5 风痕依旧

尚未进行身份认证

我要认证

高科技不过如此!!!

等级
TA的排名 6w+

django(五)数据库查询优化

select_related和prefetch_related适用范围select_related适用于1对1 1对多predetch_related 适用于多对多参考链接https://blog.csdn.net/weixin_42134789/article/details/100571539

2020-07-31 23:03:11

算法(六) 动态规划

1、背包承重def splitPack(n): step = [1,2,3] dp = [0] * (n + 1) dp[0] = 1 for i in step: for j in range(i,n + 1): dp[j] += dp[j - i] return dp[n]2、背包承重带有属性def splitPack(n): things_num = [3,5,1,2,3] things_price

2020-07-31 23:00:37

算法(五)快速排序

import randomarr = [10, 7, 8,8, 9, 2,1,1,1, 5]def QuickSort(arr): if len(arr) == 1 or len(arr) == 0: return arr number = random.choice(arr) left_list = [] right_list = [] label = True for i in arr: if i != arr[0]:

2020-07-27 10:35:07

django(四)多应用

diango支持多应用开发多应用可以共享一个数据库,也可以分别使用不同的数据库本篇只以一个数据库为例分三步 1 models的配置 2 urls的配置 3 views的实现1 关键点在models的内容比如有两个app,下面分别对应2个models,其中hero和book的关系是1对多from django.db import models# Create your models here.class Book(models.Model): bookname = models.

2020-07-26 21:03:49

tensorflow 数据加载

数据载入的三种形式:一、直接使用numpy加载 for i in range(train_data.shape[0]//batch_size): image_batch = train_data[i*batch_size:(i+1)*batch_size,:,:,np.newaxis] label_batch = train_label[i * batch_size:(i + 1) * batch_size]二、使用tf.data.Dat

2020-06-30 23:30:39

安装GPU环境

查看cuda支持的版本cmd中输入cd C:\Program Files\NVIDIA Corporation\NVSMInvidia-smi1、tensorflow安装cuda对照 版本cuda10.2链接cudnn7.6.5链接将cudnn下的文件贴贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2对应目录下配置环境变量C:\Program Files\NVIDIA GPU Computing Toolkit\CUD

2020-06-20 18:09:01

算法(四)退火算法

退火退火,核心在退,每次迭代,范围缩小步骤:1 初始解2 开始while循环退火,当前范围T = T/(t) 其中t为循环累加的值,T为初始值,每次迭代减小3 每层迭代50次寻找这一层的最小值,如果比当前值大,概率性保存。方式是使用邻近解的函数值与当前解的函数值做比较代码如下:import mathimport randomdef function(x): return x**3-60*x**2-4*x+6def main(): T = 1000 t_min

2020-06-05 22:49:56

算法(三)遗传算法

使用目的:可以求解局部最大值,当数值范围过大时,不适用,仅适用于局部最优解步骤:1 生成种群:随机数范围即是局部的范围,范围过大,会造成无法求出最优解2 编码 :将数据进行2进制编码,实现方式——处理负数——归一化——乘以基因位数3 选择 : 选择首先对编码数据进行解码,同时求出适应度(就是函数的解)——求每个适应度概率(适应度除以总适应度)——求出适应度分布(列表每个索引对应的值是这个位置的适应度以及前面所有适应度的和)——利用转轮盘算法获取符合的适应度分布的索引从而获取对应的编码——每次获取两个

2020-06-03 23:01:10

SVM向量机

svm可以实现分类与回归使用库sklearn.svm1 分类参数kernel 回归类型,默认’rbf’为最好的分类方式,但也要依据实际情况,比如线性分类使用’linear’svm.SVC()2 回归参数kernel 回归类型,默认’rbf’为最好的回归方式,但也要依据实际情况,比如线性回归使用’linear’svm.SVR(kernel='rbf')训练数据要求,x为二维数组,y为1维数组clt = svm.SVR(kernel='linear')clt.fit(x, y)

2020-05-31 23:36:29

算法(二)决策树

背景:决策树算法用于条件分类,在多种情景模式下产生不同的结果,针对情景的一种预测方法:采用信息增益进行决策信息增益公式:整个数据集的类别-plog(p,2)求和 - 每种情景下不同类别的-plog(p,2)求和乘以这种情景的这种类别的权重主要函数:求香浓熵,求最大信息增益,构建决策树返回值:字典,第一个类别为最终预测结果代码如下:import operatorimport math# a = {'a':0,'b':3,'c':1}# b = sorted(a.items(),key=ope

2020-05-14 22:58:10

配置pyspark环境

环境搭建jdk 1.8配置 https://www.cnblogs.com/nojacky/p/9497724.html安装spark以及hadoop https://zhuanlan.zhihu.com/p/103465541python 环境3.7报错pyspark在windows下java.net.SocketException: Connection reset by peer...

2020-05-08 02:00:30

softmax以及交叉熵

softmax 计算方式为数组中的每一项分子是e的xi次方,分母是e的xi次方求和,所以softmax数组的和为1代码实现:import tensorflow as tfa = tf.cast([1,2,3,4,5],dtype=float)b = tf.nn.softmax(a)with tf.Session() as sess: c = sess.run([b]) ...

2020-05-01 23:28:53

VS环境配置

http://www.jyguagua.com/?p=6096 vs编译版本表python查看编译器版本时终端输入python即可https://www.ithome.com/html/win10/164028.htm vs2015下载地址

2020-04-15 17:26:00

sys标准输出sys.stdout

sys.stdout输出重定向一般用于QT或想输出写入文件class EmittingStr(QObject): textWritten = pyqtSignal(str) # 定义一个发送str的信号 def write(self, text): self.textWritten.emit(str(text))sys.stdout = Emittin...

2020-04-14 13:14:22

深度学习&&scpray部署到django

1、scrapy 部署到djangohttp://www.manongjc.com/detail/7-ckqevfsrbxpivoc.html 配置系统环境 ——部署到项目前https://www.cnblogs.com/lutt/p/10895317.html 部署到项目后2、深度学习1 目标检测fasterRCNN复现https://blog.csdn.net/hu...

2020-04-13 20:52:20

numpy函数总结(持续更新)

numpy 矩阵,多维数组处理库一、应用方法1 np.empty 效果创建空的数组np.empty((3,3),dtype=float64)2 reshape 改变维度,参数为-1时是先自动计算np.array([1,2,3,4,5,6]).reshape(-1,3)3 返回非0即1的方法np.append 类似于python extend 作用:合并数组生成bool数组...

2020-04-06 01:19:58

redux(二)继续总结redux以及redux-thunk

上一篇介绍redux包含三个主要内容store,action,reducer,这一节对这三个进行进一步理解store可以理解为接口,是组件与数据交互的接口,store.getState()获取数据;store.dispatch(action) 提交action,创建store时使用createStore(reducer)将reducer封装进入store内action翻译过来是行动,动作的意...

2020-03-30 17:48:42

redux

学习redux的目的是react 组件的state传递繁琐,子组件修改父组件的state ,需要在父组件定义一个方法,修改state,将方法传递给子组件并调用,项目大点就会非常复杂, 容易出错,不好维护。而redux就是专门用于管理stateredux 三个部分:action , store,reducerredux使用我总结就两方面,读和写,后面具体阐述简单概括**:读——》store.g...

2020-03-27 23:24:38

python时间戳转换

为什么要写这篇博文?每次转换时间和时间戳的转换都需要重写,或者查看以前的文件copy,耽误时间!!!以前写的或者网上的封装的不完美,可重用度不高!!!方便自己以后重复使用!!!CSDN写博客变成创作中心了!!好吧,先创作一下!!# 时间转换import timefrom typing import Union# 时间转时间戳def parseDatetime(datelabel:...

2020-03-25 12:23:41

Taro 安装配置

为什么要学习taro?taro优势:编写一次代码,可在多种平台运行(微信/百度/支付宝/字节跳动小程序、快应用、H5、React-Native 等)github地址taro由于是遵守react语法,所以只需要学习安装配置,即可第一部分 安装使用1、安装脚手架npm install -g @tarojs/cli2、初始化项目taro init mydemo3、更新到最新版本t...

2020-03-21 15:56:39

查看更多

勋章 我的勋章
  • 阅读者勋章Lv1
    阅读者勋章Lv1
    授予在CSDN APP累计阅读博文达到3天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。