- 博客(63)
- 收藏
- 关注
RSS订阅原创 电力兆瓦-小记
例如，如果您知道某个设备的容量是 100 千瓦（kW），那么它等于 0.1 兆瓦（MW），因为 1 MW 等于 1,000 kW。：当一座发电厂、电力站或能源设施的发电机、太阳能电池板或风力涡轮机等设备的总发电能力达到 44 MW 时，这意味着在满负荷运行时，该设施可以以每小时产生 44 兆瓦时（MWh）的电力。这个数字表示电力产能的潜力。：电力需求通常以 MW 表示，城市、地区或国家的电力需求是根据不同时段、季节和用途来计算的。：电力通常以瓦特（W）为基本单位，其中 1 兆瓦（MW）等于 1 百万瓦特。
2023-11-01 14:25:33
9747
原创 BUG小记-WARNING: The repository located at mirrors.aliyun.com is not a trusted or secure host and is b
请注意，这些版本号可能在你使用的Python环境中有所不同，因为它们随着时间的推移可能会有新的版本发布。如果你的项目需要特定版本的这些工具，你可以使用。警告指出这个软件源不是被认为是受信任或安全的，因此默认情况下，软件源，可以考虑使用其他受信任的软件源，或者使用默认的官方软件源。关于第二部分警告，通常情况下，你可以忽略它。是一个用于构建和打包Python包的库，版本号是65.5.1。是一个Python包的二进制分发格式，版本号是0.38.4。是用于安装Python包的工具，版本号是23.2.1。
2023-10-12 17:28:21
943
原创 版本版本还是版本
Python 2与Python 3之间的过渡期一度让人痛苦，但它也向我们证明了版本迁移是必要的。你可能会看到版本1.2.3、1.2.3.1、1.2.3.2，然后你还需要确定哪个版本与你的项目兼容，否则你就会陷入库的版本地狱。版本问题是必须克服的挑战，它们教会了我们耐心，让我们更好地理解了软件开发的复杂性。所以，继续努力，不断学习，最终你会掌握如何处理版本问题，成为更好的程序员。最烦人的是，当你一遇到问题，你可能会陷入无尽的谷歌搜索、Stack Overflow浏览和试错的循环，希望找到解决方案。
2023-10-11 16:34:24
120
原创 杂记-缺失值插值方式
这个表格提供了对不同插值方法的概述。具体使用哪种方法取决于数据的性质和分布，以及对结果精度的要求。需要根据具体情况选择最合适的插值方法。选择哪种插值方式通常取决于数据的性质以及缺失值的分布。在实际应用中，通常会先观察数据，了解数据的分布和特点，然后选择合适的插值方法来填充缺失值。此外，还可以尝试不同的方法，比较它们的效果，选择最适合特定数据集的方法。
2023-10-10 15:06:00
264
原创 常用的相关性分析方法
肯德尔相关系数也是一种非参数的相关性分析方法，用于测量两个变量之间的排序关系。它基于排列对的数量，可以度量变量的等级之间的一致性程度。这些相关性分析方法在统计学和数据分析中都有广泛的应用，可以帮助研究者理解变量之间的关系，从而做出推断、预测和决策。它类似于皮尔逊相关系数，但适用于包含一个二元变量的情况，其中0和1表示两种不同的状态。它包括散点图、回归分析和相关系数等技术，可用于可视化和量化两个变量之间的线性或非线性关系。卡方检验可用于确定观察到的频数是否与预期频数有显著差异，从而评估两个变量之间的相关性。
2023-10-10 11:28:21
1761
原创 生活小记-纸张尺寸
这些尺寸遵循ISO 216标准，广泛用于全球。在不同的应用领域，不同的纸张尺寸可以用于打印、绘图、设计和其他用途。请注意，还有一些非标准的纸张尺寸，根据需要也可以定制。
2023-10-02 17:50:44
908
原创 神经网络小记-混淆矩阵
混淆矩阵是评估二元分类模型性能的重要工具，它能够清晰地展示模型的分类情况，帮助分析模型的优点和不足，进而改进模型的性能。基于混淆矩阵，可以计算出多个分类性能指标，如准确率、召回率、精确度、F1分数等，这些指标有助于评估模型的性能和效果。：模型错误地将负类别样本分类为正类别的数量（误报）。：模型错误地将正类别样本分类为负类别的数量（漏报）。：被分类为正类别的样本中，真正为正类别的比例，即。：模型正确地将正类别样本分类为正类别的数量。：正类别样本被正确分类为正类别的比例，即。
2023-09-16 20:49:59
592
原创 生活小记-挂号信
总之，挂号信相对于普通信件提供了更高的跟踪、确认和安全性，但相应地会涉及更高的费用和较长的送达时间。选择使用哪种邮寄方式应根据邮件的重要性、价值以及您对服务的需求来决定。"挂号信"通常指的是在邮寄过程中通过挂号邮寄服务寄送的信件，相对于普通信件有一些特殊的特点和服务。
2023-08-28 20:42:55
926
原创 java从头记-public、protected、default、private
当定义一个类及其成员时，可以使用不同的访问修饰符来控制类成员的可见性，从而限定它们的作用域。publicpublicpublicpublicprotectedprotectedprotectedpublic默认（defaultdefaultdefaultdefaultprivateprivateprivate根据程序的需求和设计原则，选择合适的访问修饰符来限定类成员的作用域，以保证程序的安全性和可维护性。遵循访问修饰符的最佳实践，可以有效地控制类成员的可见性，并降低代码的耦合性，使代码更加健壮和易于维护。
2023-08-26 19:45:06
169
原创 计算机基础小记-网络请求错误码
网络错误代码通常是通过 HTTP 状态码来表示的，HTTP（Hypertext Transfer Protocol）是用于传输数据的应用层协议，它定义了一系列状态码，用于表示客户端向服务器发起请求时的处理结果。这些状态码是 HTTP 协议中定义的一部分，不同的状态码代表了不同的请求处理结果。在开发过程中，了解这些状态码能够帮助你更好地理解网络请求和响应的情况，以及如何适当地处理它们。
2023-08-25 10:55:48
159
原创 生活小记-横向与纵向
横向思维关注的是多样性、跨界和综合，它鼓励将不同的想法、观点或知识领域结合起来，以产生新的见解和创新的思路。"横向思维"和"纵向思维"是两种不同的思维方式，它们在问题解决、创新和分析等方面具有不同的特点。在实际问题中，综合运用横向思维和纵向思维，根据情况的需要平衡广度和深度，可以帮助获得更全面和有洞察力的解决方案。它强调横向的关联性和综合性，将不同的知识、观点或概念结合起来，以产生更全面的理解或解决方案。纵向思维是指沿着一个特定的领域、过程或发展轨迹，逐步深入思考问题或情况的思维方式。
2023-08-23 09:12:10
252
原创 计算机基础小记-动态语言、静态语言、脚本语言
动态语言（Dynamic Language）和静态语言（Static Language）是编程语言的两种主要类型，它们在语言设计和代码执行时有着不同的特点。
2023-07-30 09:13:39
613
原创 python小记-切片
Python中的切片操作用于从序列（如列表、字符串等）中获取子序列。它是一种非常方便且强大的操作，可以通过指定起始索引、结束索引和步长来获取子序列。sequencestartstopstepstartstopstopstartstartstop-1step切片操作在处理序列时非常常用，它可以快速地获取子序列或反转序列，极大地简化了代码编写和处理数据的过程。
2023-07-29 08:28:26
119
原创 游戏小记-全屏与无边框
无边框模式是一种特殊的窗口模式，游戏画面在显示器上显示，但不会有窗口边框和标题栏。这种模式可以为游戏提供更大的可见区域，减少了边框带来的视觉干扰，但依然可以方便地切换到其他应用程序，因为您可以使用快捷键来切换窗口。全屏模式通常提供最佳的游戏体验，因为它可以最大化显示区域，减少图像延迟，并且游戏画面流畅。在英雄联盟中，您可以在游戏设置中选择使用全屏模式还是无边框模式，根据个人喜好和电脑配置来决定。全屏模式通常会提供更好的性能和游戏体验，但无边框模式则可以让您更轻松地在游戏和其他应用程序之间切换。
2023-07-28 18:17:37
1773
原创 python小记-临时变量
临时变量是在程序执行过程中用于暂时存储数据或中间结果的变量。它们在计算过程中具有临时性，一般不会长期保留数据，而是在需要的时候使用，完成特定的计算或操作后就会被释放。临时变量的作用包括但不限于以下几个方面：存储中间结果：在复杂的计算过程中，可能需要多次进行计算或操作，临时变量可以用于存储中间结果，方便后续的计算。数据交换：临时变量常用于交换两个变量的值，比如在排序算法中交换数组中的元素，或者在程序中交换两个变量的值。
2023-07-28 09:18:04
776
原创 python小记-队列
队列（Queue）是一种常见的数据结构，它遵循先进先出（First-In-First-Out，FIFO）的原则。在队列中，新元素（也称为项）总是添加到队列的末尾，而最早添加的元素总是在队列的前面，类似于排队等待的现象。在Python中，可以使用内置的模块中的deque类来实现队列。deque是一个双端队列，支持高效的在两端进行元素的添加和删除操作。以下是使用deque以上代码演示了如何使用deque来实现队列的入队和出队操作，并获取队首元素。
2023-07-27 18:12:52
175
原创 python小记-栈
栈（Stack）是一种常见的线性数据结构，它遵循“后进先出”（Last-In-First-Out，LIFO）的原则。这意味着最后入栈的元素将首先被弹出，而最先入栈的元素将最后被弹出。栈主要支持两种操作：入栈（Push）和出栈（Pop）。栈的主要特点包括：入栈（Push）：将元素添加到栈顶的操作，也称为压栈。出栈（Pop）：从栈顶弹出元素的操作，也称为弹栈。栈顶（Top）：栈中最后一个元素。栈底（Bottom）：栈中第一个元素。空栈（Empty Stack）：栈中没有任何元素。
2023-07-26 18:20:47
178
原创 python小记-深拷贝与浅拷贝
深拷贝（Deep Copy）和浅拷贝（Shallow Copy）是Python中复制对象的两种方式，它们有着不同的特点和适用场景。copy()deepcopy()copy在浅拷贝中，修改了新列表中的子列表，原列表也受到了影响。而在深拷贝中，新列表的修改不会影响到原列表。根据具体需求，选择适合的拷贝方式可以更好地处理对象的复制和修改操作。总的来说，深拷贝适用于处理复杂数据结构、防止修改原始数据、保存数据的历史状态或快照，以及在多线程或多进程环境中处理共享数据。
2023-07-25 08:39:57
42
原创 计算机基础小记-原码、补码、反码、移码
补码是计算机中表示有符号整数的一种方法，也称为二进制补码。在补码表示法中，一个正数的补码与其原码相同，而一个负数的补码是其原码取反再加1。具体的补码表示方法如下：补码的优点在于可以简化计算机中的加减运算，使得计算机可以使用同一种运算电路来处理正数和负数的运算，从而简化硬件设计。同时，补码还可以避免了正数和负数的零对称问题，使得计算机中的运算更加简单和高效。补码表示法是计算机中最常见的表示有符号整数的方法，几乎所有的计算机系统都采用补码表示法来处理整数。
2023-07-24 22:23:00
524
1
原创 python小记-异或操作、或操作、与操作
说明：异或操作（XOR）：当两个操作数不同的时候，结果为1；当两个操作数相同的时候，结果为0。异或操作具有自反性（A XOR A = 0）和交换律（A XOR B = B XOR A）特点。在加密算法、校验和计算、找出数组中出现奇数次的元素等场景中，异或操作被广泛使用。或操作（OR）：当两个操作数中有一个为1的时候，结果为1；当两个操作数都为0的时候，结果为0。或操作常用于逻辑判断、权限控制、开关状态判断等场景。与操作（AND）：当两个操作数都为1的时候，结果为1；
2023-07-24 07:43:56
1335
原创 神经网络随记-参数矩阵、剪枝、模型压缩、大小匹配、、
总的来说，现在的大模型是深度学习的一种进化，它们具有更强大的学习和表示能力，但同时也需要更多的数据和计算资源来训练。大模型在某些特定领域表现出色，但对于一般的任务，传统的深度学习模型仍然是一种有效和实用的方法。通过将模型参数从浮点数转换为整数（float转int）可以实现模型的优化，主要优点包括减少模型的存储需求和加快计算速度，从而提高模型在嵌入式设备或资源受限环境中的执行效率。这些权重矩阵和偏置向量的参数是在神经网络的训练过程中学习得到的，通过最小化损失函数来优化模型的预测结果。
2023-07-24 07:37:37
1892
原创 神经网络小记-优化器
优化器是深度学习中用于优化神经网络模型的一类算法，其主要作用是根据模型的损失函数来调整模型的参数，使得模型能够更好地拟合训练数据，提高模型的性能和泛化能力。优化器在训练过程中通过不断更新模型的参数，使模型逐步接近最优解。具体来说，优化器的作用包括：参数更新：优化器根据损失函数计算出的梯度信息来更新模型的参数，使得模型能够朝着损失函数下降的方向调整，从而最小化损失函数。收敛加速：优化器通过引入动量等技术，可以加速模型的收敛过程，从而更快地找到较好的参数组合。
2023-07-23 20:08:47
2318
原创 python小记-for与while
总结：在上述冒泡排序算法中，for循环和while循环实现的结果相同，但for循环在代码可读性和代码复杂度上相对更优。在大多数情况下，for循环更适合处理已知循环次数的情况，而while循环适用于根据条件不断执行的情况。而使用while循环时，我们设置一个计数器n，并在循环体内将n不断减1，并累乘得到阶乘结果，直到n为0时结束循环。这个例子展示了for循环和while循环在解决问题时的不同用法，for循环适用于已知循环次数的情况（如遍历序列），而while循环适用于根据条件不断执行的情况（如计数器变化）。
2023-07-23 19:50:03
133
原创 python小记-迭代器、字典、取整
字典的键必须是唯一的且不可变的，通常使用字符串、整数或元组作为键，而值可以是任意类型的数据，包括基本数据类型（如整数、字符串、浮点数等）和复杂数据类型（如列表、字典、集合等）。注意，字典是无序的，即键值对的存储顺序与添加顺序可能不同，但在Python 3.7及以后的版本中，字典会保持插入顺序。Python提供了许多内置的迭代器对象，例如列表（List）、元组（Tuple）、字典（Dictionary）等，它们都是可迭代的，可以使用。一次性消耗：迭代器通常是一次性的，即遍历完所有元素后，迭代器将不再可用。
2023-07-23 19:16:48
329
原创 算法小记-设计要求、时间效率度量、存储空间要求
算法二（二分查找）的最坏情况下，每次将数组规模缩小一半，大约在 10 次左右就能找到目标元素或确定不存在，时间复杂度为 O(log 1000) ≈ O(log n)，算法的执行时间随着数据规模的增加，增长速率相对较慢。总体而言，对于算法的时间效率度量，我们主要关注最坏情况下的时间复杂度，通过分析算法的基本操作次数和输入规模的关系，选择最优的算法来解决问题，以提高算法的执行效率。算法二（二分查找）的时间复杂度为 O(log n)，因为每次查找都将数组规模缩小一半，使得算法在大规模数据下的执行时间大大降低。
2023-07-23 19:15:18
235
原创 神经网络小记-过拟合与欠拟合
欠拟合（Underfitting）是机器学习和深度学习中另一个常见的问题，指模型在训练数据上表现不佳，也无法在新数据上取得很好的预测结果，即模型未能充分拟合训练数据的特征，导致在训练集和测试集上都表现较差。过拟合（Overfitting）是机器学习和深度学习中常见的问题，指模型在训练数据上表现得非常好，但在新数据上表现较差，即模型过度拟合了训练数据的特征，导致泛化能力不足。集成学习：通过集成多个不同的模型，形成一个更强大的模型，可以提高模型的泛化能力，从而减少欠拟合问题。
2023-07-23 16:41:36
944
原创 python小记-换种思路
这两种方法都能在不使用额外变量的情况下实现常数的交换，原理是通过数学运算中的特性来实现值的交换。需要注意的是，这两种方法可能会在特定情况下产生溢出，因此在应用时需要注意数据类型范围。一般情况下，可以使用第一种加减法交换的方法，更为直观和易懂。使用数学运算中的加减法或异或运算。这样可以实现在不引入新的变量的情况下完成交换。
2023-07-23 16:40:38
180
原创 生活杂记-显示器尺寸
请注意，这些换算是基于1英寸约等于2.54厘米进行的。由于制造商可能在标识显示器尺寸时进行舍入，实际尺寸可能会略有差异。因此，在购买显示器时，最好查看产品规格以获得准确的尺寸信息。
2023-07-23 16:38:44
1414
原创 机器学习小记-序
机器学习是人工智能的一个重要分支，根据学习任务的不同，可以将机器学习分为以下几类：监督学习（Supervised Learning）：应用场景：监督学习适用于已标记数据集的任务，其中每个样本都有相应的标签或输出。常见的应用场景包括分类和回归问题。例如，垃圾邮件分类、图像识别、房价预测等。无监督学习（Unsupervised Learning）：应用场景：无监督学习用于未标记数据集的任务，目标是从数据中发现模式、聚类和降维。应用场景包括聚类、异常检测、特征学习等。例如，用户分群、图像分割
2023-07-20 21:00:23
346
原创 算法小记-减、分、变
需要注意的是，分治法、减治法和变治法并不是孤立的算法设计思想，而是相互之间可以结合使用的。在解决具体的问题时，可以根据问题的特点和复杂程度选择合适的算法设计思想，以及组合不同的算法来获得更高效的解决方案。这些例子只是分治法、减治法和变治法的一小部分应用场景，实际上它们在算法设计中的应用非常广泛。具体选择哪种算法设计思想取决于问题的性质和规模，以及所需求解的复杂程度。
2023-07-20 20:33:04
45
原创 算法小记-最长子序列
这样，我们可以比较nums[j]和nums[i]的大小关系，如果nums[j] < nums[i]，则说明可以将nums[i]加入到以位置j结尾的递增子序列中，形成一个更长的递增子序列。如果找到了这样的位置j，说明可以将nums[i]加入到以nums[j]结尾的递增子序列中，形成一个更长的递增子序列，即dp[i] = max(dp[i], dp[j] + 1)。通过这样的遍历过程，我们可以得到每个位置的最长递增子序列长度，最后取dp数组中的最大值作为整个序列的最长递增子序列长度。
2023-07-18 20:59:50
171
原创 nlp小记-分词
基于机器学习的分词：基于机器学习的分词方法使用机器学习算法，如支持向量机（Support Vector Machines，SVM）、最大熵模型（Maximum Entropy Model，MaxEnt）和神经网络等，通过训练模型来进行分词。基于机器学习的分词：基于机器学习的分词方法使用机器学习算法，如支持向量机（Support Vector Machines，SVM）、最大熵模型（Maximum Entropy Model，MaxEnt）和神经网络等，通过训练模型来进行分词。
2023-07-15 21:27:55
73
原创 python小记-常用代码技巧
这些只是一些常见的Python代码技巧，还有许多其他技巧和最佳实践可以根据具体需求进行应用。在Python中，有许多常用的代码技巧可以提高代码的简洁性、可读性和效率。与列表推导类似，生成器表达式可以创建一个生成器，避免一次性生成所有元素，节省内存。语句可以创建上下文管理器，用于自动管理资源的获取和释放，例如文件的打开和关闭。可以同时将多个变量赋值给多个值，或者将一个可迭代对象的元素解包到多个变量中。使用列表推导可以简洁地创建新的列表，同时进行过滤、映射和条件判断。函数可以同时获取迭代对象的索引和对应的值。
2023-07-14 10:15:16
33
原创 python小记-常见数据结构
上述示例展示了常见数据结构的基本实现方式。根据具体的问题和需求，还可以使用其他内置类型或自定义类来实现更复杂的数据结构，如堆、树、图等。在选择数据结构时，需要根据问题的特性和操作的复杂度来做出合适的选择，以获得最优的算法性能。当涉及到数据结构的实现时，Python提供了丰富的内置数据类型和模块，可以方便地创建和操作各种数据结构。下面将详细介绍各种常见数据结构的Python实现，并给出相应的解释。
2023-07-14 07:53:20
21
原创 Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same
该错误提示 “输入类型（torch.cuda.FloatTensor）和权重类型（torch.FloatTensor）应该相同” 表示输入的张量类型与权重类型不匹配，其中一个张量是在GPU上的cuda张量，而另一个张量是在CPU上的float张量。通过以上方法，您可以确保输入张量和权重张量具有相同的类型和设备，从而避免类型不匹配的错误。请根据您的实际情况选择适当的方法来解决问题。要解决这个问题，您需要确保输入的张量和权重张量具有相同的类型和设备。
2023-07-12 10:01:11
2231
原创 神经网络小记-attation
在神经网络中，注意力机制通过计算输入中不同部分的权重，将关注点集中在对任务具有重要性的信息上。它可以用来选择性地关注输入中的某些部分，从而提高模型的表达能力和性能。通过分配权重，注意力机制可以根据输入的不同部分的相关性和重要性来调整模型的处理方式。在自注意力机制中，权重是通过计算输入中每个位置与其他位置的相关性得分来得到的，然后将相关性得分进行归一化处理，得到每个位置的权重。这样，模型可以根据不同位置之间的相对重要性来聚焦于不同的信息。
2023-07-09 18:30:17
113
原创 神经网络小记-损失函数与激活函数
这只是一部分常见的损失函数和它们的应用场景，实际上还有许多其他的损失函数可根据任务需求进行选择。选择适合的损失函数对于模型的训练和性能至关重要，需要根据具体的问题和模型进行调整。在深度学习中，激活函数被用于引入非线性性质，增强模型的表示能力。
2023-07-09 18:28:15
342
PythonPDF切割程序
2023-07-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人