自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

开怀的博客

还在靠经验来解决烦恼?

  • 博客(61)
  • 资源 (11)
  • 收藏
  • 关注

原创 支持CUDA运算的显卡算力表

参考:https://en.wikipedia.org/wiki/CUDA。

2024-03-28 17:41:59 440

原创 Anaconda3-2021.05-Linux-x86_64.sh

Anaconda3-2021.05-Linux-x86_64.sh 免费下载,关注如下公众号,回复“

2024-01-29 16:49:55 124

原创 llama2快速部署成功

折腾了几天llama2的部署,由于我本地ubuntu的cuda版本原因,折腾了很久,现在已经将整个过程熟悉了,部署效果如下:

2024-01-29 14:58:18 107

原创 vgg加载训练好的模型和参数(我的第一篇CV入门)

第一次实现图像识别,有点折腾,网上资料不全!!!

2021-06-09 23:05:21 376

原创 python安装pyhanlp遇到的坑

折腾了好久,分享给大家,少走弯路!!!试了好多方法,出现了这样报错,那样报错,最折腾的莫过于microsoft visual c++ 14.0 is required 的问题!!!其实没有Microsoft Visual c++环境也是可以的 !!! 关键是 jpype1 和 pyhanlp 还有 python的版本要对得上!!!这里我成功安装是采用的 Python 3.6 , 不多说,直接来操作!!!1 重新创建一个conda环境指定Python 3.6 : conda create --nam

2021-05-23 17:48:44 425

原创 古月居《ROS入门21讲》课件及源码

《ROS入门21讲》课件及源码下载:方式一:百度网盘链接:https://pan.baidu.com/s/1ILsroPpUmnH_kd1piQ-W9w提取码:yj4s方式二:Github:https://github.com/guyuehome/ros_21_tutorials码云:https://gitee.com/guyuehome/ros_21_tutorials————————————————版权声明:本文为CSDN博主「qq_36059278」的原创文章,遵循CC 4.0

2021-04-24 00:28:13 1745 2

原创 ROS教程官方教程

http://wiki.ros.org/cn/ROS/Tutorials

2021-04-24 00:01:37 125

原创 ROS快速入门课程汇总-共15讲

https://www.corvin.cn/2346.html

2021-04-23 23:57:04 206

原创 ROS入门教程系列

【Beginner Level】ROS入门教程(一)https://blog.csdn.net/q_z_r_s/article/details/83721261【Beginner Level】ROS入门教程(二)https://blog.csdn.net/q_z_r_s/article/details/83793700【Beginner Level】ROS入门教程(三)https://blog.csdn.net/q_z_r_s/article/details/83822903【Beginner

2021-04-23 23:48:27 106

原创 ROS学习入门(抛砖引玉篇)

https://zhuanlan.zhihu.com/p/26007106

2021-04-23 23:45:46 85

原创 Pow(x, n),我的第一道算法题

""" @author: xbw @user: Administrator @time: 2021/4/15 0015/23:11 @name: 指数算法 @tool: PyCharm"""from math import floorclass Solution(object): def myPow(self, x, n): """ :type x: float :type n: int

2021-04-15 23:34:27 49

原创 通俗易懂解释知识图谱(Knowledge Graph)

完整机器学习实现代码GitHub欢迎转载,转载请注明出处https://www.cnblogs.com/huangyc/p/10043749.html欢迎沟通交流: [email protected]目录前言知识图谱定义数据类型和存储方式知识图谱的架构4.1 逻辑架构4.2 技术架构信息抽取5.1 实体抽取(Entity Extraction)5.2 关系抽取(Relation Extraction)5.3 属性抽取(Attribute Extraction)

2021-04-14 01:42:32 1098

原创 Python异常及处理方法总结

调试Python程序时,经常会报出一些异常,异常的原因一方面可能是写程序时由于疏忽或者考虑不全造成了错误,这时就需要根据异常Traceback到出错点,进行分析改正;另一方面,有些异常是不可避免的,但我们可以对异常进行捕获处理,防止程序终止。1 异常类型1.1 Python内置异常Python的异常处理能力是很强大的,它有很多内置异常,可向用户准确反馈出错信息。在Python中,异常也是对象,可对它进行操作。BaseException是所有内置异常的基类,但用户定义的类并不直接继承BaseExcept

2021-04-11 12:11:59 400

原创 python打印的时候print(f“*******“) 的括号里的 f‘ ‘ 是什么意思 ?

python的print字符串前面加f表示格式化字符串,加f后可以在字符串里面使用用花括号括起来的变量和表达式,如果字符串里面没有表达式,那么前面加不加f输出应该都一样.Python3.6新增了一种f-字符串格式化格式化的字符串文字前缀为’f’和接受的格式字符串相似str.format()。它们包含由花括号包围的替换区域。替换字段是表达式,在运行时进行评估,然后使用format()协议进行格式化。formatted string literals, 以 f 开头,包含的{}表达式在程序运行时会被表达式

2021-04-11 12:06:35 743

原创 pycharm 有效!——关于python的包导入问题from . import失败,或者import找不到文件

python的包导入问题from . import失败,或者import找不到文件这其实是因为pycharm没有把这个项目当作一个代码包来解析,如果出现类似的问题,不是代码原因,仅仅需要在pycharm上修改一下设置让IDE识别项目包就好,步骤如下:1,鼠标邮件点击你的项目文件,然后一次点击选择:Mark Directory as>>Sources Root。2,然后你会发现你的文件夹变了颜色,如图:3,现在就可以成功找到自己的文件,并且使用from…import…或者import语句

2021-04-11 11:53:22 804

原创 Python注释之TODO注释

在单行注释的#后面添加TODO关键字,能够高亮显示注释,并且能通过Project窗口快捷访问,在搭建框架时使用。TODO后面可以添加开发人员的名字,待框架完成后回来实现细节。在这里插入图片描述https://blog.csdn.net/u014571489/article/details/82943036...

2021-04-11 11:33:22 275

原创 python中字符串单引号与双引号及转义的坑

1:一般情况下,单引号和双引号可以混用print(“hello,world”)print(‘hello,world’)#没有区别122:当引号出现多次时print("“hello,world”")print(’‘hello,world’’)“”“2者都会报错,编译器会找到第一个单/双引号,到找到下一个单/双引号停止,这中间即为字符串”""#更改print(’“hello,world”’)print("‘hello,world’")#这样就可以了12345673:可以用

2021-04-11 11:13:05 2340

原创 能不能只要训练集和测试集,不要验证集呢?

看了看网上的博客,发现验证集和训练集并没有冲突啊.训练集必须和测试集分开这个是很好理解的.但是我不明白为什么验证集一定从训练集中分出来?验证集的目的是调整超参数.超参数不能够在训练时自动调整,是因为容易发生过拟合.因此需要每次重新人工设定超参数,然后在验证集上训练并测试.但是我用全部的训练集数据去验证新的超参数下的模型效果不是也可以吗?难道是为了缩短训练时间?问题比较初级,还望指教.谢谢不能。验证集的作用在于模拟测试集,而测试集的最大特点就是「未知」,即在训练过程中是见不到的。正因为验证集和测试集在训

2021-04-11 10:40:49 6615

原创 机器学习:交叉验证和模型选择与Python代码实现

前言:本篇博文主要介绍交叉验证(cross validation)和模型选择,首先介绍相关的基础概念和原理,然后通过Python代码实现交叉验证和模型评估以及选择。特别强调,其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记。1.分类器的评价评价分类器性能的指标一般是分类的准确率,其定义是:对于给定的测试数据集(X_test),分类器正确分类的样本数与总样本数之比。这里特别强调一下,有一种分类问题——“偏斜分类”——一般是“二分类”问题。这类问题有一个特点就是:某一类的样本数很少,例如病

2021-04-11 10:33:39 804

原创 中文文本分类器训练集

sougou还真地道。中文文本分类器训练集下载http://www.sogou.com/labs/dl/c.htmlmini版(tar.gz格式) 136Kmini版(zip格式) 167K精简版(tar.gz格式) 24M精简版(zip格式) 30M完整版 107M(由于文件较大,需要注册后获取ftp地址下载)分类编码对照表(txt格式) 138字节相关资源:新闻类中文文本分类数据集https://blog.csdn.net/weixin_33929309/article/details

2021-04-11 10:20:06 242

原创 使用Standford coreNLP进行中文命名实体识别

安装:pip install stanfordcorenlp国内源安装:pip install stanfordcorenlp -ihttps://pypi.tuna.tsinghua.edu.cn/simple使用stanfordcorenlp进行命名实体类识别对中文进行实体识别from stanfordcorenlp import StanfordCoreNLPzh_model = StanfordCoreNLP(r’D:\Anaconda\Scripts\NLP\stanford-core

2021-04-10 17:25:45 629

原创 业界有哪些做的不错的知识图谱产品

转自:知识图谱论坛随着知识图谱越来越火,很多公司都在应用或布局知识图谱,市场上也涌现出越来越多的知识图谱相关的产品,市场上有哪些做的不错的知识图谱产品,值得我们参考,以下列举一些相关产品,欢迎评论区补充。1、业界系统产品企业信息查询是最典型的应用: 鹰眼查、企查查percent百分点: 动态知识图谱海之星图:知识图谱合合信息:知识图谱明略科技:之前看过,目前找不到链接同盾复杂网络2、平台基础设施阿里 图深度学习框架 Euler华为图引擎腾讯知识图谱skg更多:知识图谱论坛————

2021-04-10 15:06:22 268

原创 滤波的概念和作用(滤波器、掩模、核、模板、窗口是一个意思)

转载自:https://blog.csdn.net/mvtechnology/article/details/45041771图像滤波增强处理实质上就是运用滤波技术来增强图像的某些空间频率特征,以改善地物目标与领域或背景之间的灰度反差。遥感系统成像过程中可能产生的”模糊”作用,常使遥感图像上某些用户感兴趣的线性形迹、纹理与地物边界等信息显示得不够清晰,不易识别。需要通过采用领域处理方法来分析、比较和调整像元与其周围相邻像元间的对比度关系,图像才能得到增加,也就是说需要采用滤波增加技术处理。 一,空域滤波

2021-04-10 14:12:00 1996

原创 什么是指代消解?

文章目录:什么是指代?什么是指代消解?指代关系样例什么是实体和指称?要想理解指代消解,需要先理解指代的概念。什么是指代?一般在语言学及我们日常用语当中,在下文采用简称或代称来代替上文已经出现的某一词语,语言学中把这种情况称为“指代现象”,也即是指代。指代现象能够避免同一词语重复出现所造成的语句臃肿、赘述等问题;但也因为这种省略造成“指代不明”的问题。什么是指代消解?形式上,将代表同一实体(Entity)的不同指称(Mention)划分到一个等价集合(指代链,Coreference Cha

2021-04-10 14:02:07 970

原创 方差、标准差、平方差、残差

一、方差1、定义:数据分别与其平均数的差的平方和的平均数,由“D”表示。2、意义:用于度量随机变量与数学期望(即均值)之间的偏离程度。3、公式如下:二、标准差又名:均方差,用“σ”表示。公式如下:三、平方差四、残差在实际数理统计中,观测值和估计值(拟合值)之间的差。栗子:二维空间中,10个点拟合出一条直线方程,其中一个点的坐标为(X,Y),将该点的X代入拟合得到的方程中,得到拟合值为Y0,则残差为Y - Y0.反应的是数据的离散程度以及收敛性,越大则数据离散程度越大、越不收敛。——

2021-04-10 14:01:43 5269

原创 module ‘numpy.random‘ has no attribute ‘default_rng‘

我知道是numpy包出问题了。于是升级了一下pip install --upgrade numpy但是pycharm中依旧报错,但是终端没事。于是我等了10分钟又试了一遍,好了。。。。。。。。。。。。。。。。。。。。。

2021-04-08 00:08:29 1855

原创 PyCharm使用小技巧

一、常用快捷方式Ctrl+d - 复制一行Ctrl+y - 删除一行 Ctrl+/ - 注释单行和多行Shift+回车 - 快速换行Tab - 向右缩进Shift+Tab - 向左缩进Ctrl+f - 查找Ctrl+r - 替换Ctrl± - 折叠代码Ctrl++ - 展开代码Ctrl+Shift± - 批量折叠Ctrl+Shift++ - 批量展开     热键快捷方式设置:File > Settings > Keymap (双

2021-04-07 22:09:27 912

原创 API开放之后,我们才真正领略GPT-3的强大……

毫无疑问,近期硅谷最火的话题就是 GPT-3 了。有多火?这张图足够有说明了:甚至有人围绕 GPT-3 写了各种笑话,其中比较搞笑的一条:约会第一句话:“我拿到 GPT-3 体验资格了”到底啥是GPT-3?GPT-3 是著名人工智能科研公司 OpenAI 开发的文字生成 (text generation) 人工智能,相关论文5月份已经发表,当时就以天文数字级别的1,750亿参数量引发轰动。不过直到最近,公众才真正见识到它到底有多厉害……到底发生了什么?原来,OpenAI 这次一反之前死守基础研

2021-04-07 22:08:04 636

原创 SOTA是个啥

在看一些论文及介绍时,经常提到其模型SOTA、效果SOTA,不知道是啥,搜索了一下,原来如此–State-Of-The-Art的首字母缩写:SOTA model:State-Of-The-Art model,是指在该项研究任务中,对比该领域的其他模型,这个是目前最好/最先进的模型。SOTA result:State-Of-The-Art result,一般是说在该领域的研究任务中,此paper的结果对比已经存在的模型及实现结果,此Paper的模型具有最好的性能/结果。————————————————

2021-04-06 23:07:43 2472

原创 巨星GPT-3,并非终点

它让我看到了未来!AGI离我们又进了一步…最近关于GPT-3的吹捧在各大社交媒体平台此起彼伏。GPT-3是谁?它是OpenAI斥巨资打造的自然语言处理模型,拥有1750亿超大参数量,是NLP领域最强AI模型。自今年5月份首次推出以来,凭借惊人的文本生成能力,在各大媒体平台一直热度不减。这一次,关于GPT-3的吹捧再次被推向高潮,有网友发现GPT-3不仅能够答题、写文章,做翻译,还能生成代码、做数学推理、数据分析、画图表制作简历,甚至玩游戏都可以,而且效果出奇的好。由此不禁有网友感叹,如此全能的AI,

2021-04-06 22:58:18 296

原创 GTP-3算法是一种“暴力美学”的胜利

2016 年,AlphaGo 可以说确立了 AI 的“围棋霸权”。但人工智能专家李志飞却说,“AlphaGo 更多是对人类心智的冲击”。在过去 5 年里,他认为去年问世的 AI GPT-3 的现实影响力可能会比 AlphaGo 更大,因为 GPT-3 让人类真切看到了通用语言智能的希望。AlphaGo 虽能轻松击败人类,但也只限于围棋等专精领域,无法“触类旁通”;而 GPT-3 除了文本联想、翻译、写诗,还能画画、做财务报表、编程,“一个模型就可以做所有事”。通用,就是 GPT-3 的革命性。李志飞把

2021-04-06 22:02:17 3330

原创 一起拥抱 ACL 和 NLP 的光明未来

https://www.msra.cn/zh-cn/news/features/acl-2019-ming-zhou编者按:7月29日,ACL 2019在意大利佛罗伦萨开幕。在开幕仪式上,ACL 主席、微软亚洲研究院副院长周明博士做了主题演讲,为大家介绍了 ACL 学会的工作进展,NLP 领域的技术趋势以及未来重要的发展方向。大家好,欢迎大家来到美丽的佛罗伦萨参加 ACL 2019大会。提起佛罗伦萨,人们很自然地会联想到文艺复兴,这场改变了世界文明的文化运动就是兴起于这里。很高兴 ACL 会议可以在这样

2021-04-06 21:46:29 143

原创 2021年值得期待的7大NLP趋势 - analyticsindiamag

在本文中,我们尝试预测2021年以后NLP的趋势。社交媒体情感分析社交媒体上的每时每刻都会生成大量数据。这也带来了一个特殊的问题,即无法完全手动生成所产生的所有这些信息。事实证明,自然语言处理是这方面的重要工具。作为情感分析工具,NLP通过分析情感,语言和理解对话的紧迫性,帮助越来越多的公司快速了解客户对其品牌的感觉。但是,NLP仍无法区分同一单词的不同含义。包括单词与句子的上下文含义,以及如何识别讽刺或讽刺性陈述。NLP当前面临的另一个挑战是分析具有多种含义(通常是矛盾的)的语句。虽然不能绝对肯

2021-04-06 21:41:30 408

原创 从 ACL 2019 看 NLP 未来发展趋势

随着自然语言处理领域的顶级盛会 ACL 2019 落幕,亚马逊 Alexa AI 的机器学习科学家 Mihail Eric 对本次会议进行了一次比较全面的回顾。从奇闻轶事到学术前沿,本文一网打尽,自然语言处理领域的小伙伴们不要错过!本周,我有幸参加了 2019 年计算语言学协会年会(ACL),本届会议在美丽的佛罗伦萨的一座古老的美第奇家族的城堡举行。我非常热衷于参加学术会议,因为你可以在很短的时间内掌握研究社区的前沿思潮,了解人们的所思所想以及该领域的最新进展。对于全世界的自然语言处理(NLP)研究者而

2021-04-06 21:34:53 207

原创 NLP未来,路在何方?12位巨佬联名指路!

CMU、华盛顿大学、南加州大学、MIT、MILA、密歇根大学、爱丁堡大学、DeepMind、伯克利、Apple…如果我说来自这些地方的dalao共同发表了一篇文章,你相信么?但别惊讶,在即将召开的EMNLP’20的长文列表里,我们就真找到了这样一篇“奇文”。一篇论文引得众星云集,那解决的必然不是小问题。这不,作者也很贴心地把他们所希望解决的问题斜体独行地放在了论文的首栏里——Where is NLP going?……在未来的这几分钟里,让我们暂时放下自己正在改的模型、正在写的论文和正在追的SOTA,重

2021-04-06 21:23:39 344

原创 Cpp-C-左值与右值

C++中的左值与右值说明这一部分内容只是帮助理解 C++(11) 中左值与右值的概念。在编程实践中,因为编译器优化的存在,特别是其中的返回值优化(Return Value Optimization, RVO)使你不需要额外关注左值与右值的区别,像 C++(03) 一样编程即可。C++11 rvalues and move semantics confusion (return statement) - Stack Overflow除非你在进行库的开发,特别是涉及模板元编程等内容时,需要实现

2021-04-06 21:20:52 283

原创 Cpp-A-面向对象

C+±面向对象编程面向对象编程概述面向对象编程的两个主要特征:继承、多态C++ 中是通过间接利用“指向父类”的指针或引用来操作其子类对象,从而达到多态的目的;如果直接操作某个实例,那么多态将无从谈起具体来说,多态是通过动态绑定机制,达到在运行时确定实际被调用的是哪个子类类型,进而调用对应的 override 方法Reference《Essential C++》 第 4/5 章 - Lippman, 侯捷Index不通过继承实现多态抽象基类不通过继承实现多态4.11 指

2021-03-24 01:53:52 124

原创 Cpp-A-基础

RoadMap指针与引用左值引用与右值引用static 与 constconst 相关代码this 指针inline 内联函数编译器对 inline 函数的处理步骤inline 的优缺点虚函数可以内联吗?assert 与 sizeofC++ 中 struct、union、classC 与 C++ 中的结构体C++ 中 struct 和 class 的区别联合体 union用 C 实现 C++ 中的封装、继承和多态友元函数与友元类枚举类型 enum

2021-03-24 01:53:18 207

原创 Python垃圾回收机制详解

一.垃圾回收机制Python中的垃圾回收是以引用计数为主,分代收集为辅。引用计数的缺陷是循环引用的问题。在Python中,如果一个对象的引用数为0,Python虚拟机就会回收这个对象的内存。#encoding=utf-8author = ‘[email protected]’class ClassA():def init(self):print ‘object born,id:%s’%str(hex(id(self)))def del(self):print ‘object del,id

2021-03-24 01:50:35 112

原创 数据挖掘关联分析中的支持度、置信度和提升度

购物篮分析:利用关联分析的方法可以发现联系如关联规则或频繁项集。二元表示:每一行对应一个事务,每列对应一个项,项用二元变量表示,项在事务中出现比不出现更重要,因此项是非对称的的二元变量。项集(Itemset):包含 0 个或多个项的集合,如果包含 k 个项,则称为 k-项集。事务的宽度:事务中出现的项的个数一般我们使用三个指标来度量一个关联规则,这三个指标分别是:支持度、置信度和提升度。Support(支持度):表示同时包含 A 和 B 的事务占所有事务的比例。如果用 P(A) 表示包含 A 的

2021-03-24 01:39:59 2695

vgg加载训练好的模型参数.txt

vgg加载训练好的模型和参数,包括vgg16_exported.json和vgg16_exported.h5,本人亲测,代码有效!!!打包文件和代码!!! 本人第一次实现图像识别,CV的入门级别,却难到了多少人,都是因为网上资料不全!!! 模型本人还自写了一次!和提供的vgg16_exported.json结构一模一样!全在代码里!!! 代码演示:https://blog.csdn.net/mujie2015/article/details/117756243

2021-06-09

JPype1-0.7.1-cp35-cp35m-win_amd64.whl

JPype1-0.7.1-cp35-cp35m-win_amd64.whl

2021-05-23

private_key.pepk

private_key.pepk

2021-04-10

cudart64_101.dll

cudart64_101.dll

2021-01-06

批量替换文本.rar

批量替换文本.rar批量替换文本.rar

2020-01-20

spring3.2.0源码

spring3.2.0源码spring3.2.0源码spring3.2.0源码spring3.2.0源码spring3.2.0源码spring3.2.0源码spring3.2.0源码

2017-10-31

jRegistryKey.dll

jRegistryKey.dlljRegistryKey.dlljRegistryKey.dlljRegistryKey.dlljRegistryKey.dlljRegistryKey.dlljRegistryKey.dlljRegistryKey.dlljRegistryKey.dlljRegistryKey.dll

2017-10-31

jRegistryKey

jRegistryKeyjRegistryKeyjRegistryKeyjRegistryKeyjRegistryKeyjRegistryKeyjRegistryKey

2017-10-31

SOA 面向服务架构_2.swf

SOA 面向服务架构_2.swfSOA 面向服务架构_2.swfSOA 面向服务架构_2.swf

2017-10-31

swagger官方文档

swagger官方文档swagger官方文档swagger官方文档swagger官方文档swagger官方文档

2017-10-31

单页模板单页模板单页模板单页模板单页模板

单页模板

2017-10-24

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除