- 博客(40)
- 资源 (2)
- 收藏
- 关注
RSS订阅翻译 怎样构建自己的博客【译】
以后有时间自己搭一个，先马住Web host主机：连接网站的服务器，有超级简单的构造Bluehost，更强的管控Digital Ocean注册自己的domain name：Namecheap、Google Domains博客网站：WordPress其中WordPress preinstalled with your Bluehost account。在Digital Ocean上安装WordPress比较麻烦：first need to install and configure a web s
2022-05-26 11:03:40
178
翻译 cs怎么学？
以下一些别人的博客内容。强推最后一个指南How to Learn CS?-2018：学一门动态语言、一门静态语言。Python（动态）作者自己写的Python学习步骤，还推荐一本书《Python Crash Course》Java（静态）《Java fundamentals》、《advanced JAVA features》硬件层面《The Elements of Computing Systems》 by Noam Nisan and Shimon Schocken：硬
2022-05-26 09:26:00
615
原创 《赖世雄的英语学习法》笔记
以下作者学习英语的一些推荐常春藤：www.ivytw.com英语句子：I will study and get ready, and perhaps my chance will come. （我要读书并做好准备，也许我的机会就会到来。）To err is human, to forgive divine. （人非圣贤，孰能无过）I love you forever and a day. （我会爱你到海枯石烂）Whatever will be will be. （该来的总会来）语法书：《
2022-04-02 10:57:05
452
原创 给没有书签的PDF快速添加目录书签
PdgCntEditor使用教程：https://www.jianshu.com/p/9683e7094871FreePic2Pdf快速为pdf文档添加带有超链接的书签目录：https://blog.csdn.net/Will_Zhan/article/details/105949105亲测：上面两个软件结合可以快速添加书签。自行找到书籍的目录及对应的页码的文本形式，使用PdgCntEditor生成书签树并完成层级关系的整理，将修改之后的文本书签保存好；使用FreePic2Pdf将文本书签往PD.
2021-11-13 09:51:58
520
原创 python安装detectron2
本人环境：conda 4.10.3、Python 3.7.10、CPU先安装pytorch，官网有指令，想安装哪个版本的里面都有，detectron2需要pytorch>=1.6：conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly可能会先需要安装ninja，因为我之前有安装，所有我不确定下面一步是不是必须得先安装ninja，大家可以先安装或者等detectron2安装报错时再来安装:conda install ninja
2021-10-10 08:43:09
1451
原创 pycocotools安装失败 error:“Microsoft Visual C++ 14.0 is required.”（包含安装包丢失或损坏）——已解决
因为我把电脑重置了，之前安装的一些东西全都不在了。今天在pycharm里安装pycocotools这个库一直安装不上，然后我试了conda install pycocotoolspip install pycocotools都不行。有的博客说需要先安装Cython，然后我输入conda install cython安装Cython成功，再来安装conda install pycocotools还是不行。如果上面成功安装pycocotools,就不用看下面的步骤了。我又看到别
2021-10-09 19:46:00
1562
3
转载 CV入门——持续跟新
CV基础知识点边框回归(Bounding Box Regression)详解IOU(Intersection Over Union) 概念清晰图解 + python代码示例论文讲解文字检测算法整理CV之transformer3W字长文带你轻松入门视觉transformer - 深度眸的文章Faster R-CNN一文读懂Faster RCNNSparse R-CNN知乎上关于Sparse R-CNN的问答Sparse R-CNN：简化版fast rcnn - 深度眸的文章：这篇讲的很好
2021-10-05 16:15:33
118
原创 编辑PDF【没有PDF编辑器的会员时，且无破解软件】
在没有PDF编辑器的会员时，且无破解软件时，可用以下方法编辑PDF文件：在这个回答评论区发现秒方法：使用“万兴PDF”编辑文件，保存【不开会员】，这时保存的文件是带有水印的。然后使用“超级PDF”去水印。点击超级PDF官网。但是这个好像有使用次数限制。这个回答告诉Sejda和LightPDF。LightPDF：速度有点慢，我没导出成功Sejda：文字编辑可能会有点问题...
2021-09-20 10:06:24
3023
转载 计算机网络学习资源
待增加网络抓包工具 wireshark 入门教程这是一个博主的【Linux 系统应用编程】目录，里面是一些实践上面两个链接都是一个博主的博客。
2021-07-08 10:10:17
112
原创 Typora页面内容跳转
跳转需要按下键盘Ctrl+鼠标左键。以下我在Typora Version0.10.6(beta)测试成功。参考：https://support.typora.io/Links/#html-a-taghttps://blog.csdn.net/u013502146/article/details/103171825跳转到特定文字位置，不借助跳转到的位置标题。在顶部输入如下内容：<a name="跳转1"> </a>或<a name="跳转2"></a
2021-07-08 09:49:59
1994
转载 计算机网络自顶向下方法，第7版—第1章习题
原博客：计算机网络自顶向下方法，第7版——习题解答只在原文的基础上加了一点自己的答案，其他没变。本文包含了 *Computer Networking A Top-Down Approach, 7th Edition* 中部分**回顾性习题**的问题与解答，主要参考了英文第7版和中文第7版的正文内容，欢迎各位的交流与指正！目录前言CHAPTER 1SECTION 1.1SECTION 1.2SECTION 1.3SECTION 1.4SECTION 1.5SECTION 1.6前言本文包含
2021-07-06 21:02:50
1880
原创 openstack之组件安装
图片复制过来CSDN不能显示，各位可以去下载我的文档。配置参考链接：https://yinwu.blog.csdn.net/article/details/103946226https://is-cloud.blog.csdn.net/article/details/88896159https://blog.csdn.net/LL_JCB(导航页)OpenStack-M版-双节点手工搭建-附B站视频有两种安装OpenStack的方式：组件之间独立安装使用dev-stack一步安装
2021-07-05 09:55:05
1329
原创 dev-stack安装openstack
虚拟机桥接网络的问题总结关于VirtualBox在桥接模式下无法联网 解决方案VirtualBox虚拟机几种网络连接方式介绍Ubuntu输入ifconfig找不到IP地址，只有lo问题详细Ubuntu桥接模式网络配置过程永久设置DNS:sudo apt install resolvconfsudo apt install openresolvhttps://blog.csdn.net/weixin_44773984/article/details/113252269https://bl
2021-07-05 09:54:26
1563
原创 《基于RFID技术的零售供应链决策优化》读后感
作者：范体军 梁玲 等ISBN：978 7 03 059827 1前言基于RFID技术的零售供应链管理增加了供应链企业的固定成本(购买、安装RFID设备、应用软件等)以及变动成本（RFID标签等），造成“上游投资，下游受益”。本文以基于博弈理论和供应链契约理论，分析不同类型成本、不同利益主体、不同竞争关系下的零售供应链和如何进行RFID技术的投资决策优化，实现供应链运作效率提升。综合考虑库存缩减和库存错放两种库存不准确问题，分析供应链RFID技术应用的协调策略。国内外研究现状三十分钟理解博.
2021-07-05 09:29:54
638
原创 解决tensorflow和keras
插播这是我在解决tensorflow和keras，阅读过得博客https://www.jb51.net/article/165028.htmconda install keras=2.2.4具体在哪篇博客看过，博主说import keras和form tensorflow.python import keras是不一样的
2021-05-16 21:08:19
76
原创 云计算——前提知识
作为一个只会用不懂原理的人，我发现这样真的不得行。本搬运工开始打工，以下是学习的博客：什么是虚拟化技术，什么是容器，什么是Docker，什么是K8S基本扫盲，我终于分清楚这些了虚拟化技术详解看了上面两篇基本知道大概，接着看下面的博客：云平台搭建选型：openstack+kvm还是k8s+docker ？云计算平台根据提供的服务(之前对于这3种服务不是很清楚的分辨）：虚拟机和容器的区别时间上：虚拟机出现在先，容器出现在后；架构上：每一个虚拟机启动的都是完整的操作系统，各个虚拟机
2021-05-05 20:26:21
124
2
转载 集成学习——XGBoost
看了好几次XGBoost的文章，感觉总是过目就忘，以下对学习过的链接进行总结。参考:July—XGBoost小雨姑娘—XGBoost雪伦_—XGBoostV学习使我快乐V—XGBoostXGBoost是陈天奇等人开发的一个开源机器学习项目，高效地实现了GBDT算法并进行了算法和工程上的许多改进。XGBoost本质上还是一个GBDT，但是力争把速度和效率发挥到极致，所以叫X (Extreme) GBoosted，那么XGBoost也是boosting方法。XGBoost是一个优化的分布式梯度增
2021-04-27 00:33:51
452
原创 集成学习——Boosting提升方法2之前向分步算法、提升树
前向分布算法Adaboost每次学习单一分类器以及单一分类器的参数(权重)。Adaboost算法可以解释为：模型为加法模型、损失函数为指数函数、学习算法为 前向分布算法 的二分类学习算法。前向分布算法是集成学习的重要框架，以至于既可以解决分类问题，也可以解决回归问题。...
2021-04-24 01:45:54
295
1
原创 集成学习——Boosting提升方法1之AdaBoost算法
前言Boosting方法：使用同一组数据集进行反复学习，得到一系列简单模型，然后组合这些模型构成一个预测性能十分强大的机器学习模型。显然。Boosting思想目的：通过不断减少偏差的形式而前一篇的Bagging方法：通过Bootstrap 的方式对全样本数据集进行抽样得到抽样子集，对不同的子集使用同一种基本模型进行拟合，然后投票得出最终的预测。Bagging主要通过降低方差的方式减少预测误差两类常用的Boosting方式：Adaptive Boosting 和 Gradient Boosting 以及
2021-04-20 21:49:26
325
原创 Python debug问题解决
一下是我遇到过的问题，遇到不懂的问题，一般就搜别人的就解决方案，这里我留下了解决我自己问题的方法，不算原创，只能说是汇总debug运行时出现 错误 UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xe6 in 1023 unexpected endof data删除项目文件夹里的.idea文件夹和venv文件夹，然后重启PyCharm，重启后需要重新配置Python解释器，之后就可以正常Debug了。参考链接有的博客是说在文件头加
2021-04-20 08:21:30
513
原创 集成学习——投票法、bagging
投票法思路投票法是一种遵循少数服从多数原则的集成学习模型，通过多个模型的集成降低方差，从而提高模型的鲁棒性和泛化能力。对于回归模型：投票法最终的预测结果是多个其他回归模型预测结果的平均值。对于分类模型：硬投票法的预测结果是多个模型预测结果中出现次数最多的类别；软投票对各类测结果的概率进行求和，最终选取概率之和最大的类标签。软投法考虑到了预测概率这一额外的信息，因此可以得出比硬投票法更加准确的预测结果。硬和软的区别：硬：样本一定属于某一类别，硬生生地分进去。软：根据样本属于各个类别的概率进行
2021-04-14 22:08:12
1320
1
转载 机器学习——汇总KMeans
参考：【机器学习】K-Means算法的原理流程、代码实现及优缺点这个解释的过程也可以这个也写得不错代码来源看了很多篇的博客，我终于找到了我能完全理解的代码，我在原代码的基础上加了自己的理解，一步一步的debug终于弄懂它是怎么运行的。主要根据这个图来理解# coding:UTF-8'''Date:20160923@author: zhaozhiyong'''import numpy as npdef load_data(file_path): '''导入数据
2020-11-16 16:34:01
98
原创 MarkDown语法学习
以下为MarkDown语法说明。用一个或多个空白行对段落和标题进行分隔。不要用空格（spaces）或制表符（ tabs）缩进段落。在一行的末尾添加两个或多个空格，然后按回车键（return），即可创建一个换行1 标题1.1 在标题前面加1-6个“#”号来表示标题。“#”号越多，标题等级越小一级标题二级标题三级标题四级标题五级标题六级标题1.2 在文本下方添加至少一个以上的 == 号来标识一级标题，或者 – 号来标识二级标题。一级标题二级标题2 文本样式原文本
2020-11-13 23:28:44
277
转载 （转）Numpy中stack()，hstack()，vstack()函数详解
转载来源：Numpy中stack()，hstack()，vstack()函数详解 这三个函数有些相似性，都是堆叠数组，里面最难理解的应该就是stack()函数了，我查阅了numpy的官方文档，在网上又看了几个大牛的博客，发现他们也只是把numpy文档的内容照搬，看完后还是不能理解，最后经过本人代码分析，算是理解了stack()函数增加维度的含义。以下内容我会用通俗易懂的语言解释，内容可能有点多，耐心看，如果哪里说的不对，欢迎纠正！ 1. stack()函数 函数原型为：stack(arrays, a
2020-11-13 23:17:30
140
转载 （转）Python的numpy中np.split()与np.array_split()函数使用说明
转载来源Python | numpy | np.split()与np.array_split()函数split(ary, indices_or_sections, axis=0) :把一个数组从左到右按顺序切分 参数： ary:要切分的数组 indices_or_sections:如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭） axis：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分### 关于np.split()函数
2020-11-04 17:19:37
4645
原创 LeetCode#34——查找第一个和最后一个元素的位置
太感动了，我感觉我领悟到了二分真谛，我自己写对了这个二分题，哈哈哈class Solution {public: vector<int> searchRange(vector<int>& nums, int target) { vector<int> ans(2,-1); if(nums.empty()) return ans; int firstFd=firstFind(nums,target); if(firstFd == -1
2020-11-01 14:59:41
212
原创 二分查找—包括查找第一个目标元素和最后一个目标元素
学了没过多久又忘了，在这里写一下笔记。此处主要学习参考了labuladong写的二分查找笔记，我加上了我自己的理解。二分查找需要明确：查找条件：找到中间的元素，还是找到多个目标元素第一个（最左边）的元素，还是多个目标元素的最后一个查找区间：左闭右闭while(left<=right)，左闭右开while(left<right)。需要判断什么时候区间中没有元素，来作为判别条件。在while(left<=right)时，[left+1,left]区间中没有元素，退出循环。while
2020-11-01 11:14:52
880
原创 入门推荐系统——GBDT+LR
1.GBDT+LR介绍前面介绍的协同过滤和矩阵分解存在的劣势就是仅利用了用户与物品相互行为信息进行推荐， 忽视了用户自身特征， 物品自身特征以及上下文信息等，导致生成的结果往往会比较片面。 而这次介绍的这个模型是2014年由Facebook提出的GBDT+LR模型， 该模型利用GBDT自动进行特征筛选和组合， 进而生成新的离散特征向量， 再把该特征向量当做LR模型的输入， 来产生最后的预测结果， 该模型能够综合利用用户、物品和上下文等多种不同的特征， 生成较为全面的推荐结果， 在CTR点击率预估场景下使用
2020-10-30 20:16:31
198
原创 入门推荐系统——Wide&Deep
1.点击率预估简介点击率预估用来解决什么问题？点击率预估是对每次广告点击情况作出预测，输出点击或者不点击，也可以输出该次点击的概率，有时后者称为pClick。点击率预估模型需要做什么？通过点击率预估的基本概念，发现其实点击率预估问题是一个二分类问题，在机器学习中，使用逻辑回归作为模型的输出，其输出的是一个概率值，将机器学习输出的概率认为是某个用户点击某个广告的概率。点击率和推荐算法有什么不同？广告点击率预估是需要得到某个用户对某个广告的点击率，然后结合广告的出价排序。推荐算法大多数只需要得到一
2020-10-27 22:02:50
499
1
原创 入门推荐系统——FM因子分解机模型
文章目录1.FM模型2.FM公式理解3.应用4.代码时间实战：电影评分数据实战：分类任务5.思考6.参考1.FM模型逻辑回归模型及其缺点做推荐CTR预估时最简单的思路就是将特征做线性组合（逻辑回归LR），传入sigmoid中得到一个概率值，本质上这就是一个线性模型。sigmoid是单调增函数不会改变里面的线性模型的CTR预测顺序，因此逻辑回归模型效果会比较差。即LR的缺点：是线性模型个特征对最终输出结果独立，需要手动特征交叉（xi∗xjx_i*x_jxi∗xj），比较麻烦二阶交叉项
2020-10-25 11:51:47
638
原创 入门推荐系统——矩阵分解
文章目录1.隐语义模型与矩阵分解2.隐语义模型3.矩阵分解算法4.矩阵分解算法求解5.LFM6.编程实现7.思考8.参考1.隐语义模型与矩阵分解协同过滤算法完全没有利用到物品本身或者是用户自身的属性， 仅仅利用了用户与物品的交互信息就可以实现推荐，是一个可解释性很强， 非常直观的模型。存在问题， 第一个就是处理稀疏矩阵的能力比较弱。所以矩阵分解模型(Matrix Factorization,MF)或者叫隐语义模型, 就是在协同过滤共现矩阵的基础上， 使用更稠密的隐向量表示用户和物品， 挖掘用户和物品的
2020-10-25 10:56:01
763
原创 入门推荐系统——协同过滤
原始发表时间：2020-10-20转载请注明出处。https://blog.csdn.net/qq_45048482/article/details/109171929如有侵权，请联系 xiaomin186@foxmail.com 删除。目录1.协同过滤算法2. 相似性度量方法1. 杰卡德(Jaccard)相似系数2. 余弦相似度3. 皮尔逊相关系数3.基于用户的协同过滤思想：当一个用户A需要个性化推荐的时候， 我们可以先找到和他有相似兴趣的其他用户， 然后把那些用户喜欢的， 而用户A没有听说过的.
2020-10-22 00:00:01
235
原创 入门推荐系统——概述
推荐系统概述核心内容1.推荐系统介绍2.评价指标3.召回4.课后思考5.参考原始发表时间：2020-10-19转载请注明出处。如有侵权，请联系 xiaomin7227@gmail.com 删除。最近在学习推荐系统，输出读书笔记，请各位多多指教！核心内容协同过滤算法：基于用户的协同过滤(UserCF)和基于商品的协同过滤(ItemCF)，入门必看矩阵分解算法：引入了隐向量的概念，加强了模型处理稀疏矩阵的能力FM：在LR模型的基础上加上了特征交叉项GBDT+LR：使用树模型做特征交叉，相
2020-10-19 23:57:35
298
1
原创 miniconda3的安装总结
前提因素我是以前在本地已安装了Python的情况下，然后再安装的miniconda3。不怎么经常使用anaconda各种包的，推荐使用miniconda。大部分踩坑，根据网上的博客解决了很多问题，在此总结了我遇到的问题和经验下载我是在官网下载的，速度还挺快的。官网地址:https://mirrors.bfsu.edu.cn/help/anaconda/也可以在一些镜像源里下载安装一直点next，安装用户我选择“just me”，addpath那里我选择了第二个，没有选择第一个（好像是添加到环
2020-09-01 16:17:54
1677
原创 C++实现快速排序
一直都在CSDN看别人写的文章，终于还是写下了我的第一篇博客，毕竟这样以后想看的时候还能找出来看看。小白，若有什么错误，请多多指教。有一段时间没写代码，手有点生疏。最近在学《算法导论》，看到快速排序，决定写一写。这是最坏情况下的代码，每次都选最后一个元素作为主元。程序代码如下#include<iostream>using namespace std;void Exchange(int *A,int i,int j){ int temp=A[i]; A[i]=A[j]; A[j]
2020-07-19 10:46:42
142
原创 LeetCode#14—编写一个函数来查找字符串数组中的最长公共前缀。 如果不存在公共前缀，返回空字符串 ““。
这是力扣第14题，新手而且有一段时间没有写代码，请各位多多指教。class Solution {public: string longestCommonPrefix(vector<string>& strs) { if (strs.empty() || strs.size() == 0) return ""; string arr; for(int i=0;i<strs[0].size()
2020-07-15 07:22:17
1180
1
centos_openstack.md
2021-07-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人