- 博客(26)
- 收藏
- 关注
RSS订阅原创 Linux系统激活虚拟环境报错 IMPORTANT: You may need to close and restart your shell after running ‘conda init‘.
【代码】Linux系统激活虚拟环境报错 IMPORTANT: You may need to close and restart your shell after running ‘conda init‘.
2024-01-03 19:37:37
627
1
原创 yaml.load()报错 TypeError: load() missing 1 required positional argument: ‘Loader’ 解决方案
一、报错分析直接使用 yaml.load(stream) 报错如下：File "D:\workplaces\python\GraphSAINT-master\graphsaint\utils.py", line 112, in parse_n_prepare train_config = yaml.load(f_train_config)TypeError: load() missing 1 required positional argument: 'Loader'显然，编译器提
2022-04-04 22:54:52
12018
原创 如何使用Google Colab运行TensorFlow项目
一、简介Colab 是 Google Colaboratory 的简称，它是一个免费的 Jupyter 笔记本环境，无需任何配置就可以在浏览器中编写和执行 Python 代码，完全在云端运行。当然重要的是它提供了免费使用的 GPU，可以让我们更轻松地完成实验，目前 Google 提供的 GPU 普遍还是 Tesla K80，虽然之前说是全面将 K80 替换为 Tesla T4、16GB 显存，但现在使用的时候还是随机分配的，二者的算力具体差距有多少，请参考 NVIDIA官网 的数据。二、如何使用访
2020-10-17 20:19:32
5421
7
原创 粒子群算法
由Kennedy 和Eberhart于1995年提出.群体迭代，粒子在解空间追随最优的粒子进行搜索。粒子群算法：简单易行，收敛速度，快设置参数少。粒子群算法的思想源于对鸟群捕食行为的研究。模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群体达到最优目的，是一种基于Swarm Intelligence的优化方法。...
2020-09-19 16:38:52
3223
原创 深度学习-搭建TensorFlow深度学习开发环境
有问题欢迎在评论区留言~~搭建深度学习开发环境一、深度学习应用的典型开发流程二、深度学习训练所需的硬件三、NVIDIA显卡驱动安装（可跳过）四、释放NVIDIA显卡资源（可跳过）五、深度学习开发环境所需的软件5.1 Python和Anaconda5.2 TensorFlow一、深度学习应用的典型开发流程二、深度学习训练所需的硬件对于深度学习训练来说核心的执行硬件是GPU。TensorFlow官网对显卡的要求是：CUDA计算能力为3.5或更高的NVIDIA GPU卡。NVIDIA官网 所展示的部分G
2020-09-16 20:01:31
1695
原创 主成分分析
简介主成分分析（Principal Component Analysis，PCA），首先是由皮尔森（Pearson，1901）对非随机变量引入的，尔后霍特林（Hotelling，1933）将此方法推广到随机向量的情形。它是一种统计方法，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。一、适用范围1.1 主成分分析的主要目的在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。主成分分析的主要
2020-09-04 20:52:46
13027
原创 数学建模 插值和拟合
在实际问题中，我们往往只能获取有限的离散样本数据，而无法得到连续、完备的信息。插值和拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者在数学方法上是完全不同的。而面对一个实际问题，究竟应该用插值还是拟合，有时容易确定，有时则并不明显。一、数据插值在平面上给定一组离散点列，要求一条曲线，把这些点按次序连接起来，称为插值。引例 - 零件加工问题在飞机制造中，机翼的加工是一项关键技术。由于机翼尺寸很大，通常在图纸中只能标出一些关键点的数据。给出了某型飞机机翼的下缘轮廓线数据（代码中的x
2020-08-28 16:02:22
4760
原创 机器学习入门学习笔记（八）特征选择与稀疏学习
一、 特征我们将属性称为 “特征” (feature)。相关特征(relevant feature)：对当前学习任务有用的属性。无关特征(irrelevant feature)：与当前学习任务无关、没什么用的属性。从给定的特征集合中选择出相关特征子集的过程，称为“特征选择”(feature selection)。特征选择是一个重要的 “数据预处理”（data preprocessing)过程，在现实机器学习任务中，获得数据之后通常先进行特征选择，此后再训练学习器。那么，为什么要进行特征选择呢?1
2020-08-14 18:58:50
1398
原创 机器学习入门学习笔记（七）集成学习
集成学习 (ensemble learning) 通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统 (multi-classifer system) 、基于委员会的学习 (committee-based learning) 等。一、集成学习的结构图 8.1 显示出集成学习的一般结构：先产生一组“个体学习器” (individual learner)，再用某种策略将它们结合起来。个体学习器：通常由一个现有的学习算法从训练数据产生。例如 C4.5决策树算法、BP神经网络算法等。同质集成
2020-08-07 16:39:07
3422
原创 Python cv2模块使用（opencv库）
简介opencv 是一个开源的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS上。opencv 由一系列 C 函数和少量 C++ 类构成，轻量且高效，提供了 Python、MATLAB 等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。在 python 中，引用 opencv 库时 需写为 import cv2。其中，cv2 是 opencv 的 C++ 命名空间名称，使用它来表示调用的是 C++ 开发的 opencv 的接口。所以安装时，不是用 pip
2020-08-02 21:15:28
9339
原创 Python pip更换下载源 pip提速
python安装模块用pip安装是非常方便的，但是普通的pip用的是国外服务器，速度比较慢，导致很多模块无法成功安装，下面介绍如何更换pip下载源，使安装模块时的成功率和速度提高。pip 国内的一些镜像阿里云 http://mirrors.aliyun.com/pypi/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban) http://pypi.douban.com/simple/清华大学 https://pypi.tu
2020-08-02 18:36:20
419
原创 机器学习入门学习笔记（六）聚类
1、聚类任务在“无监督学习”(unsupervised learning)中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，其中研究最多、应用最广的是“聚类”(clustering)。聚类的目标：是将样本集 D 划分为若干互不相交的子集，即样本“簇”(cluster)。每个簇可能对应于一些潜在的概念(类别)，这些概念对聚类算法而言事先是未知的，聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名。聚类既能作为一个单独过程，用于找寻数据内在的分
2020-07-30 00:01:58
2216
原创 机器学习入门学习笔记（五）支持向量机
分类学习最基本的想法就是基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开。1、超平面在样本空间中，划分超平面可通过如下线性方程来描述：wTx+b=0其中 w= (w1; w2; ……; wd) 为法向量，决定了超平面的方向；b为位移项，决定了超平面与原点之间的距离。问题：能将训练样本分开的划分超平面可能有很多，如何选择？直观上看，应该去找位于两类训练样本 “正中间” 的划分超平面，即图6.1中最粗的那个，因为该划分超平面对训练样本局部扰动的“容忍”性最好，即鲁棒性最好，对未见示例
2020-07-22 23:36:43
1311
原创 机器学习入门学习笔记（四）神经网络
一、神经元模型神经网络目前使用得最广泛的一种定义：神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。神经网络中最基本的成分是神经元(neuron)模型。在生物神经网络中，每个神经元与其他神经元相连，当它“兴奋”时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位；如果某神经元的电位超过了一个“阙值”(threshold)，那么它就会被激活，即“兴奋”起来，向其他神经元发送化学物质。1943年, [McCulloch and
2020-07-16 08:25:16
7545
原创 机器学习入门学习笔记（三）决策树
一、基本流程决策树(decision tree)是一类常见的机器学习方法。它是基于树结构来进行决策的，这恰是人类在面临决策问题时一种很自然的处理机制。决策树学习的目的是为了产生一棵泛化能力强，即处理未见示例能力强的决策树，其基本流程道循简单且直观的“分而治之”(divide-and-conquer)策略。1.1 决策树的结构一般的，一棵决策树包含一个根结点、若干个内部结点和若干个叶结点。根结点：包含样本全集；内部结点：对应一个“子决策”，其包含的样本集合 根据属性测试的结果被划分到子结点中；叶
2020-07-08 23:48:59
1881
原创 机器学习入门学习笔记（二）线性模型
一、基本形式给定由d个属性描述的示例x=(x1；x2；…；xd)，其中xi是x在第i个属性上的取值。线性模型(linear model) 是由学习得到的一个通过 属性的线性组合 来进行预测的函数，其基本形式如下：用向量形式表示为：其中 w = (w1；w2；…；wd) 是各个属性的权值系数。一旦 w 和 b 学得之后，模型就得以确定。由于w直观表达了各属性在预测中的重要性，因此线性模型有很好的 可解释性(comprehensibility)。例如：在挑选好西瓜的问题中，最终学得一下的线性函数：
2020-07-01 00:16:23
2640
原创 机器学习入门学习笔记（一）模型的评估和选择
一、一些基本概念错误率(errorrate)：分类错误的样本数占样本总数的比例。在m个样本中有a个样本分类错误，则错误率E=a/m。精度(accuracy) = 1-错误率= 1-a/m。训练误差(training error)或经验误差(empirical error)：学习器的实际预测输出与样本的真实输出之间的差异。泛化误差(generalizationerror)：在新样本上的误差。我们希望得到的是在新样本上能表现得很好的学习器，或者说是得到泛化误差小的学习器。然而，我们...
2020-06-17 23:09:32
3399
原创 优化算法入门学习笔记（一）优化算法基本概念
一、优化的过程一个典型的工程设计优化过程如下图所示，可以简述为：问题说明 -> 初始设计 -> 评估性能 -> 改进设计 -> 最终模型The role of the designer is to provide a problem specification that details the parameters, constants, objetives, and constraints that are to be achieved.对设计者来说，首先需要提
2020-06-14 19:34:37
1655
原创 C++虚析构函数
1、虚析构函数的作用：避免内存泄漏。使用虚析构函数在删除指向子类对象的基类指针时，可以调用子类的析构函数使子类占用的堆内存释放，从而防止内存泄漏。2、使用总结（1）在基类的析构函数前加上virtual关键字，那么就是虚析构函数。（2）当基类中的析构函数声明为虚析构函数时，派生类开始从基类继承。（3）基类的指针指向派生类的对象时，delete基类的指针时，先调用派生类的析构函数，...
2020-06-14 11:29:41
1295
原创 C++静态变量
静态变量的静态指在整个程序生命周期的地址静止不变。也就是说在整个程序里面只保存有一份拷贝。static关键字允许它在不同的函数调用间保持它的值。如果一个静态变量被访问后值改变，它就会保持新的值。在C++中，类的静态成员（static member）必须在类内声明，在类外初始化。要注意的是，静态成员变量在类中仅仅是声明，没有定义，所以要在类的外面定义，实际上是给静态成员变量分配内存。初始化是...
2019-09-11 12:11:49
8986
原创 使用common-email插件发送邮件失败常见问题
使用163邮箱服务器一个普通邮件的模板如下： SimpleEmail email=new SimpleEmail(); email.setHostName("smtp.163.com");//设置邮箱服务器 email.setAuthentication("xxx", "密码");//设置用户名和密码 email.setCharset("UTF-8");//...
2018-12-01 20:48:01
1149
转载 HTML5菜单栏特效
今天向大家精选了10款超酷的HTML5/CSS3菜单，给你的网页添加不一样的精彩，一起来围观一下吧。1、CSS3手风琴菜单 下拉展开带弹性动画利用CSS3技术可以实现各种各样的网页菜单，我们之前也在CSS3菜单栏目中分享了许多CSS3菜单。今天我们分享的这款是CSS3手风琴菜单，菜单项在展开和收缩的时候菜单项会有弹性动画效果。每一层父级菜单有一个小三角，菜单项在展开的时候这个小三角也会出现...
2018-09-30 09:11:40
3784
原创 网络流模板
一般增广路算法(EdmondsKarp)算法流程：每次用BFS找一条最短的增广路径，然后沿着这条路径修改流量值。当没有增广路时，算法停止，此时的流就是最大流。增广路算法的效率：EK算法的时间复杂度是O(VE^2)，时间效率较慢，在稀疏图中效率还是比较高的。算法实现：邻接矩阵#include<stdio.h>#include<string.h>...
2018-08-16 23:11:28
140
原创 对拍程序c++
对拍就是你给两个程序和一个随机数据生成器，然后系统用随机数据生成器的输出数据作为你这两个程序的输入，比较这两个程序的输出，找到这两个程序输出不一样的一组数据。data.exe是数据生成程序test.exe是你需要检查的程序AC.exe是正确的程序这三个程序需要放在同一目录下，执行以下对拍程序即可#include<stdio.h>#include<stdli...
2018-08-16 19:36:30
473
转载 RMQ的ST表算法
RMQ（Range Minimum/Maximum Query），即区间最值查询，是指这样一个问题：对于长度为n的数列A，回答若干次询问RMQ(i,j)，返回数列A中下标在区间[i,j]中的最小/大值。本文介绍一种比较高效的ST算法解决这个问题。ST（Sparse Table）算法可以在O(nlogn)时间内进行预处理，然后在O(1)时间内回答每个查询。 １．预处理设A[i]是要求...
2018-08-10 11:20:08
147
原创 并查集中的启发式合并
算法原理并查集一般有两种方法来保持复杂度不退化，一种是路径压缩，另一种则是按照秩来做启发式合并。一般情况下我们都是用第一种，压缩路径通过递推找到祖先节点后，在回溯时将它的子孙节点都直接指向祖先，这样以后每次调用Find( )函数找父亲时复杂度就变成了O(1)。但是路径压缩时直接将节点的父亲修改成最终的祖先节点，在破坏原先的树结构的同时，在有些题目中也会损失信息。而不使用压缩路径，直接用暴力...
2018-08-07 16:36:55
1489
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人