- 博客(135)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 fabric查看区块链高度和区块内容
参考博客1：https://blog.csdn.net/u013288190/article/details/103218141参考博客2: https://shijianfeng.blog.csdn.net/article/details/103218294?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1.pc_relev
2021-12-25 15:31:24
13854
原创 fabric一些错误的解决
错误展示：Error: endorsement failure during query. response: status:500 message:“make sure the chaincode mycc has been successfully instantiated and try again: chaincode mycc not found”参考博客https://blog.csdn.net/Xiao__FengFeng/article/details/115482636该博客解决了
2021-12-22 19:23:48
12922
原创 Mapreduce的工作原理
参考博客1:https://www.cnblogs.com/momo1210/p/10640407.html参考博客2:https://blog.csdn.net/weixin_30415113/article/details/95513113Mapreduce从大的方面讲是分为Map，reduce这两块处理过程。如果进行细致划分的话...
2021-08-11 14:47:18
277
原创 爬虫爬取统计局地区信息的相关总结
背景：公司需要更新地区表的相关信息，同时因为数据量有些多，所以希望采取爬从技术进行解决。参考博客：https://blog.csdn.net/Levy_96/article/details/72771638?spm=1001.2014.3001.5501基本操作就是参考上面博客获得。当时我的电脑mysql出现问题，所以不能将文件保存在数据库中，因此，在spider_main.py文件中将获得的数据保存为.npy格式。print("开始保存")np.save('province_url
2021-07-06 09:15:03
310
原创 Mac电脑上百度超级链多节点的布置
前倾提要：在Mac电脑上已经成功运行单节点的环境参考资料：https://xuperchain.readthedocs.io/zh/latest/quickstart.html就是百度chao ji
2021-06-15 21:20:13
254
原创 波士顿房价预测
波士顿房价预测是一个较为简单的数据回归问题，通过对已有数据的模拟，从而预测其他房子的房价。我对项目的处理流程如下所示：1 收集数据2 分析目标并了解其重要特征3 查找缺少的值4 特征工程5 将其他特征进行数据化6 建模import pandas as pdimport seaborn as sns #Seaborn是基于matplotlib的图形可视化python包from scipy.stats import norm, skew#scipy.stats.norm函数 可以
2021-04-06 20:17:44
1433
原创 随机森林算法及其实现（Random Forest）
传送门https://blog.csdn.net/yangyin007/article/details/82385967
2021-03-27 10:53:38
491
原创 论文杂笔
本来想着，我读论文后，可以写出来比较完整的论文总结来给给位小伙伴看一下，但是发现自己的笔力还不够深厚，所以就只能随便写写了。祸害的第一篇AccountTrade: Accountable Protocols for Big Data Trading Against Dishonest Consumers因为我前面对于数据共享过程中的问题有了一些初步的思考，所以后面就看了这篇论文。论文的开头讲的是随着大数据的出现，数据销售业务也正成为一项有前途的业务。所以就有了数据贸易平台。###这里初步理.
2021-02-08 20:11:17
154
原创 区块链-共识算法之PBFT
https://blog.csdn.net/wxblockchain1/article/details/103529904http://www.360doc.com/content/18/0331/23/40769523_741898272.shtml上述两个就可以了先占个位置
2021-01-31 15:56:47
240
原创 java-Mybatis初次实践-连接数据库
——兜兜转转，我又双叒叕开始搞Java了经过几年的变化，目前Java可以用Mybatis进行数据库的连接，当然也有可能是我前面不知道Mybatis。。。感觉自己好菜昨天下午加上今天上午就看了五个视频，现在终于成功在IDEA上实现数据库的访问。目前MyBatis给我的感觉就是一个封装器，将前面的各种内容分装起来，需要修改连接数据库的时候只需要重新定义类和修改数据库名称，其他保持不变。目前呢是想记录一下我在这一天过程中遇到的所有坑，与诸君分享。坑一：在初次创建Maven项目后，不论怎么改My
2020-11-12 11:13:03
404
2
转载 const与#define相比，区别和优点超详解总结！
转载：https://blog.csdn.net/weibo1230123/article/details/81981384一：区别（1）就起作用的阶段而言： #define是在编译的预处理阶段起作用，而const是在 编译、运行的时候起作用。（2）就起作用的方式而言： #define只是简单的字符串替换，没有类型检查。而const有对应的数据类型，是要进行判断的，可以避免一些低级的错误。（3）就存储方式而言：#define只是进行展开，有多少地方使用，就替换多少次，它定义的宏常量在内存中有.
2020-08-28 11:32:34
427
原创 隐马尔可夫模型基本问题——概率计算问题详细讲解(转载)
转载地址：https://blog.csdn.net/zhuqiang9607/article/details/83934961
2020-07-30 08:30:14
271
原创 神经网络模型总结（转载）
https://www.cnblogs.com/silence-cho/p/11620863.html在LeNet-5的图中400 * 120 是说有120个5 * 5 * 16的卷积核。
2020-07-29 23:20:38
288
转载 安装相关问题
原文链接https://blog.csdn.net/arthur_holmes/article/details/105095088?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-1conda通过参数设置修改超时时间
2020-06-15 21:57:09
567
原创 常用神经网络模型总结
转载链接：https://blog.csdn.net/qq_24690701/article/details/81868048
2020-06-07 10:08:19
761
原创 Tensorflow深度学习-自编码器
前面我们介绍了在给出样本及其的标签的情况下，神经网络如何学习的算法，这类算 法需要学习的是在给定样本????下的条件概率????(????|????)。在社交网络蓬勃发展的今天，获取海量 的样本数据????，如照片、语音、文本等，是相对容易的，但困难的是获取这些数据所对应 的标签信息，例如机器翻译，除了收集源语言的对话文本外，还需要待翻译的目标语言文 本数据。数据的标注工作目前主要还是依赖人的先验知识(Prior Knowledge)来完成，如亚马 逊的Mechanical Turk系统专门负责数据标注业务
2020-06-04 20:45:31
846
原创 Tensorflow梯度相关，LSTM，GRU
我们把梯度值接近于0的现象叫做梯度弥散(Gradient Vanishing)，把梯度值远大于1的 现象叫做梯度爆炸(Gradient Exploding)。梯度弥散和梯度爆炸是神经网络优化过程中间比 较容易出现的两种情况，也是不利于网络训练的。????′=????−????∇????L当出现梯度弥散时，∇????L ≈ 0，此时????′ ≈ ????，也就是说每次梯度更新后参数基本保持不变， 神经网络的参数长时间得不到更新，具体表现为L几乎保持不变，其它评测指标，如准确 度，也保持不变。当出现梯
2020-06-04 18:14:21
534
原创 Tensorflow过拟合与欠拟合
由于真实数据的分布往往是未知而且复杂的，无法推断出其分布函数的类型和相关参 数，因此人们在选择学习模型的容量时，往往会根据经验值选择稍大的模型容量。但模型 的容量过大时，有可能出现在训练集上表现较好，但是测试集上表现较差的现象。当模型的容量过大时，网络模型除了学习到训练集数据的模态之外，还把额外的观测 误差也学习进来，导致学习的模型在训练集上面表现较好，但是在未见的样本上表现不 佳，也就是模型泛化能力偏弱，我们把这种现象叫作过拟合(Overfitting)。当模型的容量过 小时，模型不能够很好地学习到训
2020-06-03 17:27:43
739
原创 Tensorflow导数梯度相关
导数与梯度不知道的同学可以再回去看看数学，其实数学还是很有用的。在高中阶段，我们就接触到导数(Derivative)的概念，它被定义为自变量????产生一个微小 扰动∆????后，函数输出值的增量∆????与自变量增量∆????的比值在∆????趋于0时的极限????。导数本身没有方向，偏导数本身也没有方向。考虑本质上为多元函数的神经网络模型，比如shape为[784, 256]的权值矩阵????，它包 含了784 × 256个连接权值????，我们需要求出784 × 256个偏导数。需要注
2020-06-02 19:20:11
440
原创 Tensorflow油耗预测实战
加载数据dataset_path = keras.utils.get_file("auto-mpg.data","http://archive.ics.uci.edu/ml/machine-learning-databases/auto-mpg/auto-mpg.data")命名数据表名称column_names = ['MPG','Cylinders','Displacement','Horsepower','Weight','Acceleration', 'Model Year'.
2020-06-02 13:26:10
769
5
原创 Tensorflow误差计算
1. 均方误差计算均方差(Mean Squared Error，简称MSE)误差函数把输出向量和真实向量映射到笛卡尔 坐标系的两个点上，通过计算这两个点之间的欧式距离(准确地说是欧式距离的平方)来衡 量两个向量之间的差距。MSE(y, o) = \tfrac{1}{d_{out}}\sum _{I = 1}^{d_{out}}(y_{I} - o_{i})^2均方差误差函数广泛应用在回归问题中，实际上，分类问题中也可以应用均方差误差 函数。在TensorFlow中，可以通过函数方式或层...
2020-06-02 10:30:46
949
原创 Tensorflow深度学习-第四天
前向传播的最后一步就是完成误差的计算L = g(f_{\theta} (x), y)代表了利用????参数化的神经网络模型，????(∙)称之为误差函数，用来描述当前网络的预测值???? (????)与真实标签????之间的差距度量，比如常用的均方差误差函数。L称为网络的误差????(Error，或损失Loss)，一般为标量。我们希望通过在训练集????train上面学习到一组参数????使 得训练的误差L最小:从另一个角度来理解神经网络，它完成的是特征的维度变换的功能，比如4层的MNI
2020-06-02 09:38:08
168
原创 Tensorflow深度学习-第三天
为了区分需要计算梯度信息的张量与不需要计算梯度信息的张量，TensorFlow增加了 一种专门的数据类型来支持梯度信息的记录:tf.Variable。tf.Variable类型在普通的张量类 型基础上添加了name，trainable等属性来支持计算图的构建。由于梯度运算会消耗大量的 计算资源，而且会自动更新相关参数，对于不需要的优化的张量，如神经网络的输入????， 不需要通过tf.Variable封装;相反，对于需要计算梯度并优化的张量，如神经网络层的????和????，需要通过tf.Variable包
2020-05-30 16:47:41
370
原创 Tensorflow深度学习-第二天
上面讲到了我们通过采样多个数据样本及，然后找到一条最好的直线，使其尽可能地让所有采集点到该直线到误差之和最小。但是由于观测误差的存在，当我们采集多个数据点时，可能不存在一条直线完美的穿过所有采样点。退而求其次，我们希望能找到一条比较“好”的位于采样点中间的直线。那么怎么衡量“好”与“不好”呢?一个很自然的想法就是，求出当前模型的 所有采样点上的预测值????????(????)+ ????与真实值????(????)之间的差的平方和作为总误差L:latex公式的写法L = \frac{1}
2020-05-30 09:01:46
308
原创 Tensorflow深度学习-第一天
有监督学习 有监督学习的数据集包含了样本????与样本的标签????，算法模型需要学习到映射关系???? : ???? → ????，其中????代表模型函数，????为模型的参数。在训练时，通过计算模型的预测值???? (????)与真实标签????之间的误差来优化网络参数????，使得网络下一次能够预测更精准。常见的有监督学习有线性回归、逻辑回归、支持向量机、随机森林等。无监督学习 收集带标签的数据往往代价较为昂贵，对于只有样本????的数据集，算法需要自行发现数据的模态，这种方式叫作无监督学习。无
2020-05-28 22:22:59
283
原创 进程同步
一共享内存在某种程度上，多进程共享物理内存。由于操作系统的进程管理，进程间的内存空间是独立的进程默认是不能访问进程空间之外的内存空间的通过共享内存就不一样。共享内存允许不相关的进程访问同一片物理内存共享内存是两个进程之间共享和传递数据最快的方式共享内存未提供同步机制，需要借助其他机制管理访问。使用共享内存的四个步骤：1. 申请共享内存2. 连接到进程空间3. 使用共享内存4. 脱离进程空间&删除共享内存的例子：无共享内存是高性能后.
2020-05-28 14:48:25
124
原创 线程同步
1. 互斥量问题：两个线程的指令交叉执行解决：互斥量可以保证先后执行原子性是指一系列操作不可被中断的特性。这一系列操作要么全部执行完成，要么全部没有执行不存在部分执行，部分没有执行的情况。互斥量是最简单的线程同步的方法互斥量，处于两态之一的变量：解锁和加锁。这两个状态可以保证资源访问的串行。操作系统直接提供了互斥量的API，开发者可以直接使用。互斥量代码如下：#include <stdio.h>#include <stdlib.h>#in
2020-05-26 19:04:32
150
原创 设备管理
1. 广义的IO设备分类类型：按使用特性进行分类：按信息交换的单位进行分类：按设备的共享属性进行分类：按传输速率分类：2. IO设备的缓冲区CPU与IO设备的速率不匹配专用缓冲区只适用于特定的IO进程当这样的进程比较多时，对内存的消耗也大操作系统划出可供多个进程使用的缓冲区，称之为缓冲池3. spooling技术所以，逻辑上，系统为每一个用户都分配了一台独立的高速共享设备所以是虚拟设备技术...
2020-05-26 16:18:32
179
原创 文件管理
一 文件管理1. 了解文件的逻辑结构逻辑结构的文件类型逻辑结构文件分类：有结构文件：文件内容由定长记录和可变长记录组成定长记录存储文件格式，文件描述等结构话数据项可变长记录存储文件具体内容文件逻辑结构：PNG文件标记PNG数据块 可变长记录文件结束标记无结构文件：也称为流式文件文件内容长度以字节为单位如：exe文件，dll文件，so文件顺序文件是指按照顺序存放在存储介质中的文件磁带的特性使得磁带文件只能存储顺序文件顺序文件是所.
2020-05-26 15:37:19
221
原创 存储管理
操作系统课程链接：https://www.bilibili.com/video/BV1a54y1D7R8?p=10一 内存分配与回收随着计算机和程序越来越复杂，使得存储成为必要。存储管理解决的问题：1. 确保计算机有足够的内存处理数据2. 确保程序可以从可用内存中获取一部分内存使用3. 确保程序可以归还使用后的内存以供其他程序使用内存分配的过程1. 单一连续分配是最简单的内存分配方式，只能在单用户，单进程的操作系统中使用。2. 固定分区分配是支持多道程序的最简单分配方式
2020-05-25 17:13:44
386
原创 作业管理
一. 进程调度是指计算机通过决策决定哪个就绪进程可以获得CPU使用权。与多道程序设计有关两个步骤：保留旧进程的运行信息，清除旧进程（收拾包袱）选择新进程，准备运行环境并分配CPU（新进驻）有两种类型：1. 非抢占式的调度处理器一旦分配给某个进程，就让该进程一直使用下去。调度程序不以任何原因抢占正在被使用的处理器。直到进程完成工作或因为IO阻塞才会让出处理器。2. 抢占式的调度允许调度程序以一定的策略暂停当前运行的进程。保存好旧进程的上下文信息，分.
2020-05-24 18:15:44
431
原创 进程管理
一 进程实体为什么需要进程没有配置OS之前，资源属于当前运行的程序配置OS之后，引入多道程序设计的概念合理的隔离资源，运行环境，提高资源利用率进程是系统进行资源分配和调度的基本单位进程作为程序独立运行的载体，保障程序正常执行。进程的存在使得操作系统资源的利用率大幅提升。进程实体1. 主存中的进程形态标识符唯一标识一个进程，用于区别其他进程状态：标记进程的进程状态，如：运行态程序计数器：指向进程即将被执行的下一条指令的地址内存指针：程序代码，内存数据相关
2020-05-23 19:44:55
147
原创 一 操作系统概览
操作系统是管理计算机硬件和软件资源的计算机程序(软件)1. 操作系统的种类是多种多样的，不局限于计算机2. 从手机到超级计算机，操作系统可简单也可复杂3. 在不同设备上，操作系统可向用户呈现多种操作手段一 为什么我们需要操作系统1. 我们不可能直接操作计算机硬件2. 设备种类繁多复杂，需要统一界面3. 使更多人可以使用计算机二 操作系统的基本功能1. 处理器资源 存储器资源 IO设备资源 文件资源 操作系统统一管理2. 用户无需面向硬件接口编程3. IO设备管理软
2020-05-23 16:26:27
163
原创 TensorFlow知识点总结
1 iter和next原文链接：https://blog.csdn.net/weixin_43544406/article/details/1030919882
2020-05-23 15:08:21
305
原创 mnist
#!/usr/bin/env python# coding: utf-8# In[1]:import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import datasets, layers, optimizers# In[2]:(xs, ys),(x_val, y_val) = datasets.mnist.load_data()print("datasets:", xs.shape,.
2020-05-22 16:41:46
192
原创 300分钟搞定数据结构与算法课程学习5 ——动态规划
动态规划可以说是很多准备算法面试者的梦魇，大家都非常怕面试官会出动态规划的题目，如果遇到一些做过的题目还好，但要是遇到了根本就没有做过的，就无从下手了。本节课从动态规划的基本属性，题目分类，解题思想，以及算法复杂度等方面来详解动态规划。判断动态规划Wikipedia 定义：它既是一种数学优化的方法，同时也是编程的方法。1. 是数学优化的方法——最优子结构动态规划是数学优化的方法指，动态规划要解决的都是问题的最优解。而一个问题的最优解是由它的各个子问题的最优解决定的。由此引出动态规..
2020-05-19 17:54:28
353
原创 Leetcode-周竞赛
初来乍到，周赛就出来两道题。目前的意思是将剩下两道题总结一下，方便以后再看35414 收藏清单给你一个数组 favoriteCompanies ，其中 favoriteCompanies[i] 是第 i 名用户收藏的公司清单（下标从 0 开始）。请找出不是其他任何人收藏的公司清单的子集的收藏清单，并返回该清单下标。下标需要按升序排列。示例 1：输入：favoriteCompanies = [["leetcode","google","facebook"],["google",..
2020-05-18 09:57:29
440
原创 周记-深度优先
在看过深度搜索和广度搜索之后，就想着从Leetcode上找一些题刷一下，本来以为可以日刷五十道题，最后成了每天刷五道，这里进行周总结。我的代码好多都是看别人的，先理论学习1 124.二叉树的最大路径和传送门：https://leetcode-cn.com/problems/binary-tree-maximum-path-sum///这个题的意思是返回一个最大路径的和，不是返回子树的和。 -10 / \ 9 20 / \ 15 7用这个图...
2020-05-17 10:28:33
240
1
原创 300分钟搞定数据结构与算法课程学习5 ——DFS和BFS
DFS 和 BFS 经常在算法面试题当中出现，在整个算法面试知识点中所占的比重非常大。应用最多的地方就是对图进行遍历，树也是图的一种。深度优先搜索（Depth-First Search / DFS）深度优先搜索，从起点出发，从规定的方向中选择其中一个不断地向前走，直到无法继续为止，然后尝试另外一种方向，直到最后走到终点。就像走迷宫一样，尽量往深处走。DFS 解决的是连通性的问题，即，给定两个点，一个是起始点，一个是终点，判断是不是有一条路径能从起点连接到终点。起点和终点，也可以指的是某种起始状态和.
2020-05-11 22:05:05
524
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人