- 博客(57)
- 收藏
- 关注
原创 贝叶斯实现拼写检查器
正常来说把一个元音拼成另一个的概率要大于辅音(因为人常常把hello打成hallo);把单词的第一个字母拼错的概率会相对小,等等。但是为了简单起见,选择了一个简单的方法:编辑距离为1的正确单词比编辑距离为2的优先级高,而编辑距离为0的正确单词优先级比编辑距离为1高。两个词之间的编辑距离定义为使用了几次插入(在词中插入一个单字母),删除(删除一个单字母),交换(交换相邻两个字母),替换(把一个字母换成另一个)的操作从一个词变到另一个词。:在这些编辑距离小于2的词中间,只把那些正确的词作为候选词。
2024-07-20 15:51:46
956
原创 贝叶斯算法理论
这时我们既可以用直线来拟合(模型1),也可以用二阶多项式(模型2)拟合,也可以用三阶多项式(模型3),特别地,用。奥卡姆剃刀:越是高价的多项式越是不常见的(越是高阶去拟合,拟合效果肯定越好,但是这只是在训练集上,在测试集上往往达不到很好的效果,也就是常见的鲁棒性差)对于给定观测数据,一个猜测是好是坏,取决于“这个猜测本身独立的可能性大小(先验概率,prior)”和“这个猜测生成我们观测到的数据的可能性大小。,P(D)都是一样的,所以在比较P(h1|D)和P(h2|D)的时候我们可以忽略这个常数。
2024-07-19 21:55:17
1166
原创 Transformer系列专题(四)——Swintransformer
3个矩阵,64个窗口,heads为3,窗口大小7*7=49,每个head特征96/3=32。attention结果为:(64,3,49,49)每个头都会得出每个窗口内的自注意力。输出:(3196,96)相当于序列长度是3136个,每个的向量是96维特征。通过得到的attention计算得到新的特征(64,49,96)总共64个窗口,每个窗口7*7的大小,每个点对应96维向量。qkv三个矩阵放在一起了:(3,64,3,49,32)为什么要shift?在计算时,只需要计算自己窗口的,其他的都是无关的。
2024-07-17 22:29:44
1053
原创 Transformer系列专题(三)——transformer在CV中的应用
从多头注意力的结构图中,貌似这个所谓的多个头就是指多组线性变换,但是并不是,只使用了一组线性变换层,即三个变换张量对 Q、K、V 分别进行线性变换,这些变化不会改变原有张量的尺寸,因此每个变换矩阵都是方阵,得到输出结果后,多头的作用才开始显现,每一个头开始从词义层面分割输出的张量,也就是每一个头都先获得一组 Q、K、V进行注意力机制的计算,但是句子中的每个词的表示只获得一部分,也就是只分割了最后一维的词嵌入向量,这就是所谓的多头,将每个头获取的输入送到注意力机制中就形成了多头注意力机制。
2024-07-17 16:27:48
777
原创 数据结构——考研笔记(三)线性表之单链表
顺序表优点:可随机存取,存储密度高缺点:要求大片连续空间,改变容量不方便单链表优点:不要求大片连续空间,改变容量方便缺点:不可随机存取,要消耗一定空间存放指针用代码实现单链表typedef struct LNode{ //定义单链表结点类型//每个节点存放一个数据元素//指针指向下一个节点。
2024-07-15 19:55:54
938
原创 数据结构——考研笔记(二)线性表的定义和线性表之顺序表
线性表定义(逻辑结构)基本操作(运算)线性表:线性表是具有相同数据类型的n(n$>=$0)个数据元素的有限序列,其中n为表长,当n=0时线性表是一个空表。若用L命名线性表,则其一般表示为以下是几个概念ai是线性表中的“第i个”元素线性表中的位序a1是表头元素;an是表尾元素除第一个元素外,每个元素有且仅有一个直接前驱;除最后一个元素外,每个元素有且仅有一个直接后继顺序表:用顺序存储的方式实现线性表顺序存储。
2024-07-13 22:12:56
734
原创 生成式AI模型开源列表
其中 LaMA-13B(130 亿参数的模型)尽管模型参数相比 OpenAI 的 GPT-3(1750 亿参数) 要少了十几倍,但在性能上反而可以超过 GPT-3 模型。规模虽小,性能能打。GLM 是以英文为核心的预训练语言模型系列,基于新的预训练范式实现单一模型在语言理解和生成任务方面取得了最佳结果,并且超过了在相同数据量进行训练的常见预训练模型(例如 BERT,RoBERTa 和 T5),目前已开源 1.1 亿、3.35 亿、4.10 亿、5.15 亿、100 亿参数规模的模型。
2024-07-12 15:13:14
608
原创 数据结构——考研笔记(一)绪论
数据:数据是信息的载体,是描述客观事物属性的数、字符及所有能输入到计算机中并被计算机程序识别和处理的符号的集合。数据是计算机程序加工的原料。数据对象:数据对象是具有相同性质的数据元素的集合,是数据的一个子集。数据结构:数据机构是相互之间存在一种或多种特定关系的数据元素的集合。数据结构三要素逻辑结构:集合结构线性结构(一对一)树形结构(一对多)图状结构(多对多)数据的运算物理结构(存储结构)程序 = 数据结构 + 算法数据结构:如何用数据正确地描述现实世界的问题,并存入计算机。
2024-07-12 15:06:01
1366
原创 基于鲸鱼优化算法的SVR
本文的基于鲸鱼优化算法的SVR的示例算法是基于11个x自变量和2个y因变量的# 定义优化目标函数# 创建 SVR 模型# 训练 SVR 模型# 在测试集上进行预测# 计算 R2 Score# 将 R2 Score 取负值,因为 WOA 是一个最小化算法。
2024-07-07 08:00:00
786
原创 ubuntu的screen会话,断开远程连接也能照样运行程序
你可以使用会话 ID 或名称来重新连接到特定的会话。例如,如果会话 ID 是。工具,可以方便地管理多个终端会话。以下是关闭和删除某一个。这将把你从当前会话中分离出来,但会话仍在后台运行。通过这些步骤,你可以轻松创建、管理和重新连接到。工具可以创建和管理多个终端会话。例如,如果会话 ID 是。会话,包括关闭和删除不再需要的会话。通过这些方法,你可以轻松地管理。会话并进入一个新的终端窗口。记住要关闭的会话 ID,比如。在 Ubuntu 中使用。会话及其 ID 和名称。这将显示所有正在运行的。
2024-07-06 19:25:34
966
原创 ubuntu防火墙指定端口开放设置
这将显示防火墙的当前状态以及所有已允许和已拒绝的规则。这将提供更详细的信息,包括默认策略和日志记录状态。在 Ubuntu 中管理防火墙通常使用。你也可以指定协议,例如仅允许。现在已经被允许访问。
2024-07-06 19:21:04
967
原创 操作系统——考研笔记(一)操作系统概述
概念:操作 系统(Operating System,OS)是指控制和管理整个计算机系统的硬件和软件资源,并合理得组织调度计算机的工作和资源的分配;一提供给用户和其他软件方便的接口和环境;它是计算机系统中最基本的系统软件。直观的例子:打开Windows操作系统的“任务管理器”(快捷键:Ctrl+Alt+Del)知识点回顾:操作系统作为用户和计算机硬件之间的接口,需要向上提供一些简单易用的服务。主要包括命令接口和程序接口。其中,程序接口由一组系统调用组成。
2024-06-27 10:38:39
876
原创 JSP基础知识概述
简化的Servlet设计,在HTMl标签中嵌套Java代码,用以高效开发Web应用的动态网页。作用:替换显示页面部分的Servlet(使用*.jsp文件替换XxxJSP.java)
2024-06-21 17:45:40
855
原创 Mysql学习(十)——视图/存储过程/触发器
视图不仅可以简化用户对数据的理解,也可以简化他们的操作。那些被经常使用的查询可以被定义为视图,从而使得用户不必为以后的操作每次指定全部的条件。数据库可以授权,但不能授权到数据库特定行和特定的列上。通过视图用户只能查询和修改他们所能见到的数据视图可帮助用户屏蔽真实表结构变化带来的影响。
2024-06-12 22:29:14
799
原创 Mysql学习(九)——存储引擎
存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的,而不是基于库的,所以存储引擎也可被称为表类型。-- 在创建表时,指定存储引擎create table 表名(……,……-- 查看当前数据库支持的存储引擎。
2024-06-12 22:21:06
696
原创 Mysql学习(八)——多表查询
概述:指从多张表中查询数据笛卡尔积:笛卡尔乘积是指在数学中,两个集合A集合和B集合的所有组合情况。在多表查询时,需要消除无效的笛卡尔积select * from 表1,表2 where 表1外键字段 = 表2关联的字段;多表查询分类:连接查询:内连接:相当于查询A,B交集部分数据外连接:左外连接:查询左表所有数据,以及两张表交集部分数据右外连接:查询右表所有数据,以及两张表交集部分数据自连接:当前表与自身的连接查询,自连接必须使用表别名子查询。
2024-06-10 19:17:19
723
原创 Mysql学习(六)——函数
Mysql学习(六)——函数。函数是指一段可以直接被另一段程序调用的程序或代码。字符串函数、数值函数、日期函数和流程函数。
2024-06-08 19:28:57
468
原创 MySql学习(一)——MySQL概述之MySQL的启动
数据库:存储数据的仓库,数据是有组织的进行存储,简称为(DB数据库管理系统:操纵和管理数据库的大型软件,简称(DBMS操作关系型数据库的编程语言,定义了一套操作关系型数据库统一标准,简称为(SQL。
2024-06-04 13:39:50
238
原创 Transformer系列专题(二)——multi-headed多头注意力机制
在实践中,当给定相同的查询、键和值的集合时,我们希望模型可以基于相同的注意力机制学习到不同的行为,然后将不同的行为作为知识组合起来,例如捕获序列内各种范围的依赖关系(例如,短距离依赖和长距离依赖)。因此,允许注意力机制组合使用查询、键和值的不同的 子空间表示(representation subspaces)可能是有益的。
2024-05-23 21:36:14
1111
原创 Transformer系列专题(一)——self-attention自注意力机制如何计算
自注意力机制的原理相当于一个词在其上下文中的联系,即将这一个词赋予这一句话中将每个词乘以不同的权重,即是这一个词对上下文的关系程度。将本句话中的a对上下文的关系程度即为,将上下的词分别乘以不同的权重赋予到a词中,这就是a对上下问的关系程度。接下来详细介绍自注意力机制如何计算?
2024-05-23 17:34:24
1437
2
原创 txt和jpg或png数据的自动化导入和自动化生成输出随用随拿
自动化导入和生成输出txt和jpg/png数据的好处是提高工作效率和减少人为错误。具体好处如下:提高效率:自动化导入和生成输出可以大大减少手动操作的时间和工作量。通过编写脚本或使用自动化工具,可以快速将大量的txt数据导入到系统中,并自动生成相应的jpg/png文件,从而节省了人工处理的时间和精力。减少错误:人为操作往往容易出现疏忽和错误,而自动化导入和生成输出可以减少这些潜在的错误。自动化过程可以通过编写规则和检查机制来确保数据的准确性和一致性,避免了手动操作可能带来的错误。
2024-04-06 19:24:01
469
原创 实用的小波分解的两种用法
小波分解在信号处理中一直是很火热的,以下介绍两种小波分解的方法。以下介绍的是小波分解的两种方法不涉及图片结果的可视化如果想用时频图或波形图去展示的话可以去我的资源里去下载时频图的信号处理展示pywt库中提供了多种小波分解的种类,以下是其中一些常用的种类:Haar小波:Haar小波是最简单的小波函数,它是一种离散小波变换(DWT)的基础。它具有快速计算和低存储需求的特点。Daubechies小波:Daubechies小波是一类具有紧支集的正交小波函数。
2024-04-06 19:11:57
1246
原创 信号处理之(文件批处理+小波分解+波形图的生成)
信号处理之(文件批处理+小波分解+波形图的生成)。本文介绍了信号上的一些处理也就是对波的一些处理如地震波,电磁波,地磁波、声波等一系列问题的处理及信号提取加分解。以上的三大部分单拿出一个都可以去干别的,如文件自动化处理、信号处理和可视化图表,合起来用就可以将n个数据分解并保存到图片当中,威力无穷。
2024-04-06 17:56:25
591
原创 yolo训练数据集时怎么改变数据集的下载和存放路径
yolo训练数据集时怎么改变数据集的下载和存放路径。在yolov8训练官方给的或者公开的或者自己的数据集的时候,给数据集写个配置文件也就是`.yaml`文件肯定是必不可少的,但有时根据`ultralytics`文件夹里的别人博客提示根本解决不了问题。
2024-04-06 17:31:47
982
1
原创 两种方法解决这个问题OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
两种方法解决这个问题OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.在进行深度学习比如在训练yolov8模型时,在加载训练集和验证集时会报以下那个错误时会导致模型训练中断,有以下两个方法去解决这个问题,来使模型正常训练。
2024-04-06 14:04:31
6853
原创 yolov8实现用已经训练好的模型去实现数据集的自动标注
yolov8实现用已经训练好的模型去实现数据集的自动标注。我们经常会遇到数据集的标注经别人帮忙后不知道标注是否好用或者又有新来的数据集需要标注。以上两种情况发生,我们可以实现用yolov8去实现数据集的自动标注`前提是已经训练出了一个模型哦`
2024-04-06 12:15:52
954
1
原创 模型部署flask学习篇(二)---- flask用户登录&用户管理
在学习机器学习或者深度学习后,我们常常会将自己训练好的模型来进行部署或者可视化出来,供自己或者别人来使用,那么python的flask框架就可以作为选择之一。
2024-01-24 18:40:09
1151
1
原创 pytorch学习(六)、网上模型的使用及修改、模型的保存及加载、完整模型的训练和测试过程的小案例
pytorch中的网上模型的使用及修改、模型的保存及加载、完整模型的训练和测试过程的小案例
2024-01-22 01:00:00
1157
基于鲸鱼优化算法的SVR(笔记里含完整代码).md
2024-07-06
MySql基础加进阶的学习笔记markdown版本
2024-06-21
时频图的两种画法(传入一维数据运行即可)
2024-04-06
小波特征分解+时频图可视化展示+时频图的自动化生成与保存
2024-04-06
小波特征分解+自动化处理波形数据+波的可视化
2024-04-06
pytorch学习日记(从小白到入门的全代码过程和md笔记)
2024-01-19
冒泡排序、归并排序、快速排序的笔记包含代码
2023-12-06
yolov8(即用)资源包.zip
2023-12-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人