摘要：
L1范数损失 L1Loss 计算 output 和 target 之差的绝对值。 torch.nn.L1Loss(reduction='mean') #reduction-三个值，none: 不使用约简；mean:返回loss和的平均值；sum:返回loss的和。默认：mean。 均方误差损失 MS 阅读全文
posted @ 2019-10-16 22:50
Tony学长
阅读(125)
评论(0)
推荐(0)
摘要：
首先，linux可以使用多种远程连接，比如xshell，然后类似xshell这种远程连接方式也需要注意几点。 启动某个pythonweb项目或者其它项目是，断开连接的时候有可能会断开服务。 linux下如何把某个即将运行项目服务挂在后台运行而断开xshell的时候服务不停止呢： nohup 你的命令 阅读全文
posted @ 2019-10-16 22:24
Tony学长
阅读(70)
评论(0)
推荐(0)
摘要：
解压： tar -xzvf tocamt-apache.tar.gz 配置tocamt： 编辑tocamt配置目录下的server.xml 文件 其中，代表一个项目，相当于一个进程目录吧。 port="8080"就是开放的端口，访问web的时候，使用IP:端口即可访问到webapp目录下的web项目 阅读全文
posted @ 2019-10-16 22:20
Tony学长
阅读(88)
评论(0)
推荐(0)
摘要：
安装service: yum install tigervnc-server tigervnc-server-module 安装viewer: yum install vnc 停止或者禁用防火墙：【以便访问端口、或者可以将端口加入白名单】 systemctl stop firewalld.servi 阅读全文
posted @ 2019-10-16 22:18
Tony学长
阅读(91)
评论(0)
推荐(0)
摘要：
如果画图之后，时间序列不是平稳的，那么用拆分法将其处理成平稳的时间序列。 数据平稳: 平稳性要求序列的均值和方差不发生明显变化，在拟合曲线之后，在未来的一段时间内仍能顺着现有的形态”惯性”的延续下去。 严平稳:表示分布不随时间的改变而改变。 弱平稳:期望与相关系数不变，未来某时刻的t的值xt就要依赖 阅读全文
posted @ 2019-10-16 21:11
Tony学长
阅读(173)
评论(0)
推荐(0)
摘要：
XGBoost核心思想是多个基础模型的线性拟合，基础模型使用CART树(我喜欢)，因为CART树普遍来讲要比线性基础模型的效果要好。 首先，xgboost采用的是加法训练，也就是要确定第t颗树最优，先确定第t-1颗树最优，依次类推。 所以，其目标函数: 表示经过第t轮迭代后的模型预测值， 表示已知t 阅读全文
posted @ 2019-10-16 21:02
Tony学长
阅读(93)
评论(0)
推荐(0)
摘要：
卷积【卷积层】 卷积是有效提取图像特征的方法: 因为直接使用高分辨率的图会导致过拟合的发生。故先对原始图像进行特征提取然后再把提取到的特征喂给神经网络。 用一个正方形卷积核，遍历图片上的每个点。图片区域内，相对应的每一个像素值，乘以卷积核内相对应点的权重，求和，再加上偏置。 假设有一个5* 5* 1 阅读全文
posted @ 2019-10-16 20:50
Tony学长
阅读(66)
评论(0)
推荐(0)
摘要：
一、Scrapy框架结构图： 组件含义解释： Scrapy Engine(引擎): 负责Spider、ItemPipeline、Downloader、Scheduler中间的通讯，信号、数据传递等。 Scheduler(调度器): 它负责接受引擎发送过来的Request请求，并按照一定的方式进行整理 阅读全文
posted @ 2019-10-16 20:48
Tony学长
阅读(46)
评论(0)
推荐(0)
摘要：
首先我已经安装好了python3环境，以及设置了软连接。 我的安装信息主要在这里,点进来:我的centos7服务器安装python3.7 现在开始我的艰辛历程！ 首先，pip3 install jupyter 其次，生成jupyter notebook的配置文件以及进行配置之后，启动Jupyter。 阅读全文
posted @ 2019-10-16 20:45
Tony学长
阅读(114)
评论(0)
推荐(0)
浙公网安备 33010602011771号