- 博客(28)
- 收藏
- 关注
RSS订阅原创 vi的教学和使用
vi/vim 的使用基本上 vi/vim 共分为三种模式，分别是命令模式（Command mode），输入模式（Insert mode）和底线命令模式（Last line mode）。 这三种模式的作用分别是：命令模式：用户刚刚启动 vi/vim，便进入了命令模式。此状态下敲击键盘动作会被Vim识别为命令，而非输入字符。比如我们此时按下i，并不会输入一个字符，i被当作了一个命令。以下是常用的几个命令：命令效果x删除当前光标所在处的字符:切换到底线命令模式，以在最底一
2022-03-31 18:33:18
206
原创 关于jupyter notebook中change kernel
以conda中的python虚拟环境py37为例（事先已经学过一些基本命令）安装ipykernel（1）进入py37虚拟环境：conda activate py37（2）安装ipykernel：python-m pip install ipykernel添加kernelpython -m ipykernel install --user --name=py37，如果不定义–name参数的话，默认为python3查看kernel列表jupyter kernelspec list
2022-03-05 18:20:25
1565
原创 安装pytorch(千万不要去掉 -c pytorch，安装n次后的教训)
三、anaconda虚拟环境安装pytorch1 Anaconda的安装在DL和ML中，要用到大量成熟的package。一个个安装 package 很麻烦，而且容易出现奇奇怪怪的问题。而 Anaconda很好的解决了我们的问题，它集成了常用于科学分析（机器学习， 深度学习）的大量package。省略了我们安装一些package的过程。Step 1：登陆Anaconda | Individual Edition，选择相应系统DownLoad，此处以Windows为例：Step 2：在开始页找到Ana
2022-03-05 10:45:53
18580
7
原创 anaconda常见问题
pycharm中使用anaconda环境1、最好不要使用pycharm给conda管理的虚拟环境安装包，直接用conda终端进入虚拟环境无论是用pip还是conda都能进行安装。个人倾向两者结合一起用，conda安装一些数据处理的库方便一些，因为anaconda本地有一些库，可以直接本地解压，而且可以把一些依赖包顺便下载好，正因如此也可能导致一些依赖包版本不对，并且conda需要经常更新。pip的话可以一个一个指定版本的安装，偶尔有库需要下载，我会选择直接pip。anaconda管理虚拟环境conda
2022-03-03 22:22:03
1766
原创 leetcode 2
python数组1.数组1.1数组基础知识数组（Array）：一种线性表数据结构。它使用一组连续的内存空间，来存储一组具有相同类型的数据。数组的基本操作：访问元素# 从数组 nums 中读取下标为 i 的数据元素值def value(nums, i): if 0 <= i <= len(nums) - 1: print(nums[i]) arr = [0, 5, 2, 3, 7, 1, 6]value(arr, 3)查找元素# 从数组 nums 中查找元素值为
2021-11-17 17:44:24
387
原创 leetcode 1
1宝石与石头思路：先将str转换为listfor i in list,可以直接在list中查找如果stones[i]在list中,则count+1答案：class Solution: def numJewelsInStones(self, jewels: str, stones: str) -> int: list_jewels = list(jewels) list_stones = list(stones) count =
2021-11-15 17:05:56
190
原创 PyTorch的主要组成模块
数据读入PyTorch数据读入是通过Dataset+Dataloader的方式完成的，Dataset定义好数据的格式和数据变换形式，Dataloader用iterative的方式不断读入批次数据。我们可以定义自己的Dataset类来实现灵活的数据读取，定义的类需要继承PyTorch自身的Dataset类。主要包含三个函数：__init__: 用于向类中传入外部参数，同时定义样本集__getitem__: 用于逐个读取样本集合中的元素，可以进行一定的变换，并将返回训练/验证所需的数据__len__
2021-10-19 15:19:58
279
原创 PyTorch简介和安装
PyTorch简介和安装一、pytorch优势更加简洁，相比于其他的框架，PyTorch的框架更加简洁，易于理解。PyTorch的设计追求最少的封装，避免重复造轮子。上手快，掌握numpy和基本的深度学习知识就可以上手。PyTorch有着良好的文档和社区支持，作者亲自维护的论坛供用户交流和求教问题。Facebook 人工智能研究院对PyTorch提供了强力支持，作为当今排名前三的深度学习研究机构，FAIR的支持足以确保PyTorch获得持续的开发更新。项目开源，在Github上有越来越多的开源代
2021-10-12 19:32:07
1492
原创 真菜鸡的保研之路(从未设想之路)
保研之路保送之旅到现在就彻底结束了。先记录下现在的感受，这个结果对我来说是已经足够了。但是确实人都是贪的，总想着会有更好的，会不会更努力一点就更好了呢。但是我不配，因为我23号晚上西电确定录取以后我就躺平了，没有再去联系北理和北邮的老师给我一个面试的机会。说不后悔是假，因为看着最后两天才拿到浙大直博，清华直博，西交大专硕等等令自己羡慕的offer的同学真的羡慕，好恨自己为啥24号以后就不冲A级平台了，用着没有论文，没有竞赛，边缘保送人的理由安慰自己。不过，除去羡慕，是真的替他们感到值得，有很多比自己甚至在
2021-09-29 18:34:18
1398
2
转载 图预测任务实践
超大规模数据集类的创建Dataset基类简介在PyG中，我们通过继承torch_geometric.data.Dataset基类来自定义一个按需加载样本到内存的数据集类。此基类与Torchvision的Dataset类的概念密切相关，这与第6节中介绍的torch_geometric.data.InMemoryDataset基类是一样的。继承torch_geometric.data.InMemoryDataset基类要实现的方法，继承此基类同样要实现，此外还需要实现以下方法：len()：返回数据集中
2021-07-09 17:39:49
265
转载 基于图神经网络的图表示学习
基于图神经网络的图表征学习方法通过该网络的实现、项目实践和理论分析，三个层面来学习基于图神经网络的图表征学习方法。提出图同构网络的论文：How Powerful are Graph Neural Networks? 基于图同构网络（GIN）的图表征网络的实现基于图同构网络的图表征学习主要包含以下两个过程：首先计算得到节点表征；其次对图上各个节点的表征做图池化（Graph Pooling），或称为图读出（Graph Readout），得到图的表征（Graph Representation）。
2021-07-05 23:31:06
682
转载 超大图上的节点表征学习
超大图上的节点表征学习节点表征学习图网络面临的问题Cluster-GCN分析Cluster-GCN实践节点表征学习给定一个图G=(V,E,A)G=(\mathcal{V}, \mathcal{E}, A)G=(V,E,A)，它由N=∣V∣N=|\mathcal{V}|N=∣V∣个节点和∣E∣|\mathcal{E}|∣E∣条边组成，其邻接矩阵记为AAA，其节点属性记为X∈RN×FX \in \mathbb{R}^{N \times F}X∈RN×F，FFF表示节点属性的维度。一个LLL层的图
2021-07-01 21:11:58
130
转载 节点预测与边预测任务实践
数据完全存于内存的数据集类InMemoryDataset基类简介在PyG中，我们通过继承InMemoryDataset类来自定义一个数据可全部存储到内存的数据集类。class InMemoryDataset(root: Optional[str] = None, transform: Optional[Callable] = None, pre_transform: Optional[Callable] = None, pre_filter: Optional[Callable] = None)I
2021-06-27 22:42:15
356
原创 6月杂记呀
时间早上七点二十起床，八点钟开始上午自习，十二点结束自习，开始吃饭午休，下午两点开始自习，六点吃饭，休息，七点开始晚上的自习，一直到晚上十一点，一天十二个小时，从六月八号到十二月二十五号，每天雷打不动。数学：6.24—7.1 概率论课本一刷( 2h 3)二刷（1h 4）线代课本二刷（2h 3）高数课本部分（3h 4）7.1—9月 1800勾题1000全做 +18讲+9讲政治：408：6.24—7.1 数据结构7.1—8.15 数据结构、15天一本6.05—6.20
2021-06-23 22:40:44
117
2
原创 基于图神经网络的节点表征学习
基于图神经网络的节点表征学习处理步骤：首先，我们要做一些准备工作，即获取并分析数据集、构建一个方法用于分析节点表征的分布。然后，我们考察MLP(Multilayer Perceptron)神经网络用于节点分类的表现，并观察基于MLP神经网络学习到的节点表征的分布。接着，我们逐一介绍GCN(Graph Convolutional Networks), GAT(Graph Attention Networks)这两个图神经网络的理论、对比它们在节点分类任务中的表现以及它们学习到的节点表征的质量。最后
2021-06-23 22:03:03
337
原创 消息传递范式
消息传递图神经网络一、消息传递范式介绍1.1 图卷积网络模型（GCN）的工作：以下为链接的部分英文的翻译：首先，每个节点获取有关其连接节点的所有特征的信息，并将聚合函数（例如 sum 或 average）应用于这些值，以确保所有表示都具有相同的大小。无论我们最终选择什么函数，它都必须是排列和顺序不变的。这是至关重要的。之后，得到的向量通过一个密集的神经网络层（这意味着它乘以某个矩阵），然后在其上使用非线性激活函数来获得新的向量表示。接下来，我们继续循环执行这三个步骤：对于每个节点，聚合其邻
2021-06-19 23:39:22
691
3
原创 Task1
1图的基础知识1.1图的定义1.2图的临界矩阵1.3节点的度1.4路径已经在数据结构中学习过，不再重复1.5行走（walk）：一次行走的起始点+走过的边+结束点1.6子图、连通图、连通子图：和高数上连通图的定义有异曲同工之处，就是单独可以成一个小区域。连通子图为子图的特殊型。1.7直径：max min P ，P为节点间的路径长度。其中关于图网络的介绍和优缺点相对容易理解，同时自己的2配置环境在环境配置过程中，自己的电脑是win10，所以在配置过程中出现了较大的问题。因为我提前安装过co
2021-06-16 21:12:03
76
原创 4月杂记呀
生活琐事反观这个月，月初，看到了好多学长学姐的考研结果出来了，考上985.211的也不在少数。当让也有一些失利的，但是他们神情上并没有多么焦虑，反而像是生活更见坚定。确实生活无论发生什么都要继续，只不过和当初预想的生活不同，聊以用“相信一切都是最好的安排”来安慰自己吧。这个月也没有参加datawhale的学习项目，对于社团工作也是能推则推，当然也放弃了蓝桥杯的报名，算是彻底放弃了竞赛，在自己面前也只有考研这条路了。昨天凌晨出了美赛的成绩，H奖，算好也算不好，也多亏了假期学习的数据挖掘的知识，算是简单的入
2021-04-25 10:20:47
148
原创 网络安全
1 DES算法1.1整体流程OFB和CFGB的区别2 RSA密码体制2.1 先导定理费尔玛定理：若p是一个素数，a是一个整数，gcb(a,p)=1，a^(p-1) = 1 mod p欧拉函数φ(x)，欧拉定理：若a和n互素，则 a^φ(x) = 1 mod n2.2 证明参见：RSA...
2021-03-31 22:06:31
81
原创 Task5 模型融合
Task 5: 模型融合皮尔逊相关系数在学习stacking原理时碰到了皮尔逊相关系数，了解到他和协方差、余弦相似度的区别。要理解Pearson相关系数，首先要理解协方差（Covariance），协方差是一个反映两个随机变量相关程度的指标，如果一个变量跟随着另一个变量同时变大或者变小，那么这两个变量的协方差就是正值，反之相反，公式如下：由公式可知，Pearson相关系数是用协方差除以两个变量的标准差得到的，虽然协方差能反映两个随机变量的相关程度（协方差大于0的时候表示两者正相关，小于0的时候表示两
2021-03-28 18:42:41
129
原创 Task4 建模与调参
Task4 建模与调参1 模型1.1 逻辑回归模型参考地址：逻辑回归模型1.1.1 综述将数据拟合到一个logit函数(或者叫做logistic函数)中，从而能够完成对事件发生的概率进行预测。1.1.2 由线性回归到逻辑回归由线性回归+阈值的方式可以进行分类任务，但是很难完成一个鲁棒性很好的分类器了。借助sigmoid函数，把线性回归的结果输出是 (0,1) 的一个概率值。1.1.3 判定边界由 hθ (x)的复杂度可以形成不同的判定边界。博客中的例子：1.1.4代价函数与梯度下降
2021-03-25 23:08:46
193
原创 task3
task3 特征工程1.学习内容：时间序列数据的特征预处理方法时间序列特征处理工具 Tsfresh（TimeSeries Fresh）的使用2.部分代码详解2.1 数据预处理train_heartbeat_df = data_train["heartbeat_signals"].str.split(",", expand=True).stack()# 取"heartbeat_signals"列转变为字符串# 以"，"分割，expand参数的作用参照：[expand](https://ww
2021-03-22 17:15:04
69
原创 git学习笔记
git学习笔记学习网址：7小时学会Git 基础全套完整教程（从入门到精通）1.概念文件夹拷贝本地版本控制集中式版本控制(SVN)分布式版本控制2.常见命令2.1初始阶段(提前添加配置信息)进入管理目录初始化git initgit add .或文件名检测当前目录下文件的状态git statusgit log查看版本 - 红色：新增文件/改了原老文件 -》 git add 文件名或. - 绿色：git已经管理 -》 git commit -m '描述信息'（例如V1,V
2021-03-17 22:19:59
52
原创 探索性数据分析
Task 2 数据分析2.1 EDA (探索性数据分析)EDA的价值主要在于熟悉数据集，了解数据集，对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。当了解了数据集之后我们下一步就是要去了解变量间的相互关系以及变量与预测值之间的存在关系。引导数据科学从业者进行数据处理以及特征工程的步骤,使数据集的结构和特征集让接下来的预测问题更加可靠。完成对于数据的探索性分析，并对于数据进行一些图表或者文字总结并打卡。2.2 内容介绍载入各种数据科学以及可视化库:数据科学库
2021-03-17 11:05:51
180
原创 零基础入门数据挖掘
Datawhale 零基础入门数据挖掘-Task1 赛题理解Task1 赛题理解Tip:本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第五场 —— 零基础入门心电图心跳信号多分类预测挑战赛。2016年6月，国务院办公厅印发《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》,文件指出健康医疗大数据应用发展将带来健康医疗模式的深刻变化，有利于提升健康医疗服务效率和质量。赛题以心电图数据为背景，要求选手根据心电图感应数据预测心跳信号，其中心跳信号对应正常病例以及受不同心律不
2021-03-16 17:42:33
281
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