ruichuang2的博客

原创 conda创建虚拟环境时CondaHTTPError

这可能是因为网络问题、代理服务器设置不正确、SSL 证书问题或者是 Conda 源地址无法访问。禁用 SSL 证书验证：作为临时解决方案，可以尝试禁用 SSL 证书验证，但这可能会有安全风险。如果问题依然存在，可能需要进一步检查系统的网络配置、防火墙设置或者联系网络管理员寻求帮助。检查代理设置：如果你在使用代理，确保 Conda 配置正确地设置了代理。更换 Conda 源：尝试更换 Conda 的源到一个可用的镜像。检查网络连接：确保你的设备可以正常访问互联网。是你要更换的 Conda 源地址。

原创 科研小随笔 2024-2-27

科研小随笔

原创 linux把一个服务器上的文件夹下的所有文件一次性移动到另一个服务器上的某一个文件夹中

在Linux系统上，你可以使用多种方法将数据从一个主机复制到另一个主机。这个命令会将指定路径下的文件和目录递归地复制到目标主机。如果需要复制整个文件夹，添加。为目标主机上的用户名，为目标主机的IP地址，为目标主机上的路径。

原创 概率论复习——怎么样直观理解随机变量的独立性的定义

对任意的x,y，成立，即。

原创 概率论复习——如何理解Cov(X,X)=D(X)

X相比于E(X)的变化和Y相比于E(Y)的变化是否一致，即符号是否相同，最后去一个期望，得到整体X与Y之间的相关性。Cov(X,Y)>0表示X相比于均值E(X)的变化趋势和Y相比于E(Y)的变化趋势相似，X与Y正相关；照这样理解，那么Cov(X,X)应该也是衡量X与X之间的相关性。而且D(X)的值越大，说明正相关的程度越大，也就是一个X的变化非常剧烈，但是另一个X和它居然变化保持一致，说明他们之间的相关性很大。Cov(X,X)=D(X)也可以看作X与X之间的相关性，即正相关，因为。

原创 概率论复习——如何理解随机变量乘积的数学期望等于数学期望的乘积，成立的前提条件是相互独立？

原创 RuntimeError: CUDA error: device-side assert triggered报错

在加载数据的时候Dataloader()加上drop_last=True，就好了。这个报错，依次排除了是不是因为数据包含nan；

原创 TuckerDNCaching: High-quality NegativeSampling with Tucker Decomposition

无

原创 pytorch学习

nn.LayerNorm, einops.repeat, chunk, nn.GELU()

原创 科研笔记

无

原创 python __name__ 两种索引

无

原创 Xarray.open_dataset介绍

无

原创 pytorch中Dataloader的使用

无

原创 torch.sqrt(lhs**2) 与torch.abs(lhs)在pytorch中的差异

无

原创 训练过程出现loss=nan,reg=nan和cont=nan的情况记录

无

原创 如何将两个torch张量交叉拼接

无

原创 dgl update_all中的聚合函数实现方法简介

无

原创 图神经网络入门资料

无

原创 nn.Embeddings

无

原创 RuntimeError: CUDA error: CUBLAS_STATUS_NOT_INITIALIZED when calling `cublasCreate(handle)`

无

原创 python argparse传入布尔参数false不生效的解决

无

原创 cuda 与 cudatoolkit 的区别

无

原创 torch.tensor()与torch.Tensor()

无

原创 pytorch中nn.Parameter（）详解

无

原创 print格式化输出

无

原创 蒙特卡洛积分法

拔刀斋23 人赞同了该文章蒙特卡洛积分法1. 蒙特卡罗方法概述本质上来说蒙特卡洛方法是一类基于概率方法的统称，它并非一个特定的算法或者针对某一问题(如：概率)的解决方案，而是一种解决问题的思想，相关的方法有：蒙特卡罗算法，蒙特卡罗模拟，蒙特卡罗过程，蒙特卡罗搜索树---AlphaGO以及蒙特卡罗积分法。 蒙特卡洛积分是图形学里常用的数值方法。无论BRDF方程，还是PCF阴影滤波都会用到。所以图形学里这是一个需要搞明白的概念。2. 蒙特卡罗方法的基本思想蒙特卡罗方法的基本思想是：随..

原创 pytorch教程详细

https://github.com/zergtant/pytorch-handbook参考：

原创 基于卷积神经网络的KBC

基于卷积神经网络的KBC原文：A Novel Embedding Model for Knowledge Base Completion Based on Convolutional Neural Network摘要本篇文章是将图片卷积的概念扩展并应用于知识图谱点的嵌入表示，简单来说，是对知识图谱中的每一个三元组组合而成的嵌入矩阵(vh,vr,vt)∈Rk×3,(v_h,v_r,v_t)\in R^{k \times 3},(vh​,vr​,vt​)∈Rk×3,k表示的是嵌入向量的维度，与不同的1×