追光者♂：记录、分享、总结、提升，现象级专栏《Python从入门到人工智能》作者，无惧黑暗，坚信曙光

注：当成功修改虚拟内存后，在跑深度学习项目时，实际的盘符，如此处我修改的H盘，内存将会占用20GB（即比之前的内存少20GB）。经过测试，修改完虚拟内存，即使不跑深度学习项目，该盘符的大小也还是会减少的哈~~这个错误提示意味着在运行深度学习项目时，由于内存限制，无法分配足够的内存来创建一个形状为(23974, 12, 207)且数据类型为float64的数组，需要454MB的内存空间。使用具有更高内存能力的机器：如果你有一台内存更大的机器，可以尝试在该机器上运行代码，以便能够容纳所需的大内存数组。

Git是一个分布式版本控制系统，广泛用于软件开发中。它可以追踪文件的修改历史，方便多人协同开发、版本管理和代码回退。Git以快速、强大和灵活著称，被许多项目和开发者广泛使用。Git使用了分布式的架构，每个开发者都拥有本地的完整代码仓库，可以独立地进行开发和修改。开发者可以从中央仓库克隆代码仓库到本地，然后进行开发工作并提交更改。在团队合作中，每个开发者都可以将他们的更改推送到中央仓库，使得其他人可以随时获取最新的代码。Git跟踪文件的修改历史通过使用一系列提交（commit）来实现。

很多学校上机需要用到的，网页版,linux：JSLinuxhttps://bellard.org/jslinux/

在VS Code中搜索“Easy WXLESS”，即为插件，下载，点击“启用”即可。（我这里是已经安装启用过了，所以显示的“已启用”）关于另外一个插件 “easy less”,这个插件是将.less文件自动转换成.css文件的。。。在这里将它“禁用”即可哦了：...

本篇我们来简单介绍一下MySQL中的备份和恢复以及MySQL灾难恢复方法，并附以实例 Python代码，为了帮助大家理解，也添加了较为详细的注释。此外，针对另一个粉丝朋友的问题，如何实现前端连python 后端传数据，来生成前端折线图，echarts？这里也给出回答并附以代码。祝大家学习顺利！

目录步骤（1）（2）（3）步骤（1）先点击 Windows（2）依次点击该菜单栏下的Preferences—>General—>Appearence—>Colors and…—>Text Font（3）再双击 即选中 Text Font，调整字体样式和大小，apply（应用），再确定即可。...

OpenCV的全称是，它是一个跨平台的计算机视觉库。OpenCV 由英特尔公司发起并参与开发，以 BSD 许可证授权发行，可以在商业和研究领域中免费使用。OpenCV 可用于开发实时的图像处理、计算机视觉以及模式识别程序。该程序库也可以使用英特尔公司的 IPP 进行加速处理。OpenCV 用 C++语言编写，它的主要接口也是 C++语言，但是依然保留了大量的 C 语言接口。该库也有大量的 Python、Java and MATLAB/OCTAVE（版本 2.5）的接口。

本篇，我主要介绍异质图注意力网络的原理，具体介绍了什么是异质图（异构图），用通俗易懂且简明的语言说明白metapath，并给出异质图经典文章的获取方式，结合文章中的公式 介绍 HAN的原理即变换过程。此外，还给出了ACM数据集、IMDB数据集的介绍说明以及开发集的回顾、dgl-API的练习等内容。从下面的具体目录中就已经可以看出来，整理分析讲解不易，请点个关注呀！若是收藏的话，那会让博主更加开心！目录二对异质图的代码实现做了讲解。

【Bug记录与解决】Python报错 AttributeError: ‘DataFrame‘ object has no attribute ‘concat‘ 该怎么解决（解决方案汇总）

可以说，求导数是所有深度学习优化算法的关键步骤。尽管求导的计算很简单，只需要一些基本的微积分。 但其实对于复杂的模型，手动进行更新是一件很痛苦的事情（且过程中经常容易出错）。深度学习框架通过自动计算导数，即自动微分（automatic differentiation）来加快求导。 实际中，根据设计好的模型，系统会构建一个计算图（computational graph）， 来跟踪计算是哪些数据通过哪些操作组合起来产生输出。自动微分使系统能够随后反向传播梯度。 这里，反向传播（backpropagate）意味着

本文首先是关于PyCharm快捷键的较详细总结，介绍了PyCharm中常用的快捷键和操作，帮助读者提高开发效率。随后，对2023年美团算法策略方向的部分笔试题目给出分析与解题思路。针对题目中给出的条件和要求，通过动态规划的方法给出了解题思路，并提供了使用Java编写的示例代码。这个问题的关键是确定状态转移方程和边界条件，在确保最优解的同时，通过一次遍历即可在线性时间内求解。通过本文的阅读，读者可以快速了解PyCharm快捷键的使用，并学习到解决类似题目时动态规划的具体思路和算法实现方法。

相信大家在访问C站里面的文章时，时常会遇到这种情况，不同的网址，却可以访问到同一篇文章，这是什么原因？本文举出实质性的例子并给出通俗易懂的解释。此外，我们在手机浏览器上下载的视频，它的后缀名可能会是.m3u8，这是什么格式呢？本文也给出简明的分析。最后，附上近期测试的文心一言的使用，不得不说，它在回答普通的国产问题时，还是有一点点进步的哈~！

本篇主要介绍计算机外设相关内容。具体地，介绍了烽影青轴机械键盘的灯光控制键是如何操作的，附具体的设置方式以及常用的灯光控制快捷键总计；此外针对SCI论文中的 Preliminaries，它常作为目录出现，一般表示什么意思呢，本篇给出简要解释。最后近期测试了一下文心一言电脑版。还别说，文心一言APP和人聊天还不错，详见以后的文章哦！

我们在浏览博客不免会看到一些漂亮有趣的表情，比如这种颜文字符号形式的：“(=・ω・=)”、“​(￣3￣)”，但是这种表情包太少而且总觉得用着不怎么舒服；还有一些就好像我们在社交软件上所使用的一些搞怪表情：☄️ 💥 🔥 🌪 🌈 ☀️ 🌤 ， 大家应该可以看出来，我平常在写博客时就时不时会使用类似这样的表情。相比于通篇都是文字，我相信大家应该都会喜欢既有意思，又能学到知识的博客！今天就分享一下常用的可以在博客中使用的emoji表情！

任何一个大神级的Java程序员，或者说架构师/技术专家，无不具有丰富的编程经验，都是从0开始积累的，只不过，这一过程的“酸甜苦辣”，只有ta自己知道。本篇首先针对 java初学者常见的错误做了总结，然后介绍了Java程序结构的一些知识，最后从注释的角度来解释Java中的注释类型并给出如何通过命令行的方式执行得到Java特有的文档注释的网页信息。

本篇开始，正式介绍如何编写第一个Java程序——HelloWorld.java ~！具体地，较为详细地介绍了Java程序的编写、编译、运行等细节。此外，结合打印中文数据出现的错误，介绍了如何解决此类初学者容易犯的错误。本篇均是以命令行为例来执行，便于大家理解和练习，有用的话，就点个赞吧！持续更新中！

本篇首先分享Python中反转序列的知识，首先介绍的内置函数reversed的用法，随后介绍排序内置函数sorted()， 并针对数字列表、字符列表以及按照列表中嵌套元组的指定元素进行排序的具体案例给出实例。第三部分介绍了Python中可迭代对象，主要以len()函数为例，并给出了3个具体的应用场景。

无监督学习是机器学习中的一种训练方式/学习方式，它的本质是一个统计手段，在没有标签的数据里可以发现潜在的一些结构。它不需要给数据打标签，因此没有明确的目的。无监督学习常常被用于数据挖掘，用于在大量无标签数据中发现些什么。 它的训练数据是无标签的，训练目标是能对观察值进行分类或者区分等。简单总结一下，无监督学习是一种机器学习的训练方式，它本质上是一个统计手段，在没有标签的数据里可以发现潜在的一些结构的一种训练方式。本篇简单分享无监督学习的相关知识，具体地，将介绍 8个无监督机器学习算法。

本篇，分享一个Python爬虫案例——以免费 下载网络上的一些付费资源为例。具体地，讲解了如何安装一些下载过程中用到的必备Python模块，并附上 下载chromedriver驱动的具体链接 也给出了其测试用例。此外，还包含部分错误与其解决。本篇包含完整的源代码，大家可以 练习使用。时间所限，还请各位多多谅解！

本篇，旨在帮助大家快速掌握深度学习中常用的微分知识，同时也附以简单易理解的实例代码，以便于大家练习。需要指出的是，在练习中，需要正确安装d2l模块，这里我详细地给出了如何正确安装d2l模块的方法。其中代码部分，大家可以直接复制练习使用，也可以手动敲一遍，对比后查看是否遇到错误，继而进行更正。最后，也给出了本篇所有代码的下载方式，亦可直接下载后运行练习。

本篇主要讲述科研中经常用到的PyTorch与“数据”读取相关的知识。例如 如何从硬盘中读取数据，并且对数据进行预处理和数据增强操作，然后转换为张量的形式输入到模型之中等等知识。此外，基于100张1￥和100张100￥，建立了一个分类模型来实现二元分类任务。经过测试，本模型并有良好的准确性。在文末附了本篇完整的code（含数据集与图示分析等）下载地址。希望本篇对各位有帮助，谢谢大家！

RNN（循环神经网络）和 LSTM（长短时记忆网络）是深度学习中两种不同类型的神经网络。它们都是为了解决一些复杂的任务，如序列到序列的预测、序列到单词的翻译等。RNN主要用于处理序列数据，它有一个时间步长的概念。在每个时间步长内，RNN可以从之前的时间步长中获取信息，并对当前的输入进行计算。这使得RNN能够对长序列进行有效的建模。LSTM主要用于处理连续数据，它结合了 RNN和 CNN的特点。LSTM的输入序列被分成一系列的小段（称为“时间步长”），每个时间步长都被看作是一个记忆单元。这使得 LSTM能够对

为了能用深度学习来解决现实世界的问题，我们经常从预处理原始数据开始， 而不是从那些准备好的张量格式数据开始。 在Python中常用的数据分析工具中，我们通常使用pandas软件包。像庞大的Python生态系统中的许多其他扩展包一样，pandas可以与张量兼容。 本篇我们将简要介绍使用pandas预处理原始数据，并将原始数据转换为张量格式的步骤。 后续也将介绍更多的数据预处理技术。

本篇首先分享Python打印输出的综合应用场景相关知识并给出实现代码，具体包含中英文多列对齐输出(zip函数的应用)、通过print的多行打印模拟实现一个应用程序的主要应用界面、通过while循环和width实现分行输出国际列车的站名。随后初步分享了Python中格式化处理的一些知识，如格式转换、生成数据编号、格式化十进制整数、格式化浮点数、格式化百分数/科学记数法/金额等。

大家好，这是最近完成的一个项目，基于Python语言以及wordcloud × jieba 实现对文本分析，进而生成可视化的词云，最终的效果还是不错的！本次记录了过程中遇到的一些问题以及调试等过程，并且附带源代码，希望大家喜欢！欢迎大家阅读和留言。

前些日子申请了百度开发的知识增强大语言知识模型——【文心一言】。今天(2023.4.9)终于拿到了内测的机会！于是迫不及待地体验一番！来看一下“我国的ChatGPT”发展如何了？

本篇，在目录一中，较为详细地以实例化的方式介绍了Neo4j的基础语法，例如怎样启动Neo4j数据库、怎样在PyCharm中连接Neo4j数据库、怎样创建简单的节点、如何给节点间添加关系和属性、如何查询节点等。目录二中，基于目录一种的语法，针对四大名著数据集，以知识图谱的方式对其进行可视化。

此前，曾介绍过Neo4j的一些基础知识，本篇将在PyCharm中与Neo4j建立关联，从0到1实现一个基于知识图谱的电影问答系统，实现过程中，没有一帆风顺，而是遇到了一些问题，因此也包含问题的记录与解决。

本篇，紧接上述链接中的目录二，在介绍完R语言以及Rstudio的下载安装和R语言包的管理之后，继续介绍R语言中“获取帮助”的一些知识以及数据基础知识以及R语言常用数据结构。最后较为详细地介绍了在个人PC中如何查看本机的CPU/GPU等配置信息，并对相关参数做了一些说明。

慈母手中线，游子身上衣。临行密密缝，意恐迟迟归。谁言寸草心，报得三春晖。恰逢2023年三月八日国际妇女节来临之际，这一次，让我们把祝福，送给全天下所有的母亲！（附：R语言/RStudio详细安装部署、R语言包管理详细教学）

本篇文章接上篇，也是对于聚类算法的练习。此外，介绍了普通KMeans聚类算法存在的缺陷，并针对缺陷提出解决和优化办法。并且，针对更复杂的数据，可使用DBSCAN算法来聚类。最后，也展示了聚类的可视化网站。

本篇的目录一，是“PyCharm基础设置回顾”的续篇，继续记录讲解PyCharm的基本功能。目录二回顾了在使用Jupyter时的问题。目录三练习了机器学习算法中的聚类算法。目录四练习了基于Python的交通流量模拟（初步）。

【Origin科研绘图】如何快速绘制一个折线图 ||【前端特效】爱心篇 之 幸好有你 || 泰坦尼克号——乘客生存与否 预测 || PyCharm使用介绍。

【图神经网络 学习记录15】异构图Graph Embedding算法——metapath2vec学习+详细Debug调试；

这是一个基于LSTM模型的股票预测经典案例，将每一步执行分解，并记录了其中遇到的一些错误，以及解决办法。除夕快乐。

一次问题记录与解决：Process finished with exit code -1073740791 (0xC0000409) 网络工程师 面试：请描述一下网络地址转换（NAT）的三种方式，并比较它们的优缺点。

【GitHub使用方法】如何检索找到想要的项目 || 指定stars数目 || 指定更新时间 || 指定forks数目 || 指定编程语言和followers || 常见搜索条件整理。系统架构师面试：请解释CAP理论，并举例说明在实际系统中如何进行权衡。

【问题记录与解决】TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。| 人工智能 面试题：请介绍一下卷积神经网络（CNN）中的残差连接（Residual Connection）及其优势。

【问题记录与解决】OSError: [WinError 127] 找不到指定的程序。人工智能 面试题：什么是深度生成模型（Deep Generative Models）？列举一些常用的深度生成模型。

【问题记录与解决】ModuleNotFoundError: No module named 'pymongo' 并测试代码。人工智能 面试题：请介绍一下条件随机场（Conditional Random Field）及其在序列标注中的应用。