近期刷题时遇到了进制转换，在这整理一波 方法: 十进制转其他进制 Integer.toHexString(int i);//转成16进制 Integer.toBinaryString(int i);//转成二进制 Integer.toOctalString(int i);//转成8进制 Integer.toString(int i, int radix);//转成任意进制，radix不在【2,36】区间内radix=10 Long.toHexString(long i);//转成16进制 Long.toBinaryString(long i);//转成二进制 Long.toOctalString(long i);//转成8进制 Long.toString(long i, int radix);//转成任意进制，radix不在【2,36】区间内radix=10 其他进制转十进制 Integer.valueOf(String s, int radix); 返回值类型为Integer，radix不在【2,36】区间内，抛出NumberFormatException异常 parseInt(String s, int radix); 返回值类型为：int，radix不在【2,36】区间内，抛出NumberFormatException异常 各进制间的转换 Integer.toString(parseInt(String s, int srcRadix), int destRadix);

String dbtime1 = "2017-02-23"; //第二个日期 String dbtime2 = "2017-02-22"; //第一个日期 //算两个日期间隔多少天 SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd"); Date date1 = format.parse(dbtime1); Date date2 = format.parse(dbtime2); int a = (int) ((date1.getTime() - date2.getTime()) / (1000*3600*24)); 直接通过计算两个日期的毫秒数，他们的差除以一天的毫秒数，即可得到想要的两个日期相差的天数。

前言 经常遇到这样的情况： 系统自带的Python是2.x，自己需要Python 3.x； 某些机器学习的框架（如PaddlePaddle/Tensorflow）需要的版本是python3.5，但是你的系统支持的python版本较高，且无法删除（因为某些软件会和python产生依赖） 此时需要在系统中安装多个Python，但又不能影响系统自带的Python，即需要实现Python的多版本共存。pyenv就是这样一个Python版本管理器。 ...

错误信息 先来描述一下我遇到的问题，在进行matplotlib学习时，plot.show()总是无法成功运行，总是会报一个错： RuntimeError: Python is not installed as a framework. The Mac OS X backend will not be able to function correctly if Python is not installed as a framework. See the Python documentation for more information on installing Python as a framework on Mac OS X. Please either reinstall Python as a framework, or try one of the other backends. If you are using (Ana)Conda please install python.app and replace the use of ‘python’ with ‘pythonw’. See ‘Working with Matplotlib on OSX’ in the Matplotlib FAQ for more information. 其实意思很简单，就是我用的python并不是一个作为系统框架存在的，因为我为了方便管理python的版本，选择了pyenv这个管理工具，是一个独立出来的python环境。 ...

之前介绍过《利用 pyenv 管理多个版本的 python》，pyenv 是一个非常好用的 Python 版本管理工具，利用它我们可以在同一台电脑上安装多个版本的 Python ，这个过程非常简单。Mac 系统的电脑一行命令就可以安装了： brew install pyenv pyenv 的安装和使用详见开篇提到的文章，这里不再赘述。 今天主要是想介绍另一个非常好用的 Python 工具——“Pipenv” Pipenv 是什么？ Pipenv is a tool that aims to bring the best of all packaging worlds (bundler, composer, npm, cargo, yarn, etc.) to the Python world. Windows is a first-class citizen, in our world. It automatically creates and manages a virtualenv for your projects, as well as adds/removes packages from your Pipfile as you install/uninstall packages. It also generates the ever-important Pipfile.lock, which is used to produce deterministic builds. ...

前言 Tensorflow 是一个编程系统，使用图（graph）来表示计算任务，图（graph）中的节点称之为 op (operation），一个 op 获得 0 个或多个 Tensor，执行计算，产生 0 个或多个 Tensor。Tensor 看作是一个 n 维的数组或列表。图必须在会话（Session）里被启动。 基本概念 使用图（Graph）来表示计算任务 在被称为会话（Session）的上下文（context）中执行图 使用 tensor 表示数据 通过变量（Variable）维护状态 使用 feed 和 fetch 可以为任意的操作赋值或者从中获取数据 下图显示了 Session、Graph、Tensor、Variable 之间的关系 ...

在之前的深度学习中，我是在MAC上跑CPU版本的tensorflow程序，当数据量变大后，tensorflow跑的非常慢，在内存不足情况下，又容易造成系统崩溃，这个时候我觉得不应该浪费我的限制的微星游戏本，便想着拿来跑深度学习的代码。 1. 配置信息 我的老电脑配置如下： CPU i5-4210M 16G内存 GPU GTX 950M 显存2G 128G SSD Ubuntu 18.04 这个配置一般，但是为了不让我的mac发光发热，同时体验下GPU给深度学习的加速效果（虽然可能加不了多少速度）以及不想让老电脑荒废的心，我最终决定还是在上面安装Ubuntu18.04跑TensorFlow了。 2. 选择安装所需软件...

前言 这是一次使用《TensorFlow笔记（1）——TensorFlow中的相关基本概念》中学习到的知识进行机器学习的实验，一来是为了理解机器学习大概是什么样的，另一方面也算是将之前学习到的一些知识活学活用。 本次实现的环境为： macOS Mojave 10.14.1 python 3.7.0（pyenv） Tensorflow 1.12.0 numpy 1.15.4 简单介绍下机器学习是什么 机器学习和人类学习的过程： ...

前言 当我们开始学习编程的时候，第一件事往往是学习打印"Hello World"。就好比编程入门有Hello World，机器学习入门有MNIST。 MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片： 它也包含每一张图片对应的标签，告诉我们这个是数字几。比如，上面这四张图片的标签分别是5，0，4，1。 其实训练一个简单的手写数字识别模型的代码很短，我的示例代码总共也就50行，除去注释、空格之类的估计连30行也没有，但是去理解包含在代码中的设计思想是很重要的，因此这篇笔记我会将我对每段代码的理解都记录下来。 参考： MNIST机器学习入门 机器学习-损失函数 ...

前言 上篇笔记我们利用MNIST数据集训练了一个手写数字识别的模型，但是准确率非常的低，维持在91%左右，我们可以尝试着将准确率提高到96%以上，在实验之前我们需要先了解一些基本的概念，本篇文章可能会有些枯燥，因为大多都是理论知识。 本文重点 激活函数 代价函数 拟合 什么是激活函数？激活函数是干嘛的？ 想了解什么是激活函数，就要先了解神经网络的基本模型，下图所示为一单一人工神经网络的基本模型图： ...