- 博客(23)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 【小白快速入门】HTML 教程
HTML 指超文本标签语言Hyper Text Markup Language。 HTML 是通向 WEB 技术世界的钥匙。 HTML 非常容易学习！你会喜欢它的！HTML 不是一种编程语言，而是一种标记语言标记语言是一套标记标签 (markup tag)HTML 使用标记标签来描述网页HTML 文档包含了HTML 标签及文本内容HTML 文档也叫做 web 页面HTML结构HTML的结构一般包括<head>标签和<body>标签，<head>和<b
2020-05-30 10:12:11
623
原创 React 入门实例教程
前言由于 React 的设计思想极其独特，属于革命性创新，性能出众，代码逻辑却非常简单。所以，越来越多的人开始关注和使用，认为它可能是将来 Web 开发的主流工具。因为同一组人只需要写一次 UI ，就能同时运行在服务器、浏览器和手机下面，我就根据这个库，写一篇全面又易懂的 React 入门教程。你只需要跟着每一个 Demo 做一遍，就能初步掌握 React 。当然，前提是你必须拥有基本 JavaScript 和 DOM 知识，但是你读完就会发现，React 所要求的预备知识真的很少。零、安装下面要
2020-05-30 09:01:05
230
原创 【第一次使用java写程序】有限羞涩
class Solution { public int rob(int[] nums) { int[] dp = new int[nums.length]; if (nums.length==0){ return 0; }else if(nums.length==1){ return nums[0]; } dp[0]=nums[0]; dp[1]=Math.max(d.
2020-05-29 11:59:57
248
原创 关系抽取和事件抽取的一些任务特色
关系抽取1. 评测背景：知识是机器语言理解与交互的重要基础机器语言理解与交互是人工智能的基本挑战，五大任务助力 （机器阅读理解、面向推荐的对话、语义解析、关系抽取、事件抽取）知识是机器语言理解与交互的重要基础关系抽取是知识获取的重要方式知识图谱2. 评测任务：schema约束下的SPO抽取任务任务描述：抽取输入句子中所有符合schema约束的SPO三元组输入：预定义schema& 句子输出：SPO三元组任务特色：挑战关系抽取模型较难解决的问题重叠关系抽取问题复杂关系抽
2020-05-27 15:19:19
1642
2
原创 我的毕设音乐之路（灯～登登，登灯）
是这样的，我的毕设是要做一个音乐的分离和音乐转录，音乐生成的三合一项目，听起来有点像3+2饼干，我喜欢吃柠檬口味的，众所周知音乐分离这块基本上做到了SOAT的程度，这段时间经过我的查阅资料发现音乐转录这块在2019年也做到了SOAT的程度，看来只有音乐生成这个模块还没有做到，说不定我在看几天就找到了。为什么要做这个从去年开题以来，我一直在对这个领域有不断的信息的来源，也逐渐对这个领域产生了兴趣，从刚开始代码代码挑不通，到现在论文看不懂，也是有所进步的嘛，希望记录下自己的心路历程，不求发多好的论文，只求可
2020-05-22 18:41:37
350
2
原创 概率图模型学习笔记：HMM,MEMM,CRF
一、写在前面Preface今天看到了之前收藏吃灰的一篇写的很好的概率图的学习笔记，自己也想总结一下，今天还有很多事情都没有完成，看到了之后就觉得可以花一些时间好好研究一下，总结一些这段时间的研究，因为之前在B站了完整看了sh大佬的视频讲解，对于HMM 还有MEMM，CRF也有一些自己的理解，今天正好趁着这个机会，一鼓做气都写一下，不往这段时间的投入，之后也不知道会不会用起，但希望想起来的时候我可以说，我曾经爱过～因为接触了NLP相关的东西，不得不学习这些传统的序列模型，面试的时候也有人问我这些模型，但只
2020-05-22 16:23:22
1345
原创 MIT，Apache许可证是什么，看完这条你就懂了
MIT许可证（The MIT License）是许多软件授权条款中，被广泛使用的其中一种。与其他常见的软件授权条款（如GPL、LGPL、BSD）相比，MIT是相对宽松的软件授权条款。MIT与GPL、BSD、Mozilla、Apache和LGPL的区别；可是使用，修改可以闭源，备注说明来源就好。条款内容原文Copyright © Permission is hereby granted, free of charge, to any person obtaining a copy of this
2020-05-22 10:20:23
11665
原创 【百度LIC2020事件抽取赛道】赛后小结（小白篇，大佬略过）
讲在前面这次比赛对我来说是首次参加百度举办的比赛，也是第一个事件抽取方向的比赛，整体来说熟悉事件抽取的模型，以及相关的操作为主，最高得分F1，0.796分，不能算是高分，在这里对整个比赛过程，以及自己的一个情况做一个小结梳理，为下次比赛做好准备工作，还是比较小白的，但是在这次比赛中也收获了很多实战的经验，奈何各位大神云集，竞争激烈，对我个人而言，熟悉模型，熟悉比赛模式，收获经验为主！大佬请关掉网页2333本次赛题属于一个多分类，多标签的问题，文本先要进行事件分类，之后进行事件抽取，将论元和内容进行抽取，
2020-05-21 15:04:22
5288
9
原创 Java基础课程概述【笔记】
Java基础课程概述第一部分：编程语言核心结构主要知识点：变量、基本语法、分支、循环、数组、 …第二部分： Java面向对象的核心逻辑主要知识点： OOP、封装、继承、多态、接口、 …第三部分：开发Java SE高级应用程序主要知识点：异常、集合、 I/O、多线程、反射机制、 网络编程、 ……第四部分：实训项目项目一：家庭收支记账软件项目二：客户信息管理软件项目三：开发团队人员调度软件附加项目一：银行业务管理软件附件项目二：单机考试管理软件Java基础课程体系第1章 Java语
2020-05-20 11:30:12
1421
原创 【血泪的教训】tensor flow报错解决方法keras tensorflow python版本对齐
安装keras之后导入tensorflow报错ImportErrorcannot import name ‘abs’ 解决方法安装keras的时候，他自动把tensorflow的版本更新了更新到了1.13，,然后import tensorflow 之后出现这个问题。首先我的cuda 是8.0, cudnn是6.python是3.6 .对应的tensorflow是1.3或者1.4.ubuntu下tensorflow对应版本windows下对应版本https://docs.floydhub.com/
2020-05-19 15:36:16
1198
原创 一种用于端到端音频分离的多尺度神经网络
一种用于端到端音频分离的多尺度神经网络摘要：1.简介：2.相关的工作3.wave-u-net 模型3.1 基础模型结构3.1.1避免因向上采样而产生的混叠伪影3.2架构改进3.2.2在适当的输入上下文和重新采样的情况下进行预测3.2.3立体通道为了适应C通道的多通道输入，我们简单地将输入M从lm1改为lmc矩阵。3.2.4上采样的Wave-U-net4. 实验4.1 数据集4.2训练过程4.3模型设置以及变量摘要：大多数声源分离的模型通常是依赖于幅度频谱，然而忽略声音的相位信息，使幅度频谱前端的分离性能
2020-05-18 15:16:45
3031
原创 np.random.choice方法
np.random.choice方法觉得有用的话,欢迎一起讨论相互学习~Follow Medef choice(a, size=None, replace=True, p=None)表示从a中随机选取size个数replacement 代表的意思是抽样之后还放不放回去，如果是False的话，那么通一次挑选出来的数都不一样，如果是True的话， 有可能会出现重复的，因为前面的抽的放回去了。p表示每个元素被抽取的概率，如果没有指定，a中所有元素被选取的概率是相等的。默认为有放回的抽样 (可以重复)
2020-05-14 16:23:44
461
原创 Counter() most_common()统计
1. 对字符串\列表\元祖\字典进行计数,返回一个字典类型的数据,键是元素,值是元素出现的次数举例:from collections import Counters = "hello-python-hello-world"a = Counter(s)print(a)# 结果 Counter({'-': 3, 'd': 1, 'e': 2, 'h': 3, 'l': 5, 'n': 1, 'o': 4, 'p': 1, 'r': 1, 't': 1, 'w': 1, 'y': 1})2.
2020-05-14 16:20:32
2209
原创 python jsonl文件读取(jsonlines)
用户指南导入jsonlines模块以开始使用：import jsonlines便捷函数jsonlines.open()采用文件名并返回读取器或写入器，从而使简单的情况极其简单：with jsonlines.open('input.jsonl') as reader: for obj in reader: ...with jsonlines.open('output.jsonl', mode='w') as writer: writer.write(...)
2020-05-14 16:14:04
8854
原创 【TensorFlow】基本使用
基本使用使用 TensorFlow, 你必须明白 TensorFlow:使用图 (graph) 来表示计算任务.在被称之为 会话 (Session) 的上下文 (context) 中执行图.使用 tensor 表示数据.通过 变量 (Variable) 维护状态.使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.综述TensorFlow 是一个编程系统, 使用图来表示计算任务. 图中的节点被称之为 op (operatio
2020-05-11 15:37:46
232
原创 【TensorFlow】下载与安装
下载与安装你可以使用我们提供的 Pip, Docker, Virtualenv, Anaconda 或 源码编译的方法安装 TensorFlow.Pip 安装Pip) 是一个 Python 的软件包安装与管理工具.在安装 TensorFlow 过程中要涉及安装或升级的包详见 列表首先安装 pip (或 Python3 的 pip3 ):Ubuntu/Linux 64-bit$ sudo apt-get install python-pip python-devMac OS X$ sudo
2020-05-11 15:25:17
396
原创 【2020最新版命令】Vim命令合集，必看哦
Vim命令合集命令历史以:和/开头的命令都有历史纪录，可以首先键入:或/然后按上下箭头来选择某个历史命令。启动vim在命令行窗口中输入以下命令即可vim 直接启动vimvim filename 打开vim并创建名为filename的文件文件命令打开单个文件vim file同时打开多个文件vim file1 file2 file3 …在vim窗口中打开一个新文件:open file在新窗口中打开文件:split file切换到下一个文件:bn切换到上一个文件:bp查看当
2020-05-11 14:58:07
355
原创 【小白入门】Tmux详细 使用教程
Tmux 是一个终端复用器（terminal multiplexer），非常有用，属于常用的开发工具。本文介绍如何使用 Tmux。一、Tmux 是什么？1.1 会话与进程命令行的典型使用方式是，打开一个终端窗口（terminal window，以下简称"窗口"），在里面输入命令。用户与计算机的这种临时的交互，称为一次"会话"（session） 。会话的一个重要特点是，窗口与其中启动的进程是连在一起的。打开窗口，会话开始；关闭窗口，会话结束，会话内部的进程也会随之终止，不管有没有运行完。一个典型的
2020-05-11 10:32:52
3713
1
原创 决策树⑤——Python代码实现决策树 Decision_tree-python（ID3，C4.5，CART）
Decision_tree-python决策树分类（ID3，C4.5，CART）三种算法的区别如下：(1) ID3算法以信息增益为准则来进行选择划分属性，选择信息增益最大的；(2) C4.5算法先从候选划分属性中找出信息增益高于平均水平的属性，再从中选择增益率最高的；(3) CART算法使用“基尼指数”来选择划分属性，选择基尼值最小的属性作为划分属性.本次实验我的数据集如下所示：共分为四个属性特征：年龄段，有工作，有自己的房子，信贷情况;现根据这四种属性特征来决定是否给予贷款为了方便，我对
2020-05-09 17:50:17
1273
1
原创 【廖雪峰】史上最浅显易懂的Git教程！
文章目录一瞥史上最浅显易懂的Git教程！1.Git简介Git是什么？Git有什么特点？那什么是版本控制系统？2.Git的诞生3.集中式vs分布式4.创建版本库把文件添加到版本库第一步，用命令git add告诉Git，把文件添加到仓库：第二步，用命令git commit告诉Git，把文件提交到仓库：git status and git diff$ git log --pretty=oneline暂存区删除文件远程仓库添加远程仓库史上最浅显易懂的Git教程！为什么要编写这个教程？因为我在学习Git的过程中，
2020-05-09 11:59:22
827
原创 git上传项目到码云(gitee) for mac
第一步：建立本地git仓库cd 到你的本地项目根目录下，执行git命令git init第二步：将本地项目工作区的所有文件添加到暂存区git add . # . 表示所有文件, 如果想添加项目中的指定文件，那就把 . 改为指定文件名即可第三步：将暂存区的文件提交到本地仓库git commit -m "" //冒号里面写注释语句 eg:git commit -m "init pro...
2020-05-07 09:53:26
827
原创 事件抽取模型（基于paddlehub）深度解析
问题描述事件抽取 (Event Extraction, EE)是指从自然语言文本中抽取事件并识别事件类型和事件元素的技术。事件抽取是智能风控、智能投研、舆情监控等人工智能应用的重要技术基础，受到学术界和工业界的广泛关注。事件抽取任务涉及事件句抽取、触发词识别、事件类型判别、论元抽取等复杂技术，具有一定的挑战。环境准备python适用版本 3.7.x（本代码测试时使用依赖见 ./requir...
2020-05-06 18:14:00
2584
3
原创 【leetcode】一维动态规划题目汇总【视频拼接】
视频拼接你将会获得一系列视频片段，这些片段来自于一项持续时长为 T 秒的体育赛事。这些片段可能有所重叠，也可能长度不一。视频片段 clips[i] 都用区间进行表示：开始于 clips[i][0] 并于 clips[i][1] 结束。我们甚至可以对这些片段自由地再剪辑，例如片段 [0, 7] 可以剪切成 [0, 1] + [1, 3] + [3, 7] 三部分。我们需要将这些片段进行再剪辑...
2020-05-05 19:28:01
302
matlab程序非负矩阵分解NMF
2021-03-09
robustcontrol.m
2019-12-10
多目标优化免费NSGA-II代码+详细解释（详见文章）
2019-04-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人