能抓到，最快只需要2分钟，兼容Unity3D、Cocos2dx-*、Android原生App、iOSApp、WindowsMobile……
测试小小小·2022-11-27 11:44

kaggle心脏病监测分析案例(数据分析+数据可视化）适合入门新手

心脏病监测分析数据来源：kaggle数据获取方式：关注公众号：YOLO的学习进阶日常回复：心脏病为什么想做这个分析案例？
叶faner～·2022-11-26 19:08

Hive——Hive常用内置函数总结

✅作者简介：最近接触到大数据方向的程序员，刚入行的小白一枚作者博客主页：皮皮皮皮皮皮皮卡乒的博客当前专栏：Hive学习进阶之旅研究方向：大数据方向，数据汇聚，数据治理上一篇博文：Hive——详细总结Hive
皮皮皮皮皮皮皮卡乒·2022-11-26 09:32

使用keras里面的lstm进行时间序列预测_【重温序列模型】再回首DeepLearning遇见了LSTM和GRU...

由于之前学习的时候，没有深入到具体细节的研究，所以导致现在复现一些网络或者学习深度学习进阶知识的时候会
weixin_39814378·2022-11-25 22:42

python写梦幻西游手游脚本_AirtestIDE实践一：梦幻西游手游师门任务自动化

Poco框架是一个类似于Appium的主打游戏自动化框架，支持Unity3D、Cocos2dx等游戏引擎（需要接入Poco-SDK），也可以用于Android原
weixin_39822923·2022-11-25 09:19

06-世界坐标系的原点为什么是左下角而不是屏幕中心

OpenGL默认的坐标原点是屏幕的正中心，而cocos2dx是如何将屏幕的左下角作为原点的呢？猜测是设置了摄像机结果猜测对了！
fengsharp·2022-11-24 02:41

《深度学习进阶 自然语言处理》学习笔记（3）Attention

前篇链接link目录第八章AttentionAttention结构seq2seq的改进——h到hsseq2seq的改进——解码器层结构调整Attention层的引入Attention的结构WeightSum层AttentionWeight层解码器总的网络架构将Attention计算出的权重可视化，观察对应关系总结第八章Attention上一章我们使用RNN生成了文本，又通过连接两个RNN，将一个时
Lewis_Sean·2022-11-24 00:37

《深度学习进阶 自然语言处理》第八章：Attention介绍

文章目录8.1Attention结构8.1.1seq2seq存在的问题8.1.2编码器的改进8.1.3解码器的改进8.2Attention的应用8.3总结之前文章链接：开篇介绍：《深度学习进阶自然语言处理
【文言】·2022-11-24 00:29

前端工程师需要掌握哪些知识？

1、能熟练使用HTML、CSS、Javascript，主要工作还是搭建静态页面；2、学习Bootstrap、jQuery之类，以及AJAX技术；3、学习进阶框架Angular、Vue、React等。
很酷的站长·2022-11-23 17:42

NLP (四): seq2seq (RNN, Attention), NTM (神经图灵机)

本文为《深度学习进阶:自然语言处理》的读书笔记目录seq2seq模型Encoder-Decoder模型seq2seq的应用RNNbasedseq2seqseq2seqEncoderDecoderseq2seq
连理o·2022-11-22 20:18

《深度学习进阶 自然语言处理》第六章：LSTM介绍

文章目录6.1RNN的问题6.1.1RNN的复习6.1.2梯度消失和梯度爆炸6.1.4梯度爆炸的对策6.2梯度消失和LSTM6.2.1LSTM的接口6.2.2LSTM层的结构6.2.3输出门6.2.4遗忘门6.2.5新的记忆单元6.2.6输入门6.2.7LSTM的梯度的流动6.3使用LSTM的语言模型6.3.1LSTM层的多层化6.3.2基于Dropout抑制过拟合6.3.3权重共享6.4总结之前
【文言】·2022-11-22 20:47

《深度学习进阶 自然语言处理》第七章：seq2seq介绍

时序数据转换简单举例7.2seq2seq模型实现7.3seq2seq模型改进7.3.1反转输入数据(Reverse)7.3.2偷窥(Peeky)7.4seq2seq模型的应用7.5总结之前文章链接：开篇介绍：《深度学习进阶自然语言处理
【文言】·2022-11-22 20:31

机器学习进阶之 时域/时间卷积网络 TCN 概念+由来+原理+代码实现

TCN从“阿巴阿巴”到“巴拉巴拉”TCN的概念（干嘛来的！能解决什么问题）TCN的父母（由来）TCN的原理介绍上代码！1、TCN（时域卷积网络、时间卷积网络）是干嘛的，能干嘛主要应用方向：时序预测、概率预测、时间预测、交通预测2、TCN的由来ps：在了解TCN之前需要先对CNN和RNN有一定的了解。处理问题：是一种能够处理时间序列数据的网络结构，在特定条件下，效果优于传统的神经网络（RNN、CNN
un_lock·2022-11-22 13:26

[深度学习]Part1 Python学习进阶Ch24图像处理OpenCV（24.1~24.13）——【DeepBlue学习笔记】

本文仅供学习使用Python高级——Ch24图像处理OpenCV（24.1~24.13）24.图像处理OpenCV24.1图像读取、显示、保存24.1.1图像的基本操作24.1.2摄像头/视频读取、写入24.1.3简单实例应用24.2常用数据结构与颜色空间24.2.1OpenCV常用数据结构24.2.2图像基础24.2.3基本绘图函数24.2.4访问图像像素24.2.5对比度亮度调整与通道分离合并
LiongLoure·2022-11-19 12:46

《深度学习进阶 自然语言处理》第四章：Embedding层和负采样介绍

文章目录4.1word2vec的改进一4.1.1Embedding层4.2word2vec的改进二4.2.1中间层之后的计算问题4.2.2从多分类到二分类4.2.3负采样总结之前文章链接：开篇介绍：《深度学习进阶自然语言处理
【文言】·2022-11-19 04:11

【新手入门】课程10-深度学习进阶NLP-机器翻译

任务介绍机器翻译：即用计算机实现从源语言到目标语言转换的过程，是自然语言处理的重要研究领域之一。源语言：被翻译的语言目标语言：翻译后的结果语言数据集介绍数据集：WMT-14数据集该数据集有193319条训练数据，6003条测试数据，词典长度为30000。Paddle接口paddle.dataset.wmt14中默认提供了一个经过预处理的较小规模的数据集。数据预处理：将每个源语言到目标语言的平行语料
dadliao·2022-11-19 04:54

《深度学习进阶 自然语言处理》第五章：RNN通俗介绍

文章目录5.1概率和语言模型5.1.1概率视角下的word2vec5.1.2语言模型5.1.3将CBOW模型用作语言模型的效果怎么样？5.2RNN5.2.1循环神经网络5.2.2展开循环5.2.3BackpropagationThroughTime5.2.4TruncatedBPTT5.2.5TruncatedBPTT的mini-batch学习5.3RNN的实现5.4RNNLM的学习与评价5.4.
【文言】·2022-11-19 04:17

【深度学习进阶】01目标检测理论：R-CNN、Fast R-CNN、Faster R-CNN系列以及FPN结构

参考来源：太阳花的小绿豆的博客_CSDN博客-深度学习,软件安装,Tensorflow领域博主目录1.目标检测任务简介2.R-CNN网络（2014年）2.1算法流程及存在问题2.2候选区生成2.3深度网络提取特征2.4SVM分类器2.5回归器修正候选框位置3.FastR-CNN网络（2015年）3.1算法流程及存在问题3.2网络训练数据集设置3.3ROIPooling层3.4分类器以及边界框回归器
TianleiShi·2022-11-19 03:59

Hive——详细总结Hive中各大查询语法

✅作者简介：最近接触到大数据方向的程序员，刚入行的小白一枚作者博客主页：皮皮皮皮皮皮皮卡乒的博客当前专栏：Hive学习进阶之旅研究方向：大数据方向，数据汇聚，数据治理上一篇博文：数据导入和数据导出文章目录
皮皮皮皮皮皮皮卡乒·2022-11-18 09:16

机器学习极简入门笔记-4-有监督学习进阶-HMM

目录15.1基本概念概率模型生成模型与判别模型概率图模型马尔可夫链，马尔可夫随机场和CRF15.2数学中的HMMHMM的两个基本假设15.3HMM的三个基本问题概率计算问题预测问题学习问题15.4HMM3个基本问题的计算概率计算问题预测问题学习问题15.6HMM实例15.1基本概念概率模型所谓概率模型(probabilisticmodel)，顾名思义，就是将学习任务归结于计算变量概率分布的模型。概
南鸢北折·2022-11-15 09:29

机器学习极简入门笔记-3-有监督学习进阶-SVM、SVR数学原理

目录第12章SVM12.1线性可分SVM12.2直观理解拉格朗日乘子法和KKT条件12.3对偶学习算法12.3.1对偶问题12.3.2强对偶性12.4求解线性可分SVM的目标函数12.4.1线性可分SVM的主问题12.4.2使用对偶算法求解线性可分SVM的步骤12.5线性SVM，间隔由硬到软12.5.1线性SVM的主问题12.6.3线性SVM的支持向量12.6非线性SVM和核函数12.6.1非线性
南鸢北折·2022-11-15 09:51

机器学习极简入门笔记-3-有监督学习进阶-SVM、SVR直观理解

目录14.1SVM实例14.1.1线性可分SVM14.1.2线性SVM14.1.3完全线性不可分的数据14.2SVR实例14.1SVM实例14.1.1线性可分SVMimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.svmimportSVC#"Supportvectorclassifier"#定义函数plot_svc_decision_fu
南鸢北折·2022-11-15 09:20

机器学习进阶之概率论（１）

机器学习的主体知识是概率论及优化理论，那么最近通过学堂在线清华大学概率论与数理统计知识，重新学习、巩固概率论基础，为后续进阶学习打下基础，此文对学习的重点知识进行记录和总结：一、独立与互不相容的概念区分1、两两独立和互不相容的概念：２、那么三个事件相互独立必须两两独立，且P(ABC)=P(A)P(B)P©，可以用下面例子充分说明３、事件独立和不相容（互斥的概念区分实例）
Zero_to_zero1234·2022-11-12 05:25

深度学习进阶：自然语言处理入门：第4章 word2vec的高速化

第4章word2vec的高速化第4章word2vec的高速化4.1word2vec的改进①4.1.1 Embedding层4.1.2 Embedding层的实现函数4.2word2vec的改进②4.2.1 中间层之后的计算问题4.2.2 从多分类到二分类4.2.3 sigmoid函数和交叉熵误差4.2.4 多分类到二分类的实现函数4.2.5 负采样4.2.6 负采样的采样方法函数简单实现4.2.7
xiao52x·2022-11-10 10:39

深度学习进阶：自然语言处理入门：第2章 自然语言和单词的分布式表示

深度学习进阶：自然语言处理入门第2章自然语言和单词的分布式表示2.1什么是自然语言处理单词含义2.2同义词词典2.2.1 WordNet2.2.2 同义词词典的问题2.3基于计数的方法（*）2.3.1 
xiao52x·2022-11-10 10:38

python深度学习进阶（自然语言处理）—word2vec

python深度学习进阶（自然语言处理）—word2vec摘要基于推理的方法以预测为目标，同时获得了作为副产物的单词的分布式表示。word2vec是基于推理的方法，由简单的2层神经网络构成。
诗雨时·2022-11-10 10:37

《深度学习进阶 自然语言处理》学习笔记（2）

前篇链接link目录第五章RNN语言模型RNN模型模型架构一个典型RNN单元的计算图损失函数的设置评价指标总结第六章GatedRNN上一章RNN存在的问题梯度爆炸与梯度消失LSTM一个LSTM单元的结构记忆单元c_t的引入3个门：遗忘门、输入门、输出门计算图LSTM的网络架构改进总结第七章基于RNN生成文本seq2seq原理改进ReversePeeky自动图像描述总结第五章RNN前面介绍的word
Lewis_Sean·2022-11-10 10:05

【DL学习笔记10】《深度学习进阶——自然语言处理》——ch03: word2vec

目录1.基于推理的方法和神经网络神经网络中单词的处理方法2.简单的word2vecCBOW模型的推理与学习3.学习数据的准备上下文和目标词转化为one-hot表示数据预处理总结4.CBOW模型的实现5.word2vec的补充说明CBOW模型和概率skip-gram模型两个模型的区别分析基于计数与基于推理总结上章中，我们使用基于计数的方法得到单词的分布式表示，本章我们将讨论基于推理的方法，推理机制用
yierrrr·2022-11-10 10:34

《深度学习进阶 自然语言处理》第三章：word2vec

文章目录3.1基于推理的方法3.1.1基于计数的方法的问题3.1.2基于推理的方法的概要3.1.3神经网路中单词的处理方法3.2简单的word2vec3.2.1CBOW模型的推理3.2.2CBOW模型的学习3.2.3word2vec的权重和分布式表示3.3word2vec的补充说明3.3.1CBOW模型和概率3.3.2skip-gram模型3.3.3基于计数和基于推理3.4小结之前文章链接：开篇介
【文言】·2022-11-10 10:00

【深度学习进阶-自然语言处理】第一章：神经网络的复习

本章复习了神经网络的基础知识，“从零开始搭建”一个神经网络模型对一个简单数据集进行神经网络的学习。1.数据集先看一下数据集：该数据一共300行，x是输入数据，t是标签，是一个三维的one-hot向量。#读入数据importsyssys.path.append("..")fromdatasetimportspiralx,t=spiral.load_data()print('x',x.shape)#x
偷熊的小糖·2022-11-08 10:07

深度学习进阶：自然语言处理入门：第3章 word2vec

深度学习进阶：自然语言处理入门第3章word2vec3.1基于推理的方法和神经网络3.1.1 基于计数的方法的问题3.1.2 基于推理的方法的概要3.1.3 神经网络中单词的处理方法3.2简单的word2vec3.2.1
xiao52x·2022-11-08 10:37
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他