m0_55392122的博客

原创 Transformer（上）

图1-NLP在问答的例子自然语言处理可以解决：实体识别机器问答语法剖析。

原创 huggingface_hub

git add .$git push。

原创 gpt使用指南

原创 将路径c改为路径d

c:\>cd /d d:\ //因为改变了驱动器所以加上"/d"

原创 The SettingWithCopyWarning

【代码】The SettingWithCopyWarning。

原创 apex下载以及踩坑解决方法

【代码】apex下载以及踩坑解决方法。

原创 深度学习的炼丹经历

lr的设置不应该过大，也不应该太小，当lr设置的太大时，会在训练中飞出去。对于语义分割，一般情况下，lr=1e-3就已经很大了，在训练时，有幸遇到过loss的值突然从0.9直接一跃到30000或者几百都有可能，然后再降下来，过于魔幻，因此lr的值的设定也要发生变化，不能太大，也不能太小。lr设置的太大loss的结果如下图所示：一般不要设置太大，但是太小也不行，太小的话会导致模型只能在局部极小点收敛，不能达到更好的结果。

原创 关于我一年的深度学习之路（我很菜，非常菜，大佬勿笑话我）

大二开始接触深度学习，当时自己就只能看懂python,自己也不会敲代码，什么算法也不懂的情况下开始学习。线代没学，高代不会，c和c++都不会的基础情况下。

原创 在没有联网的服务器下载深度学习环境（anaconda和pytorch）

下载好了文件以后，直接通过xftp软件，将这个文件传送到要进行下载的服务器中，之后在存放这个文件的路径下，使用指令将其下载安装。通过查阅许多的博主的解决方法，最后自己总结了一套下载办法供大家解决学习。，直接下载对应的版本，由于我的服务器是linux的，所以直接选择第一个64-bit（x86）即可进行下载。之后一直选择yes，当遇到一些其他的情况时，可以自由的选择命名的文件夹，一直按ENTER就可以。由于我将文件夹命名为conda，因此路径为conda，一般默认为anaconda3.

原创 服务器使用以及各种报错解决方案，下载pytorch的解决方案

关于对服务器的理解和遇到的问题

原创 数学建模-matlab

关于mtalb的一些心得笔记

原创 k-means均值聚类

k-means均值聚类随机生成100个数，并对这100个数进行k-mean聚类（k=3,4)(并用matplot画图）。1). 随机创建100个样本的二维数据作为训练集并画出训练样本的散点图提示：a. 使用sklearnsklearnsklearn的make_blobsmake\_blobsmake_blobs方法来生成用于测试聚类算法的效果。sklearnsklearnsklearn中的make_blobsmake\_blobsmake_blobs方法常被用来生成聚类算法的测试数据，直观地说，

原创 KNN算法

K近邻k近邻法(k-nearest neighbor, kNN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。

原创 函数python

函数中的*def (a, *p) 其中的*p输入只能是元组（）函数中的**def (a, **p)其中的**输入的是字典例子如下：**p = (a = 1, b = 2, c = 3)输出为{‘a’ : 1, ‘b’ : 2, ‘c’ : 3}函数的实参函数中的实参位置与函数中的位置应该一一对应，若有具体的数，具体的数应放在后面如下def （a, b = 1）...

原创 cnn卷积核channel，数量，1*1卷积核降维原理

卷积核channel和数量的区别cnn卷积channel1.filter的channel=输入图像的channel2.filter的个数=输出图像的channel1×1\times1×1卷积降维tensorflowcnn卷积众所周知，cnn最重要的就是卷积层和池化层，对于卷积层中，通过使用卷积核与原图像进行卷积操作，降低数据量方便计算。卷积操作为：通过上述操作可以使大家清晰的看到卷积操作，但是卷积核的处理非常重要，那么卷积核的channel以及个数有什么区别呢？以下是我通过借阅别的大佬的博客做出如

原创 c语言运算符

一、自加运算符i++i++是先使用i再加一++i++i是先加一再使用i#include <stdio.h>int main(){ int a = 1, b = 1, n1, n2; n1 = a++; n2 = ++b; printf("%d %d\n", n1, a); printf("%d %d\n", n2, b); return 0;}1 22 2逻辑运算符运算符含义&&与！非|| 或条件运算符

原创 KNN手撕算法

KNNknn属于机器学习中的一个预测模型，属于监督性学习算法如下：1.计算想要分类的点到其余点的距离2.按距离升序排列，并选出前K（KNN的K）个点，也就是距离样本点最近的K个点距离公式有：欧式距离明可夫距离马氏距离3.加权平均，得到答案代码如下import numpy as npimport matplotlib.pyplot as pltdef CanberraDistance(x, y): d = 0 for i in range(len(x)):

原创 c语言define易错点

#define 标识符 任何语句或片段一、标准样例#define ADD(a, b) ((a)+(b))#include <stdio.h>#define ADD(a, b) ((a)+(b))int main(){ int num1 = 3, num2 = 5; printf("%d", ADD(num1, num2)); return 0;}二、不加括号宏定义是将对应的部分替换，进行编译和运行如下文#include <stdio.h>#define

原创 数学建模时间序列解题思路

一.时间序列建模思路：处理数据的缺失值问题，生成时间变量并画出时间序列图数据是否为季节数据或者月份数据（至少有两个完整的周期，即两年），如果是的话就要观察图形是否存在季节性波动。 从而选择合适的乘法分解或者加法分解。根据时间序列图大致判断数据是否为平稳序列（数据围绕着均值上下波动，无趋势和季节性）利用spss分析时间创建专家模型，或者调用sklearn去处理时间序列问题如果是ARIMA（p,0,q）模型，那么我们就画出时间序列的ACF和PACF图形进行分析; 如果是ARIMA

原创 数据结构与算法概述

数组：如果需要经常进行循环和查找使用例题：242链表：如果需要经常的进行添加或者删除操作使用使用技巧：1.使用快慢指针（有时候需要用到三个指针）2.构建一个虚假的链表头栈：后进先出例题：20，739队列：先进先出特点：双指针，对数据前后同时操作双端队列：利用双链表进行操作特点：实现一个长度动态变化的窗口树：遍历：前序遍历：先遍历树根，在遍历左子树，最后遍历右子树中序遍历：先左子树，再根节点，最后右子树后序遍历：先左子树，再右子树，最后根高级数据结构：1.优先队列2.图3

原创 python strip的用法

str.stripstr = '1234567'print(str.strip(12))str = '##123'print(str.strip(##))输出结果为3456789输出结果为123

原创 python中readline和readlines的区别

1，2，3，4，56，7，8，9，10readline():只提取出第一行结果为：[‘1’,‘2’,‘3’,‘4’,‘5’]readlines()结果为：[‘1,2,3,4,5’,‘6,7,8,9,10’]

原创 初识图像分割

图像分割图像分割的分类语义分割算法基本流程语义分割性能指标mAccmIoUmAcc和mLoU的区别图像分割的分类语义分割：对于一只猫，站在地面上，还要对地面进行分割处理，对每个pixel分类，只分类属于classifica，还要表示obje的种类也要表示出来图像分割：对于一个猫，只需要判断这个object是的话就标记出来。实例分割：对每一个框架中的物体分mask，标记全景分割：对背景每一个pixel分类+mask语义分割算法基本流程输入：RGB图像算法：深度学习模型输出：分类结果（与输入

原创 matlab工具包实现最短路径问题

最短路径问题算法类型算法优缺点matlab实现算法类型迪杰斯特拉算法弗洛伊德算法贝尔曼福特算法算法优缺点迪杰斯特拉算法不能够进行计算当权重为负数时的最短优化问题弗洛伊德算法可以计算所有种类的图论问题matlab实现画出简单的有向图和无向图的代码clc,clears = [1,2,3,4];t = [2,3,4,1];w = [3,2,4,6];G1 = graph(s,t,w); %无向图G2 = digraph(s,t,w); %有向图plot(G1) %不带权重的图pl

原创 ros话题通信

图片来源: https://www.bilibili.com/video/BV1Ci4y1L7ZZ?p=40.

原创 李沐老师pytorch笔记

笔记1.关于模型的训练，胖的模型相比深度的模型更加不好训练2.关于模型的层数理解，只有在有w参数的情况下才属于一层3.对于激活函数tanh，Sigmoi，ReLu函数4.鲁棒性：5.训练集和测试集之间的关系：6.k-折交叉验证：7.总结：1.关于模型的训练，胖的模型相比深度的模型更加不好训练2.关于模型的层数理解，只有在有w参数的情况下才属于一层3.对于激活函数tanh，Sigmoi，ReLu函数4.鲁棒性：以下解释来自维基百科鲁棒性（英语：Robustness）可能指：在生物学中，鲁

原创 数学建模微分方程求解以及matlab代码分析

偏微分求解微分方程求解dsolve函数欧拉法龙格库塔法微分方程求解dsolve函数1.先将函数进行求导，求导使用diff函数2.matlab中使用dsolve函数dsolve函数：dsolve（func，cond）：用diff表示导数用**==**表示等式；cond是函数的取值范围（初值或者边界条件）例：R2019b后的版本要更改求导公式syms y(t);dsolve(diff(y,t) == y)syms y(u) a b;func = diff(y,u,2) == a ^

原创 数学建模之优化算法

数学建模智能优化算法：1.差分进化算法2.遗传算法3.粒子群算法4.蚁群算法5.模拟退火算法数学建模简单的优化算法：使用lingo软件对于简单的最优解求解，但一般只适用于简单的规划问题智能算法的使用是随机的，无论哪一种优化算法，都可以使用任何的智能算法，得出的结果差异不大，由于是黑箱算法，但对于最短路径问题，推荐使用蚁群算法，由于使用的仿生学原理，因此在数模中对于他的使用可以有更好的解释。建议只用掌握一种算法就可以！！！一招鲜吃遍天下对于以上代码，参考bilibili数学建模的老哥视频

原创 数学建模之多元分析-1

数学建模之多元分析-1扰动项异方差解决无偏估计的方法检验异方差图形法判断——散点图异方差假设检验检验多重共线性向后回归向前回归扰动项异方差1.ols估计出的回归系数是无偏的，一致的。2.假设检验无法使用。3.ols估计量不再是最优线性无偏估计。解决无偏估计的方法1.ols+稳健标准误2.广义最小二乘法总结：方差小，信息多，给予数据更大的权重检验异方差图形法判断——散点图1.y：残差，x：拟合值当数据不在一个值附近，其余值越大越散乱则异方差大2.y：残差，x：自变量x当呈下滑趋势且