- 博客(29)
- 收藏
- 关注
RSS订阅原创 哈希表相关题目
最开始没有考虑到会循环，还在想为什么这个会用到哈希！关键是一些函数的用法和stream流的使用。关于哈希的一些函数使用的考察。和三数之和是同样的方法。
2022-12-09 21:55:04
252
1
原创 Leetcode-11.19-数组
用双指针法解题，两个指针可以从同一个起点出发，也可以一个从前往后，一个从后往前。自己做的有点复杂了，先找到最小的然后往两边遍历，其实从两边往中间遍历会简单很多。这道题的关键在于找到固定的规则一圈圈遍历下去。因为没有认真读题耗费了很长时间。
2022-11-20 14:29:44
232
原创 Leetcode-11.18
要注意二叉搜索树的定义，在原函数上不可以直接递归，要借助辅助函数。解决这个题的关键是自定义数组的比较器，还有就是如何将集合转化为特定类型的数组。这道题很简单，用动态规划就可以解决。也可以用数学方法直接算出来。
2022-11-17 13:11:17
629
原创 Leetcode-11.17
刚开始用递归写，也能做出来但是超出了时间限制，后来又看了别人的代码，改了一下。这题需要注意很多细节问题。关键在于判断完所有的情况。
2022-11-17 10:43:46
625
原创 leetcode刷题第二天-数组
这道题是自己解出来的。关键在于如何将十进制小数转为二进制。在整数转为字符串的时候要注意，是整数直接转为了字符还是将整数转为了ASCII码对应的字符。，但是在用删除的时候就不好遍历了，所以官方给的答案是用双指针记录位置并交换。这题没有做出来，看了答案才知道。做这道题不能被题目所迷惑，题目是。受上面一道题的启发，这题自己做出来了，采用双指针的方法。
2022-10-07 10:10:08
362
原创 Pytorch中的损失函数
然而，如果size_average=False那么将会把mini-batch中所有样本的loss累加起来。如果提供的话，weight参数应该是一个1-D的tensor，里面的值对应类别的权重。当训练集样本不均衡的话，使用这个参数非常有用。如果提供的话，weight参数应该是一个1-D的tensor，里面的值对应类别的权重。当训练集样本不均衡的话，使用这个参数非常有用。（通过在网络的最后一层添加LogSoftmax层，可以轻松获得神经网络中的对数概率。创建一个衡量输入x和目标y之间差的绝对值的平均值的标准。
2022-09-17 15:06:55
583
原创 common
common包env_util.py文件is_wrapped()函数目的：检查一个给定的环境是否被一个给定的包装器包装输入：env、wrapper_class输出：布尔值unwrap_wrapper()函数跟is_wrapped函数功能类似，is_wrapped函数的本质就是调用unwrap_wrapper函数，通过递归调用检索wrapper对象make_vec_env()函数目的：根据env_id创建一个环境，设置环境的随机数种子，如果环境需要监控，则包装一层监控器；如果环境需要包装状
2022-09-14 16:48:02
326
原创 Kubeflow学习
Kubeflow学习介绍架构Kubeflow在ML工作流中的组件介绍Kubeflow致力于使在Kubernetes上部署机器学习工作流变得简单、可移植和可扩展。目标不是重新创建其他服务，而是提供一种直接的方式来将最佳的ML开源系统部署到不同的基础设施。在任何运行Kubenertes的地方，都应该能够运行Kubeflow。Kubeflow是Kubernetes的机器学习工具包。要使用Kubeflow，基本的工作流如下：下载并运行Kubeflow部署的二进制文件自定义生成的配置文件运行指定的脚本以
2022-09-14 16:46:52
643
原创 Kubernetes学习记录
Kubernetes学习记录概述集群架构组件Master里面的组件node组件核心概念PodcontrollerService搭建k8s环境平台规划服务器硬件配置要求搭建k8s集群部署方式kubeadm部署方式介绍安装要求：（在开始之前，部署Kubernetes集群机器需要满足以下几个条件）安装步骤二进制搭建方式介绍安装步骤概述k8s是谷歌在2014年开源的容器化集群管理系统。使用k8s进行容器化应用部署。使用k8s利于应用扩展。k8s目标：让部署容器化应用更加简洁和高效。集群架构组件Master(
2022-09-14 16:45:35
147
原创 论文阅读——Stock Movement Prediction from Tweets and Historical Prices
论文阅读——Stock Movement Prediction from Tweets and Historical Prices出处摘要动机介绍模型出处摘要股票走势预测是一个具有挑战性的问题：市场是高度随机的，并且要根据混乱的数据做出与时间相关的预测。这篇文章处理这三种复杂性，并提出一个新颖的深度生成模型，共同利用文本和价格信号来完成这项任务。与判别式或主题建模不同，这篇文章引入了递归的、连续的潜在变量以更好地处理随机性，并使用神经变分推理来解决难以处理的后验推理，还提供了一个带有时间辅助的混合目标
2022-09-14 16:44:06
365
原创 中文命名实体识别研究
中文命名实体识别的研究CNN-Based Chinese NER with Lexicon Rethinking动机研究现状疑问方法Lexicon-Based CNNsCNN-Based Chinese NER with Lexicon Rethinking动机应用长短期记忆整合词典的字符级命名实体识别取得了巨大成功，但是这种方法无法利用GPU的并行性，并且候选词典可能会发生冲突。研究现状已经有比较基于词和基于字符的方法的明确讨论，这表明由于当前中文分词的性能有限，基于字符的名称标注器可以胜过基
2022-09-14 16:41:49
453
原创 numpy.linalg.lstsq(a,b,rcond=-1)解析
返回线性矩阵的最小二乘解，即求x去拟合ax=bax=bax=b。通过计算最小化欧几里得2范数∣∣b−ax∣∣2||b-ax||^2∣∣b−ax∣∣2的向量xxx
2022-06-23 09:56:20
894
原创 Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction论文阅读
Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction摘要介绍模型modulus part 模数部分phase part 相位部分模数与相位的结合改进损失函数摘要知识图嵌入旨在将实体和关系表示为低维向量，已被证明是一种预测知识图中缺失链接的强大技术。现有的知识图谱嵌入模型主要侧重于对对称/反对称、反转和组合等关系模式进行建模。然而，许多现有的方法无法对语义结构层次进行建模。为了应对这一挑战，这篇文章提出了层次感知知识
2022-05-27 17:48:00
191
1
原创 解决ValueError: Argument must be a dense tensor: 0 - got shape [198602], but wanted [198602, 16].
在Tensorflow中调用tf.data.Dataset.from_generator(generator_function,args=(values1,values2))(generator_function是自定义的生成器函数，args是生成器的输入参数) 时报出这个错误，找了一晚上，它实际是在这个位置报出的错误：在tensor_util.py里的make_tensor_proto()函数的如下位置：其中图片中的nparray = np.array(values, dtype=np_dt)，这
2022-04-21 22:21:49
1649
原创 Cycle-DnGAN学习记录
Cycle-DnGAN学习笔记网络架构生成网络判别网络损失函数对抗损失循环一致性损失最终的损失函数参考文献：基于生成对抗网络的沙漠地震记录噪声消减方法研究_王洪洲.caj网络架构网络架构是由两个生成器G,F和两个判别器Dx,Dy组成。网络的输入是y中的数据和x中的数据。生成器G被用来拟合G:Y->X的域映射关系；生成器F被用来拟合F:X->Y的域映射关系。从训练意图上，生成网络依旧是被要求学习某种映射的训练对象，判别网络在训练的过程中更偏向于辅助指导；从结构上，两个生成网络之间首尾相接，构
2022-04-07 17:30:10
2997
原创 Pytorch使用总结
Pytorch使用总结设备的确定np.log10()Python的魔法方法__getitem__DataLoader()joblib.dump()与joblib.load()Counter()elements()方法设备的确定os.environ[‘环境变量名称’]=‘环境变量值’if cuda_used: os.environ['CUDA_VISIBLE_DEVICES'] = CUDA_VISIBLE_DEVICES device = torch.device('cuda')el
2022-04-05 21:00:11
238
原创 Tensorflow学习资源
2.x版本TensorFlow Corehttps://www.tensorflow.org/guide1.x版本docs/site/en/r1/guide at master · tensorflow/docs (github.com)https://github.com/tensorflow/docs/tree/master/site/en/r1/guide
2022-04-05 17:25:22
208
原创 使用python中的write写入列表
使用python中的write写入列表首先，我们知道write肯定可以写入字符串str类型，或bytes类型，写入列表一般我们使用writelines函数，而用write写入列表，一般我们会这样做：lst=['a','b','c']# filename为文件路径with open(filename,'w') as f: f.write("\n".join(lst))输出如下:abc易错点关于writelines:输入：lst = ['a\n', 'b\n', 'c\n']#
2022-03-24 18:08:31
6099
原创 区分gym中的gym.make()函数与gym.vector.make()函数
区分gym中的gym.make函数、与gym.vector.make函数 gym.make()gym.vector.make()gym.make()输入：环境ID，输出：环境实例env通过环境ID找到单个环境gym.vector.make()从一个环境的大量副本中创建一个矢量化环境。输入：id：环境的ID，必须传入一个有效的、在gym中注册过的ID；num_envs：矢量化环境中环境的数量；asynchronous：布尔型的值，如果为True则用’AsyncVectorEnv’包装环境，否
2022-03-18 10:48:56
2639
原创 强化学习的stable_baselines3/common/torch_layers有哪些特征提取器？
强化学习的stable_baselines3/common/torch_layers有哪些特征提取器BaseFeaturesExtractor()类最基本的特征提取器，所有其他特征提取器的基类，继承自nn.Module。有两个属性：观察空间和特征维数；有两个方法：features_dim()方法输出特征维数，forward方法用于加工。FlattenExtractor()类继承自BaseFeaturesExtractor，有forward方法，所做的操作就是将observation展平，这样的话便于
2022-03-13 20:32:55
2009
原创 解决Pandas的“Panel() takes no arguments”与“Command errored out with exit status 1”问题
Pytorch、Python与Pandas版本匹配问题最近遇到一个github上的项目，项目上只规定说要用python 3.7.3+pytorch 0.4.1 来做，但是实际中还用到了pandas包，当我下载完python3.7+pytorch 0.4.1，又随便下载了一个pandas版本后，运行时它报错了“TypeError: Panel() takes no arguments”，从网上查了之后，说这个是因为pandas版本太新了，说是python2.7环境下的pandas才有Panel()，然后我又
2022-01-07 23:36:10
1744
原创 torch.stack()与torch.cat()的区别
torch.stack()与torch.cat()的区别最近遇到这两个函数总是分不清，看别人讲解的说明也是云里雾里，于是手写了一个例子，马上就理解了，例子如下：x1 = torch.tensor([[11, 21, 31], [21, 31, 41]], dtype=torch.int)x2 = torch.tensor([[12, 22, 32], [22, 32, 42]])inputs = [x1, x2]R0 = torch.cat(inputs, dim=0)print("R0:\n"
2021-12-25 14:29:32
907
1
原创 torch进行矩阵运算
用torch进行矩阵运算下面我主要区别以下几个函数：torch.mul(a,b)torch.matmul(a,b)torch.mm(a,b)torch.einsum(a,b)其中，torch.mm()、torch.matmul()、torch.mul() 是我们比较常用的，但是用torch.einsum() 可以实现上述三个函数的任何一个的功能，下面我一一介绍这些函数的用法和适用情况。torch.mul(a,b)这个函数就是实现两个张量之间元素对元素的运算，也就是
2021-12-23 20:52:47
2720
原创 torch.nn.utils.clip_grad_norm_()函数详解
torch.nn.utils.clip_grad_norm_()函数详解torch.nn.utils.clip_grad_norm(parameters, max_norm, norm_type=2)这个函数的主要目的是对 parameters\ parameters parameters里的所有参数的梯度进行规范化; parameters\ parameters parameters为要规范的参数， max_norm\ max\_norm 
2021-12-10 12:19:04
5516
1
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