qq_43391414的博客

gitizip一开始听别人的，在谷歌浏览器的商店里搜索gitzip并安装了这个插件，如下：但是根本没有卵用，如下，鼠标右键那个蓝色的图标，会出现下载的选项，点击这个选项。此时遇到过两种情况：没有任何反应（可能是网速的问题）弹出下面这个窗口，然而并没有给我下载。解决办法还是这个好用，而且速度超快：http://tool.mkblog.cn/downgit/#/home。输入你的那个目录，例如：https://github.com/WZMIAOMIAO/deep-lear.

背景```python train_set = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)```速度超级慢，慢得直接报错：urllib.error.URLError: urlopen error [Errno 11001] getaddrinfo failed.

图像放大算法有好几个，但是如果我们自己设计图像放大算法，这个或许是我们最容易想到的，其他的没有一点功底，恐怕不会搞。图像放大算法总体思想：由于原来的图片像素少，现在的图片像素多，所以我们需要无中生有，这就叫做插值。其思想很简单：加入我们现在有一个2*2的图片：[[1,2],[3,4]]，我们要变成2*4的图片，你怎么搞？如果是我，我会这么搞：[[1,1,2,2],[3,3,4,4]]。即从原图中复制数字过来到新图，原图中第一行前一半是1，后一半是2，那我新图也这样。这就是最近邻法(Ne

情况```pythonsample.loc[0][1]=-1```发出警告:其实,这个根本不是警告,而是报错.因为我发现sample的值根本没有改变.原因不要使用切片的方式去赋值.上面其实可以分为两步,你这种索引方式pandas叫做chained indexing(链式索引),相当于x=sample.loc[0]#得到serie.

功能操作去重set(a)排序a.sort()

其功能非常强大，很多人以为其只能获取类的属性，远不止。getattr(a,"b")：获取目标a的属性b，这个目标a不一定要是类。其实你就可以理解为这个东西返回的是a.b。所以，只要符合这种语法的，你都可以对号入座，a可以是类，b是类下的东西。a可以是一个python文件的名字，此时b可以是a文件中的变量，函数和类等，随便你，可以看到非常强大。其中1的使用方法如下：class a(object): def __init__(self): self.b=1obj=a()

原因：这个属性是2021年后半年的功能，所以你需要更新你的sklearn。这个属性据我所知，起码要在版本0.24.2之后才有。查看sklearn版本：import sklearnprint("Sklearn verion is {}".format(sklearn.__version__))Sklearn verion is 0.23.1可以发现，我的版本过时了。因此需要更新，如果使用的是anaconda，方法如下：conda upgrade -c conda-forge scikit-

矩阵变成图片，这个问题使用（python , matplotlib ) 可以轻松实现。import matplotlib.pyplot as plt#使用格式plt.imshow(x)#其中x为图片的像素矩阵。其中的x为：array-like or PIL imageSupported array shapes are:(M, N): an image with scalar data. The values are mapped to colors using normalization

文章目录前言KL divergenceJS divergenceWasserstein distance总结前言这三个东西都可以用来两个分布的差异。其中三最难，其本身是来自另外的领域，如果你不想深入研究，理会精神和来龙去脉即可。KL divergence这个话不多说，更加详细的讲解见：KL散度（主）和交叉熵（次）的介绍。所以此处直接列公式，JS divergence即： Jensen-Shannon Divergence其来源于KL divergence，其计算方式如下：可见，其是对称

1.是什么？答案：用来显示进度条以及展示每一轮（iteration)所耗费的时间。好抽象，我们重点看怎么用，从而明白是什么。2.怎么用？自行安装，如果是anaconda的话这个是默认已经安装了的。从而导入如下的库。from tqdm import tqdm然后执行下述例子：import timea=[1,2,3]for i in tqdm(a):#用法：tqdm(可迭代对象）=会显示进度条的可迭代对象#所以仍然是可迭代对象，可以使用诸如for i in 【可迭代对象】等遍历形式。

网址：http://data.dws.informatik.uni-mannheim.de/rmlod/LOD_ML_Datasets/data/datasets/RDF_Datasets/数据集概览：前三个数据集介绍，后一个没有找到。不管怎么说，一个特点就是：上面的4个图全都是异构图。

文章目录前言WikidataYAGOConceptNetDBpedia前言今天介绍的一些知识图谱大多都是半自动构造的，并不一直都是人来添加的，另外，说他们是知识图谱或许都不太恰当，他们更像是一个项目，是一条龙服务，不但存储了很多知识，还支持着非常复杂的查询，甚至支持问答系统，而这你直接百度有可能搜索不到结果，因为搜索引擎做的是匹配工作，而问答系统会推理。下面就开始介绍一些常见的大型知识图谱。Wikidatahttps://www.wikidata.org/wiki/Wikidata:Main_Pa

afd

import numpy as npa = np.array([[1, 0, 0], [1, 0, 0], [2, 3, 4]])执行np.unique()：np.unique(a)其执行过程就是，把上面的数组进行拍扁，然后执行去重操作。结果如下：array([0, 1, 2, 3, 4])介绍一个参数，return_inverse=True其作用是标出去重之后的元素（注意不一定是数字，有可能是数组）在处理过后（我们这里是拍扁后，但有的不一定会拍扁）的数组中的位置。a = np

文章目录背景理解完全解决方法1方法2方法3背景很多人只说解决方案，却不说原因，遂有此篇。在pycharm中直接运行如下代码main.py报错：import argparseif __name__ == '__main__': parser = argparse.ArgumentParser(description='REGCN') parser.add_argument("--gpu", type=int, default=-1,

文章目录前言简单？内置数据集定义模型定义dgl中的一个图前言下载这个库要去官方网站：https://www.dgl.ai/，网站上会给你下载命令，这有点像下载pytorch的时候。然后，官方网站提供了一些入门的例子。如果自己有能力，可以自行学习，就不用跟着我们这篇文章学习啦，网址见：https://docs.dgl.ai/tutorials/blitz/index.html。这个库基本是由中国人开发和维护的，我用了之后的感觉就是：还行。API定义得很人性，所以很容易学习。跟一个普通的库没有什么差别。

文章目录总览tar打包解包gz打包压缩解压缩解包总览前者常见于Linux中，后者常见于windows系统下。以前者为后缀的文件可以看成两部分，一部分是.tar，一部分是.gz。其中.gz和.zip是两种文件压缩的格式。类似于图片有.png和.jpg。而前者中的.tar是什么意思呢？打包的意思。所以创建一个.tar.gz文件的过程就是，先把多个文件或目录打包，然后压缩成.gz格式的文件。你回忆一下，你在windows下，是不是也是这个过程。而且windows下这个过程还更麻烦，你需要创建一个文件夹

文章目录官方说明：解读图像用法官方说明：解读我们直接看那个loss计算公式lnl_nln​,可以发现，是一个分段函数，我们将绝对值差视为一个变量zzz，那么这个变量是大于0的，即分段函数只在大于等于0处有定义，有图像。我们再来看看分段点，就是beta。有意思的是，在分段函数和这个分段点有关，在第一个公式（左边分段函数）中，函数值小于等于0.5z0.5z0.5z，因为除了beta。右边分段函数中，大于等于0.5z0.5z0.5z。所以是连续的，所以叫做Smooth。而且beta固定下来的时候，当z

文章目录前言CartPole-v1游戏结束stateaction和rewardPendulum-v1通用操作前言gym官网：http://gym.openai.com/envs/#classic_control。这gym的游戏真他妈坑，有很多游戏，但是只是粗略说说，而不说游戏具体规则。不但如此，坑2：Pendulum-v0都已经被gym官方认定过时了，导入会报错。但是这个网站却还没有更新Pendulum-v1过来，蛋疼。还有坑3：大家要看这个游戏的具体规则要进入github里面去看。例如Car