weixin_52120741的博客

原创 github中下载zip后，本地仓库如何与github上的项目相关联

有时候网速问题，git clone 太慢，就直接下载zip文件，然后再进行关联。3、在GitHub desktops 中添加刚刚的文件夹，就可以完成更新。1、下载zip，解压，把文件夹名称中-main去掉。

原创 pydot、graphviz绘制模型拓扑结构

【目标】采用pydot、pydot-ng、pydotplus和graphviz绘制模型拓扑结构。尝试了网上各种办法，修改文件啥的，还是不行。现在把我这边work的方案分享一下。安装好之后，配置环境变量很重要。

原创 从头训练、采用预训练模型这两种方法在图像分类上的实践

参考书籍《Python深度学习》Chapter 5《深度学习用于计算机视觉》

原创 使用 kaggle api 实现 kaggle 数据快速下载

1：直接浏览器下载，较慢，不推荐。本文重点介绍。详情可以？中点进去了解。

原创 pip install tensorflow-gpu 报错

查阅官网后可知，2.12.0的包已经被删除掉了。

原创 docker + miniconda + python 环境安装与迁移（简化版）

2、在本地环境中，创建容器，复制环境+代码到docker的容器中。三、环境+代码迁移及测试（重点）略过，参见详细版or其他教程。略过，参见详细版or其他教程。

原创 github 仓库 修改开源协议

然后commit到你想要的主干或者分支就可以了。记录一下如何修改协议。

原创 docker + miniconda + python 环境安装与迁移（详细版）

一、docker 安装和测试。

原创 open-mmlab的mmdetection使用总结

使用总结如下：环境安装配置见官方教程，如果在jupyter-notebook里，只要在mim前加上！

原创 opencv-python cv2读写视频，灰度图像视频保存

虽然这个问题实在是因为自己太粗心了，卡了好一会儿，但还是希望帮到和我类似问题的童鞋！保存出来的视频只有1KB，或者6KB，读取生成的视频发现根本没有数据进来。网上说是因为宽度和高度互相换了，尝试之后发现并没有改变什么。给定视频路径，输出三维数组，宽度，高度，帧率，帧数。给定三维数组，保存成视频。

原创 pycharm 中package, directory, sources root, resources root的区别

用于应用程序中的资源文件（图像、各种配置XML和属性文件等）。在构建过程中，资源文件夹的所有内容都复制到输出文件夹中。导入yolov5中有utils文件，自己的代码中也有utils文件，使得yolov5中的这部分引用出错了。Dictionary在pycharm中是一个文件夹，放置资源文件等，该文件夹其中并。指定一个文件夹，你告诉IntelliJ IDEA，这个文件夹及其子文件夹中包含的。，因此能够通过from。，yolov5是github上拉取的源码，，可以编译为构建过程的一部分。

原创 Linux 安装 cuda

输入进入cuda toolkit官网，可以正确输出了。

原创 自己制作egg程序包

生成egg

原创 Transformer 关键点理解

注意力机制embeddingencoder-decoder 结构position encoding

原创 远程服务器之间互相拷贝文件

在1.txt存在的linux系统里，输入上述命令，将1.txt传输到另外一台服务器里。scp -r 当前主机 目标主机。

原创 将远程服务器linux上的jupyter notebook映射到本地浏览器中

服务器上， 出现token=。。。, 复制。。。这部分mobaXterm可以连接远程服务器了* 用从cmd中ssh -L。。。去链接，报错perssion denied，所以还是选择mobaXterm方便。

原创 conda安装新环境命令404

Q：conda安装新环境命令404 conda create -n tf -y python=3.5 Solution:修改.condarc文件成，即可成功创建环境 channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/ - https://mirrors.tuna...

原创 模型评估篇

用什么方法来衡量这个“效果”呢？应该如何根据效果评估的结果来更新模型呢？1、离线评估离线评估的主要方法：Holdout 检验、交叉检验、自助法、时间切割、离线 Replay2、评估指标低阶评估指标：准确率、精确率与召回率、对数损失、均方根误差高阶评估指标：P-R 曲线、ROC 曲线、平均精度均值...

原创 win10 + Docker + Tensorflow Serving部署

1、安装docker for windowshttps://www.runoob.com/docker/windows-docker-install.html2、拉取最新版镜像annaconda prompt中，或者win+x找到Windows Powershell中，输入：docker pull tensorflow/serving3、从github获取服务仓库annaconda prompt中，或者win+x找到Windows Powershell中，输入：git clo

原创 机器学习实践 4 朴素贝叶斯

解决后发现自己这个问题太傻了，不过为了提醒万一有和我一样犯傻的同学，权当记录。问题：numWords = len(array(trainMatrix[0]))IndexError: index 0 is out of bounds for axis 0 with size 0尝试：已经按照网上的尝试，加array，但是怎么都消不掉这个bug，仍报错。index 0 is out of bounds for axis 0 with size 0最终找到原因：因为自

原创 推荐模型篇

1、协同过滤、矩阵分解（稀疏矩阵✓）用户作为矩阵行坐标，物品作为列坐标 计算用户相似度 >> top N个相似用户 每个用户对应的行向量其实就可以当作一个用户的 Embedding 向量，“余弦相似度” 用户评分的预测 >> 根据预测得分进行排序后输出 在获得 Top n 个相似用户之后，利用 Top n 用户生成最终的用户 u 对物...

原创 线上服务篇

1、线上服务总之，“负载均衡”提升服务能力，“缓存”降低服务压力，“服务降级”机制保证故障时刻的服务不崩溃，压力不传导，这三点可以看成是一个成熟稳定的高并发推荐服务的基石。2、存储模块离线的特征数据是如何导入到线上让推荐服务器使用的呢？把特征的存储做成分级存储，把越频繁访问的数据放到越快的数据库甚至缓存中，把海量的全量数据放到便宜但是查询速度较慢的数据库中。使用基础的文件系统保存全量的离线特征和模型数据，用 Redis 保存线上所需特征和模型数据，使用服务器内存缓存频繁访..

原创 特征工程篇

1、构建特征工程的原则（保留有用信息，摒弃冗余信息）2、 推荐系统中的常用特征1）. 用户行为数据（显性反馈行为、隐性反馈行为）（人-物）2）. 用户关系数据（人-人）3）. 属性、标签类数据（Multi-hot 编码、embedding）属性和标签的主体可以是用户，也可以是物品4）. 内容类数据（CV、NLP、Multi-hot 编码、embedding）相比标签类特征，内容类数据往往是大段的描述型文字、图片，甚至视频。需要...

原创 基础架构篇

1、推荐系统要解决的根本问题是什么？在“信息过载”的情况下，用户如何高效获取感兴趣的信息。2、深度学习到底给推荐系统带来了什么革命性的影响？1）因为深度学习复杂的模型结构，让深度学习模型具备了理论上拟合任何函数的能力。2）让深度学习模型的神经网络模拟很多用户兴趣的变迁过程，甚至用户做出决定的思考过程。3、深度学习推荐系统的技术架构...

原创 第二章 连续系统的时域分析

5、 LIT连续系统的描述二阶系统不能画成三阶，因此引入辅助函数自己手推一遍只可能由产生的，若是产生的，则右边还应该有所以说在t=0时刻，有突变，所以且同时why？加入不相等，则里会有delta，但是现在里没有delta，所以是相等的6、LIT连续系统的响应...

原创 推荐系统 学习笔记（5）项目系统设计

一、项目框架二、数据源解析

原创 推荐系统 学习笔记（4）推荐系统算法详解

二、基于内容的推荐算法三、特征工程（1）四、特征工程（2）

原创 推荐系统学习笔记（3）-线性回归(代码待完善)

原创 推荐系统 学习笔记（2）机器学习概述

经验风险最小化 vs 结构风险最小化（正则化）

原创 推荐系统 学习笔记（1）推荐系统概述

原创 第一章 信号与系统概述

本课程的三个关键问题：基本信号及其响应 任意信号的分解 LTI系统分析将任意信号分解成基本信号，再合成。将f(t)输入LTI中，求解输出的y(t)=?

原创 NumPy（2）数据存取与函数

一、CSV文件存取二、多维数据的存储三、随机数函数四、统计函数五、梯度函数六、小结

原创 NumPy库(1) 入门

掌握表示、清洗、统计和展示数据的能力一、数据的维度（一组数据的组织形式）列表：数据类型可相同，可不同数组：数据类型相同二、数组对象ndarray三、ndarray数组的创建和变换四、数组的操作不含终止编号[start，end，step]，[start, end)多维的时候，a[0,1,2]：第一个维度上的第0号元素，第2个维度上的第1号元素，第3个维度上的...

原创 Pandas(2) 数据特征分析

pandas通过对索引的操作来实现对数据的操作一、数据的排序二、数据的基本统计分析​三、累计统计分析四、数据的相关分析如何统计相关性？协方差描述“相关性” 更精确的公式和方法：Pearson相关系数实例：房价增幅与M2增幅的相关性import pandas as pdimport numpy as nphprice = pd.Series([3.04,22.93,12.75,22.6,12.33],in...

原创 Pandas（1）入门

解决了两个问题：提供了 高效的数据类型、数据分析的操作一、库的介绍为数据的应用，建立起数据和索引之间的关系二、Series类型从标量值创建从字典类型创建从ndarray类型创建Series类型可以看作是“索引 + 值”的数据，对它的切片和运算，都会生成series；当选择一个索引时，输出的是一个值了。三、DataFrame类型四、数据类型操作...

原创 Matplotlib库（3）引力波绘制

import numpy as npimport matplotlib.pyplot as pltfrom scipy.io import wavfilerate_h,hstrain = wavfile.read("H1_Strain.wav","rb")rate_l,lstrain = wavfile.read("L1_Strain.wav","rb")reftime,ref_H1 = np.genfromtxt("wf_template.txt").transpose()htime...

原创 Matplotlib库（2）基础绘图函数

核心：拿到数据后，如何选择合适的图形绘制方法来展示数据（经验）一、概述二、饼图 （百分数类型的数据）plt.pie()import matplotlib.pyplot as pltlabels = 'Frogs','Hogs','Dogs','Logs'sizes = [15,30,45,10]explode = (0,0.1,0,0)plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',..

原创 Matplotlib库（1）入门

一、库的介绍Matplotlib是优秀的数据可视化第三方库二、plot()函数三、pyplot的中文显示

原创 第8周 game

记录一下~#game.pyfrom random import randomdef printIntro(): print("这个程序模拟两个选手A和B的某种竞技比赛") print("程序运行需要A和B的能力值(以0到1之间的小数表示)")def getInputs(): a = eval(input("请输入选手A的能力值(0-1):")) b = eval(input("请输入选手B的能力值(0-1):")) n = eval(input("模拟

原创 第8周 数字的鲁棒输入

数字的鲁棒输入描述获得用户输入的一个数字，可能是浮点数或复数，如果是整数仅接收十进制形式，且只能是数字。对输入数字进行平方运算，输出结果。‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬要求：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬