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

-+

谢TS的博客

完整教程级专栏,保姆级代码注释,站在小白角度思考。只写原创,不为流量,正正经经写作,不写矫情废话,拒绝流量标题党!

  • 博客(267)
  • 资源 (4)
  • 收藏
  • 关注

原创 Python Pygame 游戏开发基础教程与项目实践(总目录)

Python Pygame 游戏开发基础与实践(总目录)。Pygame 是一个免费的开源的跨平台库(支持 Windows、MacOS、Linux),用于使用 Python 开发视频游戏等多媒体应用程序。

2023-06-24 23:38:56 1846 2

原创 Java Swing 图形界面开发(目录)

Java Swing 图形界面(GUI)开发基础教程(目录),Swing 项目预览。

2017-05-30 23:50:42 339395 176

原创 Elasticsearch (ES) 搜索引擎: 文本搜索:分析器/分词器、同义词/停用词、拼音搜索、高亮显示、拼写纠错

文本搜索主要指的就是全文搜索,全文搜索是搜索引擎的核心功能,与精确匹配的结构化数据不同,文本(text)数据在构建索引和搜索时都需要进行额外的处理。Elasticsearch 在存储和搜索文本数据时需要依赖分析器组件,Lucene 负责索引的物理构建和排序,而分析器将在建立索引前对文本数据进行分词和语法处理。搜索文本数据时,也需要先对搜索词进行分词和语法处理,然后使用分词后的子词执行多个子搜索。全文搜索主要针对 text 类型的字段,使用 match 查询方式进行搜索,而 分析器 就是全文搜索的核心。

2023-08-17 20:25:47 1382

原创 Elasticsearch (ES) 搜索引擎: 搜索功能:搜索分页、搜索匹配、全文搜索、搜索建议、字段排序

全文搜索一般指对文本(text)类型数据的搜索。与 term、range 等全匹配的结构化搜索不同,全文搜索可以部分匹配。全文搜索首先对搜索词进行分析(分词),根据分析结果再构建出多个子查询。

2023-08-17 20:24:03 2161

原创 Elasticsearch (ES) 搜索引擎: 基础操作:索引操作、映射操作、文档操作

创建索引时,除了指定映射格式外,还可以设置别名信息、索引设置等。索引关闭后,写入文档 和 数据查询 都将报错。别名是指给索引增加另一个名称,之后可以把该别名名称当做索引名称使用。例如一个按月份保存日志记录的索引,每个月份的日志一个索引,如果要查询当前月份的日志,就需要先获取到当前月份,然后获取当前月份的索引,每个月查询的索引都不一样。这样就可以创建一个别名,指向当前月份的索引,之后每次更换月份只需要把最新的当前月份索引设置为这个别名即可,业务代码中只需要对别名索引操作。

2023-08-17 20:21:36 769

原创 Elasticsearch (ES) 搜索引擎: 数据类型、动态映射、多类型(子字段)

ES 映射字段的 数据类型。keyword 类型是不可切分的字符串类型,需要全匹配,用于字符串是否相等的比较。keyword 类型一般用于文档的过滤、排序和聚合。在实际场景用,keyword 一般用于描述 用户名、类型、用户ID、URL 等。text 类型是可进行分词分隔的字符串类型,支持部分匹配、模糊匹配。由于 text 是模糊匹配,所有支持匹配度打分。text 类型一般用于描述文章标题、文章内容等。数值类型支持 相等、范围(大小)比较,也可用于对文档的过滤、排序和聚合。

2023-08-17 20:17:27 992 1

原创 Elasticsearch (ES) 搜索引擎: 简单入门:索引/映射简单使用、简单增删改查

通过简单的 创建索引、写入文档、搜索文档 介绍 ES 搜索引擎的简单入门。要存储数据到 ES 搜索引擎,首先需要创建索引。以网上书店的书籍搜索为例,创建一个用于存储书籍信息的索引,简单包含书名、作者、价格三个字段。书名使用文本(text)类型,作者使用关键字(keyword)类型,价格使用浮点数(float)类型。

2023-08-17 20:14:16 217

原创 Elasticsearch (ES) 搜索引擎: 简介、简单安装 与 基础概念

Elasticsearch(简称为 ES)是一个分布式、高扩展、高实时的搜索与数据分析引擎。ES 是建立在 Lucene 基础之上的分布式搜索引擎,并且提供了比 Lucene 更简单、更灵活的使用方式。Lucene 是 Apache 的项目,但它不是一个完整的全文检索引擎,只提供了全文检索引擎所需要的架构。Lucene 使用 Java 语言开发,并且提供了 Java API 接口。ES 基于 Lucene,也是使用 Java 语言开发,但提供了 REST 风格的 HTTP API 接口。

2023-08-17 20:11:07 427

原创 Elasticsearch (ES) 搜索引擎(总目录)

Elasticsearch (ES) 搜索引擎(总目录)

2023-08-17 20:05:07 165

原创 Python (Pygame) 游戏开发项目实战: 飞扬的小鸟 (Flappy Bird, 像素鸟)

使用 Python Pygame 开发一个 Flappy Bird 小游戏,也叫 飞扬的小鸟、像素鸟。Flappy Bird 是一款简单而富有挑战性的益智休闲游戏。玩家只需要点击屏幕即可操作。点击一下屏幕,小鸟就会往上飞一点,受到重力作用,又会不停往下掉。所以玩家要控制小鸟一直向前飞行,并注意躲避途中高低不平的水管,每飞过一对水管,就增加得分。飞行过程中如果撞到水管或掉落在地板上则游戏结束。

2023-07-18 18:15:47 1056

原创 PyTorch 实现 循环神经网络(RNN)、长短期记忆网络(LSTM)、门控循环单元网络(GRU)

循环神经网络(Recurrent Neural Network, RNN)是以 序列(Sequence)数据作为输入,沿序列的演进方向进行 递归(Recurrent)且所有循环单元节点按链式连接的一类神经网络。循环神经网络具有记忆性,对序列数据的非线性特征进行学习时具有一定优势。还有 RNN 的加强版 长短期记忆网络(LSTM, Long Short-Term Memory)和 门控循环单元网络(GRU, Gated Recurrent Unit networks)拥有更强的“记忆力”。

2023-07-13 22:21:34 879

原创 PyTorch 实现 卷积神经网络(CNN)、全连接层、卷积层、池化层、MNIST手写字体识别

全连接层,是每一输入节点都和所有输出节点相连。卷积神经网络一般用于图片等特征维度非常大的数据。池化的目的就是显著降低数据的维度。

2023-07-13 21:58:05 1304

原创 PyTorch 模型保存与加载、数据加载器、顺序容器

当训练好一个模型后,可以把模型的状态参数保存到本地,下次需要使用时直接加载到模型即可,而不用每次都重新开始训练。当一个模型和数据集都非常大,训练时间需要特别长时,也可以定时保存模型的状态参数,防止中途出错。torch.utils.data 模块包含了数据加载相关的类。深度学习一般都需要大量的训练数据,如果把所有数据一次性加载到内存,容易把内存占满,因此需要把数据分批次加载和训练。顺序容器(nn.Sequential)的使用。

2023-07-13 21:23:55 307

原创 PyTorch 实现 逻辑回归、多元分类

线性回归 和 非线性回归 的输出都是连续的。逻辑回归 与 线性回归/非线性回归 区别在于 逻辑回归 的输出是 二元离散 的,即输出特征只有两种结果。逻辑回归是二元分类,属于多元分类的一种特殊情况。多元分类与二元分类类似,区别在于使用 softmax 函数替代 sigmoid 函数作为激活函数。如果分类的类别数为 n,则 softmax 函数接收 n 个输入,然后输出 n 个概率(概率之和为 1),概率最大的类别就是预测的类别。

2023-07-13 21:11:43 483

原创 PyTorch 实现 非线型回归

使用 线性模型 组合 激活函数 构建神经网络模型实现非线性回归。下面代码示例,先随机生成一组接近 y = x^3 的坐标点,然后构建非线性神经网络模型拟合所有坐标点,训练出拟合函数。

2023-07-13 20:59:28 380

原创 PyTorch 激活函数、损失函数、优化器

激活函数的出现就是要让神经网络模型可以拟合复杂的非线性函数。激活函数是一个 非常简单的非线性函数,只要把多个神经网络层的输出应用激活函数,神经网络就具有拟合复杂非线性函数的强大能力。

2023-07-13 20:48:47 141

原创 PyTorch 实现 线型回归

PyTorch 实现 线性回归 示例,随机生成一组二维坐标点数据集(接近一元一次方程分布),然后使用线性模型去拟合数据集,经过训练计算出线性模型参数。

2023-07-13 20:33:14 89

原创 PyTorch 基础:Tensor(张量)

PyTorch 是由 Facebook 研发的开源的深度学习框架,并且支持 CPU 和 GPU 加速计算。torch.Tensor 是包含单一数据类型元素的多维数组,它是 PyTorch 中数据存储和运算的基本单元,类似于 NumPy 的 numpy.ndarray,两者的函数接口和运算方式几乎一样。实际上 PyTorch 内部也是把 ndarray 包装成 Tensor。Tensor 中文称为 张量(可以看做是一个多维数组),是 PyTorch 中最基本的数据类型。

2023-07-13 20:23:04 2134

原创 PyTorch 深度学习/神经网络(总目录)

PyTorch 深度学习/神经网络(总目录)

2023-07-13 19:51:08 105

原创 Python (Pygame) 游戏开发项目实战: 2048 小游戏

使用 Python Pygame 开发一个经典的 2048 小游戏。代码一共 900 多行,所有代码都写在一个 py 文件中,功能和逻辑完整,并且没有依赖任何其他第三方库和资源,只用到了 pygame 模块中自带的资源,代码可以直接运行。

2023-07-13 19:19:14 524

原创 Python (Pygame) 游戏开发项目实战: 井字棋 AI 人机对战

使用 Python Pygame 开发一个 AI 人机对战 的井字棋游戏。井字棋,英文名叫 Tic-Tac-Toe,是一种在 3x3 格子上进行的连珠游戏,和五子棋类似,由于棋盘一般不画边框,格线排成井字而得名。井字棋游戏需要有两个参与者,分别画 O 和 X 表示棋子,任意 横向、纵线 或 对角线 中的三个相同棋子连城一线,则为获胜。

2023-07-11 20:23:56 647

原创 Python 脚本文件中的 main() 函数 与 if __name__ == “__main__“

像类似 Python 这样的解释型编程语言,程序代码是逐行解释运行的,不需要 main() 函数,也不强制使用函数来组织程序。当使用 Python 写一个项目时,为了规范化程序结构,往往也会在作为程序入口的主脚本文件中自定义一个 main() 函数作为主函数,然后再在脚本文件末尾调用该函数。

2023-06-27 00:09:39 767

原创 Pygame 基础教程14: 用 PyInstaller 把 Python 项目(包括资源文件)打包为双击运行的 exe 或 app 可执行文件

为了方便 Python 程序打包发布,可以使用第三方工具把 Python 代码、Python 解释器、第三方模块 一起打包到一个文件/文件夹,或直接打包成一个直接双击可运行的可执行文件,如 Windows 系统的 exe 文件、MacOS 系统的 app 软件包。PyInstaller 是一个跨平台的 Python 项目打包工具,可以将 Python 应用程序及其所有依赖项捆绑到一个包中。用户无需安装 Python 解释器和任何模块即可运行打包好的应用程序。

2023-06-26 13:59:45 621

原创 Pygame 基础教程13: 使用 精灵(Sprite) 实现 按钮、开关按钮 和 复选框

Pygame 中并没有按钮、开关按钮、复选框 等基础交互组件,但实际游戏开发中又经常用到。例如用于点击按钮开始游戏的「开始按钮」,用于开启/关闭背景音乐的「开关按钮」或「复选框」。这节中将使用 精灵(Sprite) 来实现这些组件。

2023-06-26 13:41:37 1619

原创 Pygame 基础教程12: 使用 精灵(Sprite) 实现 帧动画(Animation)

精灵(Sprite) 表示游戏画面中基本的显示元素,前面所介绍的精灵虽然位置可以动态移动,但都是一张静态图片。游戏中还有许多动态的动画精灵,如一只飞翔的小鸟,即使位置不变,小鸟的翅膀也会煽动。动画是通过一帧一帧图片的轮流显示实现的,也称为帧动画。Pygame 并没有直接支持动画的模块,可以使用 精灵(Sprite) 实现一个 动画精灵(Animation)。

2023-06-26 13:23:54 1267

原创 Pygame 基础教程11: 精灵(Sprite)、精灵组(Group)、碰撞检测

一个游戏画面由许许多多的图片元素组成,每张图片都有一个位置参数,而精灵就是用来封装图片和位置等属性用的。精灵(Sprite) 是组成游戏画面的基本显示元素。游戏画面中的 背景图片、开始/暂停按钮、时间/分数显示标签、游戏人物、游戏怪物、人物发出的子弹 等,都可以看做是一个个精灵对象。精灵对象至少有两个属性,就是 精灵呈现的图像(image) 和 精灵当前的位置区域(rect)。当然也可以根据需要添加其他属性,如 缩放比例、旋转角度、缩放和旋转的中心点、透明度等。

2023-06-26 11:31:22 1043

原创 Pygame 基础教程10: 时间控制(time) 与 帧速率(Clock)

Pygame 中的时间以毫秒(1/1000秒)表示。大多数平台的时间分辨率有限,约为 10 毫秒。时间分辨率以毫秒为单位,pygame.TIMER_RESOLUTION 给出了当前平台的时间分辨率。pygame.time.Clock 表示一个时钟,用于控制游戏循环的帧速率。每一次更新屏幕绘制(每一次游戏主循环)称为一帧,一秒钟内更新屏幕的次数(游戏主循环的次数)称为 帧速率(frame rate) 或 刷新速率(refresh rate),开发中一般写作 FPS (frames per second)。

2023-06-25 20:12:53 614

原创 Pygame 基础教程09: 图像变换(transform):拉伸/缩放、旋转 和 翻转图像

pygame.transform 模块用于对 图像Surface 做变形处理,如 拉伸/缩放、旋转 和 翻转图像。模块中所有变换函数都是对 Surface 进行操作,并返回一个包含变形结果的新 Surface(不会改变原图像)。

2023-06-25 20:06:04 991

原创 Pygame 基础教程08: 音效(mixer.Sound) 和 背景音乐(mixer_music)

音效是游戏中短暂播放的一种声音,例如 跳跃音效、碰撞音效。游戏中一般可以同时播放多个音效,例如跳跃的同时碰撞了。游戏背景音乐和音效不同,音效是短暂的,可以多个音效一起播放。但全局同时只能播放一个背景音乐。pygame.mixer_music 模块用于控制背景音乐的播放。该模块导出到了 pygame。pygame.mixer 模块(混音器模块)包含了加载音频文件和播放控制的类。pygame.mixer 模块是可选的,依赖于 SDL_mixer。使用 pygame.mixer 模块之前,必须先手动初始化。

2023-06-25 19:58:23 873

原创 Pygame 基础教程07: 绘制几何图形(draw/gfxdraw):线段、矩形、多边形、椭圆、圆弧

pygame.draw 模块用于在一个 图像(Surface) 上绘制简单的几何图形。目前 draw 绘图模块支持绘制 线段、矩形、多边形、椭圆 和 椭圆弧。pygame.draw 模块的所有绘图函数,都只在指定的 图像(Surface) 内绘图,超出部分自动忽略。这些绘图函数都返回一个 矩形区域(Rect) 表示本次绘图已更改像素的边界区域,此边界矩形是包围受影响区域的“最小”边界框。

2023-06-25 19:52:09 411

原创 Pygame 基础教程06: 字体模块(font) 与 文本绘制

pygame.font 模块用于加载和渲染字体。字体模块允许将 TrueType 字体渲染到 Surface 对象中。该模块建立在 SDL_ttf 库之上。大多数使用字体完成的工作都是通过使用实际的 pygame.font.Font 对象完成的。要绘制字体,就必须先有一个字体文件。可以使用 pygame.font.get_fonts() 函数获取当前系统所支持的字体。

2023-06-25 19:43:28 278

原创 Pygame 基础教程05: 图片处理(image):加载图片、绘制图片、保存图片

pygame.image 模块用于把 本地图片文件 或 Python文件对象 加载为 Surface,也支持把 Surface 保存到 本地图片 或 文件对象。

2023-06-25 19:03:32 830

原创 Pygame 基础教程04: 事件处理(event):键盘事件、鼠标事件、窗口事件

pygame.event 模块用于 Pygame 的事件处理。用户的 键盘按键按下/弹起、鼠标的点击/滚动/拖动、窗口大小调整、关闭窗口、窗口获得/失去焦点、退出游戏等,都是一序列的事件消息。Pygame 通过 事件队列 的方式处理事件消息。当有事件发生时,把事件消息封装为 事件对象(pygame.event.Event) 放到事件队列中。

2023-06-25 18:53:25 981

原创 Pygame 基础教程03: 颜色(Color) 与 矩形区域(Rect)

pygame.color 模块用于颜色值的表示,主要包含了一个 Color 类型,并且已导出到 pygame 模块中,可以直接使用 pygame.Color。pygame.rect 模块用于矩形区域的表示,主要包含了一个 Rect 类型,并且已导出到 pygame 模块中,可以直接使用 pygame.Rect。一个 矩形区域Rect 用于描述 坐标位置+宽高尺寸,包括了 矩形左上角坐标点位置(left, top) 和 矩形的宽高(width, height)。

2023-06-25 17:57:01 446

原创 Pygame 基础教程02: 显示窗口(display) 与 图像(Surface)

pygame.display 模块提供了对 pygame 显示的控制。可以把 pygame.display 看做是包含了一个 系统窗口 的 显示器屏幕。

2023-06-25 17:50:42 2513

原创 Pygame 基础教程01: Python (Pygame) 游戏开发模块简介与安装

Pygame 是一个免费的开源的跨平台库(支持 Windows、MacOS、Linux),用于使用 Python 开发视频游戏等多媒体应用程序。它使用 SDL(Simple DirectMedia Layer)库 和 其他几个流行的库 一起来抽象出最常见功能的 Python API,使编写这些程序变的简单直观。Pygame 是 Python 的第三方模块,学习 Pygame 必须要有一定的 Python 语言基础。Pygame 是一个强大的游戏开发库,提供了广泛的功能来简化您的编码之旅。

2023-06-25 17:29:46 928

原创 Python机器学习(scikit-learn):监督学习 --- 神经网络(深度学习)

神经网络算法,又叫“深度学习”。虽然深度学习在许多机器学习应用中都有巨大的潜力,但深度学习算法往往经过精确调整,只适用于特定的使用场景。scikit-learn 中实现了可用于分类和回归的 多层感知机(multilayer perceptron, MLP),它可以作为研究复杂深度学习算法的起点。MLP 也被称为(普通)前馈神经网络,有时也简称为神经网络。

2023-05-31 21:07:12 515

原创 Python机器学习(scikit-learn):监督学习 --- 支持向量机

支持向量机(SVM) 是一组用于分类、 回归和异常值检测的监督学习方法。支持向量机的优点是:在高维空间中有效。在维度数大于样本数的情况下仍然有效。在决策函数中使用训练点的子集(称为支持向量),因此它也具有内存效率。通用性:可以为决策函数指定不同的内核函数。提供了通用内核,但也可以指定自定义内核。支持向量机的缺点包括:如果特征数量远大于样本数量,在选择核函数时避免过度拟合,正则化项至关重要。SVM 不直接提供概率估计,这些是使用昂贵的五折交叉验证计算的。

2023-05-31 21:05:21 272

原创 Python机器学习(scikit-learn):监督学习 --- 决策树、随机森林、梯度提升决策树

决策树是广泛用于分类和回归任务的模型。本质上它是从一层层 if/else 问题中进行学习并得出结论。集成(ensemble) 是合并多个机器学习模型来构建更强大模型的方法。决策树的主要缺点在于,即使做了预剪枝,它也经常会过拟合,泛化性能很差。因此,在大多数应用中,往往使用集成方法来替代单棵决策树。在机器学习文献中有许多模型都属于集成方法,大量实例已证明有两种集成模型对大量分类和回归的数据集都是有效的,二者都以决策树为基础,分别是 随机森林(random forest) 和 梯度提升决策树(gradient

2023-05-31 21:01:57 608

原创 Python机器学习(scikit-learn):监督学习 --- 朴素贝叶斯(分类器)

朴素贝叶斯分类器与线型模型分类器非常相似,但它的训练速度往往更快。这种高效率所付出的代价是,朴素贝叶斯模型的泛化能力比线型模型分类器(如 LogisticRegression 和 LinearSVC)稍差。朴素贝叶斯训练模型高效的原因在于,它通过单独查看每个特征来学习参数,并从每个特征中收集简单类别统计数据。

2023-05-31 20:59:14 286

Python机器学习(scikit-learn):监督学习 - 神经网络(深度学习)-谢TS的博客.pdf

神经网络算法,又叫“深度学习”。虽然深度学习在许多机器学习应用中都有巨大的潜力,但深度学习算法往往经过精确调整,只适用于特定的使用场景。scikit-learn 中实现了可用于分类和回归的 多层感知机(multilayer perceptron, MLP),它可以作为研究复杂深度学习算法的起点。MLP 也被称为(普通)前馈神经网络,有时也简称为神经网络。

2023-07-19

Python机器学习(scikit-learn):监督学习 - 支持向量机-谢TS的博客.pdf

支持向量机(SVM) 是一组用于分类、 回归和异常值检测的监督学习方法。支持向量机的优点是:在高维空间中有效。在维度数大于样本数的情况下仍然有效。在决策函数中使用训练点的子集(称为支持向量),因此它也具有内存效率。通用性:可以为决策函数指定不同的内核函数。提供了通用内核,但也可以指定自定义内核。支持向量机的缺点包括:如果特征数量远大于样本数量,在选择核函数时避免过度拟合,正则化项至关重要。SVM 不直接提供概率估计,这些是使用昂贵的五折交叉验证计算的。

2023-07-19

Python机器学习(scikit-learn):监督学习 - 决策树、随机森林、梯度提升决策树-谢TS的博客.pdf

决策树是广泛用于分类和回归任务的模型。本质上它是从一层层 if/else 问题中进行学习并得出结论。集成(ensemble) 是合并多个机器学习模型来构建更强大模型的方法。决策树的主要缺点在于,即使做了预剪枝,它也经常会过拟合,泛化性能很差。因此,在大多数应用中,往往使用集成方法来替代单棵决策树。在机器学习文献中有许多模型都属于集成方法,大量实例已证明有两种集成模型对大量分类和回归的数据集都是有效的,二者都以决策树为基础,分别是 随机森林(random forest) 和 梯度提升决策树(gradient boosted decision tree)。决策树的一个主要缺点在于经常对训练数据过拟合,随机森林是解决这个问题的一种方法。随机森林本质上是许多决策树的集合,其中每棵树都和其他树略有不同。随机森林背后的思想是,每棵树的预测可能都相对较好,但可能对部分数据过拟合。如果构造很多树,并且每棵树的预测都很好,但都以不同的方式过拟合,那么我们可以对这些树的结果取平均值来降低过拟合。既能减少过拟合又能保持树的预测能力,这可以在数学上严格证明。

2023-07-19

Python机器学习(scikit-learn):监督学习 - 朴素贝叶斯(分类器)-谢TS的博客.pdf

朴素贝叶斯分类器与线型模型分类器非常相似,但它的训练速度往往更快。这种高效率所付出的代价是,朴素贝叶斯模型的泛化能力比线型模型分类器(如 LogisticRegression 和 LinearSVC)稍差。朴素贝叶斯训练模型高效的原因在于,它通过单独查看每个特征来学习参数,并从每个特征中收集简单类别统计数据。

2023-07-19

Python机器学习(scikit-learn):线型模型(线型回归、逻辑回归)、样本生成器、方法链-谢TS的博客.pdf

线型回归,又名普通最小二乘法。LinearRegression 实现了基于普通最小二乘法的线性回归,以最小化数据集中观察到的目标与通过线性近似预测的目标之间的残差平方和,来拟合具有系数 w = (w1, ..., wp) 的线性模型。

2023-07-19

Python机器学习(scikit-learn):k最近邻 (k-NN)、特征缩放(标准化归一化数据)-谢TS的博客.pdf

k近邻算法 (k-NN, K-NearestNeighbor)。k-NN 算法构建模型只需要保存训练集数据即可。k-NN 模型把样本的所有特征构造一个坐标系(二维、三维 或 更高维),每一个样本都在坐标系中对应一个点(坐标由样本的所有特征组成)。想对新数据点做出预测,算法会在训练集数据点构成的坐标系中找到最近的 k 个数据点(也就是它的“最近邻”),然后根据这个 k 个数据点对新数据做出预测。当样本特征数据在运算时,为了减小不同特征取值范围误差,可以把特征数据缩放为标准化数据。均值为 0,方差为 1 的数据

2023-07-19

Python机器学习(scikit-learn):scikit-learn 简介-谢TS的博客.pdf

scikit-learn 是基于 Python 语言的用于预测数据分析的简单高效机器学习库。它提供了用于机器学习的算法,包括 分类、回归、降维 和 聚类。它也提供了用于数据预处理、提取特征、优化超参数和评估模型的模块。scikit-learn 基于 NumPy、SciPy 和 matplotlib 构建。开源,商业可用 - BSD 许可证。

2023-07-19

飞扬的小鸟 (Flappy Bird, 像素鸟) 小游戏资源文件(图片+音频)

飞扬的小鸟 (Flappy Bird, 像素鸟) 小游戏的资源文件(图片+音频), 完整源码和教程请查看文章: https://xiets.blog.csdn.net/article/details/131791045

2023-07-18

PyTorch 实现 循环神经网络(RNN)、长短期记忆网络(LSTM)、门控循环单元网络(GRU)-谢TS的博客.pdf

循环神经网络(Recurrent Neural Network, RNN)是以 序列(Sequence)数据作为输入,沿序列的演进方向进行 递归(Recurrent)且所有循环单元节点按链式连接的一类神经网络。循环神经网络具有记忆性,对序列数据的非线性特征进行学习时具有一定优势。还有 RNN 的加强版 长短期记忆网络(LSTM, Long Short-Term Memory)和 门控循环单元网络(GRU, Gated Recurrent Unit networks)拥有更强的“记忆力”。

2023-07-17

PyTorch 实现 卷积神经网络(CNN)、全连接层、卷积层、池化层、MNIST手写字体识别-谢TS的博客.pdf

全连接层,是每一输入节点都和所有输出节点相连。卷积神经网络一般用于图片等特征维度非常大的数据。池化的目的就是显著降低数据的维度。

2023-07-17

PyTorch 模型保存与加载、数据加载器、顺序容器-谢TS的博客.pdf

当训练好一个模型后,可以把模型的状态参数保存到本地,下次需要使用时直接加载到模型即可,而不用每次都重新开始训练。当一个模型和数据集都非常大,训练时间需要特别长时,也可以定时保存模型的状态参数,防止中途出错。torch.utils.data 模块包含了数据加载相关的类。深度学习一般都需要大量的训练数据,如果把所有数据一次性加载到内存,容易把内存占满,因此需要把数据分批次加载和训练。顺序容器(nn.Sequential)的使用。

2023-07-17

PyTorch 实现 逻辑回归、多元分类-谢TS的博客.pdf

线性回归 和 非线性回归 的输出都是连续的。逻辑回归 与 线性回归/非线性回归 区别在于 逻辑回归 的输出是 二元离散 的,即输出特征只有两种结果。逻辑回归是二元分类,属于多元分类的一种特殊情况。多元分类与二元分类类似,区别在于使用 softmax 函数替代 sigmoid 函数作为激活函数。如果分类的类别数为 n,则 softmax 函数接收 n 个输入,然后输出 n 个概率(概率之和为 1),概率最大的类别就是预测的类别。

2023-07-17

PyTorch 实现 非线型回归-谢TS的博客.pdf

使用 线性模型 组合 激活函数 构建神经网络模型实现非线性回归。下面代码示例,先随机生成一组接近 y = x^3 的坐标点,然后构建非线性神经网络模型拟合所有坐标点,训练出拟合函数。

2023-07-17

PyTorch 激活函数、损失函数、优化器-谢TS的博客.pdf

激活函数的出现就是要让神经网络模型可以拟合复杂的非线性函数。激活函数是一个 非常简单的非线性函数,只要把多个神经网络层的输出应用激活函数,神经网络就具有拟合复杂非线性函数的强大能力。

2023-07-17

PyTorch 实现 线型回归-谢TS的博客.pdf

使用 线性模型 组合 激活函数 构建神经网络模型实现非线性回归。下面代码示例,先随机生成一组接近 y = x^3 的坐标点,然后构建非线性神经网络模型拟合所有坐标点,训练出拟合函数。

2023-07-17

PyTorch 基础:Tensor(张量)-谢TS的博客.pdf

PyTorch 是由 Facebook 研发的开源的深度学习框架,并且支持 CPU 和 GPU 加速计算。torch.Tensor 是包含单一数据类型元素的多维数组,它是 PyTorch 中数据存储和运算的基本单元,类似于 NumPy 的 numpy.ndarray,两者的函数接口和运算方式几乎一样。实际上 PyTorch 内部也是把 ndarray 包装成 Tensor。Tensor 中文称为 张量(可以看做是一个多维数组),是 PyTorch 中最基本的数据类型。

2023-07-17

Android反编译工具包(apktool + dex2jar + jd-gui)

Android反编译工具包(apktool_2.7.0.jar、dex2jar-2.1.zip、jd-gui-1.6.6.jar)

2023-04-18

C/C++中文帮助文档.chm

C/C++中文帮助文档.chm

2023-04-17

Java 通过代码发送邮件示例源码

Java 通过代码发送邮件示例源码

2023-04-13

JLayer1.0.1.zip

纯 Java SE 实现的 MP3 播放器,可以实现简单的 MP3 播放(只能简单实现,不能作为完整的播放器) 使用参考博文: https://blog.csdn.net/xietansheng/article/details/85056358

2021-04-10

JavaMail 1.6.0

包含了 SMTP, IMAP, 和 POP3 协议的实现的 JavaMail 1.6.0 release jar 包

2017-08-10

LibGDX音频案例素材.zip

LibGDX基础教程中的音频开发案例资源下载

2015-12-05

LibGDX图片打包工具 gdx-texturepacker-3.2.0

LibGDX图片打包工具的GUI封装 gdx-texturepacker-3.2.0

2015-11-02

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