参与dw开源学习
文章平均质量分 86
参加datawhale组织的开源学习的打卡合集
早上真好
不知名放弃领域创作者,具有丰富的各领域放弃经验。
展开
-
(202402)多智能体MetaGPT入门2:AI Agent知识体系结构
本章主要为Agent相关理论知识的学习。智能体 = LLM+观察+思考+行动+记忆多智能体 = 智能体+环境+SOP+评审+路由+订阅+经济(详见相关资料)该部分内容加深了我对Agent的理解,之前我对Agent的印象主要仅有工具的使用,但是通过这部分对于Agent更加全面的解释,我对于Agent的发展方向有了更深的理解。不在此进行原文摘抄,仅记录阅读感受,有需要可阅读原文档。原创 2024-02-25 17:03:35 · 665 阅读 · 0 评论 -
(202402)多智能体MetaGPT入门1:MetaGPT环境配置
感谢datawhale组织开源的多智能体学习内容,飞书文档地址在https://deepwisdom.feishu.cn/wiki/KhCcweQKmijXi6kDwnicM0qpnEf这种方式实际上等同于仓库克隆到缓存文件夹中,然后进行本地安装。为了使得安装速度加快,可以将使用参数添加镜像源。conda新建虚拟环境。推荐使用miniconda。拉取仓库:因为不打算进行切换分支等操作,因此可以指定指定主分支和最小clone深度以加快速度。并进行源码安装从最后的输出结果可以看出安装的是0.7.2版本原创 2024-02-25 15:56:08 · 2283 阅读 · 6 评论 -
(202401)深度强化学习基础2:策略梯度
第九章 策略梯度。原创 2024-01-20 19:44:30 · 462 阅读 · 0 评论 -
(202401)深度强化学习基础与实践1:马尔科夫过程、DNQ算法回顾
所以引入了“随即优先级采样”和“重要性采样”(重要性采样是以后总用于估计某一分布性质的方法,它的基本思想是,我们可以通过与带古迹分布不同的另一个分布中采样,然后通过采样样本的权重来估计待估计分布的性质)的技巧。状态或者说环境会发生变换,并且这些变化不是由于智能体的行为导致的,描述这个的特点的矩阵就是状态转移矩阵,状态转移矩阵是环境的一部分。不过经验回放的容量应当是有限的,不是由于成本导致的,而是因为在训练初期的样本数据质量相对于后面是不好的,所以应当从更新的样本中抽取样本进行训练。原创 2024-01-16 19:23:11 · 1014 阅读 · 0 评论 -
(202312)so-large-lm:Task01引言
原项目地址为。基础比较烂,所以我会用我能理解,也就是大多数人能理解的方式通俗阐述。如果有什么过于离谱而文盲的解释或类比,请你随便指出。语言模型其实是序列的概率分布,大概也就是通过对一段散开的字词进行排列,然后展现出出现概率最大的一种。试想现在这个模型的词库很大,那么它就有可能给出很多符合常理的句子;但是这些句子是不需要的,我们现在在已经具有一小段序列的情况下只筛选出其中一部分字词,然后再在这些选择出的字词中进一步选择,就减少了计算量而出现了更合理并且语义明确的序列。温度可以控制生成中的变异量;原创 2023-12-12 20:40:54 · 426 阅读 · 0 评论 -
(202308)科研论文配图 task5 安装LaTex + 书籍第二章SciencePlots部
SciencePlots作为一个专门用于科研论文绘图的第三方拓展工具包,提供了主流英文科技期刊(如 Nature、Science 和 IEEE 等)的 Matplotlib 图样式(Matplotlib Styles)。SciencePlots 库实现 LaTeX 编写样式需要使用者在计算机上安装 LaTeX。下面我会演示在Windows和Linux(Ubuntu)上的安装。(Ubuntu版本待更新)MikTex官网:点击download,里面有各个系统各个版本的安装方式。原创 2023-08-28 17:11:33 · 206 阅读 · 0 评论 -
(202308)科研论文配图 task4 书籍第二章proplot部分
科研论文配图有着多图层元素的要求,如果使用matplotlib和seaborn库的话,会有需要修改图层中多个绘制参数的需要,在绘制含有多个子图的复杂图形时,容易造成代码冗长。原创 2023-08-26 17:45:39 · 229 阅读 · 0 评论 -
(202308)科研论文配图 task3 书籍第二章seaborn部分阅读
Seaborn 在 Matplotlib 的基础上进行了更加高级的封装,也就是说,Seaborn在使用上入门比Matplotlib要容易,并且很多Matplotlib的绘图方法,在Seaborn中依然是可用的。在统计图的绘制中,Seaborn库的使用非常的广泛。原创 2023-08-23 20:04:08 · 197 阅读 · 0 评论 -
(202308)科研论文配图 task2 书籍第二章matplotlib部分阅读
目前众多科研工作者、社会工作者等首选的绘图工具。衍生出了多个优秀的第三方绘图工具。面向对象的绘制语法导致学习者在熟悉每个绘图函数的细节方面增加了学习成本。或许也是这里提到的一些因素使得平常绘图是更多地推荐使用seaborn,毕竟seaborn也勉强可以说是matplotlib的又一层封装。原创 2023-08-22 20:07:15 · 165 阅读 · 0 评论 -
(202308)科研论文配图 task1 书籍第一章阅读
Color Scheme Designer 网站中的高级在线配色器是一个免费的在线配色工具,主要以色环(色轮)的方式为使用者选择配色,包括单色搭配、互补色搭配、三角形搭配、矩形搭配、类似色搭配和“类似色搭配互补色”6种色环配色方案。科研论文配图的绘制对我们的重要性不言而喻,无论是毕业论文还是竞赛中需要提交的论文,甚至是我们的课程论文,一组色彩合适、排版优美的配图都会是我们论文的加分项。在这本书的第一章,主要介绍了学术论文插图绘制的基本原则和配色基础,也就是学习这门课前最基本的东西。原创 2023-08-19 13:18:06 · 191 阅读 · 0 评论 -
(202307)wonderful-sql:决胜秋招(task6)
换硬盘重装了系统,后面应该也不会用到mysql,不装环境了,没有截图。原创 2023-08-04 22:35:12 · 191 阅读 · 0 评论 -
(202307)wonderful-sql:集合运算(task4)
【代码】(202307)wonderful-sql:集合运算(task4)原创 2023-07-29 16:26:20 · 362 阅读 · 0 评论 -
(202307)wonderful-sql:复杂一点的查询(task3)
其中AS studentSum可以看作是子查询的名称,而且由于子查询是一次性的,所以子查询不会像视图那样保存在存储介质中, 而是在 SELECT 语句执行之后就消失了。子查询指一个查询语句嵌套在另一个查询语句内部的查询,这个特性从 MySQL 4.1 开始引入,在 SELECT 子句中先计算子查询,子查询结果作为外层另一个查询的过滤条件,查询可以基于一个表或者多个表。注意:可以在视图的基础上再创建视图;翻译为底层的表没有默认的值,推测因为这个视图底层的表有的列要求非空,而这里给不出值,就不能了。原创 2023-07-26 18:30:59 · 420 阅读 · 0 评论 -
(202307)wonderful-sql:基础查询与排序(task2)
需要特别说明的是:由于 NULL 无法使用比较运算符进行比较,也就是说,无法与文本类型,数字类型,日期类型等进行比较,当排序列存在 NULL 值时,NULL 结果会展示在查询结果的开头或者末尾。COUNT 聚合函数运算结果与参数有关,COUNT(*) / COUNT(1) 得到包含 NULL 值的所有行,COUNT() 得到不包含 NULL 值的所有行。其中,参数 ASC 表示升序排列,DESC 表示降序排列,默认为升序,此时,参数 ASC 可以缺省。应为 0006 和0008 记录的全部列数据。原创 2023-07-23 10:24:43 · 354 阅读 · 0 评论 -
(202307)wonderful-sql:初识数据库(task1)
特点是由行和列组成的二维表来管理数据,这种类型的 DBMS 称为关系数据库管理系统(Relational Database Management System,RDBMS)。本课程将向大家介绍使用 SQL 语言的数据库管理系统,也就是关系数据库管理系统(RDBMS)的操作方法。在关系型数据库中,常见的是客户端 / 服务器类型(C/S类型)。通过客户端发出sql语言,向服务端请求数据,服务端像数据库中读取数据返回给客户端。数据库中存储的表结构类似于excel中的行和列,在数据库中,行称为记录。原创 2023-07-20 09:48:01 · 84 阅读 · 0 评论 -
(202307)wonderful-sql:环境搭建(ubuntu 22.04 + mysql 8.0 + workbench/dbeavar,免密码-不建议免哈)
免密码登陆mysql,mysql8.0在ubuntu22.04上的安装。十分详细。使用mysql-workbench与dbeavar客户端原创 2023-07-19 10:04:39 · 181 阅读 · 0 评论 -
安卓上深度学习环境mxnet配置
我给大家整个活,忽略~~~首先请允许我发表参与学习的感言。花书是深度学习界的圣经,此次能够与大家一同学习此书是我的荣幸,不过在电脑上配置深度学习环境确实已经操作过很多次了。我曾经过许多次的删除重装,现在使用的是wsl上的环境。所以我下面给大家整个活,在手机上配置深度学习的cpu环境。原创 2023-03-20 23:06:18 · 337 阅读 · 0 评论 -
(202302)统计学习方法习题实战TASK2 感知机
当训练数据集是线性可分的时候,感知机学习算法的原始形式是收敛的。显然(但需要经过严格地证明),在这种情况下,感知机学习算法得到的超平面并不是唯一的。我们如果添加约束条件从而得到唯一的超平面,就是支持向量机SVM。如果将感知机用于线性不可分的数据集,感知学习算法不收敛,迭代结果就会发生震荡。原创 2023-02-18 11:09:22 · 255 阅读 · 0 评论 -
(202302)统计学习方法习题实战TASK1 统计学习及监督学习概论
本次参加的是DataWhale组织的2023年2月份学习计划。学习内容为李航老师的《统计学习方法(第二版)》的第一到六章。习题的解答开源在datawhale的GitHub账号。原创 2023-02-15 17:13:30 · 65 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task7:模型部署
Open Neural Network Exchange(ONNX,开放神经网络交换)格式,是一个用于表示深度学习模型的标准,可使模型在不同框架之间进行转移。原创 2023-01-30 12:30:12 · 547 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task6:可解释性分析、显著性分析
对的系列的学习(大佬的完整代码在2022年人工智能依旧飞速发展,从传统机器学习模型到如今以“炼丹”为主的深度神经网络,代表着模型拟合度与模型各自的发展趋势。至此,深刻体会并成功解释NN为何能取得更优的效果成为各行各业的新目标,而可解释性机器学习便应运而生。原创 2023-01-28 19:48:31 · 1351 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task5:在测试集上评估图像分类算法的精度
本次任务是测试集上评估图像分类算法的精度。在大佬开源的代码中,无论是准确率评估指标还是混淆矩阵、PR曲线、ROC曲线、降维可视化,都可以很容易地得到结果。而在这些代码中可能出现的问题,也都在前面的任务中已经解决,比如matplotlib绘制中文的处理、gpu上训练的权重用于cpu上需要加映射参数等。可以说,只要前面的任务认真完成,这次的任务至少在代码运行上是没有任何问题。基于此种情况,我认为这个任务的重点实际上是对以上的几种评估指标的理解。原创 2023-01-27 22:35:57 · 671 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task4:新图片新视频预测
然后使用PIL库读取图片,并进行预处理。预处理的四步是缩放、裁剪、转 Tensor、归一化,此处不再赘述。此外还需要读取映射字典。注意:在gpu中训练得到的权重文件不能直接用于cpu,需要通过加入参数map_location='cpu'进行映射,如右下图所示。原创 2023-01-26 12:55:24 · 569 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task3:迁移学习微调训练
model = models.resnet18(pretrained=True) # 载入预训练模型# 修改全连接层,使得全连接层的输出与当前数据集类别数对应# 新建的层默认 requires_grad=True# 只微调训练最后一层全连接层的参数,其它层冻结如果这时出现预训练模型载入失败的问题,可以自己下载权重文件并载入。注意:这种选择适用于自己的数据集与模型来源的数据集(此处是ImageNet)差别较小且数据量少的情况。原创 2023-01-24 14:50:16 · 515 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task2:预训练模型预测
但是我的本身与ImageNet的数据差别过大了,是无法准确识别的。不过倒是可以判断出一些零件像什么。另外自己训练了一个权重,置信度很高,几乎达到了100.原创 2023-01-19 13:52:05 · 620 阅读 · 4 评论 -
(202301)pytorch图像分类全流程实战Task1:构建自己的图像分类数据集
对于datawhale的开源学习计划,我眼馋很久了,只是之前在学校,不敢轻易尝试。此次寒假终于能够克服畏难情绪进行尝试,终归是有所进步的。第一个任务即是构建自己的图像分类数据集,看起来还是一个比较简单的任务,没想到还是让我头大许久。原创 2023-01-17 14:34:37 · 613 阅读 · 1 评论