2020年2月25日

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(66) 评论(0) 推荐(0) 编辑

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(23) 评论(0) 推荐(0) 编辑

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(37) 评论(0) 推荐(0) 编辑

2020年2月19日

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(66) 评论(0) 推荐(0) 编辑

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(61) 评论(0) 推荐(0) 编辑

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(107) 评论(0) 推荐(0) 编辑

2020年2月14日

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(59) 评论(0) 推荐(0) 编辑

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(210) 评论(0) 推荐(0) 编辑

2019年12月24日

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(1093) 评论(0) 推荐(0) 编辑

2019年12月2日

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(657) 评论(1) 推荐(0) 编辑

2019年10月22日

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(54) 评论(0) 推荐(0) 编辑

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(30) 评论(0) 推荐(0) 编辑

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(549) 评论(0) 推荐(0) 编辑

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(40) 评论(0) 推荐(0) 编辑

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(259) 评论(0) 推荐(0) 编辑

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(45) 评论(0) 推荐(0) 编辑

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(38) 评论(0) 推荐(0) 编辑

2019年4月19日

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(230) 评论(0) 推荐(0) 编辑

2019年4月17日

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(414) 评论(0) 推荐(0) 编辑

2019年4月12日

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(224) 评论(0) 推荐(0) 编辑

2019年4月11日

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(827) 评论(0) 推荐(0) 编辑

2018年10月15日

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(575) 评论(0) 推荐(0) 编辑

2018年9月26日

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(3205) 评论(0) 推荐(0) 编辑

2018年9月23日

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(437) 评论(0) 推荐(0) 编辑

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(92) 评论(0) 推荐(0) 编辑

2018年9月17日

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(3677) 评论(3) 推荐(0) 编辑

2018年9月14日

《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(189) 评论(0) 推荐(0) 编辑

2018年9月12日

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(205) 评论(0) 推荐(0) 编辑

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(496) 评论(0) 推荐(0) 编辑

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(115) 评论(0) 推荐(0) 编辑

2018年9月9日

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(1582) 评论(0) 推荐(0) 编辑

2018年9月8日

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(223) 评论(0) 推荐(0) 编辑

2018年8月9日

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(6262) 评论(0) 推荐(1) 编辑

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(3478) 评论(0) 推荐(0) 编辑

2018年8月8日

《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(1835) 评论(0) 推荐(0) 编辑

2018年8月7日

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(16068) 评论(1) 推荐(0) 编辑

2018年8月3日

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(805) 评论(0) 推荐(0) 编辑

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(96) 评论(0) 推荐(0) 编辑

2018年5月7日

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(161) 评论(0) 推荐(0) 编辑

2018年5月2日

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(515) 评论(0) 推荐(0) 编辑

导航