- 博客(20)
- 收藏
- 关注
原创 计算机组成原理(烟草备考笔记)
存放CPU在当前一小段时间内多次使用的程序和数据,以缓解CPU和主存的速度差异;操作码(一个) + 地址码(一个或多个):主要存放CPU当前使用的指令和数据;32位浮点数格式:S + E + M。64位浮点数格式:S + E + M。n位无符号数的范围:0 ~:存放大量的后备程序和数据;
2024-03-29 15:53:55 891
原创 操作系统(烟草备考笔记)
步骤2 - 对分段划分出来的连续空间,再划分固定大小的页【分页】步骤1 - 将程序划分为多个有逻辑意义的段【分段】<注:线程是任务调度和执行的基本单位><注:进程之间可以并发,但不能并行>段表:逻辑空间与内存空间映射的表。物理地址 = 段基址 + 偏移量。四个条件都要满足才会出现死锁。
2024-03-28 15:51:41 631
原创 数据结构(烟草备考笔记)
从起点出发,首先找出能从起点直达未标记顶点的最短路径,并将改顶点标记,随后每次从起点开始通过已标记点到达未标记顶点的所有路径中选择最短的路径,并标记连接的顶点,知道图连通。每次从已选择的节点所含边中选择最小的边连接的点(注:该点需要是未被使用过的点)进栈操作:栈不满,S.top ++,S.data[S.top] = e。出栈操作:栈非空,e = S.data[S.top],S.top –:具有相同性质的数据元素的集合,是数据的一个子集;:一个值的集合和定义在此集合上的一系列操作的总称;
2024-03-27 20:25:29 970
原创 plt循环绘图越来越慢
今天使用plt循环绘图时发现随着时间的推移,一个操作所耗费的时间越来越久,刚开始,我还以为是读取数据那部分代码出了问题,后来通过分段计时发现是绘图部分的耗时越来越多,百度后发现原来是自己的代码没有清空缓存。不过我没有缓存,也没有存在参考文献中博主说的图形重叠的情况。
2023-11-04 22:00:23 209
原创 服务器搭建机器学习环境
1、安装anaconda2、创建虚拟环境+激活虚拟环境3、在虚拟环境中下载需要的包(主要有torch、cuda)4、使用pycharm连接服务器的python环境5、配置pycharm的代码自动同步服务器问题问题1:运行cuda时报错原因:没有下载cuda(或,下载cuda出错没注意到)解决方法:重新下载查看可下载cuda版本 : nvidia-smi下载可用版本的cuda生成下载代码问题2:测试cuda还是为Falseimport torchtorch.cuda.
2022-09-26 15:37:09 2529
原创 安装:WSL2(Ubuntu18.04)+miniconda3+mysql数据库+windows pycharm连接wsl
WSL2(Ubuntu18.04)、miniconda3、mysql5.7的安装,已经windows环境的navicat连接mysql,windows环境的pycharm连接wsl
2022-09-13 10:54:15 2898
原创 关于wsl1升级到wsl2后无法通过127.0.0.1:3390连接远程桌面
windows子系统wsl1我是通过127.0.0.1:3390连接远程桌面进行可视化界面操作,但是升级到wsl2后无法通过127.0.0.1:3390连接远程桌面,且无法通过127.0.0.1:3360连接wsl中的数据库。解决方法使用wsl2的ip xxx.xxx.xxx.xxx:3390 重新连接可连接成功。数据库的连接同理。...
2022-02-22 20:17:08 1440
原创 pandas 之 axis
删除某一行df.drop(index, axis=0)删除某一列df.drop(col_name, axis=1)按列求和df.sum(axis=0)按行求和df.sum(axis=1)例子df = DataFrame( np.array([[1,2,3,4],[5,6,7,8]]), index = ['1st','2nd'], columns = ['a','b','c','d'] )# 按列求和df.sum(axis=0)# 按行求和df.sum(ax
2022-02-22 20:11:17 473
原创 nlargest 按列排序取最大前n行
DataFrame.nlargest(n, columns, keep='first')作用:返回按指定列降序排列的前 n 行。按降序返回列中具有最大值的前 n 行。未指定的列也会返回,但不用于排序。此方法等效于 df.sort_values(columns, Ascending=False).head(n),但性能更高。参数解析:n:需要返回的行数。columns:取值可为一个列名,或列名列表。指定排序的列keep:取值可为:first,last,all,默认为 first。有重复值的
2021-12-22 21:06:52 541
原创 corr 计算相关性
DataFrame.corr(method='pearson', min_periods=1)作用:计算列的成对相关性,不包括 NA 和 bull 值,返回相关系数矩阵。相关系数的绝对值越大,相关性越强:相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。参数解析:method:{‘pearson’, ‘kendall’, ‘spearman’} or callablepearson:皮尔逊相关系数,也叫标准相关系数。 pearson相关系数衡量的是线性相关关系。若r=0,
2021-12-22 17:12:45 3036
原创 sample 随机抽取样本
DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None, ignore_index=False)作用: 随机抽取样本参数介绍: n:随机抽取的样本数,不能与 frac 一起使用。 frac:随机抽取的样本数所占的百分比。例如:抽取总样本的20%,frac=0.2。 replace:是否可对同一行进行多次采用,即有放回的采样。 weights:样本权重,自动
2021-12-22 16:01:30 1165
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