麦溪·在路上

[TOC] QNN初始化失败​ 在使用QNN1.15的时候出现模型初始化失败的问题。 ​ 12345678910111213# push default.cfg to /var/log/# start to capture DSP LogsDiagPortChangeTest --mode=ondevice --logfilesize=15mb --logdir=/var/log/analyzer --config=/var/log/default.cfg --maxdiskspace=1gb# Run the code to reproduce the issue# Stop to capture logs after reproducesDiagPortChangeTest --mode=null# pull the log from device/var/log/analyzer/ondevice_logging/the folder xxxxx# 排查程序：https://ecloud.baidu.com/index.html#/person/652353762

[TOC] 概述1234567891011121314151617# top -h top: illegal option -- htop - display system usage (UNIX)top top [-i <number>] [-d] [-n <node>]Options: -d dumb terminal -b batch mode for background operation -n <node> remote node -p <pri> run at priority -i <iter> # of iterations -z <num> number of threads to display #显示线程的数量 -D <delay> delay in seconds # 显示的更新速度 -t display thread names #显示线程名称。-D 1 一秒钟显示一次#

[TOC] 概述深度模型

[TOC] 概述 熟悉典型的机器学习算法，并有应用模型解决实际问题的经验 熟悉监督学习、半监督学习或者强化学习方法，熟悉CNN、RNN、GNN等深度神经网络和主流算法，掌握至少一种深度学习框架的使用 具备较好的编程能力、熟练掌握Python/C++ 熟悉常见的决策算法，例如决策树、行为树、SVM

[TOC] 文章参考：https://github.com/search?q=%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0 文章参考：https://github.com/apachecn/AiLearning 文章参考：https://apachecn.gitee.io/ailearning/#/docs/ml/1 概述机器学习(Machine Learning,ML) 是使用计算机来彰显数据背后的真实含义，它为了把无序的数据转换成有用的信息。是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。 深度学习通常又需要哪些数学基础？深度学习里的数学到底难在哪里？通常初学者都会有这些问题，在网络推荐及书本推荐里，经常看到会列出一系列数学科目，比如微积分、线性代数、概率论、复变函数、数值计算、优化理论、信息论等 ...

[TOC] 概述概述 我们来从一个房价预测的例子来开始学习机器学习中的一元线性回归。 一元线性回归（Simple Linear regression） 1y=wx+b 模型变量：x：称之为模型变量 模型参数：w:称之为权重(weights)，b:称之为偏置量，也称之为偏置值（bias） 一元线性回归我们要解决的问题：如果根据输入样本x,y 来进行求解模型参数w,b的过程。 残差 使用均方误差损失函数计算损失函数 损失函数的2个性质： 非负性质：保证样本误差不会相互抵消 一致性：损失函数的值和误差变化需要保持一致。 在实际情况下，我们使用均方误差来计算损失函数，就是将平方差损失函数除以n 最小二乘法基于均方误差最小化进行模型求解的方法，我们称之为最小二乘法。 最小二乘法的用途非常广泛。 最小二乘法模型求解 机型学习模型阶段。我们求解回归问题。

[TOC] 概述解析法求解一元线性回归求解步骤：1.加载样本数据 2.学习模型，求解w,b 3.预测房价

[TOC] 概述数据预处理——标准化/归一化归一化（Normalization）将数据映射到指定的范围，如：把数据映射到0～1或-1~1的范围之内处理。

[TOC] 概述多元线性回归

[TOC] 概述梯度下降法一元凸函数求极值在凸函数上面的极小值