you_er_yuan_da_lao的博客

数据处理，数据集采用cora数据集import dglfrom dgl.data import DGLDatasetimport torchimport osimport pandas as pdimport torchimport numpy as npimport matplotlib.pyplot as pltimport networkx as nximport osos.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"import torch

准备工作:确定gpu与显卡的对应关系1、安装CUDA11.1链接：https://pan.baidu.com/s/1yKfgpLyFeGHpGRFPbCKMRw提取码：1234安装过程保持默认2、下载cudnn包 (执行以下步骤，无需配置环境变量)链接：https://pan.baidu.com/s/1T1aUvxvRajgxuEGGwCMm4w提取码：1234将cudnn下的cuda中的文件夹bin下的cudnn64_8.dll复制到cuda安装目录下对应的...

进去cd /etc/yum.repos.d删掉除CentOS-Base.repo的所有文件vim CentOS-Base.repo 将所有的mirrorlist前面夹加上#，baseurl前的#去掉 并将mirror.centos.org替换为vault.centos.org执行yum clean all && yum makecache...

classes = {'car', 'dinosaur', 'elephant', 'flower', 'horse'}list1 = ['car', 'dinosaur', 'elephant', 'flower', 'horse']for index, name in enumerate(list1): print(index, name)for index, name in...

reverse注意事项lt = [1,2,3]l2 = lt.reverse()print(l2)##输出为Nonelt = [1,2,3]lt.reverse()print(lt)#输出为逆序lt = [1,2,3]lt1 = ltlt1.reverse()print(lt, lt1)##返回的结果会修改原list的值# [3, 2, 1] [3, 2, 1]lt = [1,2,3]lt1 = lt.copy()lt1.reverse()pr.

https://blog.csdn.net/LUOBIKUN/article/details/87457545

下载对应的版本：https://pypi.org/simple/dlib/将其放在指定的位置pip install 位置+对应的版本的dll比如：我下载的版本为dlib-19.8.1-cp36-cp36m-win_amd64.whl，放在了tensorflow的环境下pip installE:\Anaconda\envs\tensorflow\dlib-19.8.1-cp36...

import numpy as npimport tensorflow as tf'''移除张量形状中大小为1的维度'''x = np.array([[[[2], [1]]]])print(x.shape) #(1, 1, 2, 1)x0 = tf.squeeze(x, axis =0) print(x0.shape) #(1, 2, 1)x1 = tf.squeez...

import numpy as npimport tensorflow as tfx = np.arange(0,50)x = x.reshape((5, 10))print(x.shape) #(5, 10)split1, split2, split3 = tf.split(x, num_or_size_splits=[2, 3, 5], ...

在此先感谢以下博主提供的数据集和一些思路https://blog.csdn.net/yang1159/article/details/88303461https://blog.csdn.net/shadown1ght/article/details/78571187#comments由于博主的代码风格和模型框架不太符合我的个人习惯，因此，自行搭建了网络结构，重新训练得到了参数，当然...

1 准备数据集，准备了5个类别的数据，写了一个小程序，写入到 对应文件夹下：import osimport shutilpath = r"C:\Users\HUANG\Desktop\DATA\train"test_path = r"C:\Users\HUANG\Desktop\DATA\test"car = r"C:\Users\HUANG\Desktop\DATA\car"di...

https://ask.csdn.net/questions/758743#answer_815731以上是训练基于caffe训练时出现的错误，win10下基本没有人给出过比较好的解答，链接中为笔者的提问，自己解决后给出了相应的解决方法，不太详细，现将具体的解决方式记录如下：建议先去NVIDA官网查看自己的CUDA的计算能力，如果compute capacity <3.0...

'''决策树：在构造决策树时最重要的是确定划分数据时，哪个特征起决定性作用为了确定起决定性作用的特征，必须先计算信息的增益，获得信息增益最高的特征就是最好的选择集合信息的度量方式称为熵————信息的期望信息的定义：若待分类事物存在多个划分，则符号xi的信息定义为l(xi)=log2 (p(xi)), 其中p(xi)是选择该类的概率熵是信息的期望：H= -∑ p(xi)*log2 (p(xi))，从...

'''图的拓扑排序及关键路径'''import syssys.path.append(r"C:\Users\Administrator\Desktop\数据结构（python）代码")import Graph'''导入一个模块 Grpah是之前已经定义过得图类，其实完全没用到，最初的想法是基于图类来实现拓扑排序和求解关键路径的，但由于实现中基本上只有到了图类中定义的vertex_num函数输出了顶...

''''k-近邻算法1计算训练集中数据与当前点之间的距离2按距离依次递增排序3选取与当前距离最近的k个点4确定这k个点所在类别的出现频率5返回前k个点出现频率最高的类别作为当前点有预测分类'''from numpy import *import operatordef classify(inX, data_set, labels, k):    data_set_size=len(data_set...

其实最初的想法是定义一个图类再基于此来实现两种遍历 ，但其实一个import就可以搞定的事，为了练习决定还是打了一遍，后来发现这种做法真的很二，因为定义一个图类也仅仅只用到了顶点数的传值，以及得到一个顶点出发的出边而已 ，但是后来觉得完全是自己给自己找麻烦，顶点数直接一个len就ok了，出边通过一个for循环也ok了 ，单纯就图的遍历来讲没必要 ，因为定义图类后各种出错 ，各种累，各种想不到的鬼都...

class Graph:      def __init__(self,maps,unconn=0):            vnum=len(maps)            for x in maps:                  if len(x)!=vnum:                        raise ValueError            self._maps=...