- 博客(82)
- 收藏
- 关注
RSS订阅原创 如何修改Anaconda虚拟环境的名字？
这是Anaconda官方推荐的方法，因为conda没有直接的rename命令。1. 克隆旧环境为新名字。
2025-12-14 17:10:32
367
原创 开发环境和生产环境
用户真正有用的系统，必须稳定、安全、高效，不能乱动，数据是真的，改数据要非常小心。程序员写代码，调试用的，可以随便改，不怕出错，配置简单，数据是假的。正式营业的餐厅（不能出错，否则顾客遭殃）实验室（随便试，炸了没关系）
2025-12-03 13:48:45
141
原创 【报错解决】AttributeError: ‘Series‘ object has no attribute ‘append‘
翻译：属性错误：'Series' 对象没有 'append' 属性。
2025-12-01 12:30:44
219
原创 深度学习模型预测过程
通过数据集和标签不断地更新可学习参数，最终获得了训练好的模型，本质上来讲就是一组参数。输入图像→预处理（缩放、归一化等）→按训练好的网络参数走一遍所有层→得到原始输出。在预测阶段，是需要把数据输入进去，一层一层计算，最后算出来它的标签即可。这就是为什么预测过程比训练模型的过程快速许多。在该阶段，只计算，不更新任何参数。
2025-11-26 16:07:41
118
原创 通用大模型在数据集极其杂乱的情况之下是怎么确保准确率的？
所以此时的“准确”是统计意义上的，而非事实意义上的。这是“大力出奇迹”的阶段，模型通过完形填空等方式，成为一个“无所不知”但“不善交流”的学者。那么，通用大模型的模型极其复杂，按理来说只可以处理极其复杂的数据集，但在此刻数据集极其杂乱的情况之下，是怎么确保准确率的？它鼓励模型从它学到的海量知识中，提取出最相关、最准确的部分来构成回答，而不是随意生成一个在统计上可能但事实上错误的内容。大模型的训练并非一步到位，它是一个多阶段的过程，每个阶段都在提升“准确率”（更广义地说，是“有用性、诚实性和无害性”）。
2025-11-13 15:20:20
971
原创 Hook钩子函数
比如，C++的MFC程序中，要监听鼠标左键按下的时间，MFC提供了一个onLeftKeyDown的钩子函数。很显然，MFC框架并没有为我们实现onLeftKeyDown具体的操作，只是为我们提供了一个钩子，当我们需要处理的时候，只要去重写这个函数，把我们需要的操作挂载在这个钩子里，如果我们不挂载，MFC事件触发机制中执行的就是空操作。2. 我们需要在有程序中钩子定义的函数块中实现某个具体细节，需要我们的实现、挂接或者注册到钩子里，使其可用。所以在原有程序的流程中，没有注册或挂载时，执行的是空。
2025-09-22 13:45:38
312
原创 鸿蒙（南向/北向）
鸿蒙的南向和北向开发是鸿蒙生态系统中两个不同的方向，它们各自关注不同的开发领域和方向。南向开发主要关注硬件层面的开发，包括硬件接口控制、设备驱动开发、鸿蒙系统内核开发等。南向开发的目标是使硬件设备能够兼容并运行鸿蒙系统，或者开发具备特定功能的物联网设备。南向开发者需要具备一定的硬件知识、嵌入式系统开发能力以及对鸿蒙操作系统内核的熟悉度。北向开发者需要具备基本的编程知识，对操作系统原理的简单理解，以及一定的UI设计感。北向开发则主要关注应用层的开发，如APP开发、用户界面设计等等。
2025-09-19 14:06:54
452
原创 Scipy库的功能
提供了对稀疏矩阵进行操作和计算的功能，包括稀疏矩阵的存储、乘法、求解线性方程组，对于处理大规模稀疏矩阵数据非常有用。包括读取和保存图像文件、图像滤波、变换等等，对于计算机视觉和图像处理任务非常有用。包括滤波器设计、频谱分析、傅里叶变换等等，对于音频处理、通信系统设计等领域有用。包括矩阵分解、线性方程组求解、特征值计算等等，对于科学计算和工程非常有用。可以对函数进行积分、求解常微分方程等等，对于数值计算、数学建模非常有用。4. 积分和微分的功能。
2025-09-18 13:46:56
276
原创 Scipy库
2. Scipy.interpolate：用于数据插值和拟合，可以根据已有数据点的值，估计在其他位置的值。3. Scipy.stats：提供了统计函数和概率分布的工具，用于统计分析和概率模型的建模。Scipy函数库在Numpy库的基础上，增多了众多的数学、科学以及工程计算中常用的库函数。1. Scipy.optimize：提供了优化算法和函数最小化工具，用于求解最优化问题。为优化、积分、插值特征值问题、代数方程、微分方程、统计和许多其他类别的问题提供算法。Scipy需要Numpy的支持进行安装和运行。
2025-09-17 14:04:35
269
原创 直方图和条形图（即柱形图）之间有何差异？
2.直方图的条形之间没有间距，条形代表在水平轴上指定的范围内出现的值的数量；条形图的条形之间可以有间距，条形代表每个类别的测量值。直方图用于连续型数据，条形图用于分类型或名义型数据。1. 所绘制的数据类型不同。
2025-09-16 11:34:10
201
原创 plt.imshow()和plt.show()的区别
使用场景：当你有一个图像数据（如一个Numpy数组）并希望在绘图区域显示它时。使用场景：当你完成了所有的绘图命令，并希望将图形显示在屏幕上时。功能：用于在绘图区域显示一幅图像。功能：用于显示所有已创建的图形。
2025-09-15 14:27:00
206
原创 Seaborn库
一个建立在Matplotlib基础之上的Python数据可视化库，专注于绘制各种统计图形，以便更轻松地呈现和理解数据。提供一些简单的高级接口，可以轻松地绘制各种统计图形，包括散点图、折线图、柱形图、热图等，而且具有良好的美学效果。其设计目标是简化统计数据可视化的过程，提供高级接口和美观的默认主题，使得用户能够通过少量的代码实现复杂的图形。在设计时注重美观性，其默认主题和颜色调色板经过精心选择，使得绘图更加吸引人。
2025-09-09 16:51:36
233
原创 【报错解决】Clipping input data to the valid range for imshow with RGB data
翻译：将输入数据裁剪到使用RGB数据imshow的有效范围([0,1]用于浮点数据，[0...255]用于整数。
2025-09-08 10:36:31
444
原创 梯度是什么？
严格讲，梯度指示的反方向是各点处的函数值减小的方向。·对于机器学习中的损失函数来说，梯度帮助我们了解在当前参数位置如何调整参数，以减少误差，从而优化模型。· 梯度是一个多变量函数的偏导数向量，表示函数在某一点上的最大上升方向和变化率。· 在机器学习中，梯度指的是如何调整参数以让模型的表现更好，就像爬上山顶的最佳路径一样。· 梯度可以想象成一座山的斜坡，它告诉你在某个位置最陡的上升方向，以及向上走的快慢。· 简单来说，它指示了函数值如何随输入变量的变化而变化。
2025-09-04 09:07:20
179
原创 梯度下降法
1. 计算梯度：首先计算当前参数的梯度（即损失函数相对于参数的导数），梯度指向函数上升最快的方法。3.迭代：重复上述步骤，直到满足条件（如果达到最大迭代次数或损失函数的变化小于某个阈值）。通过这种方式，梯度下降法可以有效地找到损失函数的局部最小值，进而优化模型的性能。2.更新参数：根据计算得到的梯度，沿着相反的方向更新参数。其基本思想是通过迭代更新参数，以逐步接近函数的最小值。梯度下降法是一种优化算法，用于最小化一个函数。
2025-09-03 08:53:22
154
原创 阶跃函数作为激活函数的时候，可以解决线性不可分的问题吗？
要处理线性不可分的数据，通常需要引入非线性激活和多层网络结构，以便更好地捕捉复杂的模式和特征。这种方法能让模型建立非线性决策边界，从而有效分类线性不可分的数据。阶跃函数本身不能解决线性不可分的问题，因为它只能创建线性决策边界。
2025-09-02 10:26:25
157
原创 阶跃函数是什么？
因此，虽然阶跃函数是一个激活函数，但在现代深度学习中，通常使用更加复杂的激活函数来克服这些缺点，比如Relu、sigmoid、tanh。它的基本特性是根据输入的阈值决定输出，通常是将输入值与某个阈值进行比较，超过阈值时输出为1，未超过时输出为0。1.不可微性：阶跃函数在阈值处不可导，导致在反向传播的时候无法计算梯度，这限制了在深度学习中的应用。2.信息损失：阶跃函数会将信息压缩成二元输出，可能导致丢失重要的细节。阶跃函数：以0为界，一旦输入超过0，就切换输出1，否则输出0。阶跃函数属于激活函数吗？
2025-09-01 11:22:30
441
原创 OpenCV
Gary Bradsky于1999年开发，2000年发布。支持多种语言：C++、Python、Java、JS等等。（其中，C++是底层语言。以前是C，后面变成C++）可跨平台：Windows、Linux等等。图像识别：人脸识别、车辆检测；图像拼接、修复、背景替换；在计算机领域，一枝独秀。意为开源的计算机视觉。
2025-08-29 09:56:13
237
原创 ！！！安装Python环境的必备知识点
设置Python的环境变量时，要设置用户变量和系统变量，缺一不可。Pycharm2019无法导入Python3.11。前者的权限更大，命令也更多。
2025-08-27 16:14:28
117
原创 放大镜-可以放大一切
之前有篇博客写过可以调整Pycharm中的字体大小，在上台汇报的时候方便一些。有的同学不想来回修改字体大小，可以用该文中的放大镜🔍。设置-辅助功能-放大镜，如下图所示。
2025-08-26 14:10:16
281
原创 Markdown
如果从Jupyter导出，可导为word格式或者pdf格式。如果用Typora打开，Markdown的扩展名为.md。Markdown编辑器和阅读器。Jupyter中文本的格式。
2025-08-25 11:24:00
111
原创 【问题解决】如何放大Pycharm的字体大小？
汇报时字体太小影响展示？简单几步解决：在文件设置中选择"编辑器-字体"选项，直接调整字号大小，调整时可实时预览效果。这个方法能快速改善演示文稿的阅读体验，让观众看得更清楚。
2025-08-20 14:21:45
198
原创 【问题解决】如何修改Matplotlib中的默认字体？
Matplotlib绘图时中文显示为方块的解决方案有两种：1）临时方案是在代码中加入plt.rcParams['font.sans-serif']=['SimHei']设置中文字体；2）永久方案是修改Matplotlib配置文件matplotlibrc，在font.sans-serif下添加"SimHei"中文字体。两种方法都能解决中文显示问题，前者适合临时使用，后者可一劳永逸。修改配置文件后需重启Jupyter才能生效。
2025-08-19 14:51:59
438
原创 【问题解决】在Pycharm导入.csv文件时，由于列数太长导致无法完全显示。
摘要：针对Pycharm导入.csv文件时列数过长显示不全的问题，提供两种解决方案：1) 在print语句后添加to_string()函数输出完整标题；2) 通过设置pandas显示选项解决：①pd.set_option('display.max_columns',None)取消列数限制；②pd.set_option('display.width',1000)设置输出宽度为1000字节避免内容省略。两种方法均可完整显示数据内容，解决省略号显示问题。
2025-08-18 15:21:04
511
原创 【报错解决】ERROR: Cannot unpack file C:\Users\13150\AppData\Local\Temp...
使用清华镜像源解决pip安装报错问题：当pip install命令报错时，可尝试通过清华镜像源加速安装，命令为：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn 包名。该方案通过国内镜像提高下载速度，并添加信任参数确保连接安全，有效解决网络连接或下载速度导致的安装失败问题。
2025-08-15 10:51:03
264
原创 检测pytorch是否安装好
本文介绍了PyTorch中CUDA相关功能的检测方法。通过导入torch库后，可以使用torch.cuda.is_available()检查CUDA是否可用，返回True表示可用。torch.cuda.device_count()可获取可用CUDA设备数量，torch.version.cuda则能查询CUDA版本号。这些方法帮助开发者快速验证PyTorch的CUDA环境配置情况。
2025-08-14 14:02:25
515
原创 【报错解决】Conda - Downloaded bytes did not match Content-Length
在Anaconda虚拟环境中安装PyTorch时遇到超时问题，可通过添加清华镜像源解决。具体步骤为：使用conda config命令添加包括free、main、conda-forge、pytorch等多个清华源通道；从PyTorch官网获取对应版本安装命令时，需删除"-c pytorch"参数以避免使用官方通道导致下载缓慢。这一方法可有效提升国内用户的下载速度，解决安装过程中的超时问题。
2025-08-13 11:17:57
285
原创 如何将新建的Anaconda虚拟环境导入Juputer内核中？
本文介绍了当Jupyter Notebook无法识别已创建的虚拟环境时的解决方法。首先需要安装ipykernel库，然后通过jupyter kernelspec list查看已有内核。若目标虚拟环境不在其中，使用python -m ipykernel install --user --name=xxx命令手动添加（xxx为虚拟环境名）。文中还提供了删除内核的命令jupyter kernelspec remove yyy（yyy为内核名称）。这些操作可帮助用户灵活管理Jupyter内核。
2025-08-12 16:00:47
9447
原创 【Spark征服之路-4.6-Spark-Streaming核心编程（四）】
摘要：Spark Streaming提供了状态管理和窗口操作功能。UpdateStateByKey用于维护跨批次的状态，通过定义状态类型和更新函数实现累积计算，需配合检查点使用。WindowOperations通过设置窗口时长和滑动步长来动态计算数据流。输出操作包括print()、saveAsTextFiles()、foreachRDD()等方法，其中foreachRDD是最通用的输出方式，可将数据写入外部系统。使用时需注意连接创建的位置，建议在foreachPartition中建立以提高效率。
2025-08-05 09:10:13
562
原创 【Spark征服之路-4.5-Spark-Streaming核心编程（三）】
摘要：DStream操作分为Transformations和OutputOperations两类，包括updateStateByKey()、transform()等特殊转换。无状态转换将RDD操作应用于每个批次数据，而transform()函数支持任意RDD转换。示例展示了如何使用transform对文本流进行词频统计，以及如何通过join操作合并两个流的数据（要求批次大小一致）。这些操作在Spark Streaming中通过对底层RDD的转换实现流处理功能。
2025-08-04 09:23:56
724
原创 如何改变Jupyter的默认保存路径？
摘要：本文介绍如何修改Jupyter Notebook的默认工作目录。首先找到配置文件jupyter_notebook_config.py，添加c.NotebookApp.notebook_dir参数指定新路径（新版可能需要改为ServerApp）。保存后通过命令行启动即可生效。若使用快捷方式启动，还需删除快捷方式属性中的"%USERPROFILE%/"路径。完成这些步骤后，Jupyter Notebook将成功跳转到指定目录。
2025-08-01 14:38:09
745
原创 【Spark征服之路-4.4-Spark-Streaming核心编程（二）】
摘要：Spark Streaming从Kafka读取数据有两种方式：Receiver API（已弃用）和Direct API。Direct API由计算Executor主动消费Kafka数据，避免内存溢出问题。示例演示了Kafka 0-10 Direct模式实现过程。
2025-07-31 10:34:22
953
原创 【Spark征服之路-4.3-Kafka】
本文详细介绍了Apache Kafka的核心概念与应用。文章首先阐述了Kafka的基本架构，包括Broker、Topic、Partition等核心组件，以及生产者和消费者的工作模式。接着详细讲解了Kafka的安装配置、命令行操作和存储机制。在架构深入部分，重点分析了数据可靠性保证、分区策略、offset维护等关键技术。最后介绍了Kafka与Flume、Spark Streaming的整合方法，包括数据采集、消费以及偏移量维护等实践方案。
2025-07-30 13:58:04
919
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人