叫我77就好了-CSDN博客

原创 Docker错误合集

问题1:write /var/lib/docker/tmp/GetImageBlob910627836: no space left on device含义：表示的是在docker 的安装目录已经满了解决：F1 ：首先查看目录下的剩余空间df -hl /var/lib/docker使用命令 docker rmi 镜像ID停止所有的container，这样才能够删除其中的images：docker stop $(docker ps -a -q)...

2021-10-22 16:23:23 737

原创 vSphere Client 鼠标不能用的问题

解决：将本机显示的缩放比例改为100%。原因：缩放以后，虚拟机控制台无法捕捉鼠标的实际位置。设置后出现的乱七八糟问题：图标太小：ctrl + 鼠标滚轮调整图标站的位置变成扁扁的长方形：修改注册表...

2021-09-14 16:07:35 2902

原创 neo4j 笔记

1 概念节点节点是图表的基本单位。它包含具有键值对的属性属性属性是用于描述图节点和关系的键值对Key =值（其中Key是一个字符串，值可以通过使用任何Neo4j数据类型来表示）关系关系是图形数据库的另一个主要构建块（关系也可以包含属性作为键值对）标签Label将一个公共名称与一组节点或关系相关联。节点或关系可以包含一个或多个标签。（我们可以为现有节点或关系创建新标签。我们可以从现有节点或关系中删除现有标签。）变量MATCH (n)-->(b) RE

2021-09-13 22:50:30 154

原创 neo4j和jdk安装记录

neo4j和jdk安装记录原本电脑已有JDK，所以直接下载的neo4j，结果版本不对，本文记录了重复的卸载安装jdk过程安装neo4j下载地址：Neo4j Download Center - Neo4j Graph Database Platform下载的是neo4j社区版4.3.3下载好之后，直接解压到合适的路径就可以了，无需安装。2配置环境变量在系统变量区域，新建环境变量，命名为NEO4J_HOME，变量值设置为刚才neo4j的安装路径，我这里是F:\neo4j..

2021-09-13 15:47:24 424

原创联邦学习3 Communication-Efficient Learning of Deep Networksfrom Decentralized Data 开山论文

提出背景：数据隐私敏感、数量庞大本文贡献：1、提出分散式的方法：（联邦学习）将训练数据分布在移动设备上，并通过聚合本地计算的更新来学习共享模型。2、提出了一种基于迭代模型平均的深度网络联合学习的实用方法。FederatedAveraging 算法，该算法将每个客户端上的局部随机梯度下降 (SGD) 与执行模型平均的服务器相结合。3、在五种不同的模型架构和四个数据集训练联邦优化我们将联邦学习中隐含的优化问题称为联邦优化，它与分布式优化建立了联系（和对比）。联邦优化有几个关键属性，使.

2021-09-13 10:16:36 147

原创联邦学习1 A Unified Federated Learning Framework for Wireless Communications: towards Privacy,..论文

大背景面临的问题：1、隐私问题。2、非 IID 数据。2、无线网络通信资源有限。3、复杂的用户身份，训练过程面临着拜占庭设备的挑战，它可以向模型注入中毒信息根据上一篇，FAug-FD 虽然工作良好，但当边缘设备上传本地原始数据以在云中训练全球数据生成器时，会导致私人数据泄露。此外，FAug-FD 只考虑 IID 数据和通信效率的要求，但仍忽略了拜占庭设备带来的安全挑战。1、提出强大的联邦增强和联邦蒸馏（RFA-RFD），2、在 RFA 和 RFD 中采用了检测和丢弃机制总体思想：RF

2021-09-11 22:52:57 548

转载联邦学习2 Communication-Efficient On-Device Machine Learning: Federated Distillation and Augmentation 论文

论文地址：Communication-Efficient On-Device Machine Learning: Federated Distillation and Augmentation under Non-IID Private Data NIPS 2018联邦蒸馏(FD)，一种分布式在线知识蒸馏方法，其通信有效载荷大小不取决于模型大小，而取决于输出维数。在操作联邦蒸馏之前，联邦增强(F Aug)校正非iid训练数据集，该数据增强方案使用生成式对抗网络(GAN)，在隐私泄露和通信开销之间

2021-09-11 21:22:52 453

原创（python基础）交叉验证

K折验证交叉验证总的来说，交叉验证既可以解决数据集的数据量不够大问题，也可以解决参数调优的问题。这块主要有三种方式：简单交叉验证（HoldOut检验）、k折交叉验证（k-fold交叉验证）、自助法。简单交叉验证方法：将原始数据集随机划分成训练集和验证集两部分。比如说，将样本按照70%~30%的比例分成两部分，70%的样本用于训练模型；30%的样本用于模型验证。缺点：（1）数据都只被所用了一次，没有被充分利用（2）在验证集上计算出来的最后的评估指标与原始分组有很大关系...

2021-08-03 09:13:21 5715

转载（python基础）一些函数中的可选参数合集

matplotlib的颜色及线条控制（linestyle、marker、color）文章链接： https://blog.csdn.net/jkx521/article/details/100714226?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162735289216780265426595%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&r

2021-07-27 12:02:45 105

原创（python基础）各种类型之间的转换（总结中）

1. dataframe转其他dataframe转化成arraydf=df.values2. array转其他array转化成dataframeimport pandas as pddf = pd.DataFrame(df)

2021-07-20 21:07:48 58

原创（python基础）对数据集的处理合集

1. 对df处理删掉负数X[X < 0] = 0 # X是df类型2. 对np处理删掉负数import numpy as npnp.where(x<0, 0, x)

2021-07-20 21:03:33 104

原创（python基础）错误合集

1.AttributeError: module 'keras.preprocessing' has no attribute 'LabelEncoder'改成sklearn.preprocessing

2021-07-19 21:11:02 105

原创（python基础）遇到的Encoder

任务一：对Sex列进行OneHot编码方法1：pd.get_dummies这是pandas自带的将数据转成独热编码的方式，简单，并且好用，可以当做首选，尤其是表格数据的时候。详情可以参考官方文档，也可以简单的参考一下这篇笔记pandas.get_dummies 的用法。注意： get_dummies转独热编码，是针对离散的字符串的数据，整数的话我发现仍然保留原来的样子。方法2：OneHotEncoder()看了好几个博客，说这种方式只能对整数进行编码，字符串不行，但是我今天试了一下..

2021-07-19 20:45:51 766

转载（python基础）pd.Series()

1.Series介绍Pandas模块的数据结构主要有两种：1.Series 2.DataFrameSeries 是一维数组，基于Numpy的ndarray 结构2.Series创建 1.pd.Series([list],index=[list])参数为list ,index为可选参数，若不填写则默认为index从0开始 2. pd.Series(np.arange()) 3. pd.Series({dict}) ...

2021-07-19 20:21:11 1313

原创（python基础）df.loc和df.iloc

pandas.dataframe.loc与pandas.dataframe.ilocdf.loc和df.iloc函数用法的df，由pandas.read_csv()函数读取文件而来。1. DataFrame.loc主要是由字符串作为标签获取，有时也可用布尔型去获取。df.loc主要是依赖于行列的index字符串名，去索取指定行列位置处的值。loc[]括号内还可以加条件，如df.loc[df[‘shield’] > 6].F1:根据行列名去提取数值print(df.loc[1,'40

2021-07-19 15:25:07 7014

qq_46218610的博客