自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 收藏
  • 关注

原创 pyecharts库的使用

pyecharts库的使用现在下载的库都是1.x版本的,使用方法和以前有很大区别加载from pyecharts.charts import Line, Bar, Funnelfrom pyecharts.faker import Fakerimport pyecharts.options as optsfrom pyecharts.commons.utils import JsCode折线图的绘制最简单的版本line1 = ( Line() .add_xaxis(['2

2021-04-04 14:22:53 702 4

原创 MySQL练习题 21-30

MySQL练习题21、查询不同老师所教不同课程平均分从高到低显示22、查询所有课程的成绩第2名到第3名的学生信息及该课程成绩我做的扩展形式23、统计各科成绩各分数段人数:课程编号,课程名称,[100-85],[85-70],[70-60],[0-60]及所占百分比24、查询学生平均成绩及其名次25、查询各科成绩前三名的记录26、查询每门课程被选修的学生数27、查询出只选修了一门课程的全部学生的学号和姓名28、查询男生、女生人数29、查询名字中含有"风"字的学生信息30、查询同名同性学生名单,并统计同名人数

2021-01-11 10:36:56 357

原创 MySQL练习题 31-50

MySQL练习题31、查询1990年出生的学生名单(注:Student表中Sage列的类型是datetime)32、查询每门课程的平均成绩,结果按平均成绩升序排列,平均成绩相同时,按课程号降序排列37、查询不及格的课程,并按课程号从大到小排列(有歧义)表结构预览31、查询1990年出生的学生名单(注:Student表中Sage列的类型是datetime)SELECT sid, sname, year(sage) # 对datetime型数据的操作from studentWHERE year(sa

2020-12-13 17:21:05 1192

原创 MySQL练习题 11-20

MySQL练习题11、查询至少有一门课与学号为“01”的同学所学相同的同学的学号和姓名12、查询学习课程和"01"学号的同学完全相同的其他同学的学号和姓名13、把“SC”表中“张三”老师教的课的成绩都更改为此课程的平均成绩14、查询没学过"张三"老师讲授的任一门课程的学生姓名15、查询两门及其以上不及格课程的同学的学号,姓名及其平均成绩16、检索"01"课程分数小于60,按分数降序排列的学生信息17、按平均成绩从高到低显示所有学生的平均成绩18、查询各科成绩最高分、最低分和平均分:以如下形式显示:课程ID,

2020-12-12 16:09:02 464

原创 MySQL练习题 1-10

MySQL练习题1、查询“01”课程比“02”课程成绩高的所有学生的学号2、查询平均成绩大于60分的同学的学号和平均成绩;3、查询所有同学的学号、姓名、选课数、总成绩4、查询姓“李”的老师的个数;5、查询没学过“张三”老师课的同学的学号、姓名;表结构预览1、查询“01”课程比“02”课程成绩高的所有学生的学号GROUP BY cid、sid不可靠逐步调试1:查看单个过滤表的情况SELECT * from sc WHERE cid = '01' /* sid从01到06 */(SELECT *

2020-12-12 16:07:41 303

原创 模型的训练和验证

训练集和验证集的加载和构造train_path = glob.glob('../train/*.png')train_path.sort()# 提取json数据,类似字典,直接读取文件,前面只能是一个点,不能是两个train_json = json.load(open('./train.json'))train_label = [train_json[x]['label'] for x in train_json]train_loader = torch.utils.data.DataLoad

2020-05-31 07:29:13 209

原创 数据扩增与字符识别

数据扩增在Pytorch中数据是通过Dataset进行封装,并通过DataLoder进行并行读取Dataset:对数据集的封装,提供索引方式的对数据样本进行读取DataLoder:对Dataset进行封装,提供批量读取的迭代读取class SVHNDataset(Dataset): def __init__(self, img_path, img_label, transform=None): self.img_path = img_path self.i

2020-05-26 23:20:10 131

原创 cv图像处理

PIL库处理图像Pillow库读取图片im =Image.open('./cat.jpg')对图像进行模糊处理im2 = im.filter(ImageFilter.BLUR)im2.save('blur.jpg', 'jpeg')将图片缩小一半im = Image.open('./cat.jpg')w = im.width # 图片的宽h = im.height # 图片的高im.thumbnail((w//2, h//2))im.save('thumbnail.jpg'

2020-05-24 00:01:28 718

原创 CV比赛 第一次打卡

提前准备工作已经安装的torch环境一些库的安装pip install jupyter tqdm opencv-python json文件的保存直接右键另存为,会自动存为 json 格式

2020-05-20 21:01:29 136

原创 一些矩阵向量求导的例子

1.(单样本)多元logistic回归l=−yTlog⁡(softmax(Wx)),求∂l∂W其中:softmax(a)=exp⁡(a)1Texp⁡(a)=exp⁡(a)∑exp⁡(a),分母是个标量log⁡uc=log⁡(u)−1log⁡(c),c是标量,u是向量,向量1和u同型,实质是对向量的逐元素运算yT1=1,是向量的内积1T(u⊙v)=uTv,克罗内克积转换为矩阵乘法l =-\bol...

2020-04-03 17:23:37 444

原创 tensorflow的版本安装和更新

1.tensorflow 的安装安装指定版本的 tensorflow-gpupip install tensorflow-gpu==1.4.0安装指定版本的 tensorflow-cpupip install tensorflow==1.4.0安装最新版本的 tensorflow-gpupip install tensorflow-gpu安装最新版本的 tensorflow-c...

2020-03-25 18:23:39 743

原创 天池二手车价格预测比赛(二)——特征工程步骤

特征工程1.删除特征中的异常值2.特征构造a.训练集和测试集放在一起,方便构造特征b.使用时间(天数)特征构造b-1.对pd.to_datetime的使用???b-2.时间特征的构造b-3.对 nan 的判断b-4.判断并找出日期值 nan 的数据c.从邮编中提取城市信息——相当于加入了先验知识1.删除特征中的异常值包装的异常值处理的代码,可以随便调用。def outliers_proc(d...

2020-03-25 16:33:42 422 1

原创 矩阵向量求导

矩阵向量求导一.定义和所有求导类型1.1 定义1.2 分布布局的介绍1.3 所有的求导类型二.对标量的求导2.1 标量对标量的求导2.2 向量对标量的求导2.3 矩阵对标量的求导三.标量对向量、矩阵的求导3.1.标量对向量的求导3.2 标量对矩阵的求导四.迹函数对矩阵求导五.矩阵对矩阵的求导5.1 定义5.2 例子现在CSDN使用的是KaTeX(latex的渲染器),不支持align,但可以用a...

2020-03-25 16:10:45 221

原创 查看 Python程序或对象的内存占用

导入 psutil 库import psutilimport os使用举例查看当前 python 程序的内存占用print(u'当前进程的内存使用:%.4f GB' % (psutil.Process(os.getpid()).memory_info().rss / 1024 / 1024 / 1024) )> 当前进程的内存使用:0.6119 GB查看电脑的总的内存信息...

2020-03-25 16:07:28 32111

原创 天池二手车价格预测比赛(一)——数据分析步骤

数据分析的整个流程一、数据读取及浏览1.数据读取a.设置展示的行数和列数b.读取数据2.数据概览a.观察部分数据b.查看数据类型和缺失值情况c.查看数据的取值是否合理(异常值)以及数据的大致分布二、EDA-探索性数据分析1.数据缺失和异常分析a.查看每个特征的缺失情况b.异常值检测c.无用特征的识别和删除2.查看预测目标的分布a.统计每个取值及其数量b. 用各种不同的分布去拟合数据c.查看偏度和峰...

2020-03-24 14:49:10 566

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除