- 博客(91)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 git中的rebase命令与merge命令
为了保证你的特性分支可以平滑地集成回 master，你可能需要将你的分支变动重新基于 master 分支的最新状态。合并操作通常会创建一个新的 合并提交（merge commit），这个提交有两个父提交：一个是 feature 分支的前一个提交，另一个是 master 分支合并时的最后一个提交。②减少冲突：通过定期将 master 分支的更新 rebase 到你的开发分支，可以在合并（merge）这些分支时减少冲突，因为你的分支已经预先解决了与 master 分支的潜在差异。有的，就是merge命令。
2024-05-13 17:07:27
910
1
原创 python中(n, 1)和(n,)之间的区别
如果提供了 (n, 1) 形状的数组，可能会引起错误或不符合预期的行为。(n, 1) 表示一个二维数组，其中 n 是行数，1 是列数。在 (n, 1) 形状的数组中，你需要使用两个索引来访问元素，例如 array[i, 0]。二维 (n, 1) 数组在进行某些操作时会遵循矩阵的运算规则，例如在矩阵乘法中。一维 (n,) 数组在运算时更加灵活，能够广泛地应用在各种需要一维序列的场合。在 (n,) 形状的数组中，你只需要一个索引，例如 array[i]。(n,) 是一维的，这是最基本的数组形式。
2024-03-09 15:07:17
622
原创 AttributeError: module ‘tensorflow‘ has no attribute ‘__version__‘
force-reinstall：通常，如果已经安装了请求的包的最新版本，pip将不会重新安装包。使用这个参数，pip会忽略包的当前安装状态，强制重新下载并安装指定版本的包，即使它已经是最新版本。这对于解决安装问题或损坏的包文件特别有用。可能的原因是环境中安装了与标准TensorFlow包不同的包，或者可能是TensorFlow没有正确安装。解决方法如下，亲测有效。
2024-02-25 19:25:37
1855
原创 简单版 git快速上手使用 clone项目 新建/切换分支 提交修改
Git是一个广泛使用的版本控制系统，允许多个用户跟踪文件的更改，并协作开发项目。首先确定自己电脑已经安装了git，具体安装步骤请查找教程，应该不难。以windows电脑为例，安装完后在搜索栏搜索git会出现先解释一下这些应用区别和功能：Git Bash: 提供了一个Bash环境，在Windows系统中运行Git命令行工具。Bash是一种Unix shell和命令语言，Git Bash是专门为Git命令优化的。
2024-02-25 14:54:55
669
原创 静态方法（static methods）和非静态方法（instance methods，也叫实例方法）
在Python中，实例方法（instance method）需要通过类的实例来调用，因为它们的第一个参数通常是self，代表类的一个实例。这意味着实例方法可以访问和修改实例的状态。而静态方法（static method）则不接收self参数，它们既可以通过类名直接调用，也可以通过类的实例来调用，但它们无法访问或修改类的状态。
2024-02-21 22:29:36
347
1
原创 神经网络中的前向传播（Forward Propagation）和后向传播（Backward Propagation）
有时候会搞混这两个概念。什么是前向传播？不是只有后向传播吗？后向传播好像是用来更新模型参数的，前向传播是什么东西？
2024-02-13 00:32:04
1899
原创 神经网络训练中的epoch和batch概念
例如，如果你有1000个训练样本，而你的batch size是100，那么需要10个batch来完成一个epoch的训练。Batch size是一个重要的超参数，因为它直接影响到模型权重更新的次数和每次更新时使用的样本数。通常，在训练神经网络时，会设置一个epoch参数和一个batch size参数，并在每个epoch内遍历多个batch。在一个epoch中，网络会对每一个训练样本学习一次，然后更新权重。总是忘了又忘，再写一遍加强记忆。
2024-02-11 16:40:55
1177
原创 python进行独立样本t检验
ttest_ind会返回这两组数据的t检验值和p值。t值表示两个样本均值之差距离零假设（即两组数据的均值没有差异）的标准化距离。负号表示第一个样本的均值小于第二个样本的均值。p值（p-value）表示在零假设为真（即两组数据的均值没有差异）的条件下，观察到的统计量或更极端的值出现的概率。在统计学中，通常使用一个阈值（显著性水平，如0.05）来判断p值是否足够小以拒绝零假设。如果p值大于0.05，没有足够的证据拒绝零假设，即没有足够的证据表明两组数据的均值存在显著性差异。不涉及原理，快速上手运用和理解。
2024-02-06 00:40:46
562
原创 jupyter notebook删除kernel ＆ conda 删除虚拟环境
如果你在 base 环境中运行该命令，它将列出在 base 环境中注册的 Jupyter 实例知道的所有内核。如果你在虚拟环境中运行该命令，它将列出在那个特定虚拟环境中注册的 Jupyter 实例知道的所有内核。不过，通常，Jupyter 内核是全局注册的，所以无论在哪个环境中运行 jupyter kernelspec list，都会看到相同的列表。该命令将列出所有已注册的 Jupyter 内核，包括在 base 环境和所有虚拟环境中安装的内核。如果想完全删除与内核相关的环境，需要单独管理那个环境。
2024-01-22 12:18:05
1543
原创 解决 conda新建虚拟环境只有一个conda-meta文件＆conda新建虚拟环境不干净
像以前一样通过conda 新建虚拟环境时发现环境一团糟，首先新建虚拟环境这时候activate newenv，通过pip list，会发现有很多很多的包，都是我在其他环境用到的。但诡异的是，来到anaconda下env的目录，却发现newenv下只有一个conda-meta文件。这到底是为啥？
2024-01-20 17:10:10
2045
1
原创 np.concatenate函数
其中axis（读着aeksis，记住这里的x发音ks就可以）为0和1时分别代表不同的拼接方向。总是记不住axis对应的方向，看到官网的examples觉得很容易懂，记录一下。当axis为0时，数组沿着横轴拼接，这就要确保拼接的数组a和b有相同维度的列数。当axis为1时，数组沿着纵轴拼接，这里就要确保a和b有相同维度的行数。concatenate函数沿着某axis轴将a1、a2等数组进行合并。
2024-01-11 15:28:28
506
原创 word文档插入公式自动编号
ps：还有一个常用快捷键，有时候需要检查之前输入的域公式是否正确，除了可以alt+f9进入域模式查看域代码外，还可以按下shift+f9显示光标处的局部域代码。按两次alt+f9就可以看到公式后面是一个编号了，让编号正常的方式是选中含有公式编号的文本，右键更新域，就可以看到自动编号了。也就是先在章节标题的光标末尾按下插入域的快捷键，输入视频指示的公式。然后在每个章节的公式光标后面同样按下插入键，根据视频指示输入{SEQ seq \c}-{SEQ eq}首先是插入域的快捷键：ctrl+f9。
2023-12-30 23:23:17
677
原创 python中的lambda关键字
匿名函数就是没有函数名的函数。平时写一个实现某种功能的小函数，都需要def func_name(**args,**kewargs)，有了lambda，就可以省略这个定义的操作啦。map() 函数是Python内置的一个高阶函数，它接收一个函数和一个或多个可迭代的对象作为参数，然后将该函数应用到所有可迭代对象的对应元素上，返回一个新的可迭代对象（通常是一个列表）所以你，这个lamda就是用来创建一个功能比较简单，一个表达式就能写完的函数。也即，lambda是一种关键字，这种关键字的作用是创建匿名函数。
2023-12-07 11:59:48
598
原创 python中的迭代器、生成器和装饰器（一）
首先，最后两句应该能看懂，平时编程的时候也经常在def一个函数之前加上@xxx_decorator,这也就是装饰器的用法啦，通过在自定义的函数函数前面加上@装饰器函数名，就可以实现装饰的效果（装饰装饰，说白了就是一些锦上添花的工作，所以常用的装饰器就是做一些日志记录、性能分析等小工作）。下面看下log_decorator内部，也就是代码的第一部分，先看整体，该函数传入的参数为一个func（函数），返回的是一个wrapper（一个包装了func的函数）。今天正好复习到这里，把我对这几个概念的理解记录一下。
2023-12-06 21:08:59
508
原创 python初始化矩阵相关
第一种初始化方法创建矩阵时使用了相同的子列表对象。在Python中，使用 [0] * n 这样的方式创建子列表时，实际上是对相同的子列表对象的引用。因此，当你修改其中一个子列表的元素时，其他子列表也会受到影响。以前经常混用也没发现什么问题，直到昨天debug的时候发现第一种初始化之后对矩阵进行赋值时混乱的，比如matrix[0][1]=2会导致所有行的第二列都变成2。为了避免这种问题，可以使用列表生成式来创建，也就是第二种方法，确保每个子列表都是独立的对象。下面这张图就非常清晰易懂啦。
2023-12-03 12:39:05
1176
原创 result.append(path[:]) 和 result.append(path) 之间的区别
result.append(path[:])： 这样使用切片操作创建了 path 列表的浅拷贝，然后将拷贝后的列表添加到 result 中。这样，result 中存储的是一个新的列表对象，而不是 path 的引用。在许多情况下，特别是在处理树形结构等递归问题时，使用 path[:] 是一个常见的技巧，以确保每个路径的副本都是独立的，不受后续修改的影响。result.append(path[:]) 和 result.append(path) 之间有一个重要的区别，这涉及到对列表的浅拷贝。
2023-11-25 19:29:55
824
原创 关于python中的nonlocal关键字
如果在 inner_function 中不使用 nonlocal，而直接对 x 进行修改，Python 将认为 x 是一个新的局部变量，并在 inner_function 中创建一个新的局部变量 x，而不会修改外部函数 outer_function 中的 x。总的来说，对于可变对象，你可以在函数内部修改它们的值，而不需要 nonlocal 关键字。如果 x是一个不可变对象，例如数字、字符串或元组，你将需要使用 nonlocal 关键字，因为对于不可变对象，重新绑定变量是唯一的方式来修改它们的值。
2023-11-25 17:39:55
482
原创 python中的__name__是个啥？
这样，当你直接运行模块时，这些代码会被执行，但如果你将模块导入到其他地方，这些代码就不会执行。通过这种机制，你可以将模块中的功能区分为两种类型的代码，使代码更具模块化和可重用性。这样一来，当你希望某个模块在被直接运行时执行一些特定的操作，但在被其他模块导入时不执行这些操作。所以可以简单的理解：脚本就是广义的py文件（py文件也就是Python文件），模块是狭义的py文件，它们都是py文件。模块（module）：模块也是py文件，只不过这个py文件有概念上的规范和限制，不是所有py文件都可以叫模块，
2023-08-19 16:44:45
1250
1
原创 TensorFlow虚拟环境安装/pip install 与 conda install区别/jupyter kernel的添加与删除
当你pip list时，那些包有些是在Anaconda3\envs\tf\Lib\site-packages，有些是在C:\Users\username\AppData\Roaming\Python\Python38\site-packages，所以有时候会看见某个库有两个版本同时存在，这样也会造成很多包的不兼容。突然，我想到了加–user可以把包放在c盘的AppData\Roaming\Python\Python38\site-packages里，并且这个路径下的包虚拟环境也是可以用的。
2023-04-21 15:48:42
1047
1
原创 jupyter notebook重装及遇到的问题
安装成功了在终端输入jupyter notebook，报错，显示ModuleNotFoundError: No module named ‘zmq.asyncio’，一开始以为是zmq库没有装上，于是pip install zmq，但是报错AttributeError: ‘WindowsPath’ object has no attribute ‘read_text’。最后终于pip install zmq成功了。所以zmq和pyzmq的关系是什么？（安装的时候不能连vpn，不然容易报错）
2023-04-11 22:13:19
1326
原创 Python如何自制包、如何安装自己的包并导入
首先科普一下包和模块的概念：在Python中，包是一个包含多个模块的目录，而模块则是一个单独的文件。当一个目录下面有一个__init__.py文件时，这个目录就可以被认为是一个包。子包就是一个包中包含的另一个包，可以认为是包的嵌套。例如，一个名为mypackage的包中包含了一个名为subpackage的子包，subpackage中也可以包含多个模块。关于setup文件和requirements文件的编写，自行网络搜索（最主要的就是说明你写的这个sss包用到了哪些Python模块）
2023-03-14 15:57:24
2351
1
原创 面向对象和面向过程的区别（内含实际解释）
开发者需要将程序设计成一系列的步骤，其中每个步骤都是输入一些数据，处理这些数据，然后输出结果。这种方法的优点是程序结构清晰，易于实现，但不够灵活和可维护。通常情况下，面向对象编程比面向过程编程更加复杂，需要更多的设计和开发时间。但是，面向对象编程能够更好地处理大型项目，能够更好地分离程序的不同部分，并且能够更好地应对需求变化。这种方法的优点是易于扩展和修改，能够提高代码的可重用性和可维护性。面向对象编程和面向过程编程都是编程范式，它们描述了编写程序时的不同思考方式和设计方法。
2023-02-14 13:53:55
1961
原创 nvidia control panel下载与安装
通过microsoft应用商店方式获取是最好的（搜nvidia control panel）（其他的方法不太好，后面会出很多问题），但这个应用商店似乎一直刷不出来。尝试各种办法，最后得到了解决。
2023-02-08 22:51:30
2411
原创 keras.layers.Conv1D中卷积核参数kernel_size的理解
我们知道二维卷积中kernel_size就是二维的，对应于感受野的大小，conv1d的kernel_size中只需要填一个数字，而不是二维的数组，是因为一维卷积的kernel_size默认为（kernel_size，你输入数据的列的维度）。举例，输入维度为（xxx，40,7），conv1d(16, 3, input_shape=(40, 7)）其实就相当于二维卷积，只不过卷积核（x,y）的y默认就是输入数据（xxx,x,y）的y。那么输入数据进入卷积层后输出的维度为（xxx，40,16）
2023-02-06 12:08:41
3023
1
原创 python安装完虚拟环境后导入tensorflow报错/import keras报错
后面我的还是报错，缺少dll文件，发现自己没安装cuda和cudnn。看c盘的program files文件夹下是否有NVIDA GPU computing toolkit文件夹，如果没有，可以安装下面这个教程一步步安装。最后导入tensorflow成功，但是导入keras还是有问题。降低numpy的版本，好像1.24.0版有很多问题。好像是新版该规则了，换一下写法就行。
2023-02-03 21:36:10
1159
原创 win10下firefox和chrom都能正常上网，但edge不行，设置方法
但是改了之后edge还是没反应，于是自己在edge的设置那里瞎捣鼓，发现把这一栏勾选去掉就能正常上网了。
2023-01-13 14:16:27
3843
2
原创 matlab支持向量机SVM工具包（Libsvm）的安装
其中编译器的安装，可以直接在报错的时候点击那个链接，安装matlab官方指导进行安装，很简单。
2022-12-13 20:41:34
1309
原创 matlab修改图例/图注/legend中线条的粗细
lengend中的线条粗细无法通过lengend的输入参数来设置，这个粗细是由画图时plot中linewidth的大小决定的。plot时选用不同粗细的宽度，得到的图例线条宽度也是不同的因此，要修改只能修改plot是linewidth的大小。
2022-12-07 15:28:11
10688
原创 谷歌浏览器无法连接到网络的解决办法
电脑可以正常上网，其他浏览器也可以打开网页，甚至谷歌浏览器换成百度搜索引擎也能正常使用，但我以前用Google引擎也是能正常使用的，问题就出现在我使用了一下vpn，然后谷歌浏览器就没法工作了，重启也没用。网上搜了很多方法，清楚浏览器数据？修改dns啥的也没用，下面这个有用，找到网络和Internet设置，点击Internet选项，找到连接那一栏，把代理服务器的勾选取消，确定，浏览器可以正常使用了。
2022-09-11 11:12:18
21497
5
原创 关于df[‘某一列名’][序号]
如图所示，当我选中了某一列，发现索引0是正常的，索引1居然报错，考虑到df[‘latitude’]是series类型，我还去搜了series的索引规则，正当我走投无路的时候，发现df1因为前期处理，索引是乱序的，索引1不存在，所以报错。也就是说，这种通过选取列名再索引的方式是通过索引该列的序号来实现的。...
2022-07-28 17:01:41
408
原创 pandas基础
#df数据结构及其属性df=pd.read_csv(‘某某path’)df.head(n)#可以只显示前面n行df.info()#显示行的信息（总共几行），列的信息，每一列的名称，数据类型（浮点数、整数还是字符串），这一列有多少个数据（可结合总行数判断这一列是否存在缺失值）df.index#显示索引值df.columns#返回列名的数组df.dtypes#显示每一列及其数据类型se=df['某一列名']#取某一列的数据，se为pandas中的series数据结构，series为datafram
2022-04-15 13:01:12
146
原创 numpy基础大全（创建、索引、常用函数）
numpy的数据结构：array。array的属性：shape，ndim，size，dtype。创建array的方式：array支持的函数和操作：
2022-04-13 16:45:18
397
原创 matplotlib绘图
用matplotlib画图总是陷入这样的循环：某段时间需要处理数据画图时，matplotlib的用法忘记了，知乎微信一搜，看几篇博客，似乎又会了。画完图，隔段时间，下次遇到，又忘了。所以这一次想把画图的底层逻辑理一理。首先就是fig、plt、ax的区别和联系了。学习过程中遇到的几篇有启发的文章：matplotlib画图详解matplotlib，先搞清plt/ax再画图matplotlib刨根问底在csdn上，搜matplotlib画图，可以看到这样的示例：看每个人的博客都觉得有道理，但他们之间
2022-04-12 23:37:54
851
原创 奥林巴斯FV31S激光扫描显微镜软件下载地址
官网下载要注册，还要序列号，发现了下面这个。http://10.71.109.23:8008/soft/FV31S-SW_V2.1.rar点击下载
2022-04-08 14:28:26
4443
12
原创 分清frontal plane（额状面）、coronal plane（冠状面）、transverse plane（横断面）、sagittal plane（矢状面）
首先额状面（frontal plane）和冠状面（coronal plane）是同一个截面的不同称呼。其次要分清对象是站立的人还是趴着的小动物。对于站立人来说，是这样的对于趴着的小动物，以小鼠为例两者其实是一样的，以眼睛朝向你横放着的大脑为标准，矢状面就是将大脑分成左右两部分的面。横断面就是将大脑分为前后两部分的面，冠状面或者说额状面就是将大脑分成上下两部分的面。当大脑竖起来以后，前后上下指代的区域变了，所以两幅图看起来有点矛盾，其实都是一样的标准划分。...
2022-04-07 15:43:51
14317
原创 从脑成像技术到麦克斯韦方程（CT成像原理与电磁波概念）
转行生医工，最近做实验要用复杂的光学仪器仪器拍照片。了解了一堆，先从脑成像技术看起。首先是CT扫描技术，全称computed tomography，电子计算机断层扫描，是一种利用X射线围绕人体某一部位一个接一个的断面扫描技术。直白一点，CT通过发射一束X射线穿过人体，根据接收回来的射线重建出人体结构。那什么是X射线呢？X射线是德国物理学家伦琴在1895年做实验时而发现的一种从未见过的射线，因为不清楚不了解这种射线，所以叫X射线，X经常表示未知。ok，上面解释了名字的由来，但就像认识一种植物，光知道
2022-03-25 22:41:07
879
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人