机器 线性lda 25
机器学习——线性回归
回归 回归（regression）是能为一个或多个自变量与因变量之间关系建模的一类方法。 在自然科学和社会科学领域，回归经常用来表示输入和输出之间的关系。 在机器学习领域中的大多数任务通常都与预测（prediction）有关。 当我们想预测一个数值时，就会涉及到回归问题。 常见的例子包括：预测价格（ ......
模型推理batch inference速度无明显提升、耗时线性增长问题排查
模型推理batch inference速度无明显提升、耗时线性增长问题排查 现象描述 当模型在推理阶段使用batch inference时，推理速度并无明显提升，相比单帧多次推理收益不大。如笔者在Xavier上测试某模型结果 batch size 推理时间ms 折算耗时 ms/img 1 11.23 ......
模拟 机器人的充电桩底板电压过大过小的 电压输出 测试操作方法
1个 dc power subbly直流稳压电源、铜丝电线若干根 接线如下： 1、把直流稳压电源的正极、负极 分别连接 电路板的正极、负极2、按下 直流稳压电源开关ON/OFF3、按下旋转VOLTAGE，电压V数值会闪，向左调小，向右调大， 停留1 ~ 2秒后则会按当前电源输出电压。 超出电压范围值 ......
最近发现了一本好书《程序员数学：用Python学透线性代数和微积分》
记录一下： 最近发现了一本好书《程序员数学：用Python学透线性代数和微积分》。每次读到困难的地方想放弃了，经过思考竟然又明白了。结果几次想放下不看了，明白之后又开始继续啃。 2023年10月24日16:29:09 ......
机器学习——自动微分
深度学习框架可以自动计算导数的原理主要如下: 1. 深度学习框架实现了自动微分机制,可以自动生成计算图,并记录运算过程。 2. 在计算图中,每个变量都是计算节点,变量之间通过计算操作连接。 3. 框架会跟踪整个计算图,记录每个变量的运算关系和数据流动。 4. 对于要求导数的变量,我们将其标记为要求导 ......
机器学习——降维
默认情况下，调用求和函数会沿所有的轴降低张量的维度，使它变为一个标量。 x = torch.arange(4, dtype=torch.float32) x, x.sum() (tensor([0., 1., 2., 3.]), tensor(6.)) 我们还可以指定张量沿哪一个轴来通过求和降低维度 ......
k8s 扩容指定版本机器 kubeadm
一、新增机器 二、同步/etc/hosts文件 三、关闭新机器防火墙 systemctl stop firewalld systemctl disable firewalld 四、新机器增加repo文件 cat kubernetes.repo [kubernetes] name=Kubernetes ......
土狗夹子机器人使用教程
币圈量化夹子机器人使用步骤 第 1 步 - 在谷歌浏览器 中设置 MetaMask小狐狸 钱包获取MetaMask小狐狸钱包地址：https://metamask.io/ 第 2 步 - 将币安智能链网络添加到 MetaMask将BSC智能链添加到小狐狸钱包： 第 3 步 - 打开Remix部署智能 ......
线性筛与质因数分解
线性筛和质因数分解 [题目链接] (Problem - D - Codeforces) 题目大意：给定n个数，判断通过转移因数，能否形成n个相等的数，实质为判断质因数的个数。 代码 #include<bits/stdc++.h> #define LL long long using namespac ......
R语言使用bootstrap和增量法计算广义线性模型（GLM）预测置信区间|附代码数据
原文链接：http://tecdat.cn/?p=15062 最近我们被客户要求撰写关于广义线性模型（GLM）预测置信区间的研究报告，包括一些图形和统计输出。 考虑简单的泊松回归 我们要导出预测的置信区间，而不是观测值，即下图的点 > r=glm(dist~speed,data=cars,famil ......
机器学习——数据预处理（读这一篇就够了！）
为了能用深度学习来解决现实世界的问题，我们经常从预处理原始数据开始， 而不是从那些准备好的张量格式数据开始。 下面我们将简要介绍使用pandas预处理原始数据，并将原始数据转换为张量格式的步骤。 1.读取数据集 举一个例子，我们首先创建一个人工数据集，并存储在CSV（逗号分隔值）文件 ../data ......
【Python微信机器人】第二篇：将python注入到其他进程
目录修整 目前的系列目录(后面会根据实际情况变动): 在windows11上编译python 将python注入到其他进程并运行 使用C++写一个python的pyd库，用于实现inline hook Python ctypes库的使用 使用ctypes主动调用进程内的任意函数 使用汇编引擎调用进程 ......
线性代数1
数论相关知识点： Q1：为什么由费马小定理可以得出 \(a^{-1}\equiv a^{P-2}(\mod P)\) 线性代数： 1. 费马小定理 首先明确一个事情，当 \(a\) 不为 \(P\) 的倍数的时候，不存在 \(x\neq y,1\leq x,y<p\)，使得 \(xa\equiv y ......
图机器学习：从图谱角度来理解图增广
图对比学习（Graph Contrastive Learning, GCL）旨在以自监督的方式学习图的节点表征。具体而言，先以特定方式对原图A进行增广，得到两个增广后的视图（view）V1和V2做为对比对（也可以是原图和增广后的视图做为对比对），并经由GCN进行编码得到两个增广视图中的节点embed... ......
数据分析和机器学习的11个高级可视化图表介绍
可视化是一种强大的工具，用于以直观和可理解的方式传达复杂的数据模式和关系。它们在数据分析中发挥着至关重要的作用，提供了通常难以从原始数据或传统数字表示中辨别出来的见解。 可视化对于理解复杂的数据模式和关系至关重要，我们将介绍11个最重要和必须知道的图表，这些图表有助于揭示数据中的信息，使复杂数据更加 ......
两台实体机器4个虚拟机节点的Hadoop集群搭建（Ubuntu版）
安装Ubuntu Linux元信息 两台机器，每台机器两台Ubuntu Ubuntu版本：ubuntu-22.04.3-desktop-amd64.iso 处理器数量2，每个处理器的核心数量2，总处理器核心数量4 单个虚拟机内存8192MB（8G），最大磁盘大小30G 参考链接 清华大学开源软件镜像 ......
第五章：矩阵和线性变换
第五章：矩阵和线性变换 本章将讨论矩阵实现线性变换以及变换的一般性原则。 其实个人更看重这些变换与矩阵几何意义的联系（这也是这本书作者的目的），但本章节还有大量的推导，个人并不喜欢记录这些，可不记录这些，这章就没什么内容了，但记的话又相当于纯抄书了。 所以，我还是……记一些结论。而我们始终要记住上一 ......
机器学习张量运算——广播机制
概念介绍（基础） 练习* 用其他形状（例如三维张量）替换广播机制中按元素操作的两个张量。结果是否与预期相同？ a = torch.arange(20).reshape((5,1,4)) b = torch.arange(48).reshape((6,2,4)) (a+b).shape Runtime ......
机器学习——数据操作（读这一篇就够了！）
为了能够完成各种数据操作，我们需要某种方法来存储和操作数据。 首先，我们介绍维数组，也称为&lt;strong&gt;&lt;em&gt;张量&lt;/em&gt;&lt;/strong&gt;（tensor）。 使用过Python中N ......
机器学习知识点目录
监督学习 回归 线性回归 线性回归表达式 \[\hat{y} = w x + b \]其中，\(\hat{y}\)表示预测值，\(\theta_0\)表示截距，\(\theta_1\)到\(\theta_n\)表示回归系数，\(x_1\)到\(x_n\)表示特征。 代价函数 \[J(\theta) ......
【无监督机器学习】10.强化学习
强化学习 强化学习概念 强化学习是一种无监督学习，它的目标是从环境中学习，以达成某种目标。强化学习的核心是奖励函数，通过与环境的交互，获得环境的反馈，从而学习到奖励函数，最终达成目标。 与监督学习不同的是，强化学习并未给出正确的答案，而是根据奖励一步步学习，因此强化学习的训练过程是一个不断试错的过程 ......
2023 版 Java和python开发线性代数探索
目录前景提示需求分析1、初始化不需要指定矩阵的尺寸，并且可以直接传入数据。2、可以计算2x2矩阵的逆3、可以做2x2的矩阵乘法Java版本开发一、 开发详情1、开发一个子类，如图所示。2、根据问题修改子类，父类，以便真实可用解决1、初始化不需要指定矩阵的尺寸，并且可以直接传入数据。解决 2、可以计算 ......
【24、25】福州大学计算机考研分析
福州大学考研分析 福州大学介绍 简述 福州大学（Fuzhou University），简称福大，位于福建省福州市，创建于1958年，是国家“双一流”建设高校，国家“211工程”建设高校，国家教育部、国家国防科技工业局与福建省人民政府共建高校。 福州大学是国家“211工程”重点建设高校，福建省人民政府 ......
【无监督机器学习】9.推荐系统
推荐系统 推荐系统的定义 推荐系统是利用用户产生的行为数据，对用户的兴趣进行建模，从而给用户推荐可能感兴趣的物品。 推荐系统的应用 电商网站 新闻网站 流媒体平台 协同过滤 协同过滤是一种基于用户行为的推荐算法，它的基本思想是利用用户的历史行为数据，计算用户之间的相似度，然后根据相似度为用户生成推荐 ......
6-25
导入包 java . time . LocalDate 导入包 java . time . format . DateTimeFormatter 公开类 公开 静态 无返回 main 方法： 获取日期时分秒 //LocalDate now = LocalDate . now(); 通过LocalDa ......
线性求逆元
题目描述 给你一个数列 \(a\)，要求在 \(O(n)\) 的时间复杂度内求出 \(a_i\) 的逆元。 具体思路 令 $$f_i=\prod_{j=1}^i a_j$$ 令 $$s_i=\prod_{j=1}^i (a_j^{-1})= (\prod_{j=1}^i a_j)^{-1}$$ 那么 ......
线性筛与区间逆元
线性筛与区间逆元 线性筛 线性筛可以在\(O(n)\)的时间复杂度内，处理\([1,n]\)范围内的某种函数值，其中最经典的就是筛质数。 处理质数 线性筛的思想就是要保证，我们每一个数只被其最小的质因子筛掉，这样就可以保证时间复杂度。具体的我们枚举每一个\(i\)和小于等于\(i\)的所有质数\(p ......
机器学习语音处理：滤波器组、梅尔频率倒谱系数 （MFCC）
机器学习语音处理：滤波器组、梅尔频率倒谱系数 （MFCC） 以及介于两者之间的内容 语音处理在任何语音系统中都起着重要作用，无论是自动语音识别（ASR）还是说话人识别或其他东西。长期以来，梅尔频率倒谱系数 （MFCC） 是非常流行的特征;但最近，过滤器库变得越来越受欢迎。本文将讨论过滤器组和MFCC ......
25_shell概述
1.shell 解释器 [root@kvm ~]# cat /etc/shells /bin/sh /bin/bash /usr/bin/sh /usr/bin/bash [root@kvm ~]# [root@kvm ~]# echo $SHELL /bin/bash # 指定解释器运行脚本 [r ......