![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
来份芒果布丁
Less interests , more interest.
展开
-
conda 配置 pip 里 proceed 时 自动 yes 方法
【代码】还在每次都在命令行proceed里输入y吗,来copy自动yes方法。原创 2022-10-18 09:53:33 · 705 阅读 · 0 评论 -
在线薅 达摩院-人工智能训练师(高级)证书
人工智能训练师(高级)原创 2022-10-12 09:54:29 · 2604 阅读 · 1 评论 -
unsampling和unpooling,上采样下采样
上下采样简述原创 2022-10-08 21:36:17 · 258 阅读 · 0 评论 -
Latex模板elsevier爱思唯尔KBS投稿步骤
祝 accept2.选择文章类型我选的 full length article3.Attach Files必填项可以去搜一下,都有模板,Elsevier作者指南都有超链接,可以直接看例子,或者去期刊官网看看其他论文怎么写的(比如 highlights)检查一下是不是都上传对了{Author Agreement, Cover Letter, Credit Author Statement, Declaration of Interest S原创 2022-05-07 15:19:56 · 20616 阅读 · 36 评论 -
新环境安装torch_scatter报错
常用whl下载地址很全的链接: link.torch_scatter链接: link.torch链接: link.shift+右键 —> 在此处打开powershell窗口 —> start cmd —> 进入conda即可(建议用虚拟环境,而不是base环境)要安装 scipy 这个 whl 文件的话,输入 s 之后按下 tab 键可以自动补全同理,其他的 whl 文件也是这样安装在 pycharm 里运行就不会报错啦还有一种安装方法打开anaconda pro原创 2021-09-05 10:47:38 · 369 阅读 · 0 评论 -
conda查看py2neo,neo4j-driver版本
C:\Users\XXX>conda activate graph(graph) C:\Users\XXX>pip show py2neoName: py2neoVersion: 2021.0.1Summary: Python client library and toolkit for Neo4jHome-page: https://py2neo.org/Author: Nigel SmallAuthor-email: py2neo@nige.techLicense: Ap.原创 2021-03-13 16:37:55 · 1897 阅读 · 0 评论 -
neo4j安装,jdk安装,环境变量配置
JDK安装:https://www.oracle.com/cn/java/technologies/javase-downloads.htmlNeo4j安装:https://neo4j.com/download-center/安装社区版就可以。配置neo4j和jdk的环境。此电脑–属性–高级系统设置–环境变量–系统变量新建一个NEO4J_HOME,变量值为安装路径。Path里新增两条路径一个是jdk的安装目录的bin一个是刚刚新建环境变量的bincmd输入 java -ver原创 2021-03-13 16:17:02 · 1189 阅读 · 1 评论 -
anaconda pycharm py2neo neo4j
在pycharm里安装py2neo库老是安装失败问题。问题就不详细阐述了。解决方案:first:上图python=自己安装的版本。pip install XXXX -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com安装完成后,退出虚拟环境graphsecond:打开pycharm,打开项目设置:选add这样就不报错了over~...原创 2021-03-08 21:20:29 · 1262 阅读 · 2 评论 -
知识图谱入门的论文网站小知识点
知识图谱是结构化的语义知识库,本质上是语义网络(Semantic Network)的知识库,用于迅速描述物理世界中的概念及其相互关系。它通过对错综复杂的文档的数据进行有效的加工、处理、整合来转化为简单、清晰的“实体,关系,实体”的三元组,最后聚合大量知识,从而实现知识的快速响应和推理。三元组是知识图谱的基本单位。知识图谱有自顶向下和自底向上两种构建方式。如果两个节点之间存在关系,他们就会被一条无向边连接在一起,那么这个节点,我们就称为实体(Entity),它们之间的这条边,我们就称为关系(Relati原创 2021-02-27 21:01:48 · 353 阅读 · 0 评论 -
pytorch处理多维特征的输入
torch.nn.Linear(输入维度,输出维度)上图实现了8维到1维的转换。import numpy as npxy=np.loadtxt("diabetes.csv.gz",delimiter=",",dtype=np.float32)x_data=torch.from_numpy(xy[:,:-1])y_data=torch.from_numpy(xy[:,[-1]])#取出来的是矩阵,-1不加【】就是向量import torch class Model(torch.nn.Mo..原创 2021-02-24 13:36:59 · 528 阅读 · 0 评论 -
逻辑斯蒂回归pytorch
sigmoid functions:tanh(x)在lstm里经常使用。上图中最常用的就是逻辑斯蒂回归函数:逻辑回归(Logistic Regression)是一种用于解决二分类(0 or 1)问题的机器学习方法,用于估计某种事物的可能性。import torch x_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=torch.Tensor([[0],[0],[1]])class LogisticRegressionModel(torc原创 2021-02-19 22:00:39 · 169 阅读 · 0 评论 -
用pytorch实现线性回归
一.准备数据集先看公式:所以,在写代码时,x,y要定义为矩阵。模型要定义成一个继承自nn.Module的类:二.使用类设计模型call:args & kwargs三.构造损失和优化器四.训练周期**此处笔者有个小错误,输出应该是loss.item(),不然输出结果就如下图所示。运行结果:迭代了100次,还没有收敛,可以再多迭代几轮,也不要太多,以免模型过拟合。整体代码:import torchx_data=torch.Tensor([[1.0原创 2021-02-18 17:01:37 · 199 阅读 · 0 评论 -
反向传播pytorch
如图所示,5维的x需要转变成6维的H,需要6*5=30个权重。以下同理,所以这是一个非常大的工作量。两层神经网络计算公式:非线性函数,sigmoid函数找公式的网站:cn.bing.com国内版,找matrix cookbook这本书就可以了。反馈计算:l.backward()是个tensor类型,为了避免构建计算图,所以需要用.data计算。...原创 2021-02-17 21:29:59 · 125 阅读 · 0 评论 -
梯度下降,随机梯度下降,代码实现
梯度下降:分治法—可能会错过更好的取值。如果数据集或者维度大,代价也大。原创 2021-02-16 22:43:13 · 1873 阅读 · 0 评论 -
线性模型pytorch
此处感谢刘二大人的视频,我也简要做了下笔记供后续学习。线性模型import numpy as npimport matplotlib.pyplot as pltx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]def forward(x): return x*wdef loss(x,y): y_pred=forward(x)#y_hat return (y_pred-y)*(y_pred-y)w_list=[]mse_li原创 2021-02-16 18:47:40 · 75 阅读 · 0 评论 -
pytorch安装
先进官网https://pytorch.org/根据自己的需求选择之后会出现最下边的安装指令,在cmd里运行下载安装包。安装完成后,我们输入指令试试有没有安装成功。看一看到conda没有激活,我们根据提示去https://conda.io/activation看一下。...原创 2021-02-16 18:42:05 · 72 阅读 · 0 评论 -
NLP Bert模型
简介Word Embedding把词语映射为“语义”空间上的点。1.Word2Vec两个词上下文相似,那么它们的语义也相似。1.CBOW:Context预测中心词2.Skip-Gram:中心词预测Context2.GloVeVanilla RNN(原始循环神经网络):用梯度下降或者反向传播算法来实现将loss或者error逐层往前传递。由于梯度消失问题,原始RNN很难学到长距离的依赖关系。顺序依赖,无法并行。RNN改进和扩展1.LSTM/GRU语义是上下文相关的,RNN原创 2021-01-24 21:32:44 · 203 阅读 · 0 评论 -
基于pytorch和NLP的聊天机器人
聊天机器人的行业背景为什么学?1.热门行业(NLP主流方向)2.技术流,主流Seq2Seq+Attention3.前沿,行业内缺乏大量人才4.薪资高,贴近生活一、聊天机器人综合介绍具代表性的有;腾讯QQ小冰,天猫精灵等不刻板不生硬应用场景:自动回复,医疗,旅游,餐饮,财经,新闻等起源发展:诞生于20世纪80年代,用来模拟人类对话或者聊天的程序。1966年诞生的Eliza和1972年诞生的Parry是早期非常著名的聊天机器人。分类;&检索模式:预定义响应 的数据库和某种启发式推原创 2021-01-22 21:48:41 · 1462 阅读 · 0 评论