- 博客(25)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Git 常用基本命令
1.克隆/拉取项目git clone 你的项目地址.git2.查看远程分支情况git branch -r3.查看本地分支git branch4.创建本地分支git branch dev(分支名称)5.删除本地分支git branch -d dev(分支名称)6.切换分支git checkout dev(分支名称)7.发布本地分支到远程分支git push origin dev(分支名称)8.建立本地分支与远程分支的关联本地分支与远程分支关联这步不是必须，但后续就能
2022-05-08 23:22:21
173
原创 keras导入模型nicodeEncodeError: ‘mbcs‘ codec can‘t encode characters in position 0--1: invalid character
1.问题：解决：开始以为是包的版本问题，后面看终端的输出发现，在load_model的路径上多了字符（\u202a），这是直接复制文件属性里面的路径导致的，字符删除，重新手打一遍字符在运行（\u202a）中就消失了。2.用相对路径报错：**解决：**换成绝对路径...
2020-12-20 23:19:43
572
原创 matplotlib.pyplot绘图在jupyter notebook不显示＜matplotlib.image.AxesImage at 0x162b63cd8d0＞
matplotlib.pyplot绘图在jupyter notebook不显示输出：<matplotlib.image.AxesImage at 0x162b63cd8d0>解决：前面加上%matplotlib notebook
2020-11-29 19:08:47
2833
2
原创 利用线性回归模型检测异常
利用线性回归模型检测异常关键思想：真实值与模型预测值之间的差值可以用来衡量这个数据点是多么异常。检测步骤如下：将数据集分割为训练集（均为正常点）和测试集（包含异常点）利用训练集得到线性回归模型的参数和选择是否判断为异常的阈值。将第2步得到的模型和阈值检测测试集。对于第一点，我们得到的线性回归模型参数一定得是基于正常点的，否则，会出现下图这种情况：其中，左侧是基于正常数据的拟合结果，右侧是基于含有异常数据的拟合结果，蓝色是拟合线，绿色是基于正常数据的拟合线。我们可以发现，异常点的存在使拟
2020-11-13 16:02:21
2411
1
原创 Z-score与修正的Z-score评分识别异常
z-score对于一维数据，最常用评价异常的方法就是z-score方法，它的定义如下：zi=xi−uδz_i=\frac{x_i-u}{\delta}zi=δxi−u其中，xix_ixi是样本值，uuu是均值，δ\deltaδ是样本标准差。因此ziz_izi就是衡量该样本点距离样本均值有多少个标准差，用来表示各原始数据在数据组中的相对位置。另外，若样本服从正态分布，它可以表示该数据以下或以上数据的比例，即具有了概率的意义；比如样本服从正态分布，如果设置z-score的阈值为-2（低于
2020-11-12 18:48:45
6093
1
原创 单元高斯分布VS多元高斯分布
单元高斯分布前提假设：feature之间是独立的步骤如下：选择具有代表异常特征的feature,即训练集特征分别对每个维度的特征估计均值与方差的值计算上述图片中的P(x)，如果P(x)<阈值特点：明确各个feature关系时适合使用(比如x1,x2就算不独立，我们知道其关系，可以通过构建新的feature x3=f(x1,x2)，达到独立的假设计算量小多元高斯分布.步骤特点：自动捕捉到相关的feature（与单元高斯重大区别）计算量大，因为协方差的计算O(n^
2020-10-25 20:34:22
400
原创 pytorch框架使用tensorboard安装避坑
具体参考博客：https://blog.csdn.net/bigbennyguo/article/details/879564341.安装好了pytorch安装tensorboardpip install tensorboard安装tensorboardXpip install tensorboardX测试成功#Tensorboard的使用,图像变换transform的使用from tensorboardX import SummaryWriterwriter=SummaryWriter
2020-10-24 17:22:23
577
原创 综述：DEEP LEARNING FOR ANOMALY DETECTION: A SURVEY(未完成）
前言随着数据规模的增加，Deep learning比传统机器学习的方法更好，如下图所示：anomalies VS noveltiesDeep anomaly detection(DAD)的动机与挑战在异常检测上面，由于数据结构越来越复杂，传统算法在图像和学列数据集上的表现变得次优了；大规模异常检测的需要；DAD技术能从数据中学到hierarchical discriminative features，这种自动学习特征的能力减少了手动开发，可完成端到端的异常检测；但是对正常数据和异常数据区
2020-10-23 00:15:40
527
原创 2020跌宕起伏的计算机推免之路
前言给自己一个总结的同时，提供后来者一些投递院校的思路吧。个人基本情况本科院校：某985，计算机B+成绩排名：6/33综合排名：3/336级：435科研及获奖情况：美赛M,以及其他乱七八糟的9个竞赛经历；参与国家级大创，负责一项校级大创。ps:由于疫情等原因，原本打算出国的很多人加入了此次竞争；并由于线上参与，大大提高了一个人能参加活动的数量。以后的小伙伴记得把握当年形势。夏令营经历投递院校：复旦类脑智能科学与技术、中国人民大学信息学院、四川大学、人大人工智能、南京大学人工智能、哈尔滨工
2020-10-19 13:57:16
318
1
原创 03数组中重复的数字
题目描述在一个长度为 n 的数组 nums 里的所有数字都在 0～n-1 的范围内。数组中某些数字是重复的，但不知道有几个数字重复了，也不知道每个数字重复了几次。请找出数组中任意一个重复的数字。来源：力扣（LeetCode）示例输入：[2, 3, 1, 0, 2, 5, 3]输出：2 或 3解决方案复杂度O(n)自己开始的思维首先通过STL中的sort(nums.begin(),nums.end())进行排序若相邻元素相同,则找到一个重复元素学到的思维-更快构建一个数组(大小
2020-05-25 01:14:09
121
原创 缺失的区间-处理溢出
问题描述给定一个排序的整数数组 nums ，其中元素的范围在 闭区间 [lower, upper] 当中，返回不包含在数组中的缺失区间。示例：输入: nums = [0, 1, 3, 50, 75], lower = 0 和 upper = 99,输出: [“2”, “4->49”, “51->74”, “76->99”]解题思路这道题思路比较简单，就是比较相邻的数的...
2020-04-24 18:05:22
238
原创 相隔为1的编辑距离-思路很直接
问题描述给定两个字符串 s 和 t，判断他们的编辑距离是否为 1。注意：满足编辑距离等于 1 有三种可能的情形：往 s 中插入一个字符得到 t从 s 中删除一个字符得到 t在 s 中替换一个字符得到 t示例 1：输入: s = “ab”, t = “acb”输出: true解释: 可以将 ‘c’ 插入字符串 s 来得到 t。示例 2:输入: s = “cab”, t = “...
2020-04-22 15:34:05
397
原创 至多包含两个不同字符的最长子串-哈希表与双指针
题目描述：给定一个字符串 s ，找出 至多 包含两个不同字符的最长子串 t 。示例 1:输入: “eceba”输出: 3解释: t 是 “ece”，长度为3。示例 2:输入: “ccaabbb”输出: 5解释: t 是 “aabbb”，长度为5解题思路：可以利用双指针（i,j）在字符串上进行移动，来判定满足要求的最长子串。那么指针如何计算长度，i怎么移动,j怎么移动呢？...
2020-04-21 21:45:00
562
原创 两数之和--利用哈希表（查询）空间换时间C++
两数之和–利用哈希表（查询）空间换时间写博客，只为熟悉和梳理下常见算法知识点~训练脑子hhh题目描述：给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。示例:给定 nums = [2, 7, 11, 15], target = 9因为 num...
2020-04-16 14:50:38
281
原创 pandas：sort_values排序后concat"失效“问题解决
pandas：sort_values排序后concat"失效“问题解决问题描述：import pandas as pdimport numpy as npdata1=np.array([[1,1,1],[3,2,2],[2,3,3]])index=np.arange(1,4,1)#起点，终点+1，步长columns=list('ABC')df1=pd.DataFrame(data1,...
2020-04-08 14:00:44
1071
原创 ubuntu使用pip install下载很慢
ubuntu使用pip install下载很慢需要换成国内镜像，如清华大学，阿里云等国内镜像清华大学：https://pypi.tuna.tsinghua.edu.cn/simple中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/阿里云：https://mirrors.aliyun.com/pypi/simple/豆瓣：http://pyp...
2019-11-30 21:06:15
441
原创 适用于CX3平台的CeleX5传感器SDK使用方法
链接github资源链接安装过程下载VS2015链接：https://pan.baidu.com/s/1Vv-JBp92ECCjWM7sOvOL-g提取码：lkzsps:VS2015安装过程官网下载opencv3.3.0，并在D盘建立Program Files文件夹，将opencv文件夹放入（因为原程序路径如此）打开samples文件夹下的.sln文件，在VS2015中要buil...
2019-09-18 22:47:52
583
原创 NVIDIA Jetson TX2的介绍
NVIDIA Jetson TX2的介绍关于JstsonJetson是NVIDIA推出的嵌入式人工智能超级计算平台，可以部署在诸多终端（可能是摄像头、无人机、机器人和无人小车等）之上，令其具备人工智能计算能力。而“嵌入式”则可以很好地解决这些终端要具备人工智能计算能力所要面临的带宽不足、延迟等问题2015 年，NVIDIA推出了首款针对小型化人工智能终端的嵌入式计算平台——Jetson...
2019-07-05 22:38:39
3332
原创 ## 命名管道双向通讯linux
命名管道双向通讯linux命名管道克服了匿名管道的局限性1）命名管道是在文件系统中作为一个特殊的设备文件而存在的。2）不同祖先的进程之间可以通过管道共享数据。3）当共享管道的进程执行完所有的I/O操作以后，命名管道将继续保存在文件系统中以便以后使用。4）管道只能由相关进程使用，它们共同的祖先进程创建了管道。但是，通过FIFO，不相关的进程也能交换数据。命名管道用于不相关两个进程进行通讯...
2019-07-04 11:07:24
446
原创 pdf英文翻译中文
0花费，pdf英文翻译中文利用迅捷在线转换（PDF大小<=2M），将PDF转化为HTLM格式将HTML格式在谷歌打开，并右击鼠标，选择翻译。将翻译后的网页，另存为，就ok了...
2019-06-05 22:42:21
2531
原创 无名管道双向通讯linux
无名管道双向通讯linux基础知识1.Linux中一种简单且使用频繁的进程间通信方式2.一种特殊的管道文件，只存在于内存中，不使用外存3.管道是单向的、先进先出的、无结构的、固定大小的字节流4.写进程在管道的尾端写入数据，读进程在管道的首端读出数据数据读出后将从管道中移走5.管道的流控制机制：进程试图读空管道时，在有数据写入管道前，进程将一直阻塞管道已经满时，进程再试图写管道，在...
2019-05-24 19:00:52
501
1
原创 天若OCR文字识别软件
天若OCR文字识别软件将图片上的文字转换成可编辑的文本使用方法注意：1,默认快捷键F4，可以自行修改，在托盘图标右键设置里可以修改。2、截图之后松开左键即可。3、截图时按住Ctrl，强制性拆分文字。4,可能会遇到电脑启动该软件，然后就闪退，按F4也没有办法（此时软件并没有运行），是因为该电脑底层语言用的是英文，需要改成中文才可以（没有深究）解决方案资源：网盘下载地址提取码：9...
2019-04-17 19:26:17
3855
原创 Latex常用命令总结
Latex是一种排版系统，能在几天，甚至几小时内生成很多具有书籍质量的印刷品。对于生成复杂表格和数学公式。对于写博客，写论文的孩子有很大帮助，下面我将介绍一些常用命令：一般结构插入目录：\tableofcontents（根据\section等命令的逻辑结构生成目录）斜体：\emph{text}简单列表begin{itemize}\item textend{itemize}...
2019-01-23 00:22:57
2198
4
原创 数学建模之优化问题
采用优化方法时，要明确4个要素，决策变量，目标函数，约束条件是什么。下面进行阐述3种类型的优化处理以及matlab代码。线性规划问题用matlab处理一般的线性规划问题的标准型为：min z=∑j=1ncjxi\sum_{j=1}^nc_jx_i∑j=1ncjxis.t.∑j=1naijxi≤bj\sum_{j=1}^na_{ij}x_i\leq b^j∑j=1naijxi≤b...
2019-01-22 23:37:13
17538
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人