- 博客(610)
- 收藏
- 关注
RSS订阅
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