weixin_41391619的博客

实例展示JavaScript中各数据类型转化的结果

文章目录1.任务介绍2.代码实现1.任务介绍拿到每一集的m3u8文件后，可以根据文件内的若干链接下载到对应的ts片段，然后根据key对应的链接获得视频解码的密钥对所有下载的ts片段进行解码。最后将所有片段拼接起来得到完整的一集视频。2.代码实现import requests,re,aiohttp,aiofiles,asyncio,osfrom Crypto.Cipher import AESdef decode_key(url): key_url = url.replace('inde

协程，对比单线程，async，await

python 多线程

文章目录1.任务介绍2.params和encSecKey的产生过程2.1 第一个参数2.2 后面三个参数3.代码实现(一个页面)4.download所有页面的评论1.任务介绍获取每首歌下面的所有评论，通过抓包工具，可以看到该请求返回的数据中，包含了一个页面（这首歌一共有261页评论）的20条评论因此，拿到每个页面的url就能得到所有评论数据。对headers进行查看，发现这是一个post请求，form data为params和encSecKey（下图为第一页的params和encSecKey）：

❤️ python安装某个包时，报“read timed out”的错误解决：在terminal中输入：python -m pip --default-timeout=100 install 你需要安装的库的名字

import restr = 'wyb出生于1997年,xz出生于1991年'pattern = r'\d+'# 1.findall:查找string中所有匹配的内容，返回一个listresult = re.findall(pattern,str)print(result) # ['1997', '1991']# 2.finditer:返回一个迭代器result = re.finditer(pattern,str)print(result) # <callable_iterato

1.元字符.:匹配除换行符以外的任一字符\w:匹配字母or数字or下划线\s:任一空白符\d:任一数字\W:匹配非字母or数字or下划线\S:匹配非空白符\D:匹配非数字
:换行符\t:制表符^:字符串开始$:字符串结尾a|b:匹配字符a或字符b():匹配括号内的表达式，也表示一个组[]:匹配字符组中的字符[^...]:匹配除字符组中的所有字符2.量词控制元字符出现的次数*:重复0次or更多次+:重复1次or更多次?:重复0次or1次{n}:重复n次，n为具体的整

Let’s do this in the opposite order of how you asked. i.e. first:How can I think of the cross-product transformation in general?For me a cross-product comes from linear algebra, and it is a different transformation. Therefore let’s start by not confusing

投资组合建仓、调仓、数据落库代码及可视化

因子分析与主成分分析：主成分分析:原始变量的线性组合表示新的综合变量，即主成分。因子分析:潜在的假想变量和随机影响变量的线性组合表示原始变量。因子分析与回归分析:因子分析中的因子是一个比较抽象的概念，而回归因子有非常明确的实际意义。...

1.什么是pointer network如上图所示，P1,P2,P3,P4P_1,P_2,P_3,P_4P1​,P2​,P3​,P4​的坐标分别为(x1,y1x_1,y_1x1​,y1​),(x2,y2x_2,y_2x2​,y2​),(x3,y3x_3,y_3x3​,y3​),(x4,y4x_4,y_4x4​,y4​)，我们想从这些点中找出几个点，这几个点的坐标连起来后，能涵盖所有点。以上面这幅图为例，将各个点的坐标输入encoder后，decoder依次输出1、4、2、1。P1,P4,P2P_1,P

之前手写的笔记，害怕哪天找不到了，就先拍照放上来，以后有时间再整理成电子版。（write to myself:看不懂步骤的可以先去看每个后面的例子~）

       tensor的scatter和scatter_add操作,这篇讲得比较详细，这里我就简单总结一下，以a.scatter(dim=dim,index=index,src=src)为例len(a.size())=len(index.size())=len(src.size())=dim_num 即三者维度数必须相等a与index的关系：a.size(i)≥index.size(i) i≠dima.size(dim)与ind

       本篇实现的是Luong的attention，即：       其中hˉs\bar{h}_shˉs​表示encoder每个hidden_state的输出，hth_tht​表示decoder每个hidden_state的输出。文章目录1.载入原始数据2.数据预处理2.1 中英文分词2.2 建立词典2.3 使用词典来对原始句子进行编码2.4 划分训练集和

文章目录1.载入原始数据2.数据预处理2.1 中英文分词2.2 建立词典2.3 使用词典来对原始句子进行编码2.4 划分训练集和验证集2.5 自定义dataloader3.搭建模型3.1 encoder3.2 decoder3.3 seq2seq3.4 自定义损失函数4.训练模型4.1 初始化模型4.2 定义训练过程和验证过程的函数4.3 开始训练5.检验效果import osimport sysimport mathfrom collections import Counterimport nu

文章目录1.数据准备2.wordavg model2.1定义模型2.2设置参数2.3 初始化模型2.4 glove初始化模型embedding层2.5 定义训练过程、评估函数2.6 开始训练2.7 检验分类效果3.LSTM模型4.CNN 模型import torchimport torchtextfrom torchtext import datafrom torchtext import datasetsfrom torchtext.vocab import GloVeimport spacy

import torchtextfrom torchtext.vocab import Vectorsimport torch from torch import nnimport numpy as npimport randomimport jiebarandom.seed(53113)np.random.seed(53113)torch.manual_seed(53113)use_cuda = torch.cuda.is_available()if use_cuda: t

数据集不能下载到本地，所以本文只是做一个数据处理和建模过程的记录。比赛结果：线下auc：0.859,线上auc:0.8077。1.数据初步探索结果训练集中，8375个卡号，但只有8361个客户。acct:(此表含卡号、客户号和最终的label)只要x_cat3取值为482 x_date1、2就缺失；x_cat3只有21值不为482，此时x_date1和x_date2完全一样；基于上述情况，考虑只保留x_cat3，取值为482的设为0，其他为1，并且删除x_date1、2x_date1 x_d

attention详细版请戳这里self-attention详细版请戳这里(transformer中的self-attention)