- 博客(65)
- 收藏
- 关注
RSS订阅
原创 详解数组--sort()方法原理上
sort()方法在适当的位置对数组进行排序，并且返回数组。对于sort()方法，W3school给的定义是arrayObject.sort(sortby)可知参数是可选的，也就是有两种情况，一是不加参数，另外一种是加函数参数，参数必须是函数。函数就是比较函数。先看第一种不加参数的情况： var arr=[1,3,10,4,2]; arr.sort();
2017-09-21 17:12:55
10164
3
原创 Boundary Unlearning: Rapid Forgetting of Deep Networks via Shifting the Decision Boundary—代码
在方法中，训练和攻击过程是通过一系列精心设计的步骤来微调模型的。这一过程主要依赖于对抗性训练，其核心思想是利用对抗性样本（即被故意施加扰动的样本）来训练模型，从而使模型在面对扰动输入时更加鲁棒。下面详细解释这一过程：模型预测: 使用添加了扰动的数据对进行预测，得到预测标签。这一步骤检测模型对于对抗性样本的反应，即看模型如何分类经过细微修改的数据。计算损失并更新: 利用对原始数据的预测输出和步骤2中得到的计算损失（即）。然后，根据这个损失更新的参数，以使得在面对对抗性样本时，尽可能地模拟的行为。这里的关键在于
2024-03-12 15:35:41
855
原创 tensorboard可视化——No dashboards are active for the current data set.
出现问题的原因是事件的路径未用绝对路径，
2023-12-24 17:38:14
729
原创 IEEE双栏摘要排版
以下就是一些必备的命令行，摘要至于双栏之上，主要是"\IEEEtitleabstractindextext"起作用。特别注意其中的\maketitle应该放在关键词之后。
2023-12-21 19:59:24
673
原创 论文写作八股
1、方法背景，例如特征选择是什么。2、现有工作做什么3、但是，现有方法存在的问题（掌握度，不能怼太狠）5、具体来讲，讲具体的技术 （技术要注意紧扣回应第三点）6、继第5点写7、实验部分。
2023-10-30 19:52:35
125
原创 再次安装torch踩过的坑
我用conda 从新创建了一个项目环境，安装了一些基础的库。然后当我下载安装torch的时候，报错说安装的空间不足，我看了一下，torch确实比较大，一个多G，但是之前也没有出现过这个问题。一开始以为是docker的问题，但是想了一下，不应该啊，这个服务器磁盘空间那么大，怎么一个torch就不行。后来看了一下磁盘空间具体情况，如下：看得出来很多目录都没有用。最后得出的原因是，我安装anaconda 以及其他环境都是在root下。因为我连接服务器就在了root下，就直接安装在这儿了。
2022-12-01 11:01:08
1574
原创 Git向Gitea上传项目代码
因为我们先前连接了远程地址，这里就需要先删除关联的 origin 远程库。这里注意，需要把之前add到缓存区的东西删掉再重新传。上传完后，刷新Gitea仓库即可看见刚刚上传的文件。若是返回为空，那就是没有文件。本地就会在git文件夹下看见克隆的这个文件名。，是因为当前命令的目录没有切换到仓库目录下。这里若第一次使用git会报错，没有输入账号。根据提示输入邮箱和名称即可。再次执行remote。
2022-10-27 15:02:57
2797
1
原创 【论文详读】Overcoming catastrophic forgetting in neural networks
为了缓解神经网络灾难性遗忘，作者们提出了一种类似于人工神经网络突触巩固的算法（EWC）。该方法通过选择性地放慢对那些任务重要权重的学习来记住旧任务，即该方法会根据权重对之前看到的任务的重要性来减慢学习速度。...
2022-08-30 18:00:21
774
原创 如何利用在GPU上训练的模型在CPU上测试
我用OpenNMT 在服务器上训练了一个模型，保存的模型会被部署在另外一个没有GPU的机子上。问题来了，在GPU上训练的模型在CPU下是不能跑的。
2022-08-29 17:43:22
3939
原创 关于神经网络代码在服务器可以运行，而本地不能运行的那些事儿
然而服务器是有这个文件的，我就猜想是不是pycharm在连接服务器的时候出了问题。经过多次的检查并重新连接服务器，得到的结果还是一样。这让我不知道咋整，因此这个问题搁置了一段时间。就在今天，我在研究是不是和文件路径有关系的时候，果然发现了问题所在。...
2022-08-29 17:17:38
605
原创 【论文详读】Predicting Retrosynthetic Reaction using Self-Corrected Transformer Neural Networks
把数据分为十大类，然后根据聚类来划分数据。在文中，使用二维相似指纹来测量目标产品之间的拓扑相似性，并使用常用的Bemis-Murcko原子框架来聚类产品，相似阈值取0.6。
2022-08-01 17:46:07
164
原创 【踩坑】pytorch安装后一直不能用
一直报错的原因在于，我们在服务器上安装好了anaconda后，添加了清华源镜像，以便加速下载相关包。下载的通道也会优先使用清华源的通道，当我每次安装cuda版本的时候，这个下载通道他找不到对应的版本，就会默认下载cpu版本的pytorch，这就导致了，我不管下载多少次，下载的版本都不对！在安装了CUDA的前提下，又在服务器上安装了无数遍pytorch，依然不能使用，运行代码就报错，提示CUDA不能用！因为换了通道，再用conda下载的话，就会容易中断，所以我使用了pip下载。我的如下，版本明显是cpu。..
2022-07-20 10:19:46
2187
原创 Linux系统中安装CUDA和cuDNN教程并检查安装成功
首先要查看服务器中显卡驱动支持的最大cuda版本。nvidia-smi，得到如下版本信息。第一行可以看到，最大支持cuda11.6。
2022-07-18 14:17:36
12030
6
原创 xshell第一次使用以及远程配置服务器的anaconda环境
Linux的服务器，需要用xshell来远程连接服务器。刚装好的服务器什么也没有，要运行代码的话，需要先下载xshell，然后再配置anaconda环境。下载和安装的过程，下载并安装xshell参考这里主要功能是在本地计算机和远程计算机之间进行文件传输。 除此之外，WinSCP还提供脚本和基本文件管理器功能。 下载安装教程参考这里（左边是本地，右边是服务器，之间复制粘贴或者拖拽便可将本地的文件传到服务器，还可以管理服务器的文件夹。）先下载Linux版本的anaconda文件到本地， 下载点这里，在里面选择
2022-07-14 14:37:58
2632
2
原创 数值分析
2 线性代数方程组的直接解法高斯消去法依次将方程组中的变量消去，最后得到等价的三角线性方程组。然后回代公式求解。3 线性代数方程组的迭代解法Jacobi 和 Gauss-Seidel 迭代法迭代公式不同4 非线性方程和方程组的数值解法牛顿法1 先判定所给函数是否满足条件2 然后求一阶导数，构造迭代公式3 最后就不断带值计算，直到小于所给误差。5 矩阵特征值问题的数值解法6 插值法插值是过所有给定数据点集的散点图的任何一条曲线拟合是穿越所有给定数据点集散点图的任何一条曲线Lagr
2022-01-12 20:40:29
467
原创 latex—中文目录乱码
先下载gbk2uni工具这个工具包含一个exe文件，一个bat文件和一个pdf说明文档。下载链接：百度云盘：gbk2uni工具配置环境把gbk2uni工具下载到D盘新建的名为gbk2uni文件夹中，然后配置环境变量。计算机—>属性—>高级设置—>环境变量—>系统变量—>Path—>新建—>D:\gbk2uni (注意：添加完一定要点确定！)latex配置找到Options—>Options Interface—>Menus and T
2021-11-23 21:58:15
1955
6
原创 数值分析-误差
误差的来源模型误差（也称描述误差）观测误差（也称数据误差）截断误差（也称方法误差）舍入误差（也称计算误差）误差定义1：设xxx 是准确值，x∗x^*x∗是xxx的一个近似值，称e(x∗)=x∗−xe(x^*)=x^*-xe(x∗)=x∗−x 或e∗=x∗−xe^*=x^*-xe∗=x∗−x为近似数 x∗x^*x∗ 的绝对误差，简称 误差缺点:不能反映近似值的程度！定义2：设xxx 是准确值，x∗x^*x∗是xxx的一个近似值，称er(x∗)=e∗x=x∗−xxe_r(x^*)
2021-11-15 16:19:32
1148
原创 数值分析-计算机中的数系与运算特点
计算机数系数学中的实数RRRx=±βc×0.a1a2⋯atat+1⋯ ,ai∈{0,1,⋯ ,β−1}x = \pm \beta^c \times 0.a_1 a_2\cdots a_t a_{t+1}\cdots, a_i \in \{0, 1, \cdots, \beta-1\}x=±βc×0.a1a2⋯atat+1⋯,ai∈{0,1,⋯,β−1}计算机中的实数F(β,t,L,U)={±β×0.a1a2⋯at∣ak∈{0,1,⋯ ,β−1},L≤c≤U}F(\beta,t,L
2021-11-15 15:46:41
1352
原创 分类算法评价指标
分类算法评价指标评价指标1.准确率（Accuracy）2.精准率（Presicion）3.召回率（Recall）4.F1 Score评价指标混淆矩阵1.准确率（Accuracy）预测正确得样本数量占总量的百分比，具体的公式如下：Accuracy=TP+TNTP+FN+FP+TNAccuracy = \frac{TP +TN}{TP+FN+FP+TN}Accuracy=TP+FN+FP+TNTP+TN在不均衡数据上不能很好的评价。2.精准率（Presicion）又称为查准率，是针对预测结果
2021-04-25 21:50:12
245
1
原创 Visio导出无边线、无白边pdf图片文件
Visio导出无边线、无白边pdf无白边文件 —> 选项 —> 开发工具在工具栏就可以看到开发工具选项，显示 —> 页 —> print properties —> 设置pageleftmargin, pagerightmargin, pagetopmargin, pagebottommargin 均为0。无边线文件 —> 导出 —> 创建PDF —> 选项 —> 取消 ‘辅助功能文档结构标记’ 前面得勾即可...
2021-01-19 13:54:37
1321
原创 自定义函数使用GridSearchCV参数寻优
自定义函数使用GridSearchCV参数寻优GirdSearchCV and RandomizedSearchCV自定义函数中使用GirdSearchCVGridSearchCV参数说明GridSearchCV常用方法GridSearchCV属性说明自定义函数使用GridSearchCVGirdSearchCV and RandomizedSearchCV1）. GirdSearchCV是sklearn中的一个参数寻优的方法，存在的意义是自动调参，使用的人只需要把想调的参数输入进去，GirdSearc
2021-01-07 14:31:48
5819
原创 numpy 相关函数使用
np.where首先强调一下，where()函数对于不同的输入，返回的只是不同的。1、当数组是一维数组时，返回的值是一维的索引，所以只有一组索引数组2、当数组是二维数组时，满足条件的数组值返回的是值的位置索引，因此会有两组索引数组来表示值的位置，下面举例说明：import numpy as npa=np.reshape(np.arange(20),(4,5))aarray([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10
2021-01-06 21:27:50
190
10
原创 【论文详读】Density weighted support vector data description
Density weighted support vector data description算法思想初始SVDDDW-SVDD代码实现算法思想初始SVDD目标函数：minR2+C∑i=1lξis.t. ∣∣xi−a∣∣≤R2+ξi,ξi≥0 ∀i\min R^2 + C\sum_{i = 1}^l\xi_{i} \\\\s.t.\ \ || \boldsymbol{x}_{i} - \boldsymbol{a}|| \leq R^2 + \
2021-01-06 21:26:27
348
2
原创 python—二次规划求解
python—二次规划求解一般步骤引例SVDD求解代码分析一般步骤将一般形式的待求解目标函数化成标准形式。标准形式如下：{minx=12xTPx+qTxs.t. Gx≤hAx=b\begin{cases}\min \limits_{x} = \frac{1}{2}x^{T}Px + q^{T}x \\s.t. \ \ \ \ Gx \leq h \\Ax = b\end{cases}⎩⎪⎨⎪⎧xmin=21xTPx+qTxs.t.&n
2020-12-26 21:21:55
3709
1
转载 latex使用过程中各种文件说明
在系统使用过程中会遇到各种类型的文件后缀用途.afmAdobe Type1字体描述文件，ASCII格式。.bak备份文件，当源文件.tex存盘时由系统自动创建。.bib文献数据库。.bstBiBTeX文献样式文件。.cfg供类包或宏包调用的配置文件。.cls稿件类型文件，可用命令\documentclass调用。.doc类包或宏包的说明文件。.dtx包含类或宏包及其说明文件的文件，需用同名.ins文件或docstrip工具分解。
2020-12-01 21:57:47
1120
1
原创 Distance Metric Learning for Large Margin Nearest Neighbor Classification
Distance Metric Learning for Large MarginNearest Neighbor Classification假设Large margin nearest neighbor classification (LMNN)凸优化问题能量分类器（energy-based classifier）Nearest Neighbor Classification)假设首先作者基于了以下的假设：对于输入的任意样本xix_ixi 对于其相邻的K个样本，应该让与其相同类别的样本尽量靠近
2020-11-09 11:46:00
625
1
原创 【论文详读】A Fast Adaptive k-means with No Bounds
A Fast Adaptive k-means with No Bounds算法目的具体算法k-meansball k-means相关概念具体实现算法目的该算法是一种改进k-means聚类的算法，其减少了算法中距离计算的次数并提高了算法运行速度。具体算法k-means分配步骤：设置K个初始中心点，把每个点分配到距离最近的中心点所在簇。更新步骤：用簇中所有的点更新中心点，再把每个点分配到距离最近的中心点所在簇。直到更新前后的中心点差别不大时，整个算法结束。ball k-means相关概念
2020-08-19 21:53:14
934
3
原创 【论文详读】A tree-based incremental overlapping clustering method using the three-way decision theory
A tree-based incremental overlapping clustering method using the three-way decision theory算法目的提出问题解决方法思路分析重叠聚类增量聚类所提算法静态重叠聚类计算代表点构建无向图算法目的提出问题现实中，一个对象可能存在多个身份，属于多个类别。比如，一个研究者会研究多个领域，在聚类时，不能单纯说其只属于某一个领域。如下图，重叠的部分就是即研究计算机也研究石油的研究者。一般聚类是解决静态数据的聚类，数据集没有
2020-07-28 22:45:29
463
1
原创 自步学习-Self-paced Learning
自步学习和其他方法区别机器学习方法中也存在相关方法用于选择样本，例如：主动学习（active learning）和协同训练（co-training）。自步学习与二者的区别在于自步学习中所有样本的标签是完全存在的，在每次迭代过程中，我们可以通过计算预测值和标签的差别来选择置信度高的样本。而主动学习和协同训练往往应用于半监督学习框架，其中主动学习倾向于选择当前模型下确定性或置信度低的样本，而协同训练则是从无标签数据中选择分类器认为置信度可能高的样本，选择的样本并没有标签，无法断定估计结果是否准确。相比之下，自
2020-07-27 17:14:12
3493
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