- 博客(24)
- 收藏
- 关注
RSS订阅原创 【python】ArgumentParser() 传参bool类型
ArgumentParser() 存储bool类型有坑，不能直接传True/False，需要设置action。‘store_true’ and ‘store_false’These are special cases of ‘store_const’ used for storing the values True and False respectively. In addition, they create default values of False and True respectivel
2021-06-06 13:38:37
1328
原创 【python】 numpy、torch 打印全部
numpy 打印前添加np.set_printoptions(threshold=np.inf)print(x) torch 打印前添加torch.set_printoptions(profile="full")print(x) # prints the whole tensortorch.set_printoptions(profile="default") # resetprint(x) # prints the truncated tensor...
2021-05-29 14:50:12
1620
原创 【pytorch】维度的扩展和压缩
[:, None] 扩展维度… 省略之间的维度torch.unsqueeze(input, dim=None) 扩展维度torch.squeeze(input, dim=None) 压缩维度import torchtensor = torch.randn(3, 4)print('tensor size:', tensor.size()) # tensor size: torch.Size([3, 4])# 末尾维度的扩展与压缩tensor_1 = tensor[:, :, None].
2021-05-23 10:28:46
666
原创 【python】numpy.random.shuffle()
原地打乱，无返回值；多维度的array，只对第一维进行打乱。（二维矩阵解释为对行向量shuffle）打乱一个行向量组成的矩阵：import numpy as npa = np.arange(4)matrix = np.array([a,a]).Tprint("before:\n",matrix)#before:# [[0 0]# [1 1]# [2 2]# [3 3]]np.random.shuffle(matrix)print("after:\n",matrix)#af..
2021-05-20 21:12:24
412
原创 【pytorch】numel()
基本用例：import torcha = torch.zeros(4,4)print(a)# tensor([[0., 0., 0., 0.],# [0., 0., 0., 0.],# [0., 0., 0., 0.],# [0., 0., 0., 0.]])print(a.numel()) # 16print(torch.numel(a)) # 16统计网络中的可训练参数个数：def count_parameters(mode.
2021-05-14 16:14:11
194
原创 【pytorch】torch.utils.data.Dataset & torch.utils.data.Dataloader
torch.utils.data.Dataset & torch.utils.data.Dataloadertorch.utils.data.Datasettorch.utils.data.Dataloadertorch.utils.data.Datasettorch.utils.data.Dataset 是一个抽象类，所以使用时需要自己创建一个子类实现接口。需要实现什么呢？所有子类需要实现__getitem__(self, index)，其作用是根据index获取对应的data；另外，可选择
2021-05-11 15:36:55
784
转载 Softmax
Softmax 就是 Soft 版本的 Maxsoftmax 是一种非常明显的 “马太效应”：强（大）的更强（大），弱（小）的更弱（小）假如你要选一个最大的数出来，这个其实就是叫 hardmax。那么 softmax 呢，其实真的就是 soft 版本的 max。hard 版本的 max 有很严重的梯度问题，求最大值这个函数本身的梯度是非常非常稀疏的（比如神经网络中的 max pooling），经过hardmax之后，只有被选中的那个变量上面才有梯度，其他都是没有梯度。hard max 的变种，比如
2021-04-20 19:44:33
146
原创 【python】list、dicts、collections.Counter
listclass list([iterable])列表建立# 1. 空列表 []# 2. 逗号分隔item[1, 2, 3]# 3.Using a list comprehension: [x for x in iterable]# 4. Using the type constructor:list()list(iterable)sort(*, key=None, reverse=False)This method sorts the list in place
2021-04-19 17:11:34
130
转载 信息熵及其相关概念
这里写目录标题1. 熵的定义1.1 信息熵的三个性质1.2 对信息熵三条性质的理解2. 伯努利分布熵的计算3. 两随机变量系统中熵的相关概念3.1 互信息3.2 联合熵3.3 条件熵3.4 互信息、联合熵、条件熵之间的关系4. 两分布系统中熵的相关概念4.1 交叉熵4.2 相对熵 (KL 散度)4.3 相对熵与交叉熵的关系1. 熵的定义信息熵的定义公式：H(X)=−∑x∈Xp(x)logp(x)H(X)=− \sum_{x\in X} p(x) \log p(x)H(X)=−x∈X∑p(x)log
2021-04-07 15:49:55
1839
原创 【笔记】非对称密钥加密
数字加密算法：对称加密（Symmetric-key algorithm）：使用相同的密匙对同一密码进行加密和解密。非对称加密（asymmetric cryptography）：使用不同的密钥对同一密码进行加密和解密。公钥和私钥中的任一个均可用作加密，但此时只能用另一个解密。公钥无法推导出私钥。数字证书网站在使用HTTPS前，需要向CA机构申领一份数字证书。数字证书里含有证书持有者信息、公钥信息等。服务器把证书传输给浏览器，浏览器从证书里获取公钥就行了。证书就如身份证，证明“该公钥对
2021-04-05 19:28:57
963
原创 【python】 一次读两行文本
python 一次读两行文本import timeimport itertoolsstart1=time.perf_counter()List1=[]path = r"C:\Users\xx.csv"with open(path) as f: for line in f: List1.append(line)f.close() print("time used= ", time.perf_counter()-start1)start2 =
2021-03-20 14:12:09
2342
原创 【普通心理学】记忆
记忆记忆一、概念与分类概念记忆(memory)编码(encoding)存储(storage)提取(retrieval)分类1 按时间长短分类：感觉记忆、短时记忆和长时记忆2. 按照有无规则分类：情景记忆和语义记忆3. 按照有无意识分类：外显记忆和内隐记忆4. 陈述性记忆和程序性记忆二、感觉记忆三、短时记忆编码方式和影响因素短时记忆的存储和遗忘：短时记忆信息提取：工作记忆四、长时记忆编码方式与影响因素长时记忆的信息存储五、内隐记忆记忆一、概念与分类概念记忆(memory)人脑对外界输入的信息进行编
2020-12-23 14:34:20
4341
原创 【python】 list、str、int 转换
list、str、int 转换1. list 数据开始2. str 数据开始3. int 数据开始1. list 数据开始list --> stralist = ["a", "b", "c"] "".join(alist) # "abc"list --> intstrlist = ['1', '2', '3']''.join(strlist) # '123'int(''.join(strlist)) # 123numlist = [1, 2, 3]strlist2
2020-12-15 22:31:52
1108
原创 【笔记】Git 学习记录
1. 指令记录查看：git statusgit loggit refloggit log --graph --pretty=oneline --abbrev-commit增加：git add // 保存副本git commit -m ‘备注’ // 提交副本修改：git reset --hard HEAD^git restore //表示将在工作空间(但是不在暂存区)的文件撤销更改 （有副本，变成副本；没有变成branch版本）git restore --st
2020-12-14 20:50:29
115
转载 【笔记】聚类综述与谱聚类
1. 聚类Everitt 在 1974 年对聚类分析做出如下定义：同一簇内的对象之间相似性高，不同簇内的对象之间相似性低，同一簇内的任意两个对象间的距离小于不同簇内的任意两个对象间的距离[2]。簇可以这样描述：“它是一个密度相对较高的数据对象集”。(1) 基于划分的聚类方法，如K-means、K-medoids(2) 基于层次的聚类方法，如CURE(3) 基于网格的聚类方法，如STING(4) 基于密度的聚类方法，如DBSCAN(5) 基于神经网络的聚类方法，如SOM(6) 基于图的聚类方法，
2020-12-13 19:56:28
574
原创 【笔记】Encoder-Decoder模型
Encoder-Decoder FrameworkEncoder-DecoderEncoder参考Encoder-DecoderEncoder输入 X=(x1,x2,...,xTx)X=(x_1, x_2, ..., x_{T_x})X=(x1,x2,...,xTx)输出 向量 cccht=f(xt,ht−1)c=q({h1,...,hTx})h_t=f(x_t,h_{t-1}) \\ c=q(\{h_1,..., h_{T_x}\})ht=f(xt,ht−1)c=q({h1,.
2020-12-13 19:52:50
413
原创 【笔记】贝叶斯估计（Bayesian Estimation）
贝叶斯估计1. 极大似然估计2. 贝叶斯估计2.1 最大后验估计（Maximum A Posteriori estimation，MAP）2.2 共轭先验参考1. 极大似然估计2. 贝叶斯估计贝叶斯公式：贝叶斯估计:其中，π(θ)\pi(\theta)π(θ)为θ\thetaθ的先验分布（prior distribution），表示对参数θ\thetaθ的主观认识，非样本信息; π(θ∣x)\pi(\theta|x)π(θ∣x)为θ\thetaθ的后验分布（posterior distri
2020-12-12 14:51:05
5481
原创 【整理】护肤品有效成分表
编号名称结构作用原理含量产品--神经酰胺保湿、渗透角质层、减少皱纹。作为皮肤屏障保湿 ; 角质层主要的脂质 ； 配合胆固醇、脂肪酸增加渗透能力；渗透后增加角质层厚度，减少皱纹----视黄醇/维生素A美白、抗皱、刺激胶原蛋白产生脂溶性；吸收转化维A酸；比维A酸温和；加速角质层代谢；角质层黑色素减少，美白；----玻色因羟丙基四氢吡喃三醇（木糖衍生物）抗皱/衰老增加皮肤的细胞外基质（ECM）多糖——糖胺聚糖类（GAG）含量（衰老减少...
2020-11-29 20:57:07
333
原创 【笔记】期望、方差、协方差、协方差矩阵
容易忽略的方差variance应用，遇到就补充...1. 公式2. Xavier Initialization3. Transformer参考1. 公式随机变量X，若E{[X−E(X)]2}E\{ [X-E(X)]^2\}E{[X−E(X)]2}存在，则称E{[X−E(X)]2}E\{ [X-E(X)]^2\}E{[X−E(X)]2}为X的方差，记作D(x)=σ2(X)=E{[X−E(X)]2}D(x)=\sigma^2(X)=E\{ [X-E(X)]^2\}D(x)=σ2(X)=E{[X−E(X)]2
2020-11-25 20:41:03
1738
原创 【笔记】从物理模型到Sigmoid函数，从Sigmoid函数到广义线性模型
Sigmod 笔记一、从物理模型到Sigmoid函数1. Ising模型Ising模型假设:总能量：蒙特卡罗模拟 与 玻尔兹曼分布Hopfield神经网络模型2. 受限玻尔兹曼玻尔兹曼分布（Boltzmann distribution）玻尔兹曼机（Boltzmann Machine）受限玻尔兹曼机（RBM）3. SigmoidRBM二、从sigmoid函数到指数族分布1. 对数线性模型2. 指数族分布（Exponential family distribution）3. 广义线行模型(Generalized
2020-11-20 22:26:58
748
转载 【转载】知识图谱与推荐系统_王鸿伟
另附目录0. 生活中的推荐系统1. 推荐系统1.1 推荐系统任务与难点2. 知识图谱2.1 知识图谱简介2.2 知识图谱引入推荐2.3 知识图谱特征学习3. 知识图谱与推荐系统3.1 依次学习3.2 联合学习3.3 交替学习参考文献0. 生活中的推荐系统小王是一名程序员。早上八点，他被闹铃叫醒，拿起手机开始浏览手机上的新闻 APP 推荐的最新消息：随后，小王想起昨晚放在购物车里的鞋还没有下单。于是，他打开了某购物 APP，查看了一下自己的购物车：但是他觉得下面推荐的板鞋似乎更适合自己，于是他买了
2020-10-27 16:23:53
904
原创 FreeTTS 探索中的几个异常处理
为了完成一个关于盲人学习软件的升级，特此分享一点FreeTTS探索中解决的几个小问题：一、异常Exception in thread "main" java.lang.NullPointerException 二、异常 System property "mbrola.base" is undefined. Will not use MBROLA voices.三、本人在eclipse中添加FreeTTS的问题 classpath、speech.prperties
2018-03-08 08:49:19
1461
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