- 博客(83)
- 收藏
- 关注
RSS订阅原创 DataLoader的使用
最后一步为8x2张图片，这是由于最后一组图片不足64张，并且drop_last=False，这个参数表示最后一步不足batch_size大小时，仍然保留图片。最后一步为第155步，有8X8张图片，删掉了最后一组的图片。当重复运行两轮时，决定第一轮数据和第二轮数据是否一样。运行后，在文件目录中生成dataloader文件夹。若改为drop_last=True。点开链接，每一步为8x8张图片。
2024-04-06 19:34:43
245
原创 BootStrap案例
BootStrap是已经写好的css样式（1）下载BootStrap解压后放在 static文件夹–>plugins(存放插件)–>bootstrap-3.4.1（2）·使用在页面上引入BootStrap编写HTML时，按照BootStrap的规定来编写+自定制开发版本(一般做网站使用这个)<link rel="stylesheet" href="static/plugins/bootstrap-3.4.1/css/bootstrap.css"生产版本<l
2023-06-25 16:31:42
392
原创 MySQL数据库安全性——GRANT/REVOKE/AUDIT
（一）MySQL用户权限1.进入MySQL2.刷新权限，查询root用户权限3.创建U1用户，查询U1用户权限USAGE ON *.*表示该用户对任何数据库和任何表都没有权限。以用户U1进入MySQL，用户"U1"拒绝访问数据库"测试"，证明用户U1没有权限。（二）GRANT用户授权[例1] 把查询Student表权限授给用户U1。授权后用户U1可以访问数据库test，并能够查询Student表，但没有权限访问SC表。[例2] 把对Student表和Course表的全部权限授
2022-04-14 20:43:54
1657
原创 No module named ‘PyQt5‘
在命令行输入：pip install PyQt5 -i https://pypi.douban.com/simple
2022-04-14 19:59:53
3534
原创 No module named ‘pip‘
首先执行 python -m ensurepippython -m ensurepip然后执行 python -m pip install --upgrade pippython -m pip install --upgrade pip即可更新完毕。查看列表：pip list
2021-12-29 17:15:00
541
2
原创 C语言学习第八章——指针
指针数组1.—个数组，若其元素均为指针类型数据，称为指计数组。2.定义指针数组的一般形式：类型名 * 数组名[数组长度]3.如：int * p[4]；由于[ ]比 * 优先级高，因此p先于[4]结合，形成p[4]，这显然是数组的形式，表示p数组有4个元素。然后p[4]再和 * 结合，表示此数组的每个元素都可指向一个整型变量。多重指针...
2021-11-20 15:48:16
2230
原创 C语言学习第七章——函数
宏定义1.终止宏定义的作用域：#undef 标识符2.带参宏定义：#define 宏名（参数表）字符串递归在调用一个函数的过程中又出现直接或间接地调用该函数本身，称为递归调用。函数指针定义指向函数的指针变量的一般形式为：类型名（*指针变里名)（函数参数表列）...
2021-11-19 22:01:09
526
原创 C语言学习第三章——顺序程序设计
转义字符常量分类:（1）字面常量(直接常量)：数值常量(分为整型常量和浮点型常量)，字符串常量和字符常量#include<stdio.h>int main(void){ //1.整型常量 printf("%d\n",234); //2.浮点型常量 printf("%lf,%lf\n",3.24,3e-2); //3e-2 代表3的10的-2次方 //3.字符串常量 printf("%s","%dabc\n"); //字符串使用的是格式说明符为%s,输出：%dabc p
2021-11-09 22:13:42
1114
原创 在数据库视图中插入数据时报错——解决办法
建立信息系学生的视图：create view IS_Student as select Sno,Sname,Sage from Student where Sdept='IS';建立信息系学生的视图，并要求进行修改和插入操作时仍需保证该视图只有信息系的学生create view IS_Student as select Sno,Sname,Sage from Student where Sdept='IS' with check option;用的第二中创建视图，在使用视图时向视图中插入数据报错
2021-11-09 19:49:33
4917
原创 C语言学习第二章——算法
算法的基本概念（一）一个程序主要包含的2方面信息：1.对数据的描述。在程序中要指定用到哪些数据以及这些数据的类型和数据的组织形式。这就是数据结构2.对操作的描述。即要求计算机进行操作的步骤,也就是算法。（二）沃思提出的一个公式：算法+数据结构=程序（三）计算机算法可分为2大类别：数值运算算法和非数值运算算法（四）算法的特性：1.有穷性 2.确定性 3.有零个或多个输入 4.有一个或多个输出 5.有效性向屏幕输出1-100这几个整数的值#include<stdio.h>i
2021-11-08 17:17:58
729
原创 C语言学习第一章——程序设计和C语言
计算机语言的发展：1.机器语言:二进制代码。二进制代码就是由0和1组成的指令。比如010 1001等等计算机能够直接识别和接受的二进制代码称为机器指令。机器指令的集合就是计算机的机器语言。2.符号语言《汇编语言〉:符号语言计算机不能直接识别和执行。需要汇编程序把符号语言转换成机器指令。这个过程叫散“代真”或“汇编”。3.高级语言﹐它也不能被计算机直接识别，需要编译程序把高级语言写的程序（称为源程序），转换为机器指令的程序(称为目标程序》。5:机器语言和汇编语言都是低级语言，都是面向机器的语言，
2021-11-07 20:11:50
462
原创 Python partition() 方法、 rpartition() 方法
partition() 方法partition() 方法用来根据指定的分隔符将字符串进行分割。如果字符串包含指定的分隔符，则返回一个3元的元组，第一个为分隔符左边的子串，第二个为分隔符本身，第三个为分隔符右边的子串。txt1 = 'U2OS-01_1_B03'x1 = txt1.partition('_')print(x1)(‘U2OS-01’, ‘_’, ‘1_B03’)如果找不到指定的值，则 partition() 方法将返回一个元组，其中包含：1 - 整个字符串，2 - 一个空字
2021-08-31 17:32:24
684
原创 神经网络与深度学习
神经网络基础神经元模型感知机与多层网络BP神经网络多层前馈神经网络后向传播算法BP神经网络应用深度学习深度学习概述常用的深度学习算法小结
2021-08-23 10:53:50
11776
1
原创 聚类（七）—— 小结
主要内容聚类分析概述K-Means聚类层次聚类基于密度的聚类其他聚类方法聚类评估小结七、小结簇是数据对象的集合，同一个簇中的对象彼此相似，而不同簇中的对象彼此相异。将物理或抽象对象的集合划分为相似对象的类的过程称为聚类。常用的聚类方法有划分方法、层次方法、基于密度的方法和概率模型的聚类方法。划分方法首先创建k个分区的初始结合，其中参数k是要构建的分区数。然后，它采用迭代重定位技术，试图通过把对象从一个簇移到另一个簇来改进划分的质量。典型的划分方法包括K-means、K中心.
2021-08-21 16:24:11
428
原创 聚类（六）—— 聚类评估
主要内容聚类分析概述K-Means聚类层次聚类基于密度的聚类其他聚类方法聚类评估小结六、聚类评估聚类评估用于对在数据集上进行聚类的可行性和被聚类方法产生的结果的质量进行评估。聚类评估主要包括以下任务。1.估计聚类趋势2.确定数据集中的划分簇数3.测定聚类质量聚类趋势的估计（3）如果D是均匀分布的，H接近0.5。聚类簇数的确定找出正确的簇数依赖于数据集分布的形状和尺度，也依赖于用户要求的聚类分辨率。有许多估计簇数的可能方法。这里简略介绍几种简单但流行和有效的方法。.
2021-08-21 16:23:51
5390
原创 聚类（五）—— 其他聚类方法
主要内容聚类分析概述K-Means聚类层次聚类基于密度的聚类其他聚类方法聚类评估五、其他聚类方法除了常用的划分聚类、层次聚类和密度聚类方法之外，还有一些聚类方法如网格聚类方法STING、概念聚类COBWEB和模糊聚类方法等。STING聚类STING（Statistical Information Grid_based Method）是一种基于网格的多分辨率的聚类技术，它将输入对象的空间区域划分成矩形单元，空间可以用分层和递归方法进行划分。这种多层矩形单元对应不同的分辨率，并且形成一.
2021-08-21 15:45:38
1009
原创 聚类（四）—— 基于密度的聚类
主要内容聚类分析概述K-Means聚类层次聚类基于密度的聚类其他聚类方法聚类评估四、基于密度的聚类算法原理基于密度的聚类算法的主要思想是：只要邻近区域的密度（对象或数据点的数目）超过某个阈值，就把它加到与之相近的聚类中。也就是说，对给定类中的每个数据点，在一个给定范围的区域中必须至少包含某个数目的点。基于密度的聚类算法代表算法有：DBSCAN算法、OPTICS算法及DENCLUE算法等。DBSCAN算法涉及2个参数5个定义：定义1（Eps邻域）给定一个对象 p ，p 的.
2021-08-21 11:41:31
10457
原创 聚类（三）—— 层次聚类
主要内容聚类分析概述K-Means聚类层次聚类基于密度的聚类其他聚类方法聚类评估三、层次聚类算法原理层次聚类 （Hierarchical Clustering）就是按照某种方法进行层次分类，直到满足某种条件为止。层次聚类主要分成两类：（1）凝聚：从下到上。首先将每个对象作为一个簇，然后合并这些原子簇为越来越大的簇，直到所有的对象都在一个簇中，或者满足某个终结条件。（2）分裂：从上到下。首先将所有对象置于同一个簇中，然后逐渐细分为越来越小的簇，直到每个对象自成一簇，或者达到了某个终.
2021-08-21 10:38:54
10662
原创 聚类（二）—— K-Means聚类
主要内容聚类分析概述K-Means聚类层次聚类基于密度的聚类其他聚类方法聚类评估二、K-Means聚类聚类分析中最广泛使用的算法为K-Means聚类算法。算法原理给定一个n个对象或元组的数据库，一个划分方法构建数据的k个划分，每个划分表示一个簇，k<=n，而且满足：（1）每个组至少包含一个对象；（2）每个对象属于且仅属于一个组。划分时要求同一个聚类中的对象尽可能地接近或相关，不同聚类中的对象尽可能地远离或不同。K-Means算法是一个迭代的优化算法，最终使得下面均方误差最
2021-08-21 09:56:30
1580
原创 分类（八）—— 小结
小结分类是一种数据分析形式，它提取描述数据类的模型。分类器预测类别标号(类)。数值预测建立连续值函数模型。分类和数值预测是两类主要的预测问题。决策树归纳是一种自顶向下递归树归纳算法，它使用一种属性选择度量为树的每个非树叶结点选择测试属性。ID3、C4.5和CART都是这种算法的例子， 它们使用不同的属性选择度量。朴素贝叶斯分类基于后验概率的贝叶斯定理。它假定类条件独立，即一个属性值对给定类的影响独立于其他属性的值。支持向量机(SVM)是一种用于线性和非线性数据的分类算法。它把源数据变换
2021-08-20 16:54:14
290
原创 分类（七）—— 组合分类
主要内容分类概述决策树归纳K近邻算法支持向量机朴素贝叶斯分类模型评估与选择组合分类七、组合分类组合分类方法简介袋装提升和AdaBoost随机森林
2021-08-20 16:52:32
1933
原创 分类（六）—— 模型评估与选择
主要内容分类概述决策树归纳K近邻算法支持向量机朴素贝叶斯分类模型评估与选择组合分类六、模型评估与选择构建的分类器总是希望有较好的性能，如何评估分类器性能，需要一些客观的指标进行评判。比如，如何评估分类器的准确率（模型评估）以及如何在多个分类器中选择“最好的”一个。分类器性能的度量1.混淆矩阵根据实际类别与机器学习预测类别的组合（混淆矩阵，Confusion Matrix）可分为真正例（True Positive，TP）（又称真阳性）、假正例（False Positive，FP.
2021-08-20 00:05:54
1169
原创 分类（五）—— 朴素贝叶斯分类
主要内容分类概述决策树归纳K近邻算法支持向量机朴素贝叶斯分类模型评估与选择组合分类五、朴素贝叶斯分类贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理（Bayes Theorem）为基础，采用了概率推理方法。算法原理贝叶斯定理提供了一种计算假设概论的方法。用P(h)表示在没有训练数据前假设h拥有的初始概率，常称为h的先验概率；P(D)表示将要观察的训练数据D的先验概率；P(D|h)表示假设h成立的情况下数据D的概率。贝叶斯公式给出了计算给定训练数据D时计算h成立的概率.
2021-08-19 17:30:32
519
原创 分类（四）—— 支持向量机
主要内容分类概述决策树归纳K近邻算法支持向量机朴素贝叶斯分类模型评估与选择组合分类四、支持向量机支持向量机（Support Vetor Machine，SVM）由Vapnik等人于1995年首先提出，在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并推广到人脸识别、行人检测和文本分类等其他机器学习问题中。SVM建立在统计学习理论的VC维理论和结构风险最小原理基础上，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳平衡，以求获得最好的推广能力。SVM可以用于数值预测和分.
2021-08-19 16:42:09
5269
原创 分类（三）—— k近邻算法
主要内容分类概述决策树归纳K近邻算法支持向量机朴素贝叶斯分类模型评估与选择组合分类三、K近邻算法K近邻（k-Nearest Neighbor Classification，KNN）算法是机器学习算法中最基础、最简单的算法之一，属于惰性学习法。算法原理KNN算法基于类比学习，即通过将给定的检验元组与和它相似的元组进行比较来学习。训练元组用n个属性描述，每个元组代表n维空间的一个点。所有的训练元组都存放在n维模式空间中。当给定一个未知元组时，KNN搜索模式空间，根据距离函数计算待分.
2021-08-19 10:59:40
742
1
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