一只楚楚猫-CSDN博客

原创 PyTorch中令人恼火的tensor

view”使用与原始张量相同的内存块，因此该内存块中的任何更改都会影响所有视图以及与其关联的原始张量视图可以是连续的或不连续的。一个不连续的张量视图可以转换为连续的张量视图，并且会复制不连续的视图张量到新的内存空间中，因此数据将不再与原始数据块关联stride位置公式：给定一个stride(A，B，C)，索引 (j, k, v) 在 1D 数据数组中的位置为 (A∗jB∗kC∗vA∗jB∗kC∗vview() 不能应用于 '非连续的张量/视图，它返回一个视图；

2024-07-20 19:13:48 645

原创 python数据分析之pandas（二）

本文以pandas进阶知识为主。

2024-07-10 16:11:39 219

原创一篇文章入门主成分分析PCA

文章目录基本概念事件随机变量独立同分布离散型随机变量伯努利分布（两点分布）二项分布几何分布泊松分布连续型随机变量正态分布期望方差标准化协方差相关系数线性组合特征值和特征向量特征值分解对称矩阵的特征值分解齐次线性方程组单位向量基向量矩阵的秩最高阶非零子式正定矩阵正交矩阵正交基逆矩阵伴随矩阵奇异值分解主成分分析基本概念事件事件：某种情况的“陈述” ⇒\Rightarrow⇒ 事件A：掷出的骰子为偶数点 ⇒\Rightarrow⇒ 事件A包含多种结果，每种结果都是一个基本事件 ⇒\Rightarrow⇒ 事

2024-07-02 10:44:56 1059

原创聚类算法—DBSCAN算法

2、20分钟学会DBSCAN聚类算法：https://cloud.tencent.com/developer/article/1664886。1、图解机器学习 | 聚类算法详解：https://www.showmeai.tech/article-detail/197。的空间聚类算法：DB-SCAN可以找到样本点的全部密集区域，把这些密集区域当做一个一个的聚类簇。，并把这些密集区域当做一个一个的聚类簇。DBSCAN算法可以找到样本点的。DBSCAN算法是一个。

2024-06-03 16:45:29 1113

原创『PyTorch』张量和函数

【代码】『PyTorch』张量和函数。

2023-12-13 16:47:25 595 1

原创性能优于BERT的FLAIR：一篇文章入门Flair模型

Flair是由Zalando Research开发的一个简单的自然语言处理（NLP）库。Flair的框架直接构建在PyTorch上，PyTorch是最好的深度学习框架之一。名称-实体识别（NER）：它可以识别单词是代表文本中的人，位置还是名称。词性标注（PoS）：将给定文本中的所有单词标记为它们所属的“词性”。文本分类：根据标准对文本进行分类（标签）。

2023-11-04 00:27:08 1323

原创一篇文章入门KNN算法

因此，无论我们从哪里获取数据，我们都需要使其符合这些约束。该数据包含 30 部电影，包括七种类型的每部电影的数据及其 IMDB 评级。标签列全为零，因为我们不使用该数据集进行分类或回归。此外，在使用 KNN 算法时，电影之间的关系（例如演员、导演和主题）不会被考虑在内，因为捕获这些关系的数据在数据集中丢失了。因此，当我们对数据运行 KNN 算法时，相似性将仅基于所包含的类型和电影的 IMDB 评级。

2023-10-31 19:07:48 266

原创 flask入门（四）前后端数据传输

模块来自论文：《Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks》，使用孪生网络（Siamse Network）将两个文本映射到特征空间得到特征向量（384维）：先把数据写进字典，字典整体进行传输。

2023-10-21 20:59:07 4074 1

原创 python异常及解决方法汇总

【代码】python异常及解决方法汇总。

2023-10-21 19:10:29 1111

原创在使用SpringBoot时遇到的异常总结（持续更新...）

因为平时在写SpringBoot项目时，总是会遇到各种各样的异常，因此在这里记录一下，以便以后再遇到相同的错误时能够有一个参考。

2023-09-18 13:47:41 232

原创 classification_report

行名：“类别（0：错误；1：正确）”、“准确率（accuracy）”、“算术平均（macro avg）”、“加权平均（weighted avg）”列名：“精确率（precision）”、“召回率（recall）”、“F1值（f1-score）”、“样本数（support）”想要理解什么是精确率、什么是召回率、什么是F1值，我们首先需要了解混淆矩阵。weighted avg：本身的比例乘以该样本占全部样本的比例。若一致，如副对角线上，则为T；凡是预测为1的都是阳性-P，凡是预测为0的都是隐性-N。

2023-09-14 23:48:08 198

原创使用SSH通过FinalShell远程连接Ubuntu服务器

我这里的端口号之所以是11022，是因为我使用了Docker容器，Ubuntu系统是Docker容器中的一个镜像，我在Docker中对端口进行了一个映射：11022—>22。用户名是上面我们添加的用户chuchu，密码是自己设置的。Linux系统是一个多用户多任务的分时操作系统，任何一个需要使用系统资源的用户，都必须向系统管理员申请一个账号，然后以这个账号的身份进入系统。其中，username是我们想要添加到sudo组的用户的用户名。其中，username是我们想要添加的新用户的用户名。

2023-09-12 21:05:38 2531 1

原创 pyinstaller报错ImportError: module ‘numpy‘ has no attribute ‘_pyinstaller_hooks_dir“的解决方法

对于编程语言来说，Library文件随着时间的推移而损坏是很常见的，在这种情况下，她可能会以无法解释的方法破坏代码。要解决这些问题，需要重新安装Library文件以修复这些问题。在这里，我们将学习如何强制pip重新安装当前版本。

2023-09-10 21:08:07 371

原创 processing：使用processing.net向flask发送请求并接收响应

举个例子，假设在浏览器中输入http://example.com/ajax并访问，那么浏览器会发送一个GET /ajax HTTP/1.1的HTTP请求给example.com服务器的/ajax路径，服务器接收到请求后，会寻找对应的资源或处理程序，并将响应内容返回给浏览器，浏览器根据响应内容渲染页面或执行相应的操作。当客户端发送一个HTTP请求时，它需要知道请求要连接的服务器的位置，也就是请求的目标。是HTTP请求头或响应头的一部分，用于指示请求体或响应体的长度，以字节为单位。

2023-07-19 00:43:08 364

原创你真的理解PyTorch中的dimension嘛？

Numpy中的sum()方法和PyTorch中的sum()方法几乎相同，除了PyTorch中的dim在Numpy中被称作axis之外。我们首先指定行（2行），然后指定列（3列）。我们可以得出一个结论，第一个维度（dim=0）用于行，第二个维度（dim=1）用于列。当我们观察3D张量的形状时，我们会注意到新的维度被预处理并占据第一个位置（下面用粗体显示），即dim=0代表第三个维度。这个三维张量的第一个维度（dim=0）是最高的，包含3个二维张量。当我们描述二维张量的形状时，我们说它包含一些行和一些列。

2023-05-09 13:44:08 379

原创强化学习之入门笔记（二）

关于AC，很多书籍和教程都说AC是DQN和PG的结合。个人觉得道理是怎么个道理，但其实是不够清晰，也很容易产生误读，甚至错误理解ACPG利用带权重的梯度下降方法更新策略，而获得权重的方法是蒙地卡罗计算G值蒙地卡罗需要完成整个游戏过程，直到最终状态，才能通过回溯计算G值，这使得PG方法的效率被限制那我们可不可以更快呢？相信大家已经想到了，那就是改为TD但改为TD还有一个问题需要解决：在PG，我们需要计算G值；那么在TD中，我们应该怎样估算每一步的Q值呢？

2023-03-25 19:09:25 570

原创强化学习之入门笔记（一）

上面的定义理解起来好难，我们用“影分身”大法，理解起来就容易多了我们从S点出发，并影分身出若干个自己;每个分身按照当前的策略选择行为;每个分身一直走到最终状态，并计算一路上获得的所有奖励总和;我们计算每个影分身获得的平均值,这个平均值就是我们要求的V值。用大白话总结就是：从某个状态，按照策略，走到最终状态很多很多次；最终获得奖励总和的平均值，就是V值【敲黑板】1. 从V值的计算，我们可以知道，V值代表了这个状态的今后能获得奖励的期望。2. V值跟我们选择的策略有很大的关系。

2023-03-24 21:17:59 1054

原创深度文本分类之DPCNN

可以看出，“狗中赤兔”在传递过程中信息是不断减少的，腾哥获得了最多的信息，而玲姐获得的最少，这就类似于浅层网络获得的信息多，而深层少，最终深层网络无法理解传来的信息，也就是玲姐猜不出来题。貌似我们只要无脑地增加网络的层数，我们就能从此获益，但实验数据给了我们当头一棒。首先，由于我们在初始化深度CNN时，往往各层权重都是初始化为一个很小的值，这就导致最开始的网络中，后续几乎每层的输入都是接近0，这时网络的输出自然是没意义的，而这些小权重同时也阻碍了梯度的传播，使得网络的初始训练阶段往往要迭代好久才能启动。

2023-03-21 17:32:40 579

原创机器学习：L2正则项（权重衰减）和梯度的理解

仅拥有一个自变量的函数称为一元函数，简记为y=f(x)。在实际生活中，人们想要了解函数 y 在点 x0处的变化率。例如，一个非匀速运动的质点在某一时刻的瞬时速度；或者一条曲线上某一点的斜率。此时涉及到一个问题：如何求出函数在某一个点的变化率呢？一般情况下，人们可以很容易求出函数在自变量某一段的变化率。例如，当自变量在 x0处产生一个增量 Δx 时，函数 y 也会产生一个增量 Δy ，此时 Δy/Δx 即为函数在自变量从 x0变化到 x0+Δx 时的变化率。那么，如何求出函数y在点x0处的变化率呢？

2023-03-20 15:24:34 2481 1

原创 pytorch：.detach()、.detach_()的作用和区别

返回一个新的tensor，从当前计算图中分离下来的，但是仍指向原变量的存放位置，不同之处只是requires_grad为false，得到的这个。其实detach()和detach_()很像，两个的区别就是detach_()是对本身的更改，detach()则是生成了一个新的tensor。由于x是直接创建的，所以它没有grad_fn，而y是通过一个加法操作创建的，所以y有grad_fn。将m的grad_fn的值设置为None，这样m就不会再与前一个节点x观点，这里的关系就会变成。

2023-03-19 19:31:26 13601 3