Bright LGM's Blog

Code speaks.


  • 首页

  • 分类

  • 归档

  • 标签

  • 搜索

5行代码的自动评论机器人

发表于 2017-12-07 | 分类于 小技巧 | 阅读次数

又到小米发布会了,这次发布会将从发布评论的人里面选人,每分钟送一台小米手机。
于是写了几行代码自动发评论,省去了手工的麻烦。娱乐一下,碰个运气。

直播地址:https://hd.mi.com/x/12041b/index.html?client_id=180100041086&masid=17409.0195

代码如下:

1
2
3
4
5
6
7
8
9
10
11
// 随机选择一个当前评论列表里面的评论
var r = () => Math.floor((Math.random() * $('.livechat-list-wrapper .list li').length))
// 提取选中的评论的内容
var text = () => $($('.livechat-list-wrapper .list li')[r()]).find('.content').text()
// 使用选中的内容自动发评论
var c = () => {$('#J_chatContent').val(text());$('#J_sendChatBtn').attr('class', 'btn active');$('#J_sendChatBtn').click();}
// 生成随机的间隔时间
var rtime = () => Math.floor(Math.random() * 15000 + 5000)
// 设置一个计时器定时发评论
var st = () => stt = setTimeout(() => {c(); st()}, rtime())
st();

以上代码粘贴到控制台执行就可以了。

OpenShift工作坊

发表于 2017-10-28 | 分类于 DevOps | 阅读次数

Target

  • A simple nodejs application
  • Add mongodb to the application
  • CI/CD for the application
  • Logging, Monitoring, Debugging

A simple nodejs application

Introduction

In this section, We are going to create a nodejs project with mongodb in OpenShift. We assume that you have done all the preparation work listed in the invitation email of this workshop. And there’re some additional steps to get yourself ready.

阅读全文 »

AWS搭建OpenShift集群指南

发表于 2017-10-24 | 分类于 DevOps | 阅读次数

AWS Openshift Cluster Installation Guide

The main reference is here: https://github.com/openshift/openshift-ansible-contrib/tree/master/reference-architecture/aws-ansible

Create

1
2
3
4
./ose-on-aws.py --region=us-east-2 --keypair=lgm-oc \
--public-hosted-zone=oc-tw.net --deployment-type=origin --ami=ami-cfdafaaa \
--github-client-secret=YOUR_SECRET --github-organization=xx \
--github-client-id=YOUR_ID
阅读全文 »

本地搭建OpenShift集群指南

发表于 2017-10-24 | 分类于 DevOps | 阅读次数

Local Openshift Cluster Installation Guide

Preparation

Hosts

  • 1 control host, 1 master and 3 nodes
  • centos 7

Install packages on control host

  • Run yum install -y python2-passlib httpd-tools
阅读全文 »

深入探索生成对抗网络(二)

发表于 2017-06-26 | 分类于 Machine Learning | 阅读次数

最近在研究生成对抗网络,也对内对外做过一些分享。这里把分享过的内容整理一下,如有不对的地方,欢迎留言指出。也欢迎大家留言交流。这里是关于生成对抗网络的第二部分。第一部分在这里

上一篇中介绍了GAN的历史及发展,详细研究了GAN的模型和思想,还用tensorflow做了一个简单的实现。这一部分我们将看看GAN模型在近两年取得的进步以及未来可能的发展方向。同时,我们还会在上一次实现过的GAN例子上面,做一些增强,让GAN可以根据我们的需要来生成图像。

阅读全文 »

深入探索生成对抗网络(一)

发表于 2017-06-21 | 分类于 Machine Learning | 阅读次数

最近在研究生成对抗网络,也对内对外做过一些分享。这里把分享过的内容整理一下,如有不对的地方,欢迎留言指出。也欢迎大家留言交流。这里是关于生成对抗网络的第一部分。

生成对抗网络介绍

什么是生成对抗网络?

从这个名称来看,我们可以了解到,这个网络是用一种对抗方法去生成数据的。和其他的机器学习模型相比,生成对抗网络里面最炫酷的理念莫过于给机器学习引入了对抗。纵观地球上的生物们的成长和发展路线就会发现,物竞天择,适者生存,万物都是在不停的和其他事物对抗中成长和发展的。生成对抗网络就像我们玩下面的格斗游戏一样,我们的学习过程就是,不断找其他对手对抗,在对抗中积累经验,提升自己的技能。

fighting game

阅读全文 »

理解Conv2d及其梯度的计算过程

发表于 2017-04-15 | 分类于 Machine Learning | 阅读次数

在当前深度学习领域中,卷积神经网络在图像处理、语音处理等方面都表现出了优异的性能,得到了广泛的认可。作为深度神经网络中的一个基础算法,有很多资料介绍了卷积实现原理,但是不少人在学习之后,还是对其及其梯度的计算过程细节不够清楚。在这里,我想分享几个自己做过的小试验来加深大家对卷积及其梯度计算过程的理解。

卷积计算过程

在卷积神经网络中,卷积计算过程可以通过下面的动图(来自此处)来理解:

阅读全文 »

识别门牌号的移动应用

发表于 2017-03-01 | 分类于 Machine Learning | 阅读次数

今天给大家分享一个tensorflow的机器学习应用实例。我们将能看到如何针对特定的问题设计网络结构、设计损失函数,应用一些技巧来简化和拆分问题。还将演示如何将模型导出并部署到Android上,可以让我们感受到tensorflow强大的跨平台特性。

问题导入

提取门牌号进行地图标注

先让我们来看看我们要解决的问题。这个问题的应用场景来源于地图应用,如果能在地图上标注门牌号信息,这样就可以通过文本搜索找到地图中对应的位置了,事实上google地图就是通过训练这样的机器学习模型来进行地图信息标注的。要解决这个问题,可以读取google街景中的照片数据,然后训练一个机器学习模型来提取门牌号信息。如下图所示,当我们可以识别图片中的门牌号”42”了,我们就可以在地图上面进行标注了。

阅读全文 »

大规模Tensorflow网络的一些技巧

发表于 2017-01-16 | 分类于 Machine Learning | 阅读次数

今天给大家分享一下,在网络规模越来越大时,我们会遇到什么问题,以及如何使用tensorflow来应对。下面将会给大家分享一些有用的tips。

大规模网络的特征

首先我们来看一下用什么来衡量网络规模。

下图是alexnet的网络结构图,在2012年的imagenet图像分类挑战中,alexnet取得了80.2%的top-5正确率。

阅读全文 »

深度学习Workshop总结

发表于 2016-12-16 | 阅读次数

深度学习Workshop总结

深度学习Workshop是我们AI俱乐部面向全中国区的发起的学习机器学习的系列session。这次Workshop最初由佟达发起,由于他当时在成都,所以我们就从成都开始了。

这次workshop从11.7开始,直到1.17结束,共七次session,历时10周。我们以Google在Udacity上面的Tensorflow课程为基础,适当扩展,作为本次workshop的内容。

本次workshop一共包含七次session:

阅读全文 »
12…4
Bright LGM

Bright LGM

35 日志
10 分类
40 标签
RSS
GitHub
Creative Commons
© 2015 - 2018 Bright LGM
由 Hexo 强力驱动
主题 - NexT.Muse