星辰之衍 - 博客园

动手学深度学习PyTorch版-task10

摘要： ![](https://img2018.cnblogs.com/blog/1245030/202002/1245030-20200225221458212-2121596500.png) ![](https://img2018.cnblogs.com/blog/1245030/202002/1245030-20200225221506707-26582307.png) ![](https://im 阅读全文

posted @ 2020-02-25 22:16 星辰之衍阅读(372) 评论(0) 推荐(0)

动手学深度学习PyTorch版-task09

摘要：目标检测基础锚框目标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含我们感兴趣的目标，并调整区域边缘从而更准确地预测目标的真实边界框（ground truth bounding box）。不同的模型使用的区域采样方法可能不同。这里我们介绍其中的一种方法：它以每个像素为中心生成阅读全文

posted @ 2020-02-25 22:08 星辰之衍阅读(249) 评论(0) 推荐(0)

动手学深度学习PyTorch版-task06

摘要：稠密块运行输出阅读全文

posted @ 2020-02-25 22:01 星辰之衍阅读(281) 评论(0) 推荐(0)

动手学深度学习PyTorch版-task05

摘要： task0501.卷积神经网络基础课后习题 task0502.LeNet 课后习题 task0503.卷积神经网络进阶课后习题阅读全文

posted @ 2020-02-19 21:37 星辰之衍阅读(353) 评论(0) 推荐(0)

动手学深度学习PyTorch版-task04

摘要： task0401.机器翻译及相关技术课后习题 task0402.注意力机制与Seq2seq模型不同的attetion layer的区别在于score函数的选择，在本节的其余部分，我们将讨论两个常用的注意层 Dot product Attention 和 Multilayer Perceptron 阅读全文

posted @ 2020-02-19 21:33 星辰之衍阅读(394) 评论(0) 推荐(0)

动手学深度学习PyTorch版-task03

摘要： task0301.过拟合欠拟合及其解决方案课后习题训练集、验证集和测试集的意义 https://blog.csdn.net/ch1209498273/article/details/78266558 有了模型后，训练集就是用来训练参数的，说准确点，一般是用来梯度下降的。而验证集基本是在每个epo 阅读全文

posted @ 2020-02-19 21:27 星辰之衍阅读(445) 评论(0) 推荐(0)

动手学深度学习PyTorch版-task02

摘要： task0201.文本预处理代码解读文本预处理步骤： Vocab字典构建步骤：部分知识汇总：课后习题 task0202.语言模型与数据集课后习题 task0203.循环神经网络基础课后习题阅读全文

posted @ 2020-02-14 21:26 星辰之衍阅读(346) 评论(0) 推荐(0)

动手学深度学习PyTorch版-task01

摘要： task0101.线性回归优化函数随机梯度下降当模型和损失函数形式较为简单时，上面的误差最小化问题的解可以直接用公式表达出来。这类解叫作解析解（analytical solution）。本节使用的线性回归和平方误差刚好属于这个范畴。然而，大多数深度学习模型并没有解析解，只能通过优化算法有限次迭阅读全文

posted @ 2020-02-14 20:55 星辰之衍阅读(927) 评论(0) 推荐(0)

移动Anaconda安装目录后导致图标变白以及Anaconda Navigator，Anaconda Prompt，jupyter notebook和spyder启动不了的解决方法

摘要： Q:因为移动了Anaconda3的安装目录，所以Anaconda3的相应应用程序启动不了，包括图标也会变白解决方法：修改对应快捷键的属性，有对应的启动位置，修改下位置路径配置以及图标（Anaconda3 Menu） cmd启动jupyter notebook时，报错“Fatal error in 阅读全文

posted @ 2019-12-24 13:49 星辰之衍阅读(11329) 评论(0) 推荐(2)

from sklearn import datasets运行错误：ImportError: DLL load failed: 找不到指定的程序------解决办法

摘要：在运行集成学习的多数投票分类代码时，出现错误运行结果出错原因如果遇到错误：ImportError: DLL load failed: 找不到指定的模块出现错误原因：安装包的来源问题，也可以理解为包版本兼容问题，有的包使用官方出版，有的包使用whl文件安装解决方案：将所有包都统一来源，要么全阅读全文

posted @ 2019-12-02 16:51 星辰之衍阅读(4527) 评论(1) 推荐(0)

C++引用与传参

摘要： ```c++ include using namespace std; void Swap(int pa, int pb) { int t = pa; pa = pb; pb = t; cout 阅读全文

posted @ 2019-10-22 10:05 星辰之衍阅读(218) 评论(0) 推荐(0)

C++中的引用

摘要： ```c++ include include include using namespace std; int main() { int a = 2, b; //变量 int &r = a; //引用 int p1 = &a; int p2 = &r; //int &r = b; //错误，不可更改阅读全文

posted @ 2019-10-22 10:05 星辰之衍阅读(209) 评论(0) 推荐(0)

C++中cout输出字符串和字符串型指针地址值的方法以及C语言中的printf用法比较

摘要： ```c++ include using namespace std; include int main() { char pstr = "china"; char qstr = "america"; char q = "adf"; char s; s = "hello"; printf("pstr 阅读全文

posted @ 2019-10-22 10:04 星辰之衍阅读(1617) 评论(0) 推荐(0)

Python的复制，浅拷贝和深拷贝

摘要： https://www.cnblogs.com/xueli/p/4952063.html 如果给一个变量赋值一个对象，那么新变量和原对象变量将会是同一个引用，其中一方改变，另一方也会改变。该问题可以用浅拷贝来解决。但是浅拷贝只能解决对象的第一层的引用问题(或数组的第一维)，如果接下去的属性还是对象阅读全文

posted @ 2019-10-22 10:03 星辰之衍阅读(216) 评论(0) 推荐(0)

Python中的self用法之面向对象

摘要：输出：参考：https://blog.csdn.net/zxyhhjs2017/article/details/80218435 阅读全文

posted @ 2019-10-22 10:02 星辰之衍阅读(718) 评论(0) 推荐(0)

Design a stack that supports getMin() in O(1) time and O(1) extra space

摘要： Question: Design a Data Structure SpecialStack that supports all the stack operations like push(), pop(), isEmpty(), isFull() and an additional operat 阅读全文

posted @ 2019-10-22 10:01 星辰之衍阅读(192) 评论(0) 推荐(0)

Python的sys.argv用法

摘要： ```py import sys a = sys.argv[:] print("输入的参数为：", a) def train_start(start_time, end_time, select_equipment): print('start_time = ', start_time) print("end_time = ", end_time) print('select_time = ', 阅读全文

posted @ 2019-10-22 09:59 星辰之衍阅读(321) 评论(0) 推荐(0)

数据库系统概论学习4-SQL 语句和关系代数（二）单表查询

摘要： 4.12 字符匹配精确查询和模糊查询在这一节之前，我们学习的查询几乎都是精确查询，这就需要我们明确地知道某些属性的具体值。例如我们需要查询 'Wangxiaoxiao' 同学的信息，就需要在WHERE关键字后的条件判断中输入Name = 'Wangxiaoxiao'。但是如果我们需要查询姓 'W 阅读全文

posted @ 2019-04-19 20:05 星辰之衍阅读(887) 评论(0) 推荐(0)

数据库系统概论学习3-SQL 语句和关系代数（一）SQL 入门

摘要： 3. SQL 语句和关系代数（一）SQL 入门 3.1 数据库的编程语言 SQL 的优点 SQL 集成了数据查询（data query）、数据操作（data manipulation）、数据定义（data definition）功能，是一套完整的针对数据库管理的语言，它的功能十分强大，几乎可以满足数阅读全文

posted @ 2019-04-17 13:15 星辰之衍阅读(1354) 评论(0) 推荐(0)

数据库系统概论学习2-《关系数据库与 E/R 模型》

摘要：一直更新学习内容建立一个关系数据库需要几步？ 2.关系数据库与 E/R 模型外键：不同的表中会有相同的属性。如果一个关系r1的属性中，包含了其他关系r2的主键，我们就将这个属性称为r1上的外键（foreign key）。例如选课信息表中的ID属性，是学生信息表中的主键，那么ID属性就是这个选课阅读全文

posted @ 2019-04-12 18:02 星辰之衍阅读(950) 评论(0) 推荐(0)

MySQL实验1：新建一个名为 library 的数据库，包含 book、reader 两张表，根据自己的理解安排表的内容并插入数据。

摘要：数据表（table）简称表，它是数据库最重要的组成部分之一。数据库只是一个框架，表才是实质内容。实验：新建一个名为的数据库，包含、两张表，根据自己的理解安排表的内容并插入数据。参考答案：总结：经过本次实验，我们已经有了一个名为 library的数据库，其中有和两张表，我们已经向其中阅读全文

posted @ 2019-04-11 22:01 星辰之衍阅读(3308) 评论(0) 推荐(0)

如何在Eclipse环境下安装PyDev并成功运行Python3.6代码

摘要：准备条件：事先安装好了软件 Python3.6解释器也安装好了安装PyDev ① 打开，到找到点击 ② 查看是否安装成功：点击，可以看到已经安装上了 ③ 再到找到 , 设置 (即选择 )，配置完成后，关闭窗口。创建Python的工程项目(Python Project) ① 打开阅读全文

posted @ 2018-10-15 15:45 星辰之衍阅读(1188) 评论(0) 推荐(0)

模型融合之blending和stacking

摘要： 1. blending 需要得到各个模型结果集的权重，然后再线性组合。 2.stacking stacking的核心：在训练集上进行预测，从而构建更高层的学习器。 stacking训练过程: 1）拆解训练集。将训练数据随机且大致均匀的拆为m份。 2）在拆解后的训练集上训练模型，同时在测试集上预测。阅读全文

posted @ 2018-09-26 21:41 星辰之衍阅读(6176) 评论(0) 推荐(0)

Pandas基础用法-数据处理【全】-转

摘要：完整资料：[数据挖掘入门介绍] (https://github.com/YouChouNoBB/data mining introduction) 阅读全文

posted @ 2018-09-23 17:27 星辰之衍阅读(848) 评论(0) 推荐(0)

各种排序算法-用Python实现

摘要：冒泡排序插入排序选择排序希尔排序更新冒泡排序阅读全文

posted @ 2018-09-23 17:26 星辰之衍阅读(234) 评论(0) 推荐(0)

教你在windows10环境下如何安装minepy并成功运行！

摘要：在学习 "使用sklearn做单机特征工程" 这篇文章时，发现在计算互信息时代码运行出错原文部分如下： 3.1.4 互信息法经典的互信息也是评价定性自变量对定性因变量的相关性的，互信息计算公式如下：为了处理定量数据，最大信息系数法被提出，使用feature_selection库的Se 阅读全文

posted @ 2018-09-17 10:36 星辰之衍阅读(10201) 评论(3) 推荐(1)

《机器学习实战第7章：利用AdaBoost元算法提高分类性能》

摘要： ```py import numpy as np import matplotlib.pyplot as plt def loadSimpData(): dataMat = np.matrix([[1., 2.1], [2., 1.1], [1.3, 1.], [1., 1.], [2., 1.]] 阅读全文

posted @ 2018-09-14 20:52 星辰之衍阅读(534) 评论(0) 推荐(0)

leetcode刷题2:两数相加add_two_numbers

摘要：题目：两数相加 (难度：中等) 给定两个非空链表来表示两个非负整数。位数按照逆序方式存储，它们的每个节点只存储单个数字。将两数相加返回一个新的链表。你可以假设除了数字 0 之外，这两个数字都不会以零开头。示例：输入：(2 4 3) + (5 6 4) 输出：7 0 8 原因：342 + 46 阅读全文

posted @ 2018-09-12 23:53 星辰之衍阅读(529) 评论(0) 推荐(0)

leetcode刷题3.无重复字符的最长子串

摘要：题目：给定一个字符串，找出不含有重复字符的最长子串的长度。示例：给定 “abcabcbb” ，没有重复字符的最长子串是 “abc” ，那么长度就是3。给定 “bbbbb” ，最长的子串就是 “b” ，长度是1。给定 “pwwkew” ，最长子串是 “wke” ，长度是3。请注意答案必须是阅读全文

posted @ 2018-09-12 23:53 星辰之衍阅读(919) 评论(0) 推荐(0)

leetcode刷题1:两数之和two_sum

摘要：题目：（难度：Easy）给定一个整数数组和一个目标值，找出数组中和为目标值的两个数。你可以假设每个输入只对应一种答案，且同样的元素不能被重复利用。示例：给定 nums = [2, 7, 11, 15], target = 9 因为 nums[0] + nums[1] = 2 + 7 = 9 阅读全文

posted @ 2018-09-12 23:52 星辰之衍阅读(311) 评论(0) 推荐(0)

机器学习性能指标之ROC和AUC理解与曲线绘制

摘要：一. ROC曲线 1、roc曲线：接收者操作特征(receiveroperating characteristic),roc曲线上每个点反映着对同一信号刺激的感受性。横轴：负正类率(false postive rate FPR)特异度，划分实例中所有负例占所有负例的比例；(1 Specificit 阅读全文

posted @ 2018-09-09 14:56 星辰之衍阅读(5190) 评论(0) 推荐(0)

Python的return self和return一个新的对象区别

摘要：目的：设计一个有理数相加。如3/5 + 7/15 = 80/75 return self 输入：输出：从地址中可以看出和返回的对象是同一个r1地址，原因在于。 return self做出修改输出：分析： return新的对象输入：输出：从地址中可以看出和返回的对象不是同一个，阅读全文

posted @ 2018-09-08 15:31 星辰之衍阅读(1800) 评论(0) 推荐(0)

Pytorch的gather用法理解

摘要：先放一张表，可以看成是二维数组 |行(列)索引|索引0| 索引1| 索引2|索引3| | : :| : : | : : | : : | : : | |索引0 |0|1|2|3| |索引1 |4|5|6|7| |索引2 |8|9|10|11| |索引3 |12|13|14|15| 看一下下面例子代码：阅读全文

posted @ 2018-08-09 21:32 星辰之衍阅读(22748) 评论(1) 推荐(3)

关于Pytorch的二维tensor的gather和scatter_操作用法分析

摘要：看得不明不白（我在下一篇中写了如何理解gather的用法） gather是一个比较复杂的操作，对一个2维tensor，输出的每个元素如下：二维tensor的gather操作针对0轴注意index此时的值输入输出 ======================分割线============== 阅读全文

posted @ 2018-08-09 19:36 星辰之衍阅读(6340) 评论(0) 推荐(0)

《深度学习框架PyTorch：入门与实践》的Loss函数构建代码运行问题

摘要：在学习陈云的教程 "《深度学习框架PyTorch：入门与实践》" 的损失函数构建时代码如下：可我运行如下代码：运行结果：根据stackoverflo的问题 "Pytorch: Convert FloatTensor into DoubleTensor" 和 "PyTorch(总)——PyTor 阅读全文

posted @ 2018-08-08 18:49 星辰之衍阅读(2318) 评论(0) 推荐(0)

如何在windows10环境下安装Pytorch-0.4.1版本

摘要：开始是按照教程：https://blog.csdn.net/xiangxianghehe/article/details/80103095 安装了Pytorch0.4.0，但是安装后发现在import torch 出问题了！！！原因已更新：我舍弃了上面教程。真正原因是要用，我直接用 "Pytor 阅读全文

posted @ 2018-08-07 17:58 星辰之衍阅读(20821) 评论(1) 推荐(0)

L1范数与L2范数正则化

摘要： 2018-1-26 虽然我们不断追求更好的模型泛化力，但是因为未知数据无法预测，所以又期望模型可以充分利用训练数据，避免欠拟合。这就要求在增加模型复杂度、提高在可观测数据上的性能表现得同时，又需要兼顾模型的泛化力，防止发生过拟合的情况。为了平衡这两难的选择，通常采用两种模型正则化的方法：L1范数正则阅读全文

posted @ 2018-08-03 11:53 星辰之衍阅读(1589) 评论(0) 推荐(0)

两个单链表相交的一系列问题

摘要：请实现一个函数，如果两个链表相交，请返回相交的第一个节点；如果不想交，返回null即可。要求：如果链表1的长度为N，链表2的长度为M，时间复杂度请达到O(N+M)，额外空间复杂度请达到O(1)。输出：阅读全文

posted @ 2018-08-03 11:48 星辰之衍阅读(370) 评论(0) 推荐(0)

Python的装饰器实例用法小结

摘要：这篇文章主要介绍了Python装饰器用法,结合实例形式总结分析了Python常用装饰器的概念、功能、使用方法及相关注意事项一、装饰器是什么 python的装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经阅读全文

posted @ 2018-05-07 21:56 星辰之衍阅读(491) 评论(0) 推荐(0)

Pandas标记删除重复记录

摘要： Pandas提供了duplicated、Index.duplicated、drop_duplicates函数来标记及删除重复记录 duplicated函数用于标记Series中的值、DataFrame中的记录行是否是重复，重复为True，不重复为False pandas.DataFrame.dupl 阅读全文

posted @ 2018-05-02 14:14 星辰之衍阅读(1455) 评论(0) 推荐(0)

导航

公告