weixin_59191887的博客

原创 在 JavaScript 中，如何给js对象增加新的属性和值

点符号用来添加对象的属性，只能用于已知的、固定的属性名。也就是说，属性名必须是一个有效的标识符（不是变量），在编写代码时就已经确定。方括号符号则允许使用动态的属性名，即可以使用变量作为属性名。这意味着可以在运行时根据变量的值来添加或访问对象的属性。

原创 echarts渲染graph关系图，节点数少的情况，不显示连接边

echarts渲染graph关系图，当节点数目很少的时候，节点之间的连接边不显示，节点们只是聚集在一起，节点之间有空隙，但是没有连线，我拖拽节点，也没有边。节点数据的id字段改为字符串类型，不要用int。还有边数据的source,target也要改成字符串类型。

原创 nvm for wins下载地方

https://github.com/coreybutler/nvm-windows

原创 力扣226.翻转二叉树101.对称二叉树

左子树/右子树是否具备某属性、是否属于什么类型（和题目要求的判断当前树是否xxx一样）；对左/右子树进行什么操作（和题目要求的对当前树的操作一样）。

原创 二叉树的前中后序遍历（递归+迭代）

【代码】二叉树的前中后序遍历（递归+迭代）

原创 力扣98.验证二叉搜索树

利用深度遍历，如图，一看就懂。

原创 力扣题目汇总分析 利用树形DP解决问题

树里 任意两个节点之间的问题。而不是根节点到叶子节点的问题或者是父节点到子节点的问题。通通一个套路，即利用543的解题思路。

原创 python中的sort()和sorted函数

list.sort()方法是列表对象的一个方法，只能用于列表。在原地排序列表，直接修改原始列表的顺序，不返回新的列表。sorted()函数是一个内置函数，可以用于任何可迭代对象，包括列表、元组、字符串等。返回值：一个新的已排序列表。

原创 java中整数的取反~

例如，如果我们有一个整数8（在二进制中表示为1000），当我们对这个数应用~运算符时，结果将是-9（在二进制中表示为…1111 1111 1111 1111 1111 1111 1111 0111）。如果我们有一个整数3（在二进制中表示为11），当我们对这个数应用~运算符时，结果将是-4（在二进制中表示为…1111 1111 1111 1111 1111 1111 1111 1100）即 0、1 两种状态，计算机对二进制数据进行的运算(+、-、*、/)都是叫位运算，即将。

原创 计算机里有符号数之间是补码表示进行运算

在模为32的系统里，如果我们要计算13-11=2，我们把-11转换成+5，13+5=18 进一位到符号位 数值位剩下2 ，把-11(11011)转换成补码表示10101(数值位就是5，符号位还是1，因为如果数值位相加为18，进一位到符号位里，0+1+1为0，最终得到的数是正数，符合)所以，有符号数的数值范围为 [-8, 7]（因为第一位是符号位，0表示正数，1表示负数，剩余3位共有(2^3=8)个数字，但其中一个用来表示0，所以实际表示范围是 [-8, 7]）。反码：10100（除符号位以外，数值位取反）

原创 latex中图片或者表格过大 导致页面里有大片空白

setlength{\belowcaptionskip}{-0.2cm} %调整图片/表格与下标题的垂直距离。\setlength{\abovecaptionskip}{0cm} %调整图片/表格与上标题的垂直距离。-注意：该语句，要在begin{figure}和end{figure}上面和前面使用（可以分别使用）。针对这个问题，可以通过把表格与上下文的距离调小，表格与标题的距离调小。\vspace{-0.8cm} %调整图片/表格与上下文的垂直距离。

原创 python从命令行获取参数

在 Python 中，可以使用 argparse 模块来处理命令行参数。命令行获取参数并赋值给ArgumentParser对象。

原创 给linux服务器开启smtp服务，使得可以成功发送邮件

在 Linux 系统中，使用 sudo 命令时如果提示 “command not found”，我们应该如何解决呢？上述命令将安装 mailutils 软件包，它包含了 mailx 命令行邮件客户端。yum安装不成功，要么就是mailutils这些安装不成功，头大了，先不弄了，哎~2、如果 /etc/sudoers.d 文件存在则说明系统已经安装了 sudo。首先执行以下命令看一下 /etc/sudoers.d 文件是否存在，再执行 sudo apt-get install 就可以了。

原创 python代码跑完后发邮件提醒

参考链接：https://blog.csdn.net/weixin_43850253/article/details/121187812。ps: 可能有人想利用进程是否结束来决定邮件的发送，不过有时候程序已经执行完毕，进程还在服务器里，所以不推荐。yag.send() 方法用于发送邮件，它接受一系列参数来配置和发送邮件。首先开启qq邮箱的smtp服务。在python代码里面加入。然后安装yagmail库。

原创 python中的int函数和java中的Integer.parseInt方法

/ 输出: 255，将十六进制字符串 ‘FF’ 转换为十进制。print(int(‘FF’, 16)) # 输出: 255，将十六进制字符串 ‘FF’ 转换为十进制。print(int(‘1010’, 2)) # 输出: 10，将二进制字符串 ‘1010’ 转换为十进制。print(int(‘123’)) # 输出: 123。print(int(3.14)) # 输出: 3。print(int(True)) # 输出: 1。print(int(False)) # 输出: 0。

原创 python通过value对key进行排序

给定一个字符串 s ，根据字符出现的 频率 对其进行 降序排序。一个字符出现的 频率 是它出现在字符串中的次数。返回 已排序的字符串。如果有多个答案，返回其中任何一个。给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。因此’e’必须出现在’r’和’t’之前。此外，"eetr"也是一个有效的答案。输入: nums = [1,1,1,2,2,3], k = 2。解释: 'e’出现两次，'r’和’t’都只出现一次。输入: s = “tree”

原创 访问springboot项目中static下的网页资源报错Whitelabel Error Page

然后重启springboot项目。先clean一下maven。

原创 Java的包装类

Java 中有8种基本数据类型：byte、short、int、long、float、double、char 和 boolean。为了使这些基本数据类型具有对象的特性，Java 提供了对应的包装类，它们分别是 Byte、Short、Integer、Long、Float、Double、Character 和 Boolean。自动装箱是指将基本数据类型自动转换为对应的包装类对象，而拆箱则是将包装类对象自动转换为对应的基本数据类型。当需要将基本数据类型赋给对应的包装类对象时，Java 编译器会自动进行装箱操作；

原创 力扣题目汇总分析 利用单调栈解决问题

如果建立一个单调递增栈，那前一个更小元素自然有了，下一个更大元素就看新来的高度，如果新来的高度小于我，那我就找到了以我为高度勾勒出的最大矩形面积，如果新来的高度大于我，那就先入栈，满足单调递增。，因为存在如下图的情况，假如此时【栈：1，5】，i=2为栈顶，heights[i]=5，栈顶值对应柱子高度>将入栈值对应柱子高度，应该先弹出可以求出以5为高度勾勒的矩形最大area=5*(3-0-1)=10。倒数最后一个元素1，1小于栈顶元素3，记录d[0]=3，把1入栈，满足单调递减。

原创 力扣496. 下一个更大元素 I

对于每个 0 <= i < nums1.length ，找出满足 nums1[i] == nums2[j] 的下标 j ，并且在 nums2 确定 nums2[j] 的 下一个更大元素。给你两个 没有重复元素 的数组 nums1 和 nums2 ，下标从 0 开始计数，其中nums1 是 nums2 的子集。nums1 中数字 x 的 下一个更大元素 是指 x 在 nums2 中对应位置 右侧 的 第一个 比 x 大的元素。输入：nums1 = [4,1,2], nums2 = [1,3,4,2].

原创 力扣525. 连续数组

先根据前缀和找一下关系，prefix_num[j]-prefix_num[i-1]=(j-i+1)/2，满足条件的下标i到j包括i,j之间的元素之和为prefix_num[j]-prefix_num[i-1] 也为子数组里1的个数即(j-i+1)/2。技巧来了，把数组里所有的0换成-1，那关系式就变成连续子数组的和为0了！说明: [0, 1] (或 [1, 0]) 是具有相同数量0和1的最长连续子数组。说明: [0, 1] 是具有相同数量 0 和 1 的最长连续子数组。输入: nums = [0,1,0]

原创 力扣523. 连续的子数组和

那我们想想能不能根据prefix_num[j]-prefix_num[i]=n*k这个关系式推出一个i,j之间的固定关系？题目要求只需找到一个满足条件的数组，所以我们可以用哈希表的value存前缀和为key的元素下标，且这个value一旦被赋值就不要去替换，因为越靠前的i，能更快的满足j-i>2。按560题的思路，我们遍历j，遍历j的同时，计算前缀和，把前缀和存入哈希表之前,判断哈希表里是否有key=prefix_num[j]-n。k+prefix_num[i]-prefix_num[j]是k的倍数，

原创 力扣560. 和为 K 的子数组

我们遍历i的时候，也要遍历每个j，那是否可以找到i,j之间很直接的一个关系，使得我们只遍历i/j，就可以对应找到满足关系的j/i，要为每个i一边遍历j，一边求和太麻烦了，我们直接首先计算出前缀和，然后根据prefix_num[j]-prefix_num[i-1]=k (i-1

原创 强化学习和模仿学习的联系与区别&模仿学习和监督学习的区别？

强化学习和模仿学习的联系与区别&模仿学习和监督学习的区别

原创 多标签分类的评价指标是什么？具体怎么计算？

详见：

原创 将压缩文件解压到指定文件夹路径下

t 列出压缩文件里的内容 （tar -tvf archive.tar将显示archive.tar中的所有文件和目录列表）tar.gz压缩包，解压的时候，要先在/root/anaconda/envs/路径下创建一个环境文件夹。-j 通过bzip2指令处理备份文件，解压tar.bz2文件/压缩成tar.bz2文件。tar压缩包，解压的时候不需要，直接解压到/root/anaconda/envs/下。-z 通过gzip指令处理备份文件，解压tar.gz文件/压缩成tar.gz文件。-f 指定压缩后的文件名。

原创 transformer处理过程解释清楚详细

https://zhuanlan.zhihu.com/p/650720185

原创 Transformer与大语言模型的区别和联系

① Transformer 使用自注意力机制进行编码和解码，能够处理长序列数据；② BERT 使用掩码语言模型和下一句预测任务进行训练，能够在不同的自然语言处理任务中取得良好的效果；③ GPT 大模型是一种基于自回归模型的语言模型，能够生成连贯、自然的文本内容。

原创 Huggingface LLaMa代码解读

记录一个Huggingface LLaMa代码解读网址。

原创 在DataFrame上应用apply方法的一些例子的处理细节

记录 在DataFrame上应用apply方法的一些例子的处理细节。

原创 解决 Plain typing.NoReturn is not valid as type argument报错

这说明spacy安装成功 但是无法使用。自己环境中python版本太低才3.6。需要降低spacy版本才能正常使用。

原创 解决 torch.cuda.DeferredCudaCallError:CUDA call failed lazily at initializationwitherror:device＞=0 报错

删除以下设置多个设备可见的代码。

原创 解决 ‘KeyedVectors‘ object has no attribute ‘wv‘报错

Gensim 3.8.0 到 Gensim 4.0.0的更新，去除了wv。把Gensim版本改为3.8.3。

原创 jupyternotebook中添加删除虚拟环境

【代码】jupyternotebook中添加删除虚拟环境。

原创 帕累托最优

记录一些帕累托最优学习的网址。

原创 弱监督里的不准确监督学习工具Snorkel

当用训练好的标注模型去标注一个新的数据点时，每一个标注函数都会对分类进行投票：正、负或弃权（每个标注进行自己的标注）。基于这些投票以及各标注函数的权重占比，可以给这个新数据点分配一个包含噪声的标注（0~1之间），而不是一个硬标注（要么0，要么1）。利用这些不同的标注函数对大量样本进行标注，根据标注的结果存在的冲突，我们可以学习训练出一个标注模型（本质上就是学习到各标注函数的标注准确度，学习训练好的标注模型其实就是学习给各标注函数的权重）利用这一工具得到海量的低质量监督（标注数据）。

原创 循环迭代时显示进度条，python自带库tqdm的使用

原创 HTTPSConnectionPool(host=‘pypi.org‘, port=443)ERROR: No matching distribution found for accelerate

我怎么解决的？关掉VPN代理。

原创 定义一个线性衰减且结合预热策略的学习率调度器

模型训练时定义一个线性衰减且结合预热策略的学习率调度器，来动态调整学习率。这是使用Transformers 库中的 get_linear_schedule_with_warmup 函数来创建一个学习率调度器（scheduler），用于在训练过程中动态地调整优化器的学习率。这个调度器通常与学习率衰减和预热（warmup）策略一起使用。学习率调度可以有不同的策略，如指数衰减、余弦退火、线性衰减等。

原创 模型预训练时使用的MLM和NSP

（可以这么理解，原本为了理解整个文章，可以阅读整个文章的内容来理解，但是为了加深理解，我们可以选择性去掉一些句子，这样可以更加深入理解整个文章学习整个文章要传达什么，因为你都可以推测出空出来的部分应该写些什么内容，那就肯定是理解到了作者写这个文章的意图，以及作者是如何写好这篇文章的。类推，模型学习一句话里每个词的表示，本来可以根据一个完整的话学习的，但是如果学习的过程中还要推测空出来的单词填什么，如果都能正确预测填什么了，那肯定是对整句话的语义了如指掌了）这有助于减少过拟合，并提高模型的泛化能力。