QomolangmaH-CSDN博客

原创【2023最新版】Windows11家庭版：安卓子系统（WSA）安装及使用教程【全网最详细】

本文介绍了在Windows系统中下载安装Android子系统的步骤，以及使用ADB命令来连接Android子系统并安装APK文件的方法，给出了常见错误的解决方法、Android子系统配置等内容，此外还介绍了新功能：共享文件夹的使用方法。

2023-08-05 12:50:03 30129 19

原创【2023最新版】PyCharm配置 Jupyter Notebook详解（启动、设置密码、测试等）

本文主要介绍了如何在PyCharm中配置Jupyter Notebook，包括启动Jupyter Notebook服务器、配置Jupyter服务器和设置密码登录的步骤。最后测试Jupyter Notebook的功能，包括在PyCharm中新建文件和运行代码。

2023-08-04 14:50:26 28848 29

原创【2023最新版】Windows11：WSL（Ubuntu22.04）安装Anaconda（换源、各种报错及解决方案）+连接Pycharm进行远程开发

本文主要介绍了在在WSL（适用于Linux的Windows子系统）中安装Anaconda的方法。还介绍了使用conda的常用命令，以及如何在Windows上使用PyCharm来管理WSL中的虚拟环境。最后，还介绍了如何通过SSH在另一台主机上使用WSL实例进行远程开发。

2023-07-31 09:42:23 6978 7

原创【机器学习】大模型放进推荐系统怎么玩儿？先来聊聊推荐系统【人工智能】

推荐系统是计算机软件工程的一个子领域，通过大数据、机器学习等技术，在用户使用产品的过程中，学习用户的兴趣偏好，主动展示他可能喜欢的“物品”（这里的物品是指待推荐的东西，可以是商品、电影、视频、文章、音乐、美食、景点、理财产品甚至是人，后面都用物品指代，不再说明），从而促成“消费”，节省用户时间，提升用户体验，优化资源配置，最终为服务提供方、物品提供方创造商业价值。上述定义有几点需要说明，以便大家更好地理解推荐系统的特性与本质。

2024-04-17 17:14:38 1022

原创【自然语言处理】统计中文分词技术（一）：1、分词与频度统计

本质上是字符串匹配的方法，将一串文本中的文字片段和已有的词典进行匹配，如果匹配到，则此文字片段就作为一个分词结果。利用词典匹配和统计模型的方法，结合了基于词典的规则和基于统计的概率模型，以提高分词准确性和效率。1.基于词典的词汇切分方法（又称机械词汇切分）1）正向最大匹配法（从左到右的方向）；2）逆向最大匹配法（从右到左的方向）；3）最小切分（每一句中切出的词数最小）4.词典与统计相结合的词汇切分方法。利用前趋字串和后继字串在。2.基于统计的词汇切分方法。3.基于理解的词汇切分方法。

2024-03-24 20:00:00 1793 1

原创【自然语言处理】NLP入门（九）：1、正则表达式与Python中的实现（9）：自动机：⾮确定有限⾃动机与正则表达式

本文介绍了自动机理论，简介有限自动机(Finite Automata, FA)、下推自动机(Push-down Automata, PDA)、线性有界自动机(Linear Bounded Automata, LBA)、图灵机(Turing Machine, TM)；重点介绍⾮确定有限⾃动机与正则表达式的对应关系。

2024-03-21 23:45:00 1176 5

原创【自然语言处理】NLP入门（八）：1、正则表达式与Python中的实现（8）：正则表达式元字符：.、[]、^、$、*、+、?、{m,n}

本文介绍了正则表达式中常见的`.`、`[]`、`^`、`$`、`*`、`+`、`?`、`{m,n}`等元字符。

2024-03-20 23:45:00 2153

原创【计算机视觉】三、图像处理——实验：图像去模糊和去噪、提取边缘特征

本文使用不同滤波器实现了图像去模糊、去噪、提取边缘特征

2024-03-20 15:00:00 1618

原创【自然语言处理】NLP入门（七）：1、正则表达式与Python中的实现（7）：常用正则表达式、re模块：findall、match、search、split、sub、compile

本文将介绍常用正则表达式、re模块常用方法，包括findall、match、search、split、sub、compile等

2024-03-19 23:45:00 1041

原创【自然语言处理】NLP入门（六）：1、正则表达式与Python中的实现（6）：字符串常用方法：find()、rfind()、index()、rindex()、count()、replace()

本文将介绍字符串常用方法，包括：find()、rfind()、index()、rindex()、count()、replace()等

2024-03-18 23:45:00 839

原创【赠书】从深度学习到图神经网络：模型与实践

近年来，深度学习在人工智能的发展过程中起到了举足轻重的作用，而图神经网络是人工智能领域的一个新兴方向，被称为图上的深度学习。本书详细介绍了从深度学习到图神经网络的基础概念和前沿技术，包括**图上的深度学习、图神经网络的数学基础、神经网络学习与算法优化、深度学习基础、神经网络中的表示学习、面向图数据的嵌入表示、初代图神经网络、空域及谱域图卷积神经网络等内容。为增强可读性，本书叙述清晰、内容深入浅出、图文并茂，力求降低初学者的学习难度。

2024-03-18 14:59:55 2216 32

原创【计算机视觉】二、图像形成——实验：2D变换编辑器2.0（Pygame）

2D变换编辑器2.0版

2024-03-17 21:28:54 1243

原创【计算机视觉】二、图像形成——实验：2D变换编辑（Pygame）

本人使用 Pygame 库实现了一个图像变换程序，提供六种不同的变换操作,分别是平移、旋转、等比缩放、缩放、镜像和剪切。可以通过点击相应的按钮选择要执行的变换操作,然后使用鼠标拖动来调整变换的参数,实时查看变换后的图像效果。

2024-03-16 22:06:30 1276

原创【计算机视觉】二、图像形成：2、几何基元和几何变换：2D变换

通过设计合适的变换矩阵,可以实现各种几何变换,例如平移、旋转、缩放、透视投影等。不同类型的变换矩阵在形式和自由度上有所区别,平移矩阵比较简单,相似变换增加了缩放,仿射变换支持非等比缩放和错切,而射影变换是最通用的。自由度越高,变换的灵活性就越大,但保留的不变性也就越少。

2024-03-15 23:00:00 1678

原创【计算机视觉】二、图像形成：1、向量和矩阵的基本运算：线性变换与齐次坐标

xyw。

2024-03-14 23:34:02 1390

原创【计算机视觉】一、计算机视觉概述

计算机视觉作为人工智能的重要组成部分和基础,正在为人工智能系统带来新的感知认知能力,是人工智能通往更高智能水平的关键一步。

2024-03-14 21:36:10 1327 1

原创【赠书】智能计算：原理与实践

本书中涵盖了支持向量机、混沌计算、蚁群算法、DNA计算、DNA遗传算法、人工免疫系统、萤火虫算法、蝙蝠算法、蛙跳算法、鱼群算法和其他一些算法及应用**。书中涵盖了**支持向量机、混沌计算、蚁群算法、DNA计算、DNA遗传算法、人工免疫系统、萤火虫算法、蝙蝠算法、蛙跳算法、鱼群算法和其他一些算法及应用。

2024-03-11 23:45:00 2031 23

原创【图书推荐】这本书太好了！150页就能让你上手大模型应用开发《大模型应用开发极简入门：基于GPT-4和ChatGPT》

奥利维耶.卡埃朗（Olivier Caelen），国际支付服务先驱 Worldline 公司机器学习研究员、布鲁塞尔自由大学机器学习博士，业余时间在布鲁塞尔自由大学教授机器学习课程。玛丽-艾丽斯.布莱特（Marie-Alice Blete），国际支付服务先驱 Worldline 公司研发部门软件架构师、数据工程师。她还负责维护开发者关系，并担任技术演讲嘉宾。何文斯（译者），大模型创业公司 Dify 产品经理、自媒体“何文斯”作者，致力于研究大模型中间件技术和AI应用工程化的实际落地。

2024-03-09 13:14:19 1502 7

原创【自然语言处理】NLP入门（五）：1、正则表达式与Python中的实现（5）：字符串常用方法：对齐方式、大小写转换详解

本文介绍了字符串常用方法，包括：center()、ljust()、rjust()；lower()、upper()；capitalize()、title()、swapcase()等

2024-03-07 23:45:00 1170

原创【自然语言处理】NLP入门（四）：1、正则表达式与Python中的实现（4）：字符串常用函数

本文介绍了字符串常用函数，包括：len()；max() 和 min()；ord()和chr()；bin()、oct()、hex()等。

2024-03-05 23:30:00 1025

原创【赠书】Python从入门到精通（微课精编版）（软件开发视频大讲堂）

随着人工智能、大数据处理和区块链等新技术的流行，Python语言也开始受人关注并不断被普及。Python语言自诞生至今经历了近30年时间，最近十年发展比较迅猛。一方面是因为Python语言的优点吸引了大量编程人员，另一方面是因为当下科学计算、人工智能需求与Python语言特色相契合。

2024-03-04 23:30:00 7769 36

原创【自然语言处理】NLP入门（三）：1、正则表达式与Python中的实现（3）：字符转义符及进制转换

转义字符在处理输入输出、正则表达式、字符串拼接等场景下经常被用到，本文将介绍python中的字符转义符。

2024-03-03 23:45:00 1088 1

原创【自然语言处理】NLP入门（二）：1、正则表达式与Python中的实现（2）：字符串格式化输出(%、format()、f-string)

自然语言处理涉及字符串构造、截取与格式化输出等基础操作，本文将介绍使用%、format()、f-string方法格式化字符串。

2024-03-02 23:45:00 1682

原创【自然语言处理】NLP入门（一）：1、正则表达式与Python中的实现（1）：字符串构造、字符串截取

自然语言处理涉及字符串构造、截取与格式化输出等基础操作，本文介绍了使用引号构造字符串、字符串索引、切片操作等。

2024-03-01 23:45:00 1289 3

原创【深度学习】Pytorch 教程（十五）：PyTorch数据结构：7、模块（Module）详解（自定义神经网络模型并训练、评估）

本文介绍了PyTorch中的模块（Module），并自定义简单神经网络模型实现对鸢尾花数据集进行分类训练并测试。

2024-02-29 23:45:00 1283 5

原创【深度学习】Pytorch 教程（十四）：PyTorch数据结构：6、数据集（Dataset）与数据加载器（DataLoader）：自定义鸢尾花数据类

本文介绍了PyTorch中数据集（Dataset）与数据加载器（DataLoader），并实现自定义鸢尾花数据类

2024-02-28 23:45:00 1196

原创【赠书】计算机考研精炼1000题（数据结构、计算机组成原理、操作系统、计算机网络）

本书适合作为报考计算机类学科硕士研究生的复习参考书，尤其适用于报考专业课代码为408的学生在经过一轮复习之后的强化训练。

2024-02-27 23:45:00 1367 55

原创【深度学习】Pytorch教程（十三）：PyTorch数据结构：5、张量的梯度计算：变量（Variable）、自动微分、计算图及其可视化

本文介绍了张量的梯度计算，包括变量（Variable）、自动微分、计算图及其可视化等

2024-02-26 23:45:00 1895

原创【深度学习】Pytorch 教程（十二）：PyTorch数据结构：4、张量操作（3）：张量修改操作（拆分、拓展、修改）

本文介绍了PyTorch中张量的拆分（split、unbind、chunk）、拓展（repeat、cat、stack）、修改操作（使用索引和切片、gather、scatter）

2024-02-25 23:45:00 1033

原创【深度学习】Pytorch 教程（十一）：PyTorch数据结构：4、张量操作（2）：索引和切片操作

本文介绍了pytorch索引和切片操作，包括使用索引（切片）访问单个元素（子集）;负数索引、布尔索引；torch中多种相关函数where、take、nonzero、index_slect……

2024-02-24 23:45:00 1753 1

原创【深度学习】Pytorch教程（十）：PyTorch数据结构：4、张量操作（1）：张量形状操作

本文介绍了张量变形操作，包括改变张量的形状：view、reshape、reshape_as；改变维度：flatten、unsqueeze和squeeze；重新排列：permute和transpose

2024-02-23 23:45:00 887 1

原创【深度学习】Pytorch教程（九）：PyTorch数据结构：3、张量的统计计算详解

本文介绍了张量的统计计算，包括基本统计量（均值、方差、标准差、最大值、最小值）、相关性统计量（相关系数、协方差）、累积统计量（张量的和、张量的累积和、张量的乘积、张量的累积乘积）、分布统计量（百分位数、偏度、峰度）等。

2024-02-22 23:45:00 1304

原创【深度学习】Pytorch教程（八）：PyTorch数据结构：2、张量的数学运算（6）：高维张量：乘法、卷积（conv2d~四维张量；conv3d~五维张量）

本文将介绍pytorch高维张量的乘法、卷积操作（conv2d、conv3d）

2024-02-21 23:45:00 1379

原创【深度学习】Pytorch 系列教程（七）：PyTorch数据结构：2、张量的数学运算（5）：二维卷积及其数学原理

本文将介绍二维卷积运算及其数学原理，包括不同步长&零填充下的卷积计算等

2024-02-20 23:45:00 2147 4

原创【深度学习】Pytorch 系列教程（六）：PyTorch数据结构：2、张量的数学运算（4）：一维卷积及其数学原理（步长stride、零填充pad；宽卷积、窄卷积、等宽卷积；卷积运算与互相关运算）

本文介绍了一维卷积运算，包括步长、零填充；宽卷积、窄卷积、等宽卷积；卷积运算与互相关运算等及其PyTorch实现

2024-02-19 23:45:19 1238 2

原创【深度学习】Pytorch 系列教程（五）：PyTorch数据结构：2、张量的数学运算（3）：向量范数（0、1、2、p、无穷）、矩阵范数（弗罗贝尼乌斯、列和、行和、谱范数、核范数）与谱半径详解

本文介绍了向量范数（包括0范数、1范数、2范数、p范数、无穷范数）、矩阵范数（包括弗罗贝尼乌斯范数、列和范数、行和范数、谱范数、核范数）与谱半径的数学定义、计算示例及Pytorch实现

2024-02-18 23:45:00 1094

原创【深度学习】Pytorch 系列教程（四）：PyTorch数据结构：2、张量的数学运算（2）：矩阵运算及其数学原理（基础运算、转置、行列式、迹、伴随矩阵、逆、特征值和特征向量）

本文介绍了PyTorch中张量的数学运算之矩阵运算，包括基础运算、转置、行列式、迹、伴随矩阵、逆矩阵、特征值和特征向量等及其数学原理。

2024-02-17 23:45:00 1455

原创【深度学习】Pytorch 系列教程（三）：PyTorch数据结构：2、张量的数学运算（1）：向量运算（加减乘除、数乘、内积、外积、范数、广播机制）

本文介绍了PyTorch中张量的数学运算之向量运算，包括加减乘除、数乘、内积、外积、范数、广播机制等

2024-02-16 23:45:00 1636 2

原创【深度学习】Pytorch 系列教程（二）：PyTorch数据结构：1、Tensor（张量）： GPU加速（GPU Acceleration）

本文介绍了PyTorch的GPU加速操作

2024-02-15 23:45:00 2129 2

原创【python】pyarrow.parquet+pandas：读取及使用parquet文件

本文介绍了如何使用pyarrow.parquet+pandas库操作Parquet文件

2024-02-14 23:30:01 3459

【深度学习实验】循环神经网络系列d2l安装包

【深度学习实验】循环神经网络系列安装d2l出现问题，将该压缩包的d2l解压到你的环境安装包位置，目录如下： .....\anaconda3\envs\环境名称\Lib\site-packages

2023-10-27

自定义逻辑回归：前向、反向传播算法

实现逻辑回归模型（Logistic类）：前向传播forward 反向传播backward

2023-09-22

【自动控制原理】Simulink仿真

在Simulink中实现闭环系统系统在初条件为0时，0~10s内的仿真（请忽略文件名）

2023-09-22

选择题刷题程序（包含保存错题）

这是一个选择题刷题程序，包含保存错题功能。

2023-08-17

车险理赔数据集（6w+样本）

车险理赔数据：包含了6w+样本 veh_value: 车辆价值 exposure: 保险时间 clm: 是否发生过索赔(1代表发生过，0代表未发生过) numclaims: 索赔次数 claimcst0: 第一次索赔的费用 veh_body: 车辆类型 veh_age: 车辆年龄 gender: 被保险人性别 area: 地区 agecat: 年龄类别

2023-08-15

实验：机器学习在车险定价中的应用-数据集

该车险数据集包含了50万个样本，每个样本有8个特征和1个标签。其中，标签是一个二元变量，值为0或1，表示车主是否报告过车险索赔（clm，int64）；特征包括车主的年龄（age，int64），车辆的年限（ac，int64）、功率（power，int64）、燃料类型（gas，object）、品牌（brand，object），车主所在地区（area，object）、居住地车辆密度（dens，int64）、以及汽车牌照类型（ct，object）。

2023-08-15

Wumpus世界world代码

基于Pygame库的Wumpus世界游戏。定义了三个类：Object、Room和World。 Object类是怪兽、金堆等游戏元素的可视化图片。它包含了加载图片、修改尺寸和设置位置等功能。 Room类代表迷宫的房间，具有不同的状态，如臭气、微风、无底洞、金堆和怪兽等。通过设置不同的状态，可以改变房间的显示。 World类是整个游戏的主要逻辑部分。它定义了迷宫的大小、无底洞、金堆、怪兽和箭的数量。通过调用set()函数，可以设置不同位置的无底洞、金堆和怪兽。shoot()函数用于射杀怪兽。set_breeze_around()和set_stench_around()函数分别用于设置周围房间的微风和臭气状态。 get_random_location()函数用于生成随机的位置坐标。它确保生成的位置不会重复，并且不会生成在迷宫入口处（0,0）。

2023-08-15

path-pursuit：ROS自主车路径跟踪算法

该代码脚本实现了路径跟随的功能，使用了ROS和Ackermann驱动控制车辆进行导航。其中，在Path和Odometry消息的发布和订阅中实现了一个跟踪路径的类following_path，并在__init__方法中进行初始化。callback_read_path方法用于读取并处理路径信息，callback_read_current_position方法用于读取并处理实时位置信息，并计算车辆的转向角度和速度。最后，在if __name__ == "__main__"部分初始化ROS节点，并启动路径跟随算法。主要实现功能包括: 1.读取实时Pose信息和全局路径信息 2.查找目前车辆的Lookahead点,最少1m远,且方向最接近车辆当前方向 3.将Lookahead点转换到车辆坐标系 4.根据Lookahead点计算转弯半径和转向角 5.根据转向角调整车速和转向角速度 6.发布AckermannDriveStamped消息控制底层执行

2023-07-31

基于 TF-IDF 的文本分类（txtClassify.py）

使用了中文文本数据集，并使用jieba库进行中文分词处理。 data_preprocess()函数用于读取数据和对数据进行预处理，比如去除数字、标点符号、停用词等。 calculate_tfidf()函数用于计算文本的TF-IDF特征。 text_classification_1()函数是一个分类器的训练和评估过程，使用了K近邻、支持向量机、多层感知器等分类器，并使用sklearn库中的相关方法。 text_classification_2()函数与text_classification_1()相似，但使用了sklearn库中的TfidfVectorizer来提取TF-IDF特征。 tfidf_train()函数用于训练TF-IDF特征提取器，并将特征提取器保存到磁盘。 tfidf_test()函数用于加载保存在磁盘上的TF-IDF特征提取器，并使用它来处理测试数据。 svm_grid()函数用于使用网格搜索法寻找最佳的支持向量机模型。最后，主程序部分调用了以上的函数来完成文本分类任务，并输出了分类结果的准确率、精确度、召回率和F1值的平均值。

2023-07-23

LinuxROS功能包

2022-09-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人