frog77

原创 大学生涯总结

今天来点大家不想看的东西

原创 2022年终废话

年终废话

原创 概率论做题笔记

四五章

原创 操作系统复习

虽然有笔记但是思维导图应该更适合这门课吧。原文件放在github上。

原创 intel(r)wireless-ac9462无法正常运行

一大早发现不能正常连wifi了 装了一会驱动 但是最后发现是静电问题。比较合理的方法如下 按照代价排序a.重启b.断掉电脑所有的物理接口(USB,typec,hdmi,3.5mm…etc)长按电源键30s左右，可以参照释放静电的方法。c.设置中搜索设备管理器找到ac9462 出错时一般会有感叹号卸载设备安装驱动传送门再重启此外还注意到有因为采用省电模式而导致网卡被禁用的还有些禁用设备再启用的玄学手段也有回退驱动版本的方法手动查找据说也能解决一些问题d.重装系统

原创 使用flask和h5搭建网站/应用的简要步骤

在 传送门 的基础上，做一些修改、加了一些功能。之前很早就想试试自己全栈做一个网站 算是补齐了一些知识。简单地描述一下开发页面的过程。使用了mdui1.先规划好页面最开始想找个accept相关的图标 但是发现accessible用上去更有趣题目列表可以通过在特定模块添加代码的方式实现 很有趣像这样document.getElementById('plists').innerHTML += "<a href='/group?id="+String(i+(pro_id-1)*15)+"'

原创 聊天机器人(获取语料+聚类处理)

sentenceBert+kmeans

原创 傻瓜式简单vue-cli+vant项目搭建

如果你和我一样从来没做过前端开发，只能看懂一点点html和css，且几乎完全不懂vue.js 这篇文章可以给你补充一点最基本的概念，还有一点最基础的写法。写前端代码出不来效果真是非常折磨人的事情这里用一个简单的用vant做的界面为例0.准备部分0.1 vant 安装传送门要注意 如果用vue-cli 还需要在 babel.config.js 添加东西0.2 怎么使用vue项目？不需要额外做一个html文件。直接npm run serve即可，根据给出的链接1.如何开始？假定已经建立

原创 高数做题笔记

基础部分完结

原创 绕过sudo安装pytorch(GPU)

最近几天走了n多弯路 大概做一下总结1.如果是n卡的话就nvidia-smi 看一下driver版本根据driver版本再选择cuda版本(学校的没有公用cuda 装了几次新版才发现这个问题具体版本的下载地址百度/Google一下都能找到因为没有sudo 所以要把路径都放到自己的文件夹里 也不要尝试写入自己以外的空间用nvcc -V检测安装情况2.装好了cuda之后对照着自己的情况找对应的包传送门1有时候下载太慢或者没有对应的版本 可以自己下载了再传过去 pip install xxx.

原创 用bert实现的智障chatbot

下面的方法只是一个例子 如果想实现的话需要：-1.训练好的BERT模型0.用于finetune的问答语料1.查找相似度 选出与问题相似度最高的参与匹配2.控制start和end的前提下找到最大值 也许求和是个办法？n^2的时间复杂度或许也是可接受的？from transformers import BertForQuestionAnsweringfrom transformers import BertTokenizerimport torchCHINESEBERT_PATH = "Chin

原创 绕过sudo安装python(conda)

学校服务器没有python3yum命令需要sudo 然而权限不够1.传送门找到合适的链接，服务器下载速度太慢 就本地下好了ftp过去2.bash Anaconda3-2021.11-Linux-x86_64.sh 一路yes3.source ~/.bashrc这个时候就能看到用户名前的(base)了因为conda本身自带python3 就解决问题了下次再使用的时候 conda activate base 就行了（另外 conda换了源也会卡Collecting package metada

原创 线性代数做题笔记

基础部分完结

原创 读论文_ChineseBert

最近找资料发现了一个很有趣的bert 融合了偏旁和拼音 据文章说效果还不错传送门根据之前的习惯 先测测余弦相似度from datasets.bert_dataset import BertDatasetfrom models.modeling_glycebert import GlyceBertModelfrom sklearn.metrics.pairwise import cosine_similarityimport torchimport numpyCHINESEBERT_PATH

原创 BERT求古诗文本相似度

大概学了原理，简单实践一下发现了一些问题：1.对于不同长度的诗句可能要用0来补齐向量长度2.直接用两个句子的last_hidden_state向量计算余弦相似度时会报梯度相关的错误 不能计算。不很懂为什么。用的是BERT-CCPoem 传送门参考了 传送门 虽然不是中文的bert 但是基本的原理差不多，有些类型转换的细节要改一改from transformers import BertModel,BertTokenizerimport torchimport numpyfrom sklea

原创 tensorflow训练cnn(nndl_exercise5)

识别mnist数字数据集最开始根据nndl_exercise5的思路写 题目用tensorflow1写的，结果有一堆bug要调，最后做出来的东西虽然能跑，但是accuracy一直卡0.0987(正好差不多是随机猜一个数的概率) 大胆推测是输入数据时的尺寸大小没调节好，所以训练根本没效果，也没有过拟合(逃网上比较流行一开始就降维的写法 连官方都是一开始就摊平 传送门最后的代码就放在这里吧import tensorflow as tfimport tensorflow.python.keras.lay

原创 找出文本的关键词

这几天复现了一篇论文 跟着写下来感觉还不错词向量聚类加权textrank 原作者是夏天原作者github但是原作者是用java写的import gensimimport matplotlib.pyplot as pltimport numpy as npimport jiebaimport networkx as nxfrom sklearn.metrics.pairwise import cosine_similarityfrom sklearn.cluster import KMea

原创 kmeans聚类折点

先用word2vec做embedding 默认字典里没有的词是零向量 然后找出最适合的簇数量文本是用废话生成器做出来的 主题是中午吃什么hhhimport gensimimport matplotlib.pyplot as pltimport numpy as npimport jiebaimport networkx as nxfrom sklearn.metrics.pairwise import cosine_similarityfrom sklearn.cluster import

原创 word2vec+textrank找到文本关键句

目前的效果比较呆 还不是很好用试着边学边改吧import gensimimport numpy as npimport jiebaimport networkx as nxfrom sklearn.metrics.pairwise import cosine_similarity#使用维基百科语料库训练'''大致过程：清洗数据 jieba分词 CBOW模型 维度100 窗口5 简单试了几个词的距离 效果只能说一般'''FILE_PA

原创 学习笔记_核技巧(kernel trick)和SMO

在分类问题是非线性的时候，就可以使用利用核技巧的非线性的方法参考书目《统计学习方法》这里有非常多的泛函的内容，但是我不会TAT，就试着跳过部分知识总结看看。比较感性的理解。想要完全理解核函数，还是要去补上泛函的内容的，但是目前还不想…KERNAL    TRICK\mathcal{KERNAL\ \ \ \ TRICK}KERNAL    TRICK核技巧可以把低维空间和高维空间连接起来设原空间X⊂R2,x=(x

原创 学习笔记_拉格朗日对偶性(Lagrange duality)

最近打算把svm过一遍，结果发现已经把拉格朗日对偶性忘个差不多了(也许当时也没学会)，试着总结一下。主要参考书目《统计学习方法》参考了的文章浅谈最优化问题的KKT条件拉格朗日乘子法证明不太会latex排版 式子可能会很丑get started \mathfrak{get\ started\ }get started 0.学习前需要知道的知识a.等式约束优化问题minf(x1,x2,...,xn)minf(x_1,x_2,...,x_n)m

原创 150h速成软件工程

完结撒花！这书怎么这么厚

原创 检测视频有没有被剪辑

原来选题叫队友坑了新的题目好像非常简单！

原创 15小时速成服务外包概论

15h速成(大概

原创 超简单的turtle圣诞树

很丑

原创 bestfit算法实现主存的分配与回收

本来想用二分来写 用vector调整边界时遇到了点麻烦改成了很线性的方法 很好懂(//cyc#pragma GCC optimize("Ofast")#pragma GCC target("avx,avx2,fma")#pragma GCC optimization ("unroll-loops")#include<bits/stdc++.h>#define rep(i,a,n) for(int i=a;i<=n;i++)#define per(i,a,n) for(int

原创 操作系统知识点总结

加了一些之前没有的点 还有一些错题Chapter 2Chapter\ 2Chapter 2Chapter 3Chapter\ 3Chapter 3Chapter 4Chapter\ 4Chapter 4

原创 数据库知识总结

原创 编译原理知识总结

完结撒花~

原创 ビリビリ弹幕コレクター

ビリビリ動画~

原创 nndl_excerise4

得开始期末预习了 下次练习不知道是什么时候了准备数据import osimport numpy as npimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layers, optimizers, datasetsos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # or any {'0', '1', '2'}def mnist_dataset()

原创 nndl_exercise3_2

Softmax Regression Example生成数据集， 看明白即可无需填写代码‘+’ 从高斯分布采样 (X, Y) ~ N(3, 6, 1, 1, 0).‘o’ 从高斯分布采样 (X, Y) ~ N(6, 3, 1, 1, 0)‘*’ 从高斯分布采样 (X, Y) ~ N(7, 7, 1, 1, 0)import tensorflow as tfimport matplotlib.pyplot as pltfrom matplotlib import animation, rc

原创 nndl_exercise3_1

Logistic Regression Example生成数据集， 看明白即可无需填写代码‘+’ 从高斯分布采样 (X, Y) ~ N(3, 6, 1, 1, 0).‘o’ 从高斯分布采样 (X, Y) ~ N(6, 3, 1, 1, 0)import tensorflow as tfimport matplotlib.pyplot as pltfrom matplotlib import animation, rcfrom IPython.display import HTMLimpor

原创 nndl_exercise2

说明请按照填空顺序编号分别完成 参数优化，不同基函数的实现import numpy as npimport matplotlib.pyplot as pltdef load_data(filename): """载入数据。""" xys = [] with open(filename, 'r') as f: for line in f: xys.append(map(float, line.strip().split()))#分割 去除

原创 nndl_exercise1

numpy 练习题numpy 的array操作1.导入numpy库import numpy as np2.建立一个一维数组 a 初始化为[4,5,6], (1)输出a 的类型（type）(2)输出a的各维度的大小（shape）(3)输出 a的第一个元素（值为4）a=np.array([4,5,6])a[0]43.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]] (1)输出各维度的大小（shape）(2)输出 b(0,0)，b(0,1),b(1,1) 这三个元

原创 操作系统实验_超简易的文件系统

模仿了linux的风格QAQ

原创 编译原理_实验二 递归下降语法分析器的构建

书上的算法很麻烦 转化成语法树又要费工夫干脆用dfs搞了 用括号来分割区间 缺陷就是必须每个字母都有括号 然而加个括号大概是不碍事的(（问就是处理的时候再都给加上）简单证明：因为所有的元素都是带括号的 因此可以看作是list型 那么只需要再讨论把里面的lexp-seq变成atom就行了hhh 好好的实验怎么做成了一道implementation呢//cyc#include<bits/stdc++.h>using namespace std;/* 空を眺めると そこに

原创 游记_2021icpc济南

之前说着退役了 结果又打了一场开始做图论签到题的时候盲猜了从子节点多的分支dfs的想法（后来证实根本没必要），因为紧张写的比较慢，读题以为是单向边，结果没过。和队友讨论之后又重写，始终没注意到双向边的问题，这种错误居然就卡了我们非常久。剩下的三分和组合数都有点思路，但是我们没能完全做出来。经历了沈阳的铁首，其实什么比赛结果都能接受了，心态也没受什么打击。今后如果有机会还能打的话，再打几场也无妨。在复健期间做题很快乐，每周打打atcoder也是比较愉快的。无论怎样，学习和生活也还要继续，一直消沉下去是

原创 abc226E - Just one

差一点就做出来了 然而读题不太仔细…要求是只有1个向外的边 最简单的方法就是遍历一个子图，检查它的度数和还有点的数量，如果度数是点数量的二倍，就可以达到要求。很直觉的题//cyc#pragma GCC optimize("Ofast")#pragma GCC target("avx,avx2,fma")#pragma GCC optimization ("unroll-loops")#include<bits/stdc++.h>#define rep(i,a,n) for(int

原创 CF540D. Bad Luck Island

非常明显的概率dp唯一要注意的就是n个里遇到m种类不是单纯的个数(m)/n信心题//cyc#pragma GCC optimize("Ofast")#pragma GCC target("avx,avx2,fma")#pragma GCC optimization ("unroll-loops")#include<bits/stdc++.h>#define rep(i,a,n) for(int i=a;i<=n;i++)#define per(i,a,n) for(int