- 博客(169)
- 收藏
- 关注
RSS订阅原创 10 分钟使用 Intel Extension for Transformers 快速搭建 chatbot 聊天系统
本项目提供了基于通义千问 Qwen-7B Chat在ModelWhale 平台上使用 CPU 实现高效部署大模型的教程，并且通过使用工具包快速搭建环境，大大提升在线部署的效率、实现高效的模型推理体验。基于智谱 ChatGLM3-6B模型的部署和推理实验基于百川2-7B对话模型的部署和推理实验计算资源：腾讯云南京 CPU 16核64G环境设置：Python3.11.8 数据科学镜像因为需要从云厂商拉取算力资源，耗时5~10min，且会预扣半小时资源价格的鲸币。
2024-06-18 15:35:31
345
原创 怎么跟着github做项目
学习项目源码不是一蹴而就，往往周期比较长，最好的就是能够将项目Fork下来，单独准备好一份笔记，慢慢去研究、记录看源码过程中的一些心得，到最后看完再回过头来你能说出它的架构和设计，那么我觉得这个学习是有意义，所以我认为阅读源码的终究目标是了解项目，最终能实现它。SourceTree，git可视化客户端工具，如果你喜欢从第一个commit开始看，那么这个工具对你比较有帮助，看看快速了解到每个版本提交的内容以及源码变更记录，笔者以前比较喜欢用这个，但是后面WS有自带的可视化工具之后就没用过了。
2024-06-17 16:01:09
862
原创 全国青少年软件编程等级考试标准 （Python 语言）
些简单使用方法：前进、后退、左右转、提落笔、画点、画。理解元组类型的概念，理解元组和列表的不同，掌握它的基。础用法及操作：元组的声明与赋值、元组的访问与更新、元。理解字符串类型的概念，掌握它的基础用法及操作：字符串。理解比较表达式、运算符、逻辑运算的基本概念，掌握。理解比较表达式、运算符、逻辑运算的基本概念，掌握。知道如下几种数据类型：列表、元组、字典、字符串、理解列表类型的概念，掌握它的基础用法及操作：访问。三、 具备基本的计算思维能力，能够完成较简单的。的基本格式，编写程序时会合理的使用缩进、注。
2024-06-17 14:57:46
459
原创 千贝青少年编程
NOIP全国青少年信息学奥林匹克联赛http://www.noip.org.cn/NOIP（National Olympiad in Informatics in Provinces）全国青少年信息学奥林匹克联赛，自1995年开始举办，每年由中国计算机学会统一组织。NOIP在同一时间、不同地点以各省市为单位由特派员组织。全国统一大纲、统一试卷。NOIP是一项面向全国青少年的信息学竞赛。通过竞赛和相关的活动培养、选拔优秀的计算机人才，每年由中国计算机学会统一组织。联赛分初赛和复赛两个阶段，初赛考察通用和实用的
2024-06-17 14:49:23
497
原创 新冠疫情数据可视化分析
'Iran': '伊朗', 'Iraq': '伊拉克', 'Iceland': '冰岛', 'Israel': '以色列', 'Italy': '意大利', 'Jamaica': '牙买加', 'Jordan': '约旦','Germany': '德国', 'Djibouti': '吉布提', 'Denmark': '丹麦', 'Algeria': '阿尔及利亚', 'Ecuador': '厄瓜多尔', 'Egypt': '埃及',
2024-02-21 14:23:44
1465
原创 脱发数据集的建模学习
随着年龄增长，脱发成为许多人关注的健康问题之一。头发的丰盈与否不仅影响着外貌，更与个体的健康状态息息相关。本数据集汇集了各种可能导致脱发的因素，包括遗传因素、荷尔蒙变化、医疗状况、药物治疗、营养缺乏、心理压力等。本工作尝试了三种编码方式和四种建模方法，充分考虑了数据泄露的问题，使建模过程更加标准，完善。
2024-02-21 14:22:22
1386
原创 pandas教学--如何制作全国各地xxx系列
微博刷到一张营销号瞎整的全国各地压岁钱分布图定睛一看广东省竟然高达五十元，这当然是假的啦我们都是五块十块，你直接给翻了数量级吓得笔者赶紧写一个pandas简易教程。
2024-01-25 09:59:15
994
1
原创 关于旅游网站用户行为数据集的探索
本项目主要从用户购买行为分析、聚类分析、随机森林三个角度来探究用户情况，并且得出了影响用户购票的主要因素，以下是本项目得到的一些结论：1.用户年龄状态为0时，购买率最高，而0可能代表的是年轻人，处于1、2年龄状态的购买率最低，可能这一类人处于中年状态；有无工作的用户购买率是一样的，这与后面的分析一致，网站中未工作的用户更多；家庭人数位于较低人数的时候，购买率比较高，但是随着人数到达5时，购买率出现了明显下降。
2024-01-20 12:54:31
1507
3
原创 Python-K-Means聚类分析广告效果
本案例的业务场景：假如你们公司投放广告的渠道很多，每个渠道的客户性质也可能不同，比如在优酷视频投广告和今日头条投放广告，效果可能会有差异。现在需要对广告效果分析实现有针对性的广告效果测量和优化工作。本案例，通过各类广告渠道90天内额日均UV，平均注册率、平均搜索率、访问深度、平均停留时长、订单转化率、投放时间、素材类型、广告类型、合作方式、广告尺寸和广告卖点等特征，将渠道分类，找出每类渠道的重点特征，为加下来的业务讨论和数据分析提供支持。
2024-01-20 12:52:25
1095
原创 如何以峰峦图展示降水数据
本期使用joypy对降水数据处理，探索气象可视化的多元性。降水数据是气象学中一个重要的指标，它对于了解和预测天气变化非常关键。在本期中，我们将使用 joypy 库来进行降水数据的可视化，展示降水的变化趋势和分布情况。joypy 是一个基于 matplotlib 的 Python 库，用于创建美观的峰峦图（Ridge Plot）。峰峦图可以同时显示多个组别的分布情况，非常适合用于展示降水数据的多元性。在接下来的代码中，我们将使用 joypy 来创建降水数据的峰峦图，并展示降水的季节变化和年际变化。
2024-01-19 11:21:41
418
原创 Python数据可视化全国奶茶饮品加盟数据
filtered_df["设备费"] = filtered_df["设备费"].apply(lambda x: str(x).replace("设备费", "").replace("万起", "").replace("免", '0').replace("万", '').replace("0-", ''))filtered_df[['加盟费', '设备费', '原料费', '品牌使用费', '保证金']] = filtered_df['投资费用'].str.split(' ', expand=True)
2024-01-19 11:20:41
530
原创 yolo.py文件解读
一、前言二、导入需要的包和基本配置In[]:import argparseimport contextlibimport osimport platformimport sysfrom copy import deepcopyfrom pathlib import PathFILE = Path(__file__).resolve()ROOT = FILE.parents[1] # YOLOv5 root directoryif str(ROOT) n
2024-01-19 11:17:03
837
原创 Python数据可视化淘宝天猫玩具销售数据
'乐高', '旗舰店', '官网', '悟空小侠', '系列', '80012', '孙悟', 'LEGO', '乐高', '71043']df_tm['title'] = df_tm.title.str.replace('乐高旗舰店|官网|2020年', '')df_tm['sales_num'] = df_tm.sales_num.replace('无',200)['乐高', '哈利波', '系列', '霍格', '沃茨', '城堡']output_name='乐高旗舰店商品标题词云图.png'
2024-01-17 18:16:28
1285
原创 Python数据可视化淘宝天猫店铺评论分析
if '高端' in word or '大气' in word or '还行' in word or '完整' in word or '好' in word or\。if '划算' in word or '便宜' in word or '赚了' in word or '囤货' in word or '超值' in word or \。if '劲道' in word or '多' in word or '足' in word or '香' in word or '才' in word or\。
2024-01-17 18:15:21
1004
1
原创 考研报名人数下降表示研究生不值钱了吗？
data["学历标签"].replace({"统招本科":"本科","硕士":"研究生","博士":"研究生","MBA/EMBA":"研究生"},inplace=True)data = df.query("学历要求 in ['本科','统招本科','硕士','博士','MBA/EMBA']")而在最低学历为研究生要求的岗位中，随着月薪的增高，能提供该薪资的岗位数量也在增多，绝大多数岗位提供的薪资为。data_ex = data.query("经验要求 in ['1年以下','1-3年']")
2024-01-17 18:14:27
440
原创 对学生成绩数据进行可视化展示
由上图看，看着感觉其实酒精影响并没有很大，其他有很多比酒精影响更大的因素。将变量转换为数值型数据然后进行特征相关性可视化展示。区分出数值型变量后进行可视化展示。对3个学期成绩的总变化进行分析。
2024-01-16 12:23:08
1035
原创 简单实现区域shp合并
tj = tj.rename(columns={'省': 'Province','省级码':'code','省类型':'type'})bj =bj.rename(columns={'省': 'Province','省级码':'code','省类型':'type'})hb =hb.rename(columns={'省': 'Province','省级码':'code','省类型':'type'})好，相对来说还是pd.concat好用。当然arcgis软件估计容易实现。# 读取全国地图数据。
2024-01-16 12:22:20
798
原创 readtxt
这时候就需要pandas出动了我们需要看看txt的具体结构In [1]:Line 1:Line 5:Line 7:Line 9:Line 38:Line 39: <!
2024-01-16 12:21:45
947
原创 关于机器学习大作业的探索
肥胖腰围更多，患有PVD 的更多，没有收到教育的更多，已婚的更多，没有收入的更多，视力不佳的更多，饮酒的、高血压的更多，没有家庭高血压的更多，有糖尿病的更多，患有肝炎的更容易患病，有家族肝炎的，有慢性疲劳的，东部和北部的 比 西部南部的更多，体育活动更少的，更容易患病。Index(['年龄', '身高', '腰围', '最高血压', '最低血压', 'PVD', '教育', '未婚', '收入', '视力不佳', '饮酒',在你的结果中，精确度是0.4，表示40%的被模型预测为正类的样本实际上是正类。
2024-01-16 12:18:57
1144
1
原创 两种降水站点数据IDW插值及可视化方法
gma库是洛大神写的一个地理库，其中有许多可以使用的函数，今天简单介绍一下它IDW插值的使用，并与meteva进行对比镜像：Python 3.9 GDAL3.4.3。
2024-01-15 10:05:33
1173
原创 第七次人口普查数据分析可视化
本期将利用Python分析「第七次全国人口普查数据」，看看我国各地区分口分布、年龄构成、性别构成以及各地区搜教育程度情况等等，希望对你有所帮助，如有疑问或者需要改进的地方可以在评论区留言。
2024-01-15 10:04:35
1583
1
原创 基于GBM和随机森林模型探索影响学生压力的主要因素
本项目主要采取可视化分析探索数据，并且根据学生不同的压力水平进行差异分析，发现所有因素对于学生的压力水平都有显著的相关性，再通过KW检验，可以认为这些因素对学生的压力水平具有显著影响，或者说不同压力水平下，这些因素之间都有差异，最后建立了梯度提升机和随机森林模型，进一步探究这些因素的重要度，得到的结论如下：1.在心理因素方面，压力水平与焦虑程度、心理健康病史、抑郁情况呈正相关，与自尊情况呈负相关。
2024-01-15 10:03:26
1395
原创 关于银行信贷客户数据集的探索
本数据集来自一家德国银行，由加州大学霍夫曼教授于 2016 年收集整理，每条记录代表了一个接受银行信贷的客户，这也就说明了，这些客户都是通过了贷款申请的，通过对数据进行初步探索，并利用将客户分为不同的风险群体，由于数据集中缺乏直接的客户贷款风险标签，我们无法直接评估风险分类的准确性，因此，再次采用，将数据分为四个类别，分类结果与实际相符，可以构建来识别风险分类的关键因素，虽然无法准确评估模型的精度，但该模型仍可作为初步风险评估的有效工具，从而提高风险识别的效率。
2024-01-13 09:24:50
1789
2
原创 电子游戏销售数据可视化分析及预测
在将不同平台上的相同游戏分组后，以下是前 5 名最畅销的游戏及其以百万计的销售数量。创建一个SVR模型并使用测试集数据进行预测，最后输出预测的均方误差。# 使用X_train_scaled和y_train来训练模型。在右侧，显示每款游戏的全球销售额或每款游戏的平均销售额。# 使用训练好的模型对X_test_scaled进行预测。在左侧，显示全球总销量，即当年所有游戏的全球销量之和。黑色点代表真实值，蓝色线代表SVR的预测结果。有11562个不同的游戏。有33个不同的游戏平台。# 计算预测均方误差。
2024-01-13 09:22:19
1214
1
原创 机器学习实战|采用聚类和回归探究蓝莓产量情况
本项目主要采用了三个模型，一个k均值聚类模型，主要通过聚类得出不同蓝莓的聚合情况，主要将蓝莓分成4类，其中：聚类0和聚类2具有相似的果实特性和产量，但聚类0的气温范围较低，降雨天数少，表明在较干燥和凉爽的环境中，通过优化克隆大小和蜜蜂密度可能能获得高产量。聚类1在所有聚类中气温范围最高且降雨最多，但产量最低，这可能说明过高的温度和过多的降雨对蓝莓的生产不利。聚类3有着适中的气温和降雨，较大的克隆大小和高蜜蜂密度，其产量和果实质量表明这可能是一个相对平衡的种植环境。第二个模型是多元线性回归模型。
2024-01-13 09:21:09
1490
原创 客户消费偏好数据实战分析
df7_1=df.groupby('支付方式')['消费金额(美元)'].agg(['count','mean']).reset_index().rename(columns={'count':'使用次数','mean':'支付金额均值'}).sort_values(by=['支付金额均值'],ascending=False)print(df.groupby(['性别']).agg(['mean'])['消费金额(美元)'].rename(columns={'mean':'消费金额均值'}))
2024-01-11 09:45:46
1891
1
原创 NLCISBNPlugin – Calibre 插件：从「中国国家图书馆」获取图书信息，包括 ISBN、书名、作者、出版日期等
是一款新鲜的 Calibre 插件，它可以从获取图书信息，包括 ISBN、书名、作者、出版日期等重要信息，然后将这些信息添加到你的 Calibre 图书库中。来自。
2024-01-11 09:36:44
754
原创 如何连接网络
但是在此，我介绍一下静态地址分配方法：一般静态IP地址推荐的范围是“192.168.1.1”至“192.168.1.254”，每台计算机需要分配一个唯一的IP地址，子网掩码为：“255.255.255.0”，DNS一般为：192.168.1.1，其它各项按默认处理。点击电脑屏幕左下角“开始”，找到“运行”选项打开，会弹出对话框，输入命令“ping 127.0.0.1 -t“，后确定，会新弹出一个窗口，如果你出现的界面与下图一样，证明安装正确。在组建局域网过程中，合理使用Ping命令，以确保网络的畅通。
2024-01-10 08:34:45
881
原创 组装一台电脑需要哪些配件
市面上一般的散热风扇尺寸大小由直径2.5cm到30cm都有，厚度由6mm到76mm都有，而根据不同运作要求，可采用罕见的AC(交流，由家用 插座 取电)和常见的D电源(直流，经计算机火牛或主板取电)，大多使用二相摩打(两组铜线圈，共四单元)，在转速不高情况下有利于节约生产成本。计算机电源是一种安装在主机箱内的封闭式独立部件，它的作用是将交流电通过一个开关电源 变压器 换为5V，-5V，+12V，-12V，+3.3V等稳定的直流电，以供应主机箱内系统版，软盘，硬盘驱动及各种适配器扩展卡等系统部件使用。
2024-01-10 08:33:14
481
原创 怎么训练自己的编程水平?
而这种茫然，在你工作之后，会更加的普遍、更加的具有压迫力——当你的同事可以因地制宜信手拈来一堆解决方案之时，你不仅不知道他们“从哪学来的这些古怪知识”，甚至就连理解他们的思路都极为困难。当我们在“数学空间”把任务处理完之后，我们还需要操纵“外设”，比如显示器打印机音箱等等，把结果展示出来——这同样需要先做一套数学变换，然后通过IO口输出信号，就好像扳动了无形的“操纵杆”一样，控制各种外设和人类完成交互。好不容易把每个要点都提到了，他还能给你做的差三落四，甚至连最最基本的核心功能都没做对。
2024-01-09 08:16:11
778
原创 ChatGPT是如何工作的
它利用之前学到的语言模式、上下文信息和训练过程中的优化，来生成一个合理的、连贯的文本延续。但是如果我们需要大约n个单词的训练数据来设置这些权重，那么根据我们上面所说的，需要约n²个计算步骤来进行网络的训练。”的表示中，训练数据似乎没有经过太多的"压缩"。大家应该已经知道了，ChatGPT是一个巨大的，专门用于处理语言的神经网络，用的是GPT-3网络，它有1750亿个权重参数。因此，ChatGPT利用Transformer架构的优势，能够更好地理解和处理语言数据，并生成连贯、具有语义的文本。
2024-01-09 08:11:37
800
学生信息系统（Student Information System，简称SIS）是用于管理学生信息的软件系统，包括学生的基本信息
2023-08-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人