gz153016-CSDN博客

原创 Mobile Edge Computing 可以投的期刊和会议

(一)期刊CCF-A一区期刊IEEE Transactions on Computers(可以)IEEE Transactions on Mobile Computing(可以)IEEE Journal on Selected Areas in Communications(可以)IEEE Transactions on Parallel and Distributed Systems(可以)IEEE/ACM Transactions on NetworkingIEEE Networks

2020-12-29 11:29:05 1105

原创元学习-maml-few-shot learning-代码实战

第一个文件：my_miniimagenet_train.pyimport osos.environ['CUDA_VISIBLE_DEVICES']='0'import torchfrom my_MiniImagenet import MiniImagenetimport numpy as npfrom my_meta import Metaimport argparsefrom torch.utils.data import DataLoaderdef main(): .

2020-11-21 15:45:24 1852 1

原创 linux 命令集合

linux系统一些使用的命令

2022-12-12 10:55:01 203 1

原创计算/任务卸载任务系统模型中能耗和时延计算公式系统讲解

codeimport argparsedef parse_args(): parser = argparse.ArgumentParser() parser.add_argument('--num-ue', type=int, default=5) parser.add_argument('--F', type=int, default=5) args = parser.parse_args() return argsimport numpy as np

2022-05-12 10:22:05 986

原创 python 三维数组 w4[:, 1] 取值

import numpy as npa = [1, 2, 3] ; b = [4, 5, 6]; c = [7, 8, 9] ; d = [10,11,12]# 每一页 / 每一个二维数组内容不同：w3 = np.array( [ [a,b], [a,c], [b,c], [a,d] ] )w4 = np.array( [ [a,b,d], [a,c,d], [b,c,d],[a,a,d]] )print('w3:\n', w3.shape) # (4, 2, 3)print('w4:\n

2022-05-09 14:31:22 989

原创 pandas .set_index(“TIMESTAMP“, inplace=True) 用法

# -- coding: utf-8 --import pandas as pdvehicle_data = pd.read_csv('./my_test.csv')print('self.vehicle_data:\n', vehicle_data)vehicle_data.set_index("TIMESTAMP", inplace=True) #TIMESTAMP를 index로 설정 loc.[x]하면 x타임스탬프 다나옴# 将TIMESTAMP设置为index loc.[x]表示x时

2022-03-27 10:02:48 2020

原创 Python 将成都进行网格化

一、读取成都的边界坐标http://datav.aliyun.com/portal/school/atlas/area_selector从.json文件中读取边界坐标。import jsonimport numpy as npf = open('./data/chengdu2.json','r', encoding='UTF-8')data = json.load(f)data_coordinates = data['features'][0]['geometry']['coordinates

2022-02-03 21:43:38 1665

原创 pytorch 实现DDPG多好的代码

import torchimport torch.nn as nnimport torch.nn.functional as Fimport numpy as npimport gymimport time##################### hyper parameters ####################EPISODES = 200EP_STEPS = 200LR_ACTOR = 0.001LR_CRITIC = 0.002GAMMA = 0.9TAU = 0

2021-12-08 10:45:26 1401 1

原创 linux network service not found,我自己调出来的，还有小学弟的帮忙。哈哈

/etc/init.d/networking restart/etc/init.d/networking restart/etc/init.d/networking restart/etc/init.d/networking restart/etc/init.d/network restart

2021-08-16 17:27:25 4287 1

原创 torch.nn.Linear() 理解

# -- coding: utf-8 --import torchx = torch.randn(128, 20) # 输入的维度是（128，20）m = torch.nn.Linear(20, 30) # 20,30是指维度output = m(x)# (128, 20) (20, 30) -> (128, 30)print('m.weight.shape:\n ', m.weight.shape) # torch.Size([30, 20])print('m.bias.sh

2021-07-26 15:54:00 234

原创强化学习Double DQN (DDQN)

# -- coding: utf-8 --# 单用户import torchimport torch.nn as nnimport torch.nn.functional as Fimport numpy as npimport gym# 超参数BATCH_SIZE = 32LR = 0.01 # learning rateEPSILON = 0.9 # 最优选择动作百分比GAMMA = 0.9

2021-07-26 10:00:09 490

原创一个简单的pytorch执行例子

#导入所需要的包import torchimport numpy as npimport torch.nn as nnimport matplotlib.pyplot as pltfrom torch.autograd import Variable #定义超参数input_size = 1output_size = 1num_epochs = 100learning_rate = 0.001 #数据集x_train = np.array([[3.3], [4.4], [5.5]

2021-07-02 22:08:30 290

原创 DDPG代码实现

"""Deep Deterministic Policy Gradient (DDPG), Reinforcement Learning.DDPG is Actor Critic based algorithm.Pendulum example.View more on my tutorial page: https://morvanzhou.github.io/tutorials/Using:tensorflow 1.0gym 0.8.0"""######################

2021-04-05 22:27:55 1362 1

原创 python zip 小语法

obs_dims = [1,2,3,4,5]ac_dims = [2,3,4,5,6]# 如果想同时遍历这两个listfor obs_dim, ac_dim in zip(obs_dims, ac_dims): print('obs_dim:', obs_dim, 'ac_dim', ac_dim)输出：obs_dim: 1 ac_dim 2obs_dim: 2 ac_dim 3obs_dim: 3 ac_dim 4obs_dim: 4 ac_dim 5obs_dim: 5

2021-03-21 10:11:25 143

原创不同长度的一维数组 append

import numpy as npa=np.asarray([1,2,3,4,5,6])b=np.asarray([11,22,33])c=np.asarray([44,55,66])x1 = np.concatenate((a,a),axis=0) # 默认情况下，axis=0可以不写x2 = np.concatenate((b,b),axis=0)x3 = np.concatenate((c,c),axis=0)print("x1:", x1)print("x2:", x...

2021-03-13 22:23:21 489

原创 numpy np.where

import numpy as np# : 表示所有的行。# 标记reward_indicator = np.zeros([10, 5])process_delay = np.zeros([10, 5])process_delay[0,0] = 1process_delay[0,1] = 1process_delay[0,2] = 1process_delay[1,2] = 1process_delay[2,2] = 1for iot_index in ran...

2021-03-12 15:31:58 135

原创 paper 实验效果图（论文中插图中字体大小还没有解决，查看一下期刊需要的格式）

import numpy as npimport matplotlib.pyplot as plt#从pyplot导入MultipleLocator类，这个类用于设置刻度间隔from matplotlib.pyplot import MultipleLocator# No Offl.# x1 = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]y1 = [0.08, 0.25, 0.5, 0.7, 0.85, 0.9, 0.92, 0.9..

2021-03-07 17:23:06 561

原创 Pytorch什么时候开始调用forward

import torchfrom torch import nnclass MLP(nn.Module): # 声明带有模型参数的层，这里声明了两个全连接层 def __init__(self, **kwargs): # 调用MLP父类Module的构造函数来进行必要的初始化。这样在构造实例时还可以指定其他函数 # 参数，如“模型参数的访问、初始化和共享”一节将介绍的模型参数params super(MLP, self).__init__

2021-01-16 23:03:51 738

原创安装windows版本的多智能体MADDPG

总体的环境是：pip install gym==0.10.5conda install tensorflow-gpu==1.9.01.解压缩maddpg-master.zip和multiagent-particle-envs-master.zip放在pycharm，别忘了将文件夹转换成Reoursce root。# 第2，3步可以不用。2.在maddpg-master文件夹外层目录运行命令pip install -e maddpg-master3.在multiagent-particle-

2021-01-12 10:14:44 722 1

转载带宽和时延究竟有没有关系

一、严格意义上来说是不一样的，简单点说，网络为什么会出现延时，一定程度上就是带宽时延和数据量造成的；举个例子来说就很清楚了：带宽，bandwidth，是指每秒钟传输的最大字节数。带宽本来是指某个信号具有的频带宽度，单位是Hz。因为过去传输的主要是模拟信号，现在传输数字信号的时候我们还是用这个词来表示传输的速率。我以前总是这样以为，光纤比普通的双绞线传输的快。你看我们在网吧接着光纤上网的时候比在家上网的时候下东西的速度快的多。确实如此，但是我们理解的可能不对。不是光线更“快”，而是光纤的“量”更大。打一

2021-01-05 10:30:42 6388

原创 python from collections import deque python中的队列

from collections import dequelstm_history = deque(maxlen=5)for ii in range(5): lstm_history.append(np.zeros([1]))print('lstm_history:', lstm_history)lstm_history.append('1')lstm_history.append('2')lstm_history.append('3')lstm_history.append('4

2020-12-30 21:42:41 781

原创 tf.concat拼接 np.where

import numpy as npreward_indicator = np.zeros([110, 50])process_delay = np.zeros([110, 50])process_delay[0,0] = 4print('process_delay:', process_delay)temp1 = (1 - reward_indicator[:,0])print('temp1:', temp1)temp2 = process_delay[:,0] > 0print(.

2020-12-29 10:40:40 92

原创 python np.hstack

import numpy as nparr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6])# print('np.vstack((arr1, arr2)):', np.vstack((arr1, arr2)))print('np.hstack((arr1, arr2)):', np.hstack((arr1, arr2)))# np.hstack((arr1, arr2)): [1 2 3 4 5 6]a1 = np.array([[1, 2

2020-12-23 21:44:39 1709

原创强化学习DQN

import gymimport tensorflow as tfimport numpy as npimport randomfrom collections import deque# Hyper Parameters for DQNGAMMA = 0.9 # discount factor for target QINITIAL_EPSILON = 0.5 # starting value of epsilonFINAL_EPSILON = 0.01 # final value ..

2020-12-01 17:21:25 262

原创强化学习AC框架

import gymimport tensorflow as tfimport numpy as npimport randomfrom collections import deque# Hyper ParametersGAMMA = 0.95 # discount factorLEARNING_RATE=0.01class Actor():# PI def __init__(self, env, sess): # init some parameters..

2020-12-01 17:20:24 3747

原创强化学习之策略梯度

######################################################################## Copyright (C) ## 2016 - 2019 Pinard Liu([email protected]) ## https://www.cnblogs.com/pinard .

2020-11-30 21:26:06 171

原创强化学习之DQN

主要的组件：TD，Q_leaning，神经网络表示Q函数，贝尔曼方程。from __future__ import print_functionimport tensorflow as tfimport numpy as npimport cv2import syssys.path.append("game/")import game.wrapped_flappy_bird as gameimport random#游戏名GAME = 'flappy bird'ACTIONS = 2

2020-11-15 16:45:09 257

原创强化学习之PPO

import osos.environ["CUDA_VISIBLE_DEVICES"] = "1"import tensorflow as tfimport numpy as npimport gymimport matplotlib.pyplot as pltRENDER = False#利用当前策略进行采样，产生数据class Sample(): def __init__(self,env, policy_net): self.env = env

2020-11-14 17:11:44 390

原创 ‘Keras requires TensorFlow 2.2 or higher. ‘

Tensorflow版本 Keras版本Tensorflow 2.1Tensorflow 2.0Tensorflow 1.15 Keras 2.3.1Tensorflow 1.14 Keras 2.2.5Tensorflow 1.13Tensorflow 1.12Tensorflow 1.11 Keras 2.2.4Tensorflow 1.10Tensorflow 1.9 Keras 2.2.0Tensorflow 1.8Tensorflow 1.7Tensorflow 1.5 K

2020-11-12 21:46:59 567 1

原创 linux下4种kill某个用户所有进程的方法

linux下4种kill某个用户所有进程的方法这篇文章主要介绍了linux下4种kill某个用户所有进程的方法,需要的朋友可以参考下在linux系统管理中，我们有时候需要kill掉某个用户的所有进程，初学者一般先查询出用户的所有pid，然后一条条kill掉，或者写好一个脚本，实际上方法都有现成的，这边有4种方法，我们以kill用户ttlsa为例.1. pkill方式# pkill -u ttlsa2. killall方式# killall -u ttlsa3. ps方式ps列出ttlsa

2020-11-11 21:12:49 3846

原创 pycharm的debug使用

**step over（F8快捷键）：**在单步执行时，在函数内遇到子函数时不会进入子函数内单步执行，而是将子函数整个执行完再停止，也就是把子函数整个作为一步。在不存在子函数的情况下是和step into效果一样的。简单的说就是，程序代码越过子函数，但子函数会执行，且不进入。**step into（F7快捷键）：**在单步执行时，遇到子函数就进入并且继续单步执行，有的会跳到源代码里面去执行。**step into my code（Alt+Shift+F7快捷键）：**在单步执行时，遇到子函数就进入并且继

2020-10-29 16:18:16 223

Unix课程设计图书管理系统

Android反编译工具包

android-2.2-源码

Android 项目开发实战：图案解锁源码

TortoiseGit-1.8.12.0-64bit和Git-1.8.1.2-preview20130201.exe

空空如也