失眠的树的博客

Windows/Linux系统：按Ctrl+Shift+N组合键打开新窗口。

这里需要注意的是，创建完虚拟环境需要先安装llama-parse这个依赖，否则会出现依赖不匹配的错误。

点击“Download files”，把依赖文件下载下来，就是右边的.tra.gz文件。然后解压，就发现存在ordering这个py文件。应该是版本问题，去找个旧一些的版本，重新使用pip 下载合适的版本即可。

【代码】python代码报错：ModuleNotFoundError: No module named ‘docx‘

【代码】Jupyter报错ModuleNotFoundError: No module named ‘altair‘

1.mysql数据表的设计，

使用zip()可以同时迭代多个可迭代对象，如列表、字典。注意：当若干个可迭代对象的长度不相等时，zip()函数会停止在最短的可迭代对象。

我以为是服务器平台的硬件配置问题，但是因为这个代码原来是能够复现出来的，所以应该还是代码的问题。

如果报错“no module named past”,执行下面的命令安装future。2.在main.py中使用tensorboard绘制loss函数图像。把这个地址复制到浏览器就可以看到啦，或者按住ctrl直接点这个地址。3.在训练结束后，在events文件夹中可以看到保存的结果文件。虚拟环境需要安装了tensorboard。打开anaconda，进入虚拟环境中，1.安装tensorboard。

1.因为九天平台默认的cuda版本是10.1，而dgl要求的最低适配的cuda版本是10.2，所有需要自己创建虚拟环境，安装对应版本的cuda。在下面这个链接中查找对应版本的压缩包，下载到本地，传到操作台中。

【代码】报错：DEPRECATION: The default format will switch to columns in the future. You。。。

2.在这个网址上找到python版本、cuda版本、dgl版本都对应的包，复制对应的链接。3.通过wget进行安装，或者直接下载下来拖到服务器上。6.前面是dgl解压的位置，后面是torch的安装位置。5.通过这个命令查看系统中torch的安装位置。1.输入nvcc- V查看CUDA的版本号。7.测试dgl是否安装成功。

在执行python代码之前在neo4j中执行这个命令，清空所有节点。

1.在neo4j的压缩包解压位置找到neo4j.conf文件。新增dbms.activate_database=**.db。再重新neo4j打开网页就进入到新建的数据库中。如果要切换，就把原来的注释掉就可以。

neo4j.bat : 无法将“neo4j.bat”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确 保路径正确，然后再试一次。在环境变量中的，用户变量新增一个，名字是“Neo4j”，值是neo4j的压缩包解压后的路径。cmd用管理员身份打开，或者win11右键点击“在终端打开”。

当参数args.eval_steps的值>0且global_step % args.eval_steps == 0的时候，执行eval_fn方法，结果自己没仔细看给设置成1了，导致陷入死循环（QAQ），跑了一晚上还没出结果，我说日志里面咋一直执行evalation验证操作，都执行好几百次了…注意：使用启智平台填运行参数的时候一定要注意参数的数值，有没有负号。设置参数eval_steps 本来应该是-1.在使用启智平台新建训练任务的时候，

在pycharm中导入自定义的包。

【代码】anaconda安装依赖报错ERROR: Cannot unpack file C:\Users\33659\AppData\Loca...|问题记录。

机器学习中一个常见的任务是通过学习算法，自动发现数据背后的规律，不断改进模型，做出预测。上图的坐标系，横轴表示房子面积，纵轴表示房价，图中的点就是给出的数据。任务是，设计一个算法，让机器能够拟合这些数据，算出直线的参数w一个简单的方法是，先随机选一条过原点的直线，然后计算所有样本点和这条直线的偏离程度，再根据误差大小来调整w的值。

损失函数，用来估量模型的预测值f(x)和真实值y之间的差异。风险函数，是损失函数的期望。f(x)关于训练集的平均损失称为经验风险，为：上面的图中，虽然第三个函数的图像对数据拟合的最好，损失函数最小，但是这并不是最好的。因为它出现过拟合习现象，过度学习历史数据。第一个函数的图像对历史数据拟合的很差，出现欠拟合现象。目标是：不仅要让经验风险最小化，还要让结构风险最小化。∴ 我们最终的优化函数是：损失函数+正则化函数即优化经验风险和结构风险，这个函数被称为目标函数。