• 博客园logo
  • 会员
  • 周边
  • 新闻
  • 博问
  • 闪存
  • 众包
  • 赞助商
  • Chat2DB
    • 搜索
      所有博客
    • 搜索
      当前博客
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    我的博客 我的园子 账号设置 会员中心 简洁模式 ... 退出登录
    注册 登录
B0G3
人生若不装逼,那和咸鱼有何区别!
博客园 | 首页 | 新随笔 | 新文章 | 联系 | 订阅 订阅 | 管理

06 2021 档案

 
numpy.linalg.norm(求范数)
摘要:numpy.linalg.norm(求范数) 1、linalg=linear(线性)+algebra(代数),norm则表示范数。 2、函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵(也可以是一维 阅读全文
posted @ 2021-06-29 14:09 B0G3 阅读(376) 评论(0) 推荐(0)
岭回归和lasso回归及正则化
摘要:https://www.zhihu.com/question/20473040 阅读全文
posted @ 2021-06-29 13:59 B0G3 阅读(67) 评论(0) 推荐(0)
什么是范数?
摘要:什么是范数? 我们知道距离的定义是一个宽泛的概念,只要满足非负、自反、三角不等式就可以称之为距离。范数是一种强化了的距离概念,它在定义上比距离多了一条数乘的运算法则。有时候为了便于理解,我们可以把范数当作距离来理解。 在数学上,范数包括向量范数和矩阵范数,向量范数表征向量空间中向量的大小,矩阵范数表 阅读全文
posted @ 2021-06-29 13:43 B0G3 阅读(1849) 评论(0) 推荐(0)
MySQL三大范式和反范式
摘要:MySQL三大范式和反范式 1. 第一范式确保数据表中每列(字段)的原子性。如果数据表中每个字段都是不可再分的最小数据单元,则满足第一范式。例如:user用户表,包含字段id,username,password 2. 第二范式在第一范式的基础上更进一步,目标是确保表中的每列都和主键相关。如果一个关系 阅读全文
posted @ 2021-06-29 13:19 B0G3 阅读(233) 评论(0) 推荐(0)
汇编知识之EIP寄存器
摘要:eip寄存器存储着我们cpu要读取指令的地址,没有了它,cpu就无法读取下面的指令(通俗点讲cpu就无法执行。每次相应汇编指令执行完相应的eip值就会增加。 因为80386 cpu的寻址范围是4GB。所以它的寻址模式是平坦模式的。这里我描述下cpu通过读取eip寄存器执行的大致过程。。 此时我们假设 阅读全文
posted @ 2021-06-21 11:57 B0G3 阅读(391) 评论(0) 推荐(0)
linux提权之骚操作
该文被密码保护。
posted @ 2021-06-11 15:22 B0G3 阅读(0) 评论(0) 推荐(0)
Msfvenom学习总结
摘要:Msfvenom学习总结 1. –p (- -payload-options) 添加载荷payload。 载荷这个东西比较多,这个软件就是根据对应的载荷payload生成对应平台下的后门,所以只有选对payload,再填写正确自己的IP,PORT就可以生成对应语言,对应平台的后门了!!! (- -p 阅读全文
posted @ 2021-06-11 11:50 B0G3 阅读(86) 评论(0) 推荐(0)
【转载】Word2Vec-知其然知其所以然
摘要:Word2vec的模型很简单,训练也很简单。但是针对为什么模型结构这么设计?为什么采用Hierarchical Softmax的框架?或是为什么采用Negative Sampling的框架?网上貌似没有一个比较好的介绍。 因此,这篇博客在介绍Word2vec原理的过程中,顺便也谈到了一些我对Word 阅读全文
posted @ 2021-06-09 16:30 B0G3 阅读(359) 评论(0) 推荐(0)
NLP 文本处理 工具
摘要:目录 1.中文语料常常遇到编码问题,将任意字符集文件转为utf-8编码 2.将unlabel文件夹中的所有.txt文件合并,每个文件之间空一行 3.随机抽取.txt文件中的60%,20%,5% 4.将已经分好词的文件去掉空格(正则),恢复成文件原来的样子 5.读取excel文件转换成.json文件 阅读全文
posted @ 2021-06-03 17:10 B0G3 阅读(169) 评论(0) 推荐(0)
GloVe 教程之实战入门+python gensim 词向量
摘要:前几天看论文,忽然看到了一个跟word2vec并列的词向量工具,这么厉害?还能跟word2vec相提并论? 果断需要试试。 GloVe 它来自斯坦福的一篇论文,GloVe全称应该是 Global Vectors for Word Representation 官网在此 http://nlp.stan 阅读全文
posted @ 2021-06-03 16:47 B0G3 阅读(1459) 评论(0) 推荐(0)
【word2vec】之 训练模型结果的结构探究 模型改造 python gensim
摘要:word2vec的安装,应用帖子好多,那如果想在训练的结果,也就是得到的向量上做点儿文章,该如何呢 下面来说说word2vec(python的gensim包)训练得到的模型,以及得到的向量是什么样子的 因为python训练得到的结果是二进制的,说白了就是乱码,现在既然想得到整个结果,该怎么弄呢。 其 阅读全文
posted @ 2021-06-03 16:46 B0G3 阅读(291) 评论(0) 推荐(0)
嵌入(embedding)层的理解
摘要:嵌入(embedding)层的理解 首先,我们有一个one-hot编码的概念。 假设,我们中文,一共只有10个字。。。只是假设啊,那么我们用0-9就可以表示完 比如,这十个字就是“我从哪里来,要到何处去” 其分别对应“0-9”,如下: 我 从 哪 里 来 要 到 何 处 去 0 1 2 3 4 5 阅读全文
posted @ 2021-06-03 13:27 B0G3 阅读(457) 评论(0) 推荐(0)
 

公告


博客园  ©  2004-2026
浙公网安备 33010602011771号 浙ICP备2021040463号-3