![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 55
Zain Lau
深度学习算法工程师
展开
-
Vue Router:如何实现一个前端路由?(上)
小刘总再次回归,今日军工、锂电追高,为中国经济又注入了自己的工资和力量…相信对有一定基础的前端开发工程师来说,路由并不陌生,它最初源于服务端,在服务端中路由描述的是 URL 与处理函数之间的映射关系。而在 Web 前端单页应用 SPA 中,路由描述的是 URL 与视图之间的映射关系,这种映射是单向的,即 URL 变化会引起视图的更新。相比于后端路由,前端路由的好处是无须刷新页面,减轻了服务器的压力,提升了用户体验。目前主流支持单页应用的前端框架,基本都有配套的或第三方的路由系统。相应的,Vue.js原创 2021-12-07 17:22:46 · 1018 阅读 · 0 评论 -
2021-11-02 新征程
跟女朋友分手了,谈恋爱是真的影响我心态啊以后可以专心技术和学习了台湾要回归了我要开始港股打新和外汇资本运作了dy原创 2021-11-02 16:29:05 · 92 阅读 · 0 评论 -
3天带你创造属于自己的深度学习框架(3)
Lesson-03 CapstoneReviewimport numpy as npclass Node: def __init__(self, inputs=[], name=None, is_trainable=True): self.inputs = inputs self.outputs = [] self.name = name self.is_trainable = is_trainable原创 2020-09-10 19:22:20 · 301 阅读 · 0 评论 -
3天带你创造属于自己的深度学习框架(2)
Lesson-02 反向传播 激活函数 图传播的拓扑结构import randomimport numpy as npfrom sklearn.datasets import load_bostonX, y = load_boston()['data'], load_boston()['target']room_index = 5X_rm = X[:, room_index]def loss(y, y_hat): # 如何定义loss函数 好的loss函数 是一个单独的研究方向原创 2020-09-10 19:15:02 · 260 阅读 · 0 评论 -
3天带你创造属于自己的深度学习框架(1)
通过构建线性回归-理解Loss函数-梯度下降与函数拟合Load Datasetfrom sklearn.datasets import load_bostondata = load_boston()X, y = data['data'], data['target']X[1]y[1]X.shapelen(y)%matplotlib inlineimport matplotlib.pyplot as pltplt.scatter(X[:, 5], y)目标:就是要找一个“最原创 2020-09-10 18:58:53 · 421 阅读 · 0 评论 -
model.yolov1.py
#coding:utf-8import torchimport torch.nn as nnimport torch.utils.model_zoo as model_zooimport torch.nn.functional as Fimport mathclass VGG(nn.Module): def __init__(self): super(VGG,self).__init__() # the vgg's layers #self.f原创 2020-07-30 10:10:58 · 146 阅读 · 0 评论 -
model.east.py
import torchimport torch.nn as nnimport torch.utils.model_zoo as model_zooimport torch.nn.functional as Fimport mathcfg = [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M']def make_layers(cfg, batch_norm=Fals原创 2020-07-30 10:06:47 · 152 阅读 · 0 评论 -
CV-YOLOV4训练1
import torchimport torch.nn as nnimport torch.utils.model_zoo as model_zooimport torch.nn.functional as Fimport mathclass VGG(nn.Module): def __init__(self): super(VGG,self).__init__() # the vgg's layers #self.features = feat原创 2020-07-30 10:02:54 · 137 阅读 · 0 评论 -
小刘总——学习总结
这个阶段学习着实有些浮躁了,主要有以下原因:恋爱误人呀,尤其对象太粘人,一直想让你陪着她,确实会影响学习的进度呀,跟她聊天、陪她打游戏还动不动就生气,害的让你哄,之前及时止损了好几次,最后都失败了。以后还是要跟她说好,跟别人跑就跑吧,现阶段内功修炼最重要。最近开课吧的项目实战课都放到了周末,一次三个小时,造成了工作日的大量空白时间,以后还是要规划好这五天时间,最近发现youth上有学习的小屋还不错,去年考研一直听说番茄,最后也没用过几次,今年要好好利用时间呀。买的键盘打字感觉还没有笔记本的键盘舒服,原创 2020-07-28 22:14:28 · 167 阅读 · 0 评论 -
小刘总碎碎念
接上一篇的Typorahttps://www.cnblogs.com/-guz/p/10258557.htmlhttps://zhuanlan.zhihu.com/p/40810821最近一些小杂想:DS_store存储文件夹的显示属性,比如文件图的摆放位置,不是很重要。Ctrl+z撤销并不是只有Photoshop成立,软件通用。Sentinel是阿里开源项目,我有了三天的开课吧的课。聚类分析,物以类聚人以群分。pin针,硬件接口钉。OCR:光学字符识别技术。...原创 2020-07-26 16:30:23 · 114 阅读 · 0 评论 -
又get到一个新markdown编辑器
最近上网课,看到好多老师桌面有这个图标,起初我以为是锤子便签,搜索一通发现并无,机缘巧合下发现这个软件的名字叫Typora。直接上地址:https://pc.qq.com/detail/1/detail_24041.html罗永浩上脱口秀大会了,爷情结,好了,具体说一下这个编辑器怎么玩Markdown最初是一种将文本格式化为标准Web格式HTML的简便方法。它的设计不会过多改变未格式化文本的外观,因此易于阅读。Markdown允许作者给出如何设置文本格式的说明,同时又不那么麻烦,这使Markdo.原创 2020-07-26 15:31:34 · 184 阅读 · 0 评论 -
数据挖掘——金融风控模型之如何制作评分卡
一、探索数据1.1导库/获取数据%matplotlib inline import numpy as np import pandas as pd data = pd.read_csv(r"Acard.csv",index_col=0)#观察数据类型 data.head() #观察数据结构 data.shapedata.info() 1.2 去重复值data.drop_duplicates(inplace=True) data.index = range(data.sha原创 2020-07-26 15:08:37 · 731 阅读 · 1 评论 -
有向图模型与条件独立性
有向图模型——贝叶斯网络1. 有向图对概率模型的表达在上一篇当中,我们曾经遗留了一个问题,即概率图模型将抽象的图赋予了概率的含义,而概率图模型的中心问题就是多维随机变量的联合概率分布 p(x1,x2,x3,...,xp)p(x_1,x_2,x_3,...,x_p)p(x1,x2,x3,...,xp) 的计算,而高维度就是导致链式法则计算的直接原因,由此我们想了很多办法去进行简化。那么在这一篇,我们就基于有向概率图模型来谈谈如何进行联合概率表达式的简化,以及其中的窍门:条件独立性。首先我们来谈原创 2020-07-21 18:58:15 · 1710 阅读 · 2 评论 -
机器学习中的数学:概率图与随机过程
概率图模型导论1. 概率图的最基本含义概率图,从字面上理解就是“概率”+“图”,“概率”指的就是概率模型,在前面的博客里,我们介绍了一些非常基础的概率模型,我们发现把概率引入到机器学习的世界里是一件非常自然的事情,这样我们就能够实现对已有的数据进行聚类(例如混合高斯模型),或者对未知的数据进行预判(例如朴素贝叶斯、逻辑回归等),这是机器学习的核心思想。“图”和我们在数据结构中学习过的图是一个意思,它包含了有向图、无向图。对上述的图结构赋予概率的内涵,即将概率嵌入到图结构当中,形成概率图模型。这么干,原创 2020-07-21 18:47:27 · 1242 阅读 · 0 评论 -
小刘总KKB之python数据结构(一)
栈的python实现# 创建class Stack# python ???? stack class Stack: # 初始化栈 def __init__(self): self.items = [] # 判断栈是否为空 def isEmpty(self): return self.items == [] # True False# [1,2,3,4] append # 入栈 def push(self, ite原创 2020-07-21 15:46:39 · 258 阅读 · 0 评论 -
小刘总Windows转Mac
从小就听说Mac的系统比Windows要强一万倍,当时大二买了台Mac用了一下极其不称手,随着学校任务越来越重,慢慢的Mac就积灰了,我的老联想一直用到了大四毕业,论文提交审核通过后,又捡起了两年没用过的Mac,过了两年,心态不一样了,再码更是别有一番韵味。Mac下载anaconda的时候老提示我安装包损坏,后来才知道Mac不能下载外部来源的软件,需要????设置一下,终端输入sudo spctl --master-disable总共只有俩空格,不要多输。这样就允许安装任何来源的软件了。Mac基本原创 2020-07-20 14:06:36 · 205 阅读 · 0 评论 -
Python实现淘宝直播自动点赞与抽奖
最近入了直播抽奖的坑,而且中了不少奖,薅羊毛事后一时爽,天天刷火葬场。于是想到用Python自动监控,直播福利是以抽奖为形式的,粉丝们在互动区疯狂发送关键字,主播随机截图,并给在截图中的粉丝送出福利。这个过程需要粉丝疯狂的点赞,以及实时盯着屏幕以防什么时候开始刷屏抽奖。如果全程亲自操作,依靠自己手动点击的话,不能解放双手,是非常拉底做事效率的。如果依靠自己盯着屏幕看,也是非常原始的做法。所以,如果能有一个自动点赞+自动窥屏的外挂将会让我们在薅羊毛的路上满载而归。鉴于之前已经有同学实现了自动挖掘抖音美女原创 2020-07-06 16:04:00 · 6336 阅读 · 6 评论 -
# 使用Prophet预测manning未来365天的页面流量
# 从2007年12月10日开始import pandas as pdfrom fbprophet import Prophetimport matplotlib.pyplot as plt%matplotlib inline# 读入数据集df = pd.read_csv('./manning.csv')#print(df.head())#print(df.tail())# 拟合模型model = Prophet()model.fit(df)# 构建待预测日期数据框,period原创 2020-07-02 00:02:21 · 251 阅读 · 0 评论 -
Market_Basket_Apriori
!pip install efficient_aprioriimport pandas as pdimport numpy as npfrom efficient_apriori import apriori# 数据加载dataset = pd.read_csv('./Market_Basket_Optimisation.csv', header=None)print(dataset.shape) print(transcations)# 将数据存放到transactions中t原创 2020-07-01 02:22:19 · 433 阅读 · 0 评论 -
Lecture-02-Search-Policy-and-Simple-Machine-Learning
问题描述大家好,我们在用 networkx 显示中文的时候,会发现不能显示中文。解决办法下载Github仓库中的字体SimHei.ttf;在 jupyter notebook 中执行import matplotlibprint(matplotlib.__path__)找到 matplotlib 的路径,然后 cd 到这个路径。 cd 到这个路径之后,继续 cd,cd 到 mpl-data/fonts/ttf 这个路径。 然后把 DejaVuSans.ttf 这个文件换成我们刚刚下在的文件原创 2020-07-01 02:15:53 · 179 阅读 · 0 评论 -
小刘总--机器学习(深度优先算法)
Lesson-02深度优先与广度优先爬虫的原理机器学习的原理OOV ?Out of VocabularyLambdaimport random"""adj* => adj* adj | adj null"""def adj(): return random.choice('蓝色的 | 好看的 | 小小的'.split('|')).split()[0]give_adjs = lambda : adj() + adj_star_2()give_null = lambda原创 2020-07-01 02:04:43 · 406 阅读 · 0 评论 -
lesson-01-course-code
import randomsentence = """句子 = 主 谓 宾主 = 你 | 我 | 他谓 = 吃 | 喝宾 = 橘子 | 汽水 | 茶"""input: 根据这个语法定语,能够生成句子def sentence(): return 主语() + 谓语() + 宾语()def 主语(): return random.choice('你 | 我 | 他'.split('|'))def 谓语(): return random.choice('吃原创 2020-07-01 01:53:58 · 227 阅读 · 0 评论 -
Lecture-01-Syntax-Tree-and-Language-Model
Lesson-01 AI Introduction: Syntax Tree and Probability Model如果给定一个语法,我们怎么生成语法呢?import randomsentence = """句子 = 主 谓 宾主 = 你 | 我 | 他"""two_number = """num* => num num* | numnum => 0 | 1 | 2 | 3 | 4 """def two_num(): return num() + num()原创 2020-07-01 01:33:23 · 149 阅读 · 0 评论 -
LR 手写数字识别课堂代码复现
from sklearn.model_selection import train_test_splitfrom sklearn import preprocessingfrom sklearn.metrics import accuracy_scorefrom sklearn.datasets import load_digitsfrom sklearn.svm import SVCimport matplotlib as pltfrom sklearn.metrics import conf原创 2020-07-01 01:27:19 · 220 阅读 · 0 评论 -
CART 算法手写数字识别
from sklearn.model_selection import train_test_splitfrom sklearn import preprocessingfrom sklearn.metrics import accuracy_scorefrom sklearn.datasets import load_digitsfrom sklearn.svm import SVCimport matplotlib as pltfrom sklearn.metrics import conf原创 2020-07-01 01:22:22 · 411 阅读 · 0 评论 -
lesson-03-多维向量版本 (1)
import numpy as npimport randomclass Node: def __init__(self, inputs=[]): self.inputs = inputs self.outputs = [] for n in self.inputs: n.outputs.append(self) # set 'self' node as inbound_nodes's outbo原创 2020-06-30 23:11:52 · 170 阅读 · 0 评论 -
Lesson-03-Create-Neural-Framework (1)
今天整个猛的!BREAK SENTENCE BY YOURSELF!!!class Node: def __init__(self, inputs=[], name=None, is_trainable=True): self.inputs = inputs self.outputs = [] self.name = name self.is_trainable = is_trainable for原创 2020-06-30 23:02:40 · 99 阅读 · 0 评论 -
小刘总学AI¥¥ Lesson-01 通过构建线性回归-理解Loss函数-梯度下降与函数拟合
Load Datasetfrom sklearn.datasets import load_bostondata = load_boston()X, y = data['data'], data['target']X, y = data['data'], data['target']X[1]y[1]X.shapelen(y)%matplotlib inlineimport matplotlib.pyplot as pltplt.scatter(X[:, 5], y)原创 2020-06-30 22:53:52 · 242 阅读 · 0 评论 -
Lesson-01 通过构建线性回归-理解Loss函数-梯度下降与函数拟合
Load Datasetfrom sklearn.datasets import load_bostondata = load_boston()X, y = data['data'], data['target']X[1]y[1]X.shapelen(y)%matplotlib inlineimport matplotlib.pyplot as pltplt.scatter(X[:, 5], y)目标:就是要找一个“最佳”的直线,来拟合卧室和房价的关系import原创 2020-06-30 22:37:51 · 220 阅读 · 0 评论 -
文科生都能看懂的设计模式
单例模式:你是我生命的唯一【故事剧情】爱情是每一个都渴望的,Tony 也是一样!自从毕业后,Tony 就一直没再谈过恋爱,离上一次的初恋也已经过去两年。一个巧合的机会,Tony 终于遇上了自己的喜欢的人,她叫 Jenny,有一头长发,天生爱笑、声音甜美、性格温和……作为一个程序员的 Tony,直男癌的症状也很明显:天生木讷、不善言辞。Tony 自然不敢正面表白,但他也有自己的方式,以一种传统书信的方式,展开了一场暗流涌动的追求……经历了一次次屡战屡败,屡败屡战的追求之后,Tony 和 Jenny 终于原创 2020-05-21 18:25:28 · 226 阅读 · 5 评论 -
编译器的前端工具(一)
编译器前端工具有很多,比如 Lex(以及 GNU 的版本 Flex)、Yacc(以及 GNU 的版本 Bison)、JavaCC 等等。你可能会问了:“那为什么我学Antlr,不选别的工具呢?”主要有两个原因:第一个原因是 Antlr 能支持更广泛的目标语言,包括 Java、C#、JavaScript、Python、Go、C++、Swift。无论你用上面哪种语言,都可以用它生成词法和语法分析的功能。而我们就使用它生成了 Java 语言和 C++ 语言两个版本的代码。第二个原因是 Antlr 的语法更加原创 2020-05-20 14:04:20 · 857 阅读 · 0 评论 -
小刘总爬虫
学习爬虫,最基础的便是模拟浏览器向服务器发出请求,那么我们需要从什么地方做起呢?请求需要我们自己来构造吗?需要关心请求这个数据结构的实现吗?需要了解 HTTP、TCP、IP 层的网络传输通信吗?需要知道服务器的响应和应答原理吗?可能你无从下手,不过不用担心,Python 的强大之处就是提供了功能齐全的类库来帮助我们完成这些请求。利用 Python 现有的库我们可以非常方便地实现网络请求的模拟,常见的库有 urllib、requests 等。拿 requests 这个库来说,有了它,我们只需要关心请求的链原创 2020-05-20 00:08:06 · 144 阅读 · 0 评论 -
编译器的前端技术
编译器的“前端”技术分为词法分析、语法分析和语义分析三个部分。而它主要涉及自动机和形式语言方面的基础的计算理论。词法分析是把程序分割成一个个 Token 的过程,可以通过构造有限自动机来实现。语法分析是把程序的结构识别出来,并形成一棵便于由计算机处理的抽象语法树。可以用递归下降的算法来实现。语义分析是消除语义模糊,生成一些属性信息,让计算机能够依据这些信息生成目标代码。附:网盘里10280G的资源拿出来晒晒太阳,涉及计算机前端、后端、算法、AI、平面设计、雅思、数据分析、挖掘、考研等等之前和原创 2020-05-19 23:46:46 · 1016 阅读 · 2 评论 -
周某打家劫舍问题
窃-格瓦拉计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被周某闯入,系统会自动报警。给定一个代表每个房屋存放金额的非负整数数组,计算你在不触动警报装置的情况下,能够偷窃到的最高金额。示例 1:输入: [1,2,3,1]输出: 4解释: 偷窃 1 号房屋 (金额 = 1) ,然后偷窃 3 号房屋 (金额 = 3)。 偷窃到的最高金额 = 1 + 3 = 4 。示例 2:输入: [2,7,9,3,原创 2020-05-17 23:39:52 · 84 阅读 · 1 评论 -
死磕动态规划
“一个模型三个特征”理论讲解什么样的问题适合用动态规划来解决呢?换句话说,动态规划能解决的问题有什么规律可循呢?实际上,动态规划作为一个非常成熟的算法思想,很多人对此已经做了非常全面的总结。我把这部分理论总结为“一个模型三个特征”。首先,我们来看,什么是“一个模型”?它指的是动态规划适合解决的问题的模型。我把这个模型定义为“多阶段决策最优解模型”。下面我具体来给你讲讲。我们一般是用动态规划来解决最优问题。而解决问题的过程,需要经历多个决策阶段。每个决策阶段都对应着一组状态。然后我们寻找一组决策序列,经过原创 2020-05-16 13:07:22 · 112 阅读 · 0 评论 -
小刘盲拆动态规划
最大子序和给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。示例:输入: [-2,1,-3,4,-1,2,1,-5,4],输出: 6解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。进阶:如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的分治法求解。python实现:class Solution(object): def maxSubArray(self, nums): if not nums原创 2020-05-16 02:14:24 · 141 阅读 · 1 评论 -
简单的回归分析
最近在看慕课上北大开的数据结构和算法Python版,老师讲的深入浅出,我会不断输出课上的心得体会,与大家共同讨论,共同进步。Python算法之回归分析回归分析是一种用于数据分类的回归模型。这个模型非常简单,事实上,它是一个线性分类器。无论如何,当你想要去探索你的数据的时候,这是一个很好的出发点。很容易编程,完全可以速成。且模型是解释性的模型,也就是说模型将告诉你每个特性对因变量的影响。绿色和蓝色-正确的分类 红色-错误分类首先,输入的数据可以通过多项式特征手动扩原创 2020-05-09 12:33:55 · 533 阅读 · 0 评论