- 博客(610)
- 收藏
- 关注
原创 tableau 对比销售额分析(利用参数、exclude)
目的:找出与选定类别的差异步骤:首先,必须隔离选定类别的销售额。然后,需要使用 EXCLUDE 表达式在所有其他类别中重复该值。之后,便可轻松了解每个类别的销售额与其他类别的差异。因为类别是不固定的,可能是所有类别中的任意一个,所以需要设置参数:鼠标放在Category上,右键创建参数创建计算字段:[Category] = [参数].[Category],名称为Selected Category创建计算字段:IF [Category] = [参数].[Category] THEN S
2020-10-01 21:56:50 3928
原创 tableau 总额百分比
每个国家/地区的收入对全球销售额有何贡献? 如果我们按照贡献百分比着色,即可看出美国对全球销售收入的贡献最大。但是,我们可能想重点关注欧盟等在绝对值上相对贡献较小的市场。如果不采用详细级别表达式,对某市场进行筛选会导致总额百分比的重新计算,从而显示每个国家/地区对其市场的贡献。利用简单的详细级别表达式,我们可对某市场进行筛选,同时仍可衡量全球贡献。先看图吧,大概能懂什么意思了,就是求百分比,以后可以套用。这里的第二列:SUM([{SUM(Sales)}]),第三列:SUM([Sales]).
2020-10-01 17:18:12 1744
原创 FastAPI静态文件映射到网页
安装了FastAPI 和 Uvicorn:pip install fastapi uvicorn。同样,你可以根据实际情况修改路径和路由。然后,打开浏览器访问。
2024-03-10 22:23:26 260
转载 Cypher Cheetsheet基础语法
寻找2个Person类型节点分别姓名为Tom和Jimmy,创建两节点之间的关系:类型为Friend,关系值为best。8.匹配关系时需要基于p=(m)-[r]->(n)返回p,而不是返回r(显示空)不存在则新建并返回(通常实际用途于在对节点添加属性时避免报错)7.节点或者关系(/[变量名:类型{属性名:属性值}]/)例如 csv文件(default=1000)(属性:姓名、年龄及性别)3.where中使用。
2024-02-20 22:04:09 42
原创 py2neo和neo4j
无论选择哪一个,都可以根据个人的偏好和项目的需求进行选择。在实际应用中,两者都是被广泛使用的。是两个 Python 中与 Neo4j 图数据库交互的库,但它们有不同的设计和使用方式。对象表示图数据库中的节点和关系,使得代码更加直观和易读。更加 Pythonic。官方提供的官方驱动库。
2024-02-20 21:38:23 646
原创 使用apoc将数据从数据库导入neo4j
这段代码的目的是从 ClickHouse 数据库中加载数据到 Neo4j 图数据库,并在加载过程中使用 APOC(Awesome Procedures on Cypher)库提供的 apoc.merge.node。总体来说,这段代码的目的是从 ClickHouse 数据库中加载关系数据到 Neo4j 图数据库,确保在图数据库中的关系具有唯一性。总的来说,这段代码的目的是从 ClickHouse 数据库中加载数据到 Neo4j 图数据库,确保在图数据库中的 "Law" 节点具有唯一的。
2024-02-20 21:29:21 1207
转载 Python使用LOAD CSV将csv数据导入neo4j
参考链接:https://github.com/SongX64/movie_recommend_knowleagegraph。
2024-02-20 15:32:55 129
原创 python将csv数据导入neo4j
参考链接:https://github.com/jm199504/Financial-Knowledge-Graphs/tree/master。
2024-02-20 15:23:31 1050
原创 mysql_存储过程
的表中插入一批数据,插入的数据包括两个字段std 和score。这个存储过程的作用是往表中插入一批随机生成的数据,批量插入的数量由输入参数。如果你调用这个存储过程,需要提供适当的参数值。这是一个 MySQL 存储过程,主要功能是往名为。这意味着插入数据后需要手动执行。语句将事务的自动提交模式关闭。
2023-12-29 09:59:30 643
转载 0 Baichuan介绍&环境准备
Baichuan-7B 是由百川智能开发的一个开源可商用的大规模预训练语言模型。基于 Transformer 结构,在大约 1.2 万亿 tokens 上训练的 70 亿参数模型,支持中英双语,上下文窗口长度为 4096。在标准的中文和英文 benchmark(C-Eval/MMLU)上均取得同尺寸最好的效果。Github 链接本项目提供了 Baichuan-7B 非量化版本在 ModelWhale 平台 V100 机型上进行部署、推理测试教程。
2023-12-17 16:35:53 94
转载 ChatGLM3-6b大模型在 ModelWhale 平台的部署推理教程
本教程主要针对最新的ChatGLM3-6b模型进行部署和测试,该模型相较于2代模型有了全方位的提升,值得一提的是支持自定义工具的能力。后续会持续更新ChatGLM3-6b微调的教程、ChatGLM3-6b与工具的联动教程。计算资源:V100 Tensor Core GPU镜像:Pytorch 2.0.1 Cuda11.7 Python3.10官方注:ModelWhale GPU机型需要从云厂商拉取算力资源,耗时5~10min,且会预扣半小时资源价格的鲸币。
2023-12-17 16:26:21 173
转载 【Embedding合集】使用LSTM模型实现对行为序列数据的Embeding
LSTM是一种递归神经网络(RNN)的变种,能够有效地捕捉和建模序列数据中的长期依赖关系。LSTM模型具有记忆单元和门控机制,可以根据序列中的上下文信息自适应地存储和遗忘信息,从而更好地处理序列中的长期依赖。Embedding后的数据可用于计算用户行为序列的相似性,对付费、流失等行为进行精准预测。【Embedding合集】使用LSTM模型实现对行为序列数据的Embeding¶。使用LSTM模型实现对不定长的序列数据的Embedding。
2023-12-17 16:25:06 243
转载 【Embedding合集】使用LSTM模型实现对行为序列数据的Embeding
LSTM是一种递归神经网络(RNN)的变种,能够有效地捕捉和建模序列数据中的长期依赖关系。LSTM模型具有记忆单元和门控机制,可以根据序列中的上下文信息自适应地存储和遗忘信息,从而更好地处理序列中的长期依赖。Embedding后的数据可用于计算用户行为序列的相似性,对付费、流失等行为进行精准预测。【Embedding合集】使用LSTM模型实现对行为序列数据的Embeding¶。使用LSTM模型实现对不定长的序列数据的Embedding。
2023-12-17 16:21:47 56
转载 【Embedding合集】Word2Vec
根据自己的文本语料库训练自定义的 Word2Vec 模型。这通常用于针对特定任务或特定领域的文本数据进行词向量训练。在这种情况下,需要提供自己的文本语料库,并使用 Gensim 中的 Word2Vec 对其进行训练。这样,模型将学习到与自定义语料库相关的语义信息和上下文关系。# 创建 Word2Vec 模型并训练# 获取单词的词向量# 寻找与给定词最相似的词语。
2023-12-17 16:04:53 26
转载 Pytorch 2.0 中文教程|论文复现:LSTM
使用一个单层的 LSTM 模型,输入维度为 1,隐藏层维度为 10,输出维度为 1。创建 LSTM 模型LSTM(
2023-12-17 08:40:11 152
转载 60题PyTorch简易入门指南,做技术的弄潮儿
26.定义①的卷积层,输入为32x32的图像,卷积核大小5x5卷积核种类6# 27.定义③的卷积层,输入为前一层6个特征,卷积核大小5x5,卷积核种类16# 28.定义⑤的全链接层,输入为16*5*5,输出为120# 29.定义⑥的全连接层,输入为120,输出为84# 30.定义⑥的全连接层,输入为84,输出为10# 31.完成input-S2,先卷积+relu,再2x2下采样# 32.完成S2-S4,先卷积+relu,再2x2下采样。
2023-12-17 08:25:59 37
转载 Pytorch_入门概念
是一种仿照生物神经系统结构和功能的人工智能技术。神经网络通常由和若干个组成,每个层包含若干个神经元。,它模拟了生物神经元的行为特征,包括输入信号的接收、加权求和、非线性激活等过程。神经元接收来自前一层神经元的输入信号,将输入信号进行加权求和,并通过激活函数将结果转换为输出信号,并将输出信号传递给下一层神经元。如图1所示为一个经典的以全连接(Full Connected, FC)方式形成的神经网络,每个圆圈代表一个神经元,圆圈间的连线代表神经元之间的联结。
2023-12-17 08:19:11 24
转载 Pytorch_快速入门
在本教程中,我们将使用FashionMNIST数据集。在这里,我们定义批次大小为64,即数据加载器迭代器中的每个元素将返回 64 个特征和标签的批次。我们会在每轮迭代结束后打印模型的准确率和损失值,并希望看到准确率逐步提高,损失值逐步减小。我们将使用FashionMNIST数据集来训练一个神经网络,该网络可以预测输入图像属于以下哪个类别:T恤/上衣、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或踝靴。在单个训练循环中,模型对训练数据集进行预测(以批次形式提供),并通过反向传播预测误差来调整模型的参数。
2023-12-15 17:29:03 19
转载 Pytorch_张量
PyTorch是一个开源的深度学习框架,由Facebook的AI研究团队于2016年发布。它提供了丰富的工具和库,用于构建、训练和部署深度神经网络模型。PyTorch采用动态计算图的设计,使得构建和调试模型变得直观而灵活。它的自动求导功能也使得实现反向传播算法变得简单,是训练深度学习模型的关键组件。
2023-12-15 17:23:39 101
原创 linux命令之lsof
分别是两个不同的命令,它们并不是缩写。命令,查看端口号为 7070 的相关信息。命令终止进程号为 2372152 的进程。
2023-12-11 14:57:29 100
原创 git init
它创建了一个空白的版本库(repository),这个版本库是用来存储你项目的所有版本信息的地方。这样,你就创建了你项目的第一个版本,Git 开始记录你的项目的历史。存储客户端或服务端的钩子脚本,这些脚本可以在特定的 Git 操作(如提交、合并等)前后执行。就是告诉 Git 开始追踪你的项目,并创建一个地方来存储所有版本的信息。存储了暂存区的信息,包括暂存区中的文件和各文件的 SHA-1 值等。这使得你可以在项目的不同阶段回顾、比较和还原文件的状态。的,这些结构记录了文件的当前状态和每一次的变化。
2023-11-02 10:51:50 451
原创 .gitignore
例如:星号(*)代表任意多个字符,问号(?)代表一个字符,方括号([abc])代表可选字符范围,大括号({string1,string2,...})代表可选的字符串等。5. 如果名称的最后面是一个路径分隔符(/),表示要忽略的是此目录下该名称的子目录,而非文件(默认文件或目录都忽略)。4. 如果名称的最前面是一个路径分隔符(/),表示。3. 如果名称的最前面有一个感叹号(!1. 忽略文件中的空行或以。2. 可以使用Linux。,而子目录中的文件不忽略。要忽略的文件在此目录下。
2023-11-02 10:12:45 130
原创 清空/删除 master 分支中的文件
执行这些步骤将会永久删除 master 分支中的文件,请谨慎操作。分支前面,表示当前已经处于。分支,请使用以下命令切换到。分支后,可以使用以下命令。这个命令会将当前目录下的。1、首先,确保您已经。
2023-10-31 14:31:14 1206
原创 nohup
是一个特殊的设备文件路径,用于将命令的标准输出和标准错误输出重定向到空设备,相当于将输出丢弃。在Linux系统中,,并将其标准输出和标准错误输出都丢弃,使其在后台静默运行,不产生任何输出。表示空设备,所有写入它的内容都会被丢弃,而读取它则会立即返回文件结尾。文件中,从而记录程序的输出和错误信息。,并将标准输出和标准错误输出都追加到。因此,整个命令的作用是在后台运行。因此,这个命令会在后台运行。
2023-10-26 14:55:55 95
原创 nvidia-smi
NVIDIA 显卡的驱动程序版本。计算统一设备架构(CUDA)的版本。显示在系统中的 GPU 设备的名称。显示 GPU 是否处于持久性模式。在这里,"Off" 表示不在持久性模式。显卡的总线 ID,可以用于唯一标识系统中的每个 GPU。显示适配器信息,包括显卡是否处于激活状态(On)或关闭状态(Off)。显存的错误纠正码(ECC)状态。显卡风扇的当前运行情况,包括百分比和温度。显卡的当前温度。显卡的性能状态。显卡的功耗使用情况,包括当前功耗和最大功耗。显卡当前正在使用的显存量。
2023-10-26 14:11:28 307
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人