hello world

原创 Go语言速推

go语言入门速推

原创 本周六篇图总结如下

原创 cuda版本以及pytorch版本选择问题

首先输入以下命令，先观察一下自己服务器里面的cuda版本哦!如图，显然是cuda - 11.1上pytorch官网。显然都到cuda 11.3了进入以前pytorch版本的页面往下找到了对应cuda11.1 的版本和命令了。pip install torch1.9.0+cu111 torchvision0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html...

原创 /u字符串

utf-8 1-4个字节表示字符一个字节8位

原创 配置远程python解释器bug

Can’t get remote credentials for deployment server这个是软件问题，可能下个版本就没有这个bug，在配置远程服务器的时候不要选择同步，即可。

原创 import 问题

原来吧就from parser（文件） import parser（类）了有的时候不好使：改为以下：

原创 Highway 2005,UVa1615

# 点数据：import mathimport randompoints = sorted([(random.randint(-10000,10000),random.randint(-10000,10000)) for i in range(10000)],key=lambda x:abs(x[1]), reverse=True)D = abs(points[0][1]) + random.randint(1,3)# code# 1 取得所有区间，排序qujians = sorted([

原创 今年暑假不AC HDU 2037 背包问题

Description“今年暑假不AC？”“是的。”“那你干什么呢？”“看世界杯呀，笨蛋！”“@#$%^&*%…”确实如此，世界杯来了，球迷的节日也来了，估计很多ACMer也会抛开电脑，奔向电视了。作为球迷，一定想看尽量多的完整的比赛，当然，作为新时代的好青年，你一定还会看一些其它的节目，比如新闻联播（永远不要忘记关心国家大事）、非常6+7、超级女生，以及王小丫的《开心辞典》等等，假设你已经知道了所有你喜欢看的电视节目的转播时间表，你会合理安排吗？（目标是能看尽量多的完整节目）Inp

原创 UVa 1149背包问题

ij分别是一个序列的最大最小值难点在于理解取最大最小配对并不会增加背包因为每个相对最大值总有比最小值更大的数配对，而这更大的数总有比最大值更小的数配对。import random#dataN = 1e5M = random.randint(1,100)all_w = [random.randint(1,100) for i in range(int(N))]# codeall_w.sort(reverse=True) bag = 0i = 0j = len(all_w)-1w

原创 打印机如何手动正反面&Mac设置黑白打印

一、手动正反面操作按照如下操作即可。1.假如要打的东西是奇数页：·先打印偶数页，·加一张白纸在最后，然后打印奇数页原理：偶数页会去尾。2.假如要打的东西是偶数页：·先打印偶数页，·然后打印奇数页。（也可先打奇数再打偶数）二、Mac设置黑白打印：...

原创 初识spacy

功能：1. 分词2.词干化3.词性标注4.NERspacy、NLTK、CoreNlp的功能、速度、准确性参考文献：https://blog.csdn.net/mch2869253130/article/details/103434675https://zhuanlan.zhihu.com/p/63110761

原创 基础算法体系

原创 Bert_Position_Embedding

因为没有循环神经网络做迭代，所以我们加上位置编码，以避免计算机无法区分“我是你爸”和“你是我爸”等等。对于一个维度762的字向量我们需要一个762维度的位置编码之后相加操作喂入Transformer位置嵌入的公式如下：我对其纹理进行可视化：import numpy as npimport seaborn as snsimport matplotlib.pyplot as pltplt.figure(figsize=(15, 10))sns.set()np.random.seed(0)

原创 欧拉筛（或者说是线性筛）的核心详解

首先欧拉筛的代码n=16data=[i for i in range(0,n)]flag=[1]*nsingle=[]for i in range(2,n): if flag[i]==1: single.append(data[i]) for ii in range(len(single)): if single[ii]*i<n: flag[single[ii]*i]=0 if i%single[ii]=

原创 埃氏筛&欧拉筛(也叫线性筛) 算法思路、示例、实现

埃氏筛思想：要得到自然数n以内的全部素数，必须把不大于 的所有素数的倍数剔除，剩下的就是素数。给出要筛数值的范围n，找出以内的素数。先用2去筛，即把2留下，把2的倍数剔除掉；再用下一个质数，也就是3筛，把3留下，把3的倍数剔除掉；接下去用下一个质数5筛，把5留下，把5的倍数剔除掉；不断重复下去…。# 初始化一个列表a，从1到n-1# 从2开始，直到int(n**(0.5)+1)为止:x# 去掉a中所有x的倍数# 最后统计出a中有多少个数即为结果n=10a=[i for i

原创 时间复杂度&空间复杂度 含义、表示方法、计算方法、示例

含义T(time) 时间复杂度：T(n)定义为任何大小的输入n所需的最大运行时间，但实际上的时间复杂度数值表示的是算法执行次数（给次数是不是便于不同配置的计算机算时间？哈哈）S(space)空间复杂度: S(n)定义为任何大小的输入n所需的最大运行空间，包括1.程序本身所占空间。2.输入数据所占空间。3.辅助变量所占空间。表示方法T(n)=O(XXXXX)S(n)=O(XXXXX)【注】：时间复杂度是T(n)，空间复杂度是S(n),n表示任何大小的输入n，O是一种级数表示法。① 大写

原创 TF-IDF算法 原理、算法公式解释、实现

TF-IDF算法的原理：TF的意思：词频TF计算方法：IDF的意思：全文本库中该词的逆文本率IDF的计算方法：TF-IDF的算法：实现过程：# by miaomiaomiao'''函数说明：文本统计Parameters: paper_txt：文本Returns: txt_formed:统计结果'''def txt_forming(paper_txt): txt_formed={} for i in paper_txt:

原创 2020-11-22 逻辑回归 多分类 1.1

import mathimport torchimport numpy as npdef sigmoid(x): ''' ①定义sigmoid函数,只能传一位数字 ''' if x>700: x=700 if x<-700: x=-700 res=1/(1+math.exp(-x)) return resdef mul_dui_ying(x,y): '''举阵对应乘法''' a=.

原创 2020-11-2 逻辑回归 二分类 2.1

import mathimport torchimport numpy as npdef sigmoid(x): ''' ①定义sigmoid函数,只能传一位数字 ''' if x>700: x=700 if x<-700: x=-700 res=1/(1+math.exp(-x)) return resdef mul_1(a,b): ''' ①把两个横着的一维矩阵对应乘起来，然.

原创 2020-11-02 逻辑回归1.1

import mathimport torchimport numpy as npdef sigmoid(x): ''' ①定义sigmoid函数,只能传一位数字 ''' if x>700: x=700 if x<-700: x=-700 res=1/(1+math.exp(-x)) return resdef mul_1(a,b): ''' ①把两个横着的一维矩阵对应乘起来，然.

原创 逻辑回归 python手打例子

会pytorch的话会逻辑回归吗？不会。学会二分类的逻辑回归就行了吗？只能解决二分类。因此一个是二分类实验。以及对多分类的重复二分类。那对于多分类怎么办？如上图，有5个类，那只要对五个位置分别做一次二分类判断（譬如是A类，则B,C,D,E整体看作另一类即可）但是有个问题：上图又是B,又是E怎么办？我觉得还是直接用小数表示，用sigmoid进行训练，输出的用数值大小来表示“某类可能的概率即可”首先逻辑回归思想是什么：1.列出线性方程（对于线性边界）.

原创 matplotlib 指南

#必要头import matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 # 绘制折线图 plt.figure(figsize=(8,4))#必要 #创建画板 x=[1,2,3];y=[5,7,4];plt.pl...

原创 数据清洗 简单流程

1.导包，没什么说的：import numpy as npimport matplotlibfrom pandas import Series,DataFrameimport pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号2..

原创 Pandas 个人指南

一、锻体期1.结构 Series①Series是一组n维向量（数组），每一行都有一个名字（行名、标签、索引）。也可不定义索引。2.结构 DataFrame①dataframe是一个二维表格（数组），每一行都有名字（行索引），每一列也都有名字（列索引），双索引结构。也可不定义索引。...

原创 算法1.3.2 链表

直接放上代码，这部分很简单，最后做了一个node的调换。class node(): def __init__(self,number): self.number=number self.next=Nonen1=node(1)n1.next=node(2)n1.next.next=node(3)h=n1.next.next.nextn1.next.next.next=n1.nextn1.next=n1.next.next# print(n1.ne

原创 算法 1.3.1 堆栈计算器词法分析器

首先我们做一个硬核的设计：然后丢入python代码：class mathss: def __init__(self,string): import queue self.string=string+"#" self.number=[i for i in ".0123456789"] self.charr=[['#'],['+','-'],['*','/'],['('],[')']] self.KUO=0

原创 算法 1.3.0 queue和stack

队列：import queueq=queue.Queue() #队列q.put([1,2,"3"]) # q.put(class XXX)放对象在里面是常规操作print(q.get())print(q.qsize())print(q.empty())print(q.full())q.queue.clear() #清空队列堆栈：import queueq=queue.LifoQueue() #堆栈q.put(1)q.put(2)print(q.get())其他操作

原创 算法1.1.10 二分查找算法--插入65万记录文件效率与遍历方法比较

在一个65W行数据中插入记录，传统遍历和二分法查询效率差异惊人DATAS_txt=r'large100W.txt'# 1.准备文件按照指定行读取import linecacheimport random# text=linecache.getline(DATAS_txt,1)import time def write_wenjian111(random_min,random_max,times): ff = open(DATAS_txt, "r+") words = f

原创 算法 1.1.10 二分查找

#二分查找,在numbers中找数numbers=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,20,21,22,23,25,100,101,111,125,256,2223]# 超前需要numbers由小到大排序# 二分查找num=[]def gogo(key,numbers): global num n=0 print("搜索的数为：",key) fro=0 #搜索的头 lss=len(numbers)-1 #搜.

原创 OpenGl探索 1.0

#include <gl/glut.h>#include <math.h>//#pragma comment(linker,"/subsystem:\"windows\" /entry:\"mainCRTStartup\"")void WindowInit()//定义绘图窗口,{ glutInitDisplayMode(GLUT_SINGLE);//glu...

原创 neo4j导入数据心血总结

neo4j-admin import --nodes D:/Programspecial/neo4j/import/entity2id.csv --nodes D:/Programspecial/neo4j/import/relation2id.csv --relationships D:/Programspecial/neo4j/import/valid.csv

原创 MongoDB的安装与基本操作

一.MongoDB的安装：【安装】1.官网下载安装包2.解压到自己创建的命名为mongo的文件夹下d:\Programspecial\mongo3.创建MongoDB的数据文件夹d:\Programspecial\mongo\mongodata【启动服务器】mongod --dbpath="d:\Programspecial\mongo\mongodata" --logpath=...

原创 计算机操作系统————死锁问题,哲学家进餐问题，python

哲学家进餐问题（1）了解操作系统进程同步的基本概念和准则。（2）理解信号量机制及P、V操作含义。（3）了解经典进程同步问题，掌握信号量方法解决进程同步问题的方法。import numpy as np资源=[1,1,1,1,1]请求=[1,1,1,1,1]程序=[0,0,0,0,0]队列=[]def P(i): 请求[i]=请求[i]-1def V(i):...

原创 【大数据技术】 之快速部署SecureCRT

一、前期准备用Linux直接写确实有些不太方便于是拥有一个secureCRT会很方便# 好了，废话少说首先准备：secureCRT一只二、相关组件配置...

原创 【大数据技术】 之快速部署LINUX6

一、首先需要安装虚拟机1.前期准备：到这个界面2.配置网络（1）NAT联网（2）DNS①改名②改DNS映射文件【1.重启网络】【2.测试连接】...

原创 Linux7解决mysql安装依赖问题

需要：libsasl2.so.1()(64bit)的解决办法：需要：libsasl2.so.2()(64bit)的解决办法：1.rpm-Uvhhttp://dev.mysql.com/get/mysql-community-release-el6-5.noarch.rpm #下载2.yuminstallyum-utils-y #装源3.yum-config-ma...

原创 层传播算法 手写数字识别

## 神经网路的框架也就是一个 1输入端，（自带比照）2.传播层，也就是参数传播3.输出层 没了 这只是个工具。**## 神经网路的框架也就是一个 1输入端，（自带比照） 2.传播层，也就是参数传播 3.输出层 没了 这只是个工具。**以下是手写数字的训练``` import tensorflow as tffrom tensorflow.ex...

原创 tensorflow在linux服务器上的无看护运行

# 服务器是能够在你关闭窗口的时候还在运行的，等你睡好觉，打开电脑，链接服务器，你会发现已经跑完了。代码： nohup python kkl.py>>v.txt & 代码跑完了才会把输出输到v.txt改进：nohup -u python kkl.py>>v.txt & 输出一条就能输入到v.txt# 神经网络就是个...

转载 人工智能

 一、人工智能介绍 人工智能是很多技术的总称，包括机器人、语言识别、图像识别、自然语言处理和专家系统等，因为人工智能尚在发展阶段，所以也没有非常精准的定义，在行业内，人工智能与大数据密不可分，可以将很多大数据的应用（云计算平台等）归结为人工智能。但目前的科研工作都集中在弱人工智能这部分，并很有希望在近期取得重大突破，电影里的人工智能多半都是在描绘强人工智能，而这部分在目前的现实世界...