qq_42501075的博客

max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]

es 外网 访问 与端口 开放es 外网 访问 与端口 开放

这篇大概写于好几个月之前，最近又很多东西要重新开始，于是重新写起笔记这是写给我自己看的笔记，所以你看看不明白是很正常的，但我并不觉得完全没有参考价值，毕竟之前看的trans介绍，要么只有encoder，要么没有训练过程。transformer 全总结整体架构 en-deHere, the encoder maps an input sequence of symbol representations (????1,…,????????) to a sequence of continuous

###transformer 全总结整体架构 en-deHere, the encoder maps an input sequence of symbol representations (????1,…,????????) to a sequence of continuous representations ????=(????1,…,????????) . Given ???? , the decoder then generates an output sequence (????

固定部分参数

见

2020-10-07res 的思想，与 ensemble 的 思想 ， 加入很多层 ensemble 一下 也算是集成模型 res 的思想 一般是加比较好序列问题可以加入 pos embedding: an照 transformer 的方法加入 embedding在 gcn 的邻接矩阵里加入一个 conv2d ？ 等于 atten 吗 `nn.BatchNorm1d(out_dim), nn.Dropout(0.1), nn.LeakyReL

数据什么样就能扔进回归分析回归分析

就按着一个字一个字敲，敲完就配置好了

转载自 https://blog.csdn.net/zhuzuwei/article/details/80927554多线程的概念多线程类似于同时执行多个不同程序，多线程运行有如下优点：使用线程可以把占据长时间的程序中的任务放到后台去处理。用户界面可以更加吸引人，这样比如用户点击了一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度程序的运行速度可能加快在一些等待的任务实现上如用户输入、文件读写和网络收发数据等，线程就比较有用了。在这种情况下我们可以释放一些珍贵的资源如内存占用等

Jupyter NoteBook 是功能强大的Python交互IDE，深受数据分析师和算法工程师的热爱。Jupyter NoteBook 在综合使用文字、代码、图片等多种元素展示设计者的想法方面有着美妙的用户体验。而其自带的一些常用Magic Command 可以让它变得更加得心应手。magic函数主要包含两大类，一类是行魔法（Line magic）前缀为%，一类是单元魔法(Cell magic)前缀为%%；最常用的魔法函数有以下几个：1、%lsmagic #打印当前可以用的魔法命令，当我们想使用一个

Gensim之Word2Vec使用手册

list只能加 a+bset 只能减 a-b

one hot 化

Jupyter Notebook 有两种键盘输入模式。编辑模式，允许你往单元中键入代码或文本；这时的单元框线是绿色的。命令模式，键盘输入运行程序命令；这时的单元框线是灰色。命令模式 (按键 Esc 开启)快捷键：Enter : 转入编辑模式Shift-Enter : 运行本单元，选中下个单元Ctrl-Enter : 运行本单元Alt-Enter : 运行本单元，在其下插入新单元Y : 单元转入代码状态M :单元转入markdown状态R : 单元转入raw状态设定 1 级标题设定 2 级

目录1）线性加权融合法2）交叉融合法(blending)3）瀑布融合法4）特征融合法5）预测融合法6）分类器 Boosting 思想多模型融合算法可以比单一模型算法有极为明显的效果提升。但是怎样进行有效的融合，充分发挥各个算法的长处呢，这里总结一些常见的融合方法：1）线性加权融合法线性加权是最简单易用的融合算法，工程实现非常方便，只需要汇总单一模型的结果，然后按不同算法赋予不同的权重，将多个推荐算法的结果进行加权，即可得到结果：Score是给用户（user）推荐商品（item）的得分，

a = {1:2,2:3,3:4}a.items()dict_items([(1, 2), (2, 3), (3, 4)])返回一个list，用于排序

sklean详细介绍以及机器学习sklearn学习笔记

torch.stack向量堆叠torch.cat向量拼接

Pandas 的melt的使用

skew 与 kurt

为什么为什么神经网络中也用到这样的方法神经网络注意正态分布化与归一化的不同怎么做怎样做

panda 读取csv ，dataframe.shape## 通过Pandas对于数据进行读取 (pandas是一个很友好的数据读取函数库)Train_data = pd.read_csv('datalab/231784/used_car_train_20200313.csv', sep=' ')TestA_data = pd.read_csv('datalab/231784/used_ca...

seaborn

int 是32long 是64

import torchimport torch.nn as nnimport numpy as npimport reword2id = np.load("./data/word2id.npy",allow_pickle=True).tolist()glove = nn.Embedding(18766, 300)emb = torch.from_numpy(np.load("./d...

D2V

import functoolsnuml=list(input().split())del numl[0]def cmp(a,b): if int(a+b)>int(b+a): return -1 else: return 1numl=sorted(numl,key=functools.cmp_to_key(cmp))lis=...

字典寻最大字典pop用上面两招即可找到topN1对多字典：defaultdict待续

dgl图的基本操作dgl简单使用

Python3多进程multiprocessing模块的使用

初始化权值

NLLloss 与CrossEntry

准备工作数据集等属性传播的一部分，未完成

贝叶斯个性排序推荐https://www.cnblogs.com/pinard/p/9128682.html

torchtext 教程超详细https://www.jianshu.com/p/da3a5d5ed2ba

https://blog.csdn.net/u010834867/article/details/90762296em算法长文 mark

很实用的工具https://blog.csdn.net/zz2230633069/article/details/93266950

机器学习降维算法三：LLE (Locally Linear Embedding) 局部线性嵌入https://www.cnblogs.com/xbinworld/archive/2012/07/09/LLE.html

原链接https://www.cnblogs.com/LittleHann/p/11683607.html阅读目录(Content)从贝叶斯方法（思想）说起 - 我对世界的看法随世界变化而随时变化一些背景知识0x1：条件概率公式0x2：全概率公式和贝叶斯概率公式0x3：随机变量的链式法则（chain rule）0x4：随机变量的独立性0x5：随机变量条件独立性0x6：查询一个...