- 博客(349)
- 资源 (16)
- 问答 (16)
- 收藏
- 关注
RSS订阅
原创 【已解决】一文搞懂路由器配置
是路由器连接外部网络（如互联网）的接口，通常是与ISP（互联网服务提供商）连接的地方。WAN口通常有一个外部IP地址，允许你的网络访问外部网络。是路由器为你家庭或办公室内部设备提供网络的接口，所有连接到路由器的设备（如电脑、手机、打印机等）都在这个局域网内。路由器A的WAN口通过DHCP从路由器B的LAN口获取IP，而路由器A的LAN口提供内部网络服务。确保LAN口的IP地址处于不同网段（路由器A为192.168.1.1，路由器B为192.168.0.1），避免IP冲突。
2025-02-17 16:27:09
136
原创 教程：Windows10下如何安装使用多版本Tensorflow2.x/Pytorch/paddlepaddle的GPU版本[和CUDA的安装及问题详解]【亲测可行】【详细和持续更新】
一、本文初衷(一)、关于选择：(二)、**CUDA之间的关系：**鄙人最初是学tf的，然后最近由于学术界很多新算法都是pytorch实现的，然后最近想去学学torch，后来发现paddlepaddle在国内的发展数一数二是在太强了然后也想接触一下paddlepaddle这个百度的深度学习框架，因为他有很多现成模型、开源模型。但是，不幸的是鄙人原来使用的是CUDA10.0，无法安装CUDA10.0以上版本支持的DL框架版本。所以鄙人决定进行一番尝试，让PC兼容多个DL框架、以及多个DL框架的版本，是GPU
2021-11-02 16:19:05
2109
2
原创 打包库Auto-py-to-exe：将py程序打包为exe文件的GUI界面程序
一、Auto-py-to-exe介绍Auto-py-to-exe 是基于简单的GUI图形界面和Python中的 PyInstaller，就是将PyInstaller封装了一下，非常方便的将.py转换为.exe。该项目的GitHub链接：auto-py-to-exe程序的GUI面板如下：二、Auto-py-to-exe安装直接pip安装：pip install auto-py-to-exe通过GitHub安装git clone https://github.com/brentvol
2021-10-07 20:23:00
5337
1
原创 anaconda中jupyter旧新版本、虚拟环境区分：win下jupyter、notebook 、lab的配置
JupyterLab 4.0 和 Jupyter Notebook 7.0 及之后的版本`**，Jupyter Server 取代了原来的 Notebook App 服务，成为 Jupyter 平台的核心组件。
2019-10-16 20:44:49
2322
1
原创 关于稀疏数据的模型选择
稀疏数据通常意味着许多特征值为零，这种情况下，如果不加以适当处理，某些模型可能会受到性能影响。因此，可以根据稀疏数据的特点选择适合的模型。如果你相信数据中的关系是线性的，且需要特征选择，可以首先尝试Lasso回归（L1正则化的线性回归），它非常适合处理稀疏数据，并且能够通过正则化筛选出最重要的特征。如果数据包含复杂的非线性关系，并且你想要一个鲁棒性强且能自动选择特征的模型，可以尝试随机森林回归或XGBoost回归。如果你有非常高维的稀疏数据且希望能够处理非线性关系，也可以考虑支持向量机回归（SVR）。
2024-12-19 10:47:17
618
原创 （1）VBA经典案例-匹配与获取数据
匹配单列值并获取最新行的数据；匹配单列值并获取某列最新日期的数据；匹配表1的某些列没有空值的行并填充到表二的某些列。
2024-09-06 16:24:53
696
原创 已解决：启动anaconda遇到报错This application failed to start because no Qt platform plugin could beinitialized
网上的方法说的五花八门，又叫设置这个又叫设置那个的环境变量，又有的说是dll文件丢失。其实都不是，这个问题很简单！我的总算解决这个问题能打开anaconda了。
2024-08-13 15:04:02
3260
原创 一些个人觉得好的学习地址 记录留存
菜鸟教程阿里天池AI研习社口袋资源【这个真的很棒、中英字幕】白月黑羽【QT入门必备、通俗易懂】Django快速入门：极客教程（缺点就是没说用的什么版本）一个pytorch高级封装的框架的教程：用了这个你肯定都不想用TensorFlow了一个深度学习教程，有理论有案例，版本也不算旧MySQL学习Hive数据库教程
2024-04-19 11:44:56
709
原创 已解决：用 Pyinstaller 模块将整个GUI项目打包成 单独exe 文件、移到没有python的环境依旧可以运行（全网完美解决的方法）
这是因为无法读取ui文件导致的，但是你的路径确实明明就是对的。网上很多方法其实都不是最佳的解决方法，只是类似于拆东墙补西墙的操作。（1）项目中用到的资源文件路径修改。比如ui、ico文件的路径。，ico文件也是一样的做法。所以，以下是完美的做法！
2024-04-15 11:24:51
850
原创 深度学习 精选笔记（13.2）深度卷积神经网络-AlexNet模型
AlexNet通过暂退法（**DropOut**）控制全连接层的模型复杂度，而LeNet只使用了权重衰减。 为了进一步扩充数据，AlexNet在训练时增加了大量的图像增强数据，如翻转、裁切和变色。 这使得模型更健壮，更大的样本量有效地减少了过拟合。 **Dropout、ReLU和预处理是提升计算机视觉任务性能的其他关键步骤。AlexNet已经被更有效的架构所超越，但它是从浅层网络到深层网络的关键一步。**
2024-03-17 22:52:56
1231
原创 深度学习 精选笔记（13.1）卷积神经网络-LeNet模型
对于非常简单的手写数字图片识别任务，古老的 LeNet-5 网络已经可以 取得很好的效果，但是稍复杂一点的任务，比如彩色动物图片识别，LeNet-5 性能就会急 剧下降。
2024-03-17 19:29:04
1243
原创 深度学习 精选笔记（12）卷积神经网络-理论基础1
卷积层有时被称为特征映射（feature map），因为它可以被视为一个输入映射到下一层的空间维度的转换器。 在卷积神经网络中，对于某一层的任意元素 𝑥 ，其感受野（receptive field）是指在前向传播期间可能影响 𝑥 计算的所有元素（来自所有先前层）。
2024-03-17 18:01:42
1601
原创 深度学习 精选笔记（11）深度学习计算相关：GPU、参数、读写、块
从零开始编写一个块。它包含一个多层感知机，其具有256个隐藏单元的隐藏层和一个10维输出层。注意，下面的MLP类继承了表示块的类。实现只需要提供自己的构造函数（Python中的__init__函数）和前向传播函数。将输入数据作为其前向传播函数的参数。通过前向传播函数来生成输出。请注意，输出的形状可能与输入的形状不同。例如，我们上面模型中的第一个全连接的层接收任意维的输入，但是返回一个维度256的输出。计算其输出关于输入的梯度，可通过其反向传播函数进行访问。通常这是自动发生的。
2024-03-15 16:41:32
1275
原创 poetry库：依赖管理和打包工具
poetry 将所有的配置都放置在一个 toml 文件中，这些配置包括：依赖管理、构建、打包、发布。 poetry需要Python 3.8+。它是多平台的，目标是使其在 Linux、macOS 和 Windows 上同样运行良好。
2024-03-09 15:31:11
689
原创 Normalizer（归一化）和MinMaxScaler（最小-最大标准化）的区别详解
Normalizer是一种将每个样本向量的长度缩放为1的归一化方法，它逐个样本对特征向量进行归一化，使得每个样本的**特征向量**都具有相同的尺度。MinMaxScaler是一种将特征缩放到指定范围（通常是0到1之间）的标准化方法。它通过对每个特征进行线性变换，将**特征值**缩放到指定的最小值和最大值之间。这两种方法有相似之处，都可以将数据缩放到一定范围内，但是归一化和最小-最大标准化的方式和目的不同。
2024-03-09 15:10:01
5705
2
原创 PyQt干货（1）QT5设计师 技巧（长期更新，QT6设计师也通用）
这里的发送者就是控件名buttonClearLog，接受者是控件名outputWindow，信号就是动作的意思，就是控件buttonClearLog进行该信号操作的时候，控件名outputWindow就进行才槽操作。
2024-03-06 10:37:44
396
原创 深度学习 精选笔记（10）简单案例：房价预测
在这里案例里面，测试集主要作用仅仅为评估模型泛化效果。并不具有“预测未来售价”的实际作用。因为测试集的其它特征都已经是假设已知的，而预测未来的时候这些都是相当于没发生的未知列，所以该案例中作用是相当于只是评估模型的作用。
2024-03-01 21:53:19
880
原创 深度学习 精选笔记（9）分布偏移
在许多情况下，训练集和测试集并不来自同一个分布。这就是所谓的分布偏移。真实风险是从真实分布中抽取的所有数据的总体损失的预期。然而，这个数据总体通常是无法获得的。经验风险是训练数据的平均损失，用于近似真实风险。在实践中，我们进行经验风险最小化。在相应的假设条件下，可以在测试时检测并纠正协变量偏移和标签偏移。在测试时，不考虑这种偏移可能会成为问题。强化学习（reinforcement learning）强调如何基于环境而行动，以取得最大化的预期利益。
2024-03-01 00:19:01
3724
原创 深度学习 精选笔记（8）梯度消失和梯度爆炸
梯度消失和梯度爆炸是深度神经网络训练过程中常见的问题，影响模型的收敛和性能。梯度消失（Gradient Vanishing）：在深度神经网络中，梯度消失指的是在反向传播过程中，梯度逐渐变小并接近零，导致较深层的网络参数无法得到有效更新，从而影响模型的训练效果。梯度消失通常发生在使用激活函数导数具有较小值的情况下，尤其是在使用 sigmoid 或 tanh 激活函数时。梯度爆炸（Gradient Explosion）：梯度爆炸则是指在反向传播过程中，梯度变得非常大，超过了数值范围，导致参数更新过大
2024-02-29 23:06:30
1330
原创 深度学习 精选笔记（7）前向传播、反向传播和计算图
前向传播用于计算模型的预测输出，反向传播用于根据预测输出和真实标签之间的误差来更新模型参数。前向传播（Forward Propagation）：前向传播是指输入数据通过神经网络模型的各层，逐层进行计算并传递至输出层的过程。反向传播（Backpropagation）：反向传播是指通过计算损失函数对模型参数的梯度，从输出层向输入层传播梯度的过程。
2024-02-29 22:44:33
1650
原创 深度学习 精选笔记（6）模型选择与正则化
解决过拟合问题的方法包括： - 简化模型：可以尝试使用更简单的模型，减少模型的复杂度，例如减少神经网络的层数或节点数。 - 正则化：可以使用正则化技术，例如 L1 正则化或 L2 正则化，来约束模型的复杂度，防止模型过拟合训练数据。 - 增加训练数据：增加训练数据量可以帮助模型更好地学习数据中的模式，减少过拟合的可能性。 - 提前停止训练：可以通过监控模型在验证集上的表现，在模型性能开始下降之前停止训练，避免模型过度拟合训练数据。 - 特征选择：可以选择最重要的特征，去除无关的特征，减少模型学习的
2024-02-29 18:09:43
1326
原创 深度学习 精选笔记（5）多层感知机
深度学习回顾，专栏内容来源多个书籍笔记、在线笔记、以及自己的感想、想法，佛系更新。争取内容全面而不失重点。完结时间到了也会一直更新下去，已写完的笔记文章会不定时一直修订修改(删、改、增)，以达到集多方教程的精华于一文的目的。所有文章涉及的教程都会写在开头、一起学习一起进步。
2024-02-27 17:25:51
1457
原创 深度学习 精选笔记（4）线性神经网络-交叉熵回归与Softmax 回归
对每个项求幂（使用exp）；对每一行求和（小批量中每个样本是一行），得到每个样本的规范化常数；将每一行除以其规范化常数，确保结果的和为1。return X_exp / partition # 这里应用了广播机制对于任何随机输入，将每个元素变成一个非负数。此外，依据概率原理，每行总和为1]。定义softmax操作后，可以实现softmax回归模型。下面的代码定义了输入如何通过网络映射到输出。注意，将数据传递到模型之前，使用reshape函数将每张原始图像展平为向量。
2024-02-27 11:57:09
1481
原创 深度学习 精选笔记（3）线性神经网络-线性回归
定义模型，将模型的输入和参数同模型的输出关联起来。要计算线性模型的输出， 只需计算输入特征 𝐗 和模型权重 𝐰 的矩阵-向量乘法后加上偏置 𝑏。注意， 𝐗𝐰 是一个向量，而 𝑏 是一个标量。"""线性回归模型""""""均方损失"""尽管线性回归有解析解，但很多其他模型却没有。所以这里使用小批量随机梯度下降。在每一步中，使用从数据集中随机抽取的一个小批量，然后根据参数计算损失的梯度。接下来，朝着减少损失的方向更新参数。
2024-02-27 10:14:56
1186
原创 深度学习 精选笔记（2）自动求导与概率
为了能进行事件概率求和，需要求和法则（sum rule）， 即 𝐵 的概率相当于计算 𝐴 的所有可能选择，并将所有选择的联合概率聚合在一起，这也称为边际化（marginalization）。对于每个值，一种自然的方法是将它出现的次数除以投掷的总次数， 即此事件（event）概率的估计值。导数是微积分中的重要概念，它表示函数在某一点处的变化率。例如，假设y是作为x的函数计算的，而z则是作为y和x的函数计算的。在二维空间中，梯度就是函数的偏导数构成的向量，指向函数增长最快的方向，其大小表示增长的速率。
2024-02-26 16:58:45
1256
原创 深度学习 精选笔记（1）数据基本操作与线性代数
虽然张量看起来是复杂的对象，但它们可以理解为向量和矩阵的集合。理解向量和矩阵对于理解张量至关重要。TensorFlow中的Tensors是不可变的，也不能被赋值。TensorFlow中的Variables是支持赋值的可变容器。请记住，TensorFlow中的梯度不会通过Variable反向传播。
2024-02-23 15:42:41
836
原创 训练时间序列 LSTM 模型时，是否要打乱数据呢？
独立的样本：如果你的时间序列数据是独立的，即观测值之间没有时间上的依赖关系或时间关系不重要，那么你可以考虑打乱数据集。通过打乱数据，可以增加样本之间的随机性，防止模型过度依赖于数据的特定排序，并帮助模型更好地泛化到新的样本上。时间序列依赖性：如果你的时间序列数据具有内在的时间依赖性，即后续时间步骤的观测值可能会依赖于之前的观测值，那么建议不要打乱数据集。需要注意的是，打乱数据集可能会破坏时间序列的结构，并丢失特定的时间依赖性。因此，在进行数据打乱之前，建议先仔细考虑你的时间序列数据的性质和任务的要求。
2024-01-04 09:30:08
2012
原创 已解决：“深而窄“和“浅而宽“的网络结构各自的优点和适用场景？
深而窄的网络通常具有更强的表示能力，能够学习到更高级别的特征表示，从而在许多复杂任务上取得优异的性能。此外，深度网络还可以通过堆叠多个层次来逐步学习更高级别的特征，这种逐层学习的过程有助于网络的训练和优化。总而言之，深而窄的网络在处理复杂任务和大规模数据集时通常表现更好，但需要更多的计算资源和数据量。然而，深而窄的网络结构也存在一些挑战。另一方面，浅而宽的网络指的是层数相对较少但每一层神经元数目较多的网络。浅而宽的网络适用于一些简单的任务和小规模数据集，可以在计算资源有限的情况下获得良好的性能。
2023-12-07 09:41:22
388
原创 已解决：tensorflow2.6.0的plot_model无法绘制图像报错如何解决？
在pycharm中把鼠标放在plot_model函数的位置，然后Ctrl+单击该函数即可进入。我的环境是tensorflow 2.6.0，python3.9.18。如何找到vis_utils.py？安装的时候记得勾选环境变量选项。
2023-12-05 10:46:34
551
原创 已解决：conda找不到对应版本的cudnn如何解决？
然后就可以使用如下命令进行安装对应版本的cudnn了。配置深度学习环境时，打算安装cudatoolkit。cudatoolkit也使用类似的方法。
2023-10-27 16:46:53
1729
原创 已解决：关于anaconda的一些实用使用命令、技巧、注意事项详细解读！
如果使用的话那么anaconda下的所有安装库都会被更新，包括基础环境和虚拟环境的库、python版本，全部都会被更新。那么该如何精细化管理库版本而不让各个虚拟环境之间互相影响呢？以下是一些常用的Conda命令： - `conda create`: 创建新的虚拟环境。 - `conda activate`: 激活虚拟环境。 - `conda deactivate`: 退出虚拟环境。 - `conda install`: 安装软件包。 - `conda update`: 更新软件包。 - `co
2023-07-31 17:32:03
467
原创 pycharm里面的git的变基是什么意思
在feature分支上开发完成后，您想要将它的修改合并回develop分支，但是您不想使用常规的合并操作（merge），因为这样会增加额外的合并提交。相反，您可以使用变基操作，将feature分支的修改按照提交时间顺序依次应用到develop分支上，使得它们的修改历史更加清晰。在PyCharm中，"变基（rebase）"是一个Git操作，它可以将当前分支的修改应用到另一个分支上。具体来说，变基操作会把当前分支的修改，按照提交时间顺序依次应用到指定的目标分支上，从而将两个分支上的修改整合成一个新的提交历史。
2023-06-09 16:41:14
1663
原创 Tips：克隆别人的仓库代码到本地修改后提交推送到他的仓库，需要他审核审批然后作为新分支吗还是直接就覆盖了原仓库呢？
具体来说，你可以通过在 GitHub 上向原仓库提交一个合并请求（Pull Request）的方式，将你的修改推送给仓库所有者。如果你的修改被接受了，那么它就会被合并到仓库中，并成为新的提交或分支。因此，在向他人的仓库提交修改之前，建议先向仓库所有者或管理员发送一条消息，请求获得相应的权限或授权。当你克隆别人的仓库代码到本地进行修改，并将其推送到他的仓库时，这个过程不会自动覆盖原有的代码。相反，这个过程会创建一个新的分支或者提交，并等待仓库所有者（或者被授权的其他用户）的审核和审批。
2023-06-09 16:17:33
672
原创 已解决：GitHub如何保护分支？GitHub提示Your main branch isn‘t protected是怎么回事？
在 Github 中，可以通过以下方式来保护分支：限制对分支的访问权限：合理设置仓库的访问权限，只有团队成员或者被授权的用户才能够进行代码的推送和修改操作。设置分支保护规则：在仓库的 “Branches” 页面中，找到需要保护的分支（一般是主分支 master），点击 “Edit” 按钮，进入分支设置页面，勾选以下选项：“Require pull request reviews before merging”：要求所有合并请求必须经过审核，并由至少一个审阅者或所有者或拥有管理员权限的人员进行审核。
2023-06-09 15:51:36
5636
原创 已解决：pycharm中git内容的“新建分支”和“新建标记”有什么区别
新建分支”（Create Branch）：这个功能可以创建一个新的代码分支，让你能够在不影响主分支（master branch）的情况下独立地开发新功能或者修复bug。通常情况下，每个新的功能或者bug修复都应该在自己的分支上进行开发，然后再合并到主分支上。“新建标记”（Create Tag）：这个功能可以为你的代码库打上一个标记，表示当前代码库的状态。通常情况下，当你发布一个新版本的时候，可以为这个版本打上一个标记，这样其他开发人员就可以方便地知道当前代码库的状态，并且可以轻松地回滚到之前的某个版本。
2023-06-09 15:41:11
358
中文分词词典UserDict.txt
2021-02-28
时间序列的详细介绍以及案例
2023-05-30
Linear+XGBosst预测代码+客流量预测demo.rar
2021-11-05
使用KMeans拟合数据的时候出现警告You can avoid it by setting the environment variable OMP_NUM_THREADS=2
2022-11-09
对整个数据集数据标准化后再划分训练集、测试集和先对训练集标准化再将规则用于测试集 的思考
2022-02-22
pandas线性插值报错：ValueError: Invalid fill method. Expecting pad (ffill) or backfill (bfill). Got linear
2022-01-21
为什么我觉得transformer就像是在瞎猜呢？
2021-12-10
预测结果是一个多维数组，必须要打平才能计算loss吗？
2021-12-09
为什么用torch保存模型占用磁盘那么大？怎么样保存模型占用磁盘空间小？
2021-12-09
torch的SmoothL1Loss()是huber loss吗？
2021-12-07
关于申请github学生开发包和jetbrains免费使用的过程中遇到的问题？
2021-11-29
和鲸社区的GPU环境出现报错
2021-11-13
关于solo博客系统静态资源无法正常加载的问题。。。
2019-08-08
过期的github学生包如何认证？
2025-02-05
lightning和pytorch-lightning的区别？
2023-08-13
如何从一组包含近似正太分布子数据a的偏态分布数据b中把a给提取出来吗？
2023-06-25
pycharm 编辑 requirements.txt 非常卡,该如何解决?
2023-04-14
时间序列中，神经网络最后一层的含义是什么？
2023-03-09
Python深度学习的时候屏幕显示线插在独立显卡还是集成显卡好？
2023-02-01
cupti64_113.dll not found
2023-02-03
Python如何在程序最后获取控制台输出内容？
2022-12-17
python 如何将tqdm和logging日志相结合
2022-12-09
python多进程情况下只有主进程在跑,但是子进程一动不动怎么办？
2022-12-02
TA创建的收藏夹 TA关注的收藏夹
TA关注的人