- 博客(155)
- 资源 (7)
- 收藏
- 关注
RSS订阅
原创 【备忘】conda环境常用配置命令
换源有关源的配置文件都在C:\Users\xxx.condarc文件中显示源conda config --show channels添加源（添加中科大源为例）conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/conda config --add
2020-09-29 15:10:36
503
原创 【汇总】numpy函数合集
np.random.normal()https://blog.csdn.net/lanchunhui/article/details/50163669numpy.random.normal(loc, scale, size)loc：float此概率分布的均值（对应着整个分布的中心centre）scale：float此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）size：int or tuple of ints输出的shape，默认为None，只输
2020-05-19 23:05:57
306
原创 conda虚拟环境中使用pip仍然安装到全局python中
/home/share/userXXX/anaconda3/envs/env_name/bin/pip install XXX
2021-11-11 15:04:35
1496
4
原创 anaconda成功安装fasttext后，无法导入的情况
https://github.com/facebookresearch/fastText/issues/474情况：已成功安装fasttext，但import报错找不到包。解决办法1. 不要使用conda安装，而要使用pip安装2. 在fastText==0.9.0以后import时就改为小写。import fastText# 改为import fasttext参考...
2021-11-11 14:57:18
1117
原创 matplotlib绘图相关
连续画图，清除上一个plt.cla()设置标签plt.xlabel('章节', fontproperties='SimHei', fontsize=15)plt.ylabel('次数', fontproperties='SimHei', fontsize=15)柱状图 带标签tick_labelplt.bar(range(len(xinyi_dict.values())), xinyi_dict.values(), tick_label=[s[3:-4] for s in file_list
2021-06-17 21:26:13
153
原创 Scrapy学习
文章目录介绍demo1.新建项目2.明确目标(Project_Name/items.py)3.制作爬虫 （spiders/Project_Name_Spider.py）4.保存信息参考https://segmentfault.com/a/1190000013178839介绍流程：新建项目 (scrapy startproject xxx)：新建一个新的爬虫项目明确目标 （编写items.py）：明确你想要抓取的目标制作爬虫 （spiders/xxspider.py）：制作爬虫开始爬取网页存储
2021-06-16 22:52:31
107
原创 Scrapy爬到的数据保存到csv后，用Excel打开乱码的解决方法
右键文件，选择记事本打开，选择文件>另存为，编码选择ANSI>点击保存，打开xxx.csv 中文恢复正常
2021-06-13 21:41:01
459
原创 word给数学公式编号，并交叉引用的方法
捣鼓半小时，终于找到一个可行的方法。。。编号插入-文档部件-域-ListNum（为了可以交叉引用，AutoNum没法交叉引用）-我这里列表中级别选4（看链接中，提到的列表说明图片，可以选择自己需要的格式对应的级别）然后，插入后是这样的：然后回车交叉引用就可以了...
2021-04-22 15:28:55
924
1
转载 L0,L1,L2正则化浅析
在机器学习的概念中，我们经常听到L0，L1，L2正则化，本文对这几种正则化做简单总结。 1、概念 L0正则化的值是模型参数中非零参数的个数。 L1正则化表示各个参数绝对值之和。 L2正则化标识各个参数的平方的和的开方值。 2、先讨论几个问题： 1）实现参数的稀疏有什么好处吗？ 一个好处是可以简化模型，避免过拟合。因为一个模型中真正重要的参数可能并不多，如果考虑所有的参数起作用，那么可以对训练数据可以预测的很好，但是对测试数据就只能呵呵了。另...
2021-04-12 15:23:39
199
转载 推荐系统之---如何理解低秩矩阵？
1.说明 在推荐系统中有有一种推荐方式：LFM，也叫隐因子分解。这中推荐方式在Netflix公司的百万美金大赛中可以说是大放异彩。但是在这里面涉及到一个假设。假设评分矩阵是低秩的（Low rank）。 那什么样的矩阵是低秩的？怎么理解低秩呢？ 2.图像中的“秩” 除了在推荐系统中应用低秩概念，其实在图像处理中也会应用到低秩。秩的英文表达是rank，在图像中rank可以理解为图像中所包含信息的丰富程度。 举一个简单的例子，一张大海的风景图片，在图片中有一搜大船，如下图： * 这个图片中，大部分的篇幅
2021-04-11 13:58:18
882
原创 【Paper-Attack】Poisoning Attacks to Graph-Based Recommender Systems
Poisoning Attacks to Graph-Based Recommender Systems背景一些研究显示推荐系统容易受到poisoning attack（向推荐系统注入虚假数据，从而使推荐系统按照攻击者的意愿做推荐）影响，现有研究在基于图的推荐系统上的工作还很少，都是基于关联规则的或者基于矩阵分解。攻击者的目标：将target item推荐给越多的用户越好挑战如何给fake user分配打分，来使得target item被推荐给更多的正常用户？⇓\Downarrow⇓将po
2021-03-27 14:36:56
538
原创 【Paper-Attack】A Targeted Universal Attack on Graph Convolutional Network
A Targeted Universal Attack on Graph Convolutional Network背景现有关于Universal Adversarial Attack的研究主要集中在CNN的图像分类任务上，图的Universal Adversarial Attack很少有人研究。（之前只有GUA，Graph Universal Adversarial Attack这一个工作）Universal Adversarial Attack：第一次提出是在图像分类任务上。相同的扰动可以被应用在
2021-03-27 14:35:23
464
原创 【Paper-Attack】Graph Universal Adversarial Attacks: A Few Bad Actors Ruin Graph Learning Models
Graph Universal Adversarial Attacks: A Few Bad Actors Ruin Graph Learning Models背景深度神经网络对对抗扰动极其敏感，导致模型性能下降。本工作从一个不同的角度发现：如果图中包含了几个bad-actor node，它们通过翻转和任何target victim 的连接，就可以损坏一个训练好的图神经网络，并且这种攻击是可以转移到其他模型的。模型攻击target node的时候，锚节点与target node之间的连接会被反转：
2021-03-27 14:34:15
545
6
原创 【Paper-Attack】Attacking Graph-Based Classification without Changing Existing Connections
Attacking Graph-Based Classification without Changing Existing Connections背景training dataset中包含positive node和negative node，positive label代表这个节点是恶意的（fraudulent user），而negative label代表良性（normal user）。节点分类方法分为两种：GNN：抽取图中节点的特征，利用这些特征在节点上做分类任务collective c
2021-03-27 14:32:10
222
原创 【Paper-Attack Defense】Adversarial Label-Flipping Attack and Defense for Graph Neural Networks
Adversarial Label-Flipping Attack and Defense for Graph Neural Networks动机现有的工作忽视了一种特殊的poisoning attack——adversarial label-flipping attack，攻击者可以修改一部分不容易被察觉的training label。经典的基于图的半监督分类器已经被证明对这种攻击很脆弱，那么深度学习图模型是不是也可以被adversarial label-flipping attack摧毁呢？一方面
2021-03-27 14:31:14
1173
原创 【Paper-Attack】Exploratory Adversarial Attacks on Graph Neural Networks
Exploratory Adversarial Attacks on Graph Neural Networks依赖training loss的最大梯度的这种基于梯度的策略，在攻击GNN模型时候，可能不会产生一个好的结果。原因在于图结构的离散的特点。⇓\Downarrow⇓我们可不可以推导出一种有效的方法，来选择攻击GNN的扰动？我们提出一种新颖的exploratory adversarial attack命名为EpoAtk。专注于poisoning attack 和 global at
2021-03-27 14:30:16
350
原创 【Paper-Attack】MGA：Momentum Gradient Attack on Network
MGA：Momentum Gradient Attack on Network背景&动机momentum已经在CV等领域得到了应用，但是还没有在图对抗攻击领域被应用。为了进一步提高基于梯度的对抗攻击方法的攻击效果的有效性，提出了一种使用gradient momentum来更新对抗图的momentum gradient attack（MGA）对于GCN上的半监督多标签分类任务来说，损失函数定义为：VLV_LVL：带标签的节点。FFF：分类的集合。Ylh=1Y_{lh}=1Ylh=1：
2021-03-27 14:29:02
387
3
原创 Windows下编写的脚本文件无法在Linux上运行的问题
可以看到报错了，无法运行，不存在目录，但是这个目录多出来一个\r这是因为换行符造成的只需要使用编辑器修改这里，不再使用CRLF，而是使用LF，就可以解决这个问题
2021-03-15 20:47:03
315
转载 验证集与测试集的区别
在对机器学习算法进行学习和实践的时候，我们经常会遇到“验证集”和“测试集”，通常的机器学习书籍都会告诉我们，验证集和测试集不相交，验证集和训练集不相交，测试集和训练集不相交。也就是验证集与测试集似乎是同一级的东西，那么我们自然而然会有一个困惑为什么还要分测试集和验证集呢？其实问题的答案是：训练集用于训练模型参数，测试集用于估计模型对样本的泛化误差，验证集用于“训练”模型的超参数。什么是模型的参数我们知道一个机器学习模型通常包括两个部分的参数：模型参数和超参数。其中超参数是用于控制模型行为的参数，这些参
2021-03-15 10:46:36
8319
原创 【更新】深度学习推荐系统
其他博客：笔记1、博客2文章目录第一章、互联网的增长引擎——推荐系统第二章、前深度学习时代——推荐系统的进化之路第三章、浪潮之巅——深度学习在推荐系统中的应用3.1 深度学习推荐模型的演化关系图3.2 AutoRec——单隐层神经网络推荐模型3.3 Deep Crossing模型——经典的深度学习架构3.4 NeuralCF模型——CF与深度学习的结合3.5 PNN模型——加强特征交叉能力3.6 Wide&Deep模型——记忆能力和泛化能力的综合3.7 FM与深度学习模型的结合3.7.1 FNN—
2021-02-08 12:16:42
468
原创 arXiv pdf下载很慢的解决方法
命令行直接下载：arxiv 上的论文使用wget下载时需要加参数–user-agent=Lynx，速度才能较快：wget --user-agent=Lynx https://arxiv.org/pdf/1608.00375上述命令需要在Linux或者WSL的命令行中执行。修改网址：（不稳定）将https://arxiv.org改成 http://xxx.itp.ac.cn，网址其他部分不变。或者将https://arxiv.org改成http://cn.arxiv.org，网址其他部分不..
2021-01-15 22:38:32
734
原创 【numpy】使用numpy/pytorch创建数组时的一点疑问
YcDuan???? 16:24:04我可不可以理解为，这个函数本身就会带一个方括号，YcDuan???? 16:24:37我调用函数传的参数，代表的是我希望的这个自带[]里的数据是什么样子的17-山东 16:25:07可YcDuan???? 16:25:1717-山东 16:25:37我没记错你第一个的效果相当于传入0，10YcDuan???? 16:25:48看起来是了YcDuan???? 16:26:04每次这种函数就把我搞的不知道一维数组是啥样子了YcDuan???? 16
2020-11-21 16:33:52
263
原创 【numpy】生成一串0/1（True/False）mask序列
mask = np.random.rand(10)mask = (mask>0.5).astype(bool)输出<class 'numpy.ndarray'>[False False False True True False False False True True]Mask使用方法1：array1 = np.array([1,2,3,4])array2 = np.array([[1,2,3,4,5], [6,7,8,9,10]
2020-11-21 16:31:04
1404
原创 【踩坑】Linux下配置torch-geometric
搞了整整一天终于配置好了。。。= =1、创建虚拟环境conda create -n xxx python=3.6.11conda activate xxx2、conda install pytorch=1.4 pytorch官网的指令安装的是最新版本，不适配！！！后面会安装不上torch-geometric库3、两种方法：（我是使用方法二成功的）使用官方文档里的方法无脑依次进行检查并安装torch-geometric等库。。。官方方法无效，使用官方文档方法直到验证完版本信息后，不再使
2020-11-09 20:16:21
2129
2
原创 Linux系统常用命令备忘
文章目录文件（夹）创建、复制、移动（重命名）mkdir 创建目录cp 复制mv 移动rm 删除文件rm -rf 删除目录文件层级关系文件（夹）创建、复制、移动（重命名）mkdir 创建目录语法格式：mkdir [选项] DirName命令中的［选项］一般有以下两种：-m 用于对新建目录设置存取权限，也可以用 chmod 命令进行设置。-p 需要时创建上层文件夹(或目录)，即使这些文件夹(或目录)已经存在，也不视为错误。cp 复制语法格式： cp [选项] 源文件或目录 目标文
2020-10-30 15:24:22
111
原创 linux服务器非root用户安装Anaconda，并配置tensorflow/pytorch
文章目录AnacondaTensorflowPytorchTipsAnaconda1、清华大学镜像网站内下载需要的anaconda版本，我下载的是Anaconda3-5.3.0-Linux-x86_64.sh，下载成功后，利用Xftp等软件上传到服务器。2、使用Xshell等工具打开Anaconda3-5.3.0-Linux-x86_64.sh所在目录，使用bash Anaconda3-5.3.0-Linux-x86_64.sh命令进行安装。1. 一路回车直到，是否接受协议？yes2. 安装目录选
2020-10-29 09:47:33
1122
原创 batch、epoch、iteration的区别
参考博客1参考博客2：为什么要用多于一个epoch？（1）batchsize：批大小。在深度学习中，一般采用SGD训练，即每次训练在训练集中取batchsize个样本训练；（2）iteration：1个iteration等于使用batchsize个样本训练一次；Iteration是batch需要完成一个epoch的次数。 iteration = 数据集大小 / batch_size（3）epoch：1个epoch等于使用训练集中的全部样本训练一次，通俗的讲epoch的值就是整个数据集被轮几次。比
2020-10-17 21:58:02
775
转载 最通俗易懂的图神经网络（GCN）原理详解
gcn原文(Multi-layer Graph Convolutional Network (GCN) with first-order filters) GCN问世已经有几年了（2016年就诞生了），但是这两年尤为火爆。本人愚钝，一直没能搞懂这个GCN为何物，最开始是看清华写的一篇三四十页的综述，读了几页就没读了；后来直接拜读GCN的开山之作，也是读到中间的数学部分就跪了；再后来在知乎上看大神们的讲解，直接被排山倒海般的公式——什么傅里叶变换、什么拉普拉斯算子等...
2020-10-06 18:26:55
43747
20
原创 【numpy】np.random.normal()函数
【汇总】numpy里的一些函数np.random.normal()https://blog.csdn.net/lanchunhui/article/details/50163669numpy.random.normal(loc, scale, size)loc：float此概率分布的均值（对应着整个分布的中心centre）scale：float此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）size：int or tuple of ints输出
2020-09-27 17:20:07
1324
原创 【numpy】numpy.random.uniform()函数
【汇总】numpy里的一些函数numpy.random.uniform()numpy.random.uniform(low,high,size)low: 采样下界，float类型，默认值为0；high: 采样上界，float类型，默认值为1；size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出mnk个样本，缺省时输出1个值。返回值：ndarray类型，其形状和参数size中描述一致。从一个均匀分布[low,high)中随机采样，注
2020-09-27 17:18:57
645
原创 【numpy】numpy.ones()函数
【汇总】numpy里的一些函数numpy.ones()numpy.ones(shape, dtype=None, order='C')返回值：返回值类型 ： ndarray具有给定形状，数据类型和顺序的数组。参数：shape ： int或int的序列新数组的形状，例如，(2, 3)或2dtype ： 数据类型，可选数组的所需数据类型，例如numpy.int8。默认是 numpy.float64。order ： {‘C’，‘F’}，可选，默认值：C是否在内存中以行主
2020-09-27 17:13:23
1094
原创 【numpy】numpy.zeros()函数
【汇总】numpy里的一些函数numpy.zeros()zeros(shape, dtype=float, order='C')返回：返回来一个给定形状和类型的用0填充的数组；参数：shape:形状dtype:数据类型，可选参数，默认numpy.float64dtype类型：t ,位域,如t4代表4位b,布尔值，true or falsei,整数,如i8(64位）u,无符号整数，u8(64位）f,浮点数，f8（64位）c,浮点负数，o,对象，s,a，字符串
2020-09-27 17:07:40
1390
原创 【李宏毅机器学习】Introduction of ELMO、BERT、GPT（p25） 学习笔记
文章目录Putting Words into Computers——Introduction of ELMO、BERT、GPTReviewA word can have multiple senses.Contextualized 语境化 Word EmbeddingEmbedding from Language Model(ELMO)ELMO做法Bidirectional Encoder Representatioins from Transformers(BERT)BERT = Encoder of
2020-08-01 19:56:02
333
原创 【李宏毅机器学习】Semi-supervised Learning 半监督学习（p24） 学习笔记
文章目录Semi-supervised LearningIntroductionSupervised LearningSemi-supervised LearningSemi-supervised LearningIntroductionSupervised Learning训练数据是一个function的输入和输出构成的pairSemi-supervised Learning训练数据有两部分：在label data上一个function的输入和输出构成的pair在unlabel dat
2020-08-01 10:13:17
571
原创 【李宏毅机器学习】Transformer（p23） 学习笔记
老二次元了。。。文章目录TransformerSequence用CNN取代RNNSelf-AttentionSelf-attention is all you need.流程Self-attention是如何并行计算的？ 矩阵运算！Self-attention的变形 Multi-head Self-attentionTransformerTransformer的知名应用——BERT——无监督的训练的TransformerTransformer是一个seq2seq模型，并且大量用到了"Self-at
2020-07-29 23:17:29
552
原创 【李宏毅机器学习】Unsupervised Learning - Word Embedding 无监督学习 - 词嵌入（p22） 学习笔记
文章目录Unsupervised Learning Word Embedding用一个vector来表示一个word的几种方法1-of-N EncodingWord ClassWord Embedding如何做Word EmbeddingHow to exploit the context? 如何利用文本呢？Count basedPrediction basedPrediction-based - Sharing ParametersUnsupervised Learning Word Embedding
2020-07-28 17:14:49
589
原创 【李宏毅机器学习】Recurrent Neural Network Part2 循环神经网络（p21） 学习笔记
文章目录Learning TargetLearningUnfortunately基于RNN的的网络不总是容易去学习The error surface is rough.Why？为什么不好训练Helpful TechniquesLong Short-term Memory(LSTM)GRU简介More Applications……输入和输出都是一个向量序列输入一个向量序列，输出是一个向量，多对一输入和输出都是向量序列，但是输出更短，多对多CTCCTC：TrainingCTC：Example输入和输出都是向量序
2020-07-27 17:13:07
422
原创 【李宏毅机器学习】Recurrent Neural Network Part1 循环神经网络（p20） 学习笔记
文章目录Example ApplicationSlot Filling把词用向量来表示的方法1-of-N encoding / one-hotBeyond 1-of-N encodingExample ApplicationSlot Filling可以使用前馈神经网络来实现，需要把每个词用向量来表示。把词用向量来表示的方法1-of-N encoding / one-hotBeyond 1-of-N encoding...
2020-07-26 23:54:38
477
数据结构课设 表达式类型的实现
2020-07-31
硬布线实现的模型机.rar
2020-01-23
微程序实现的模型机.rar
2020-01-23
山东大学数据结构课设表达式类型 源.cpp
2019-07-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人