运筹学 机器 之间 作用
机器学习——序列模型
在本质上，音乐、语音、文本和视频都是连续的。 如果它们的序列被我们重排，那么就会失去原有的意义。 比如，一个文本标题“狗咬人”远没有“人咬狗”那么令人惊讶，尽管组成两句话的字完全相同。 处理序列数据需要统计工具和新的深度神经网络架构。 为了简单起见，我们以 图8.1.1所示的股票价格（富时100指数 ......
MongoDB 和 MySQL 之间有何区别？
MongoDB 和 MySQL 是两个可用于存储和管理数据的数据库管理系统。MySQL 是一个关系数据库系统，以结构化表格格式存储数据。相比之下，MongoDB 以更灵活的格式将数据存储为 JSON 文档。两者都提供性能和可扩展性，但它们为不同的应用场景提供了更好的性能。 了解 MySQL » 了解 ......
Vue中 name 有什么作用？data 为什么是函数而不是对象？
Vue中 name 有什么作用？ 项目使用 keep-alive 时，可搭配组件 name 进行缓存过滤 DOM 做递归组件时需要调用自身 name vue-devtools 调试工具里显示的组见名称是由 vue 中组件 name 决定的 data 为什么是函数而不是对象？ 组件中 data 是 V ......
zabbix基于docker容器部署配置企业微信机器人告警实例
配置 zabbix server 1.先在企业微信内创建机器人 2. 查看webhook 地址 3. 找到脚本执行目录 grep -Ev '^$|#' /etc/zabbix/zabbix_server.conf | grep ^A 4. 进入默认的脚本存放路径 cd /usr/lib/zabbix ......
为zabbix_server_docker容器安装Python 3完善机器人告警脚本环境
1.安装Python 3 dnf install python3 2.要验证安装，请输入以下命令检查Python版本： python3 --version 3.建立软连接： ln -s /usr/bin/python3.6 /usr/bin/python 4.安装epel： dnf install ......
SqlDateTime 溢出。必须介于 1/1/1753 12:00:00 AM 和 12/31/9999 11:59:59 PM之间
由于数据库中DateTime类型字段，最小值是1/1/1753 12:00:00，而.NET Framework中，DateTime类型，最小值是1/1/0001 0:00:00，显然，超出了sql的值的最小值范围，导致数据溢出错误 using System.Data.SqlTypes; names ......
使用itchat实现一个微信机器人聊天回复功能
近看到好多群里都有一个@机器人的功能，挺有趣的，想自己也玩下，就通过百度一点点实现，在这总结一下整个从无到有的过程。 首先，要知道itchat，它是Python写的，所以想要实现这个机器人的功能，需要使用Python（就是Python，ε=(´ο｀*)))唉），我是一点Python都不会，但是没关系 ......
[机器学习复习笔记] PCA 主成分分析（特征值分解、SVD分解）
PCA 主成分分析 1. 特征值分解 1.1 特征值分解的前提 矩阵是 方阵 矩阵是 可对角化的，即通过相似变化转化为对角矩阵。（相似变换 不会改变矩阵的特征值和特征向量 ） 矩阵的特征向量 线性无关，保证了特征值分解的 唯一性。 1.2 特征值分解 给定一个矩阵 \(A \in \mathbb{R ......
process-exporter 监控linux机器进程使用情况
process-exporter 监控linux机器进程使用情况 背景 前期一直想进行 关于 IP地址的来源和目的地的监控 但是耗费了很多精力都没有搞定. 感觉应该去偷师一下安全监控软件的使用方式. 今天晚上再github上面漫无目的的进行 exporter的查找 依旧一无所获, 但是找到了 pro ......
韩国一男子被机器人压死
具体内容链接： https://app.myzaker.com/news/article.php?pk=654c8b348e9f09494a50c451 虽然说这不是首次机器人伤人事件，但这却是首次机器人致人死亡事件，这个或许成为一个人类历史上的里程牌似的事件。 人类历史上的首起机器人杀人事件！！！ ......
给无网机器制作离线yum源
安装环境准备： 系统版本：CentOS Linux release 7.6.1810 (Core) 以下是资源包下载地址： deltarpm-3.6-3.el7.x86_64.rpm python-deltarpm-3.6-3.el7.x86_64.rpm libxml2-2.9.1-6.el7_9 ......
《转-已验证》本地宿主机器显示Docker 容器中的图像（Docker容器可视化）
我们在Docker容器中运行程序，有的时候需要显示容器中的图像，或在容器中运行一些图形界面的软件、调用摄像头等，而Docker采用的是命令行的工作模式，那么docker容器中的输出图像等如何在宿主屏幕上显示呢，可以采用文件挂载或者网络通信的方式。 1、在本地宿主机器上安装X11界面工具，一般Linu ......
机器学习——稠密连接网络DenseNet
从ResNet到DesNet 稠密块体 DenseNet使用了ResNet改良版的“批量规范化、激活和卷积”架构（参见 7.6节中的练习）。 我们首先实现一下这个架构。 import torch from torch import nn from d2l import torch as d2l de ......
机器学习——残差网络
函数类 残差块 import torch from torch import nn from torch.nn import functional as F from d2l import torch as d2l class Residual(nn.Module): #@save def __in ......
机器学习——批量规范化
训练深层神经网络是十分困难的，特别是在较短的时间内使他们收敛更加棘手。 本节将介绍批量规范化（batch normalization） (Ioffe and Szegedy, 2015)，这是一种流行且有效的技术，可持续加速深层网络的收敛速度。 再结合在 7.6节中将介绍的残差块，批量规范化使得研究 ......
机器学习——含并行连结的网络GoogLeNet
Inception块 在GoogLeNet中，基本的卷积块被称为Inception块（Inception block）。具体结构如下图： 这四条路径都使用合适的填充来使输入与输出的高和宽一致，最后我们将每条线路的输出在通道维度上连结，并构成Inception块的输出。在Inception块中，通常调 ......
NLP机器翻译全景：从基本原理到技术实战全解析
机器翻译是使计算机能够将一种语言转化为另一种语言的技术领域。本文从简介、基于规则、统计和神经网络的方法入手，深入解析了各种机器翻译策略。同时，详细探讨了评估机器翻译性能的多种标准和工具，包括BLEU、METEOR等，以确保翻译的准确性和质量。 关注TechLead，分享AI全维度知识。作者拥有10+ ......
JPA、Hibernate、Spring Data JPA、MyBatis 他们之间的关系
JDBC 我们都知道不同的数据库厂商都有自己的实现类，后来统一规范也就有了数据库驱动JDBC Java在操作数据库的时候，底层使用的其实是JDBC， JDBC提供的API是一种统一操作不同数据库的规范，需要各大厂商来实现基层的驱动和接口。 因此JDBC API 很好屏蔽了每个数据的之间的差异 JPA ......
使用 TortoiseGit 在两个项目之间共享代码（cherry-pick）
需求：项目 A 需要新增项目 B 的部分代码，要求不变更 commit message 信息 做法 项目 A 新增上游 Remote，Remote URL 为 项目 B 的 URL 新增方式：依次点击项目A文件夹内右键→TortoiseGit→Settings→Git→Remote ，输入上游名称和 ......
pojo层、dao层、service层、controller层的作用
分层解耦介绍 1.pojo层（model） 实体层 数据库在项目中的类 model是模型的意思，与entity、domain、pojo类似，是存放实体的类。 类中定义了多个类属性，并与数据库表的字段保持一致，一张表对应一个model类。 主要用于定义与数据库对象应的属性，提供get/set方法,to ......
机器学习——深度卷积神经网络AlexNet
AlexNet相对于LeNet的主要优势包括: 1. 更深的网络结构 AlexNet有8层结构,而LeNet只有5层。网络更加深入有利于学习更抽象的高级特征。 2. 使用ReLU激活函数 AlexNet使用ReLU激活函数,避免梯度消失问题,使得深层网络的训练更加容易。 3. 引入Dropout操作 ......
机器学习——使用块的网络VGG
VGG块 虽然AlexNet证明深层神经网络卓有成效，但它没有提供一个通用的模板（例如VGG块）来指导后续的研究人员设计新的网络。 在下面的几个章节中，我们将介绍一些常用于设计深层神经网络的启发式概念。 经典卷积神经网络的基本组成部分是下面的这个序列： 带填充以保持分辨率的卷积层； 非线性激活函数， ......
机器学习——网络中的网络NiN
NiN块 回想一下，卷积层的输入和输出由四维张量组成，张量的每个轴分别对应样本、通道、高度和宽度。 另外，全连接层的输入和输出通常是分别对应于样本和特征的二维张量。 NiN的想法是在每个像素位置（针对每个高度和宽度）应用一个全连接层。 如果我们将权重连接到每个空间位置，我们可以将其视为1*1卷积层， ......
如何制作微信机器人程序编程，需要掌握那些技巧
创建微信机器人通常涉及以下步骤和技能： 技能要求： 编程语言知识： 掌握至少一种编程语言，如Python、JavaScript等。 了解微信API： 熟悉微信公众平台开发，了解微信公众号API，特别是消息管理、用户管理等接口。 网络编程基础： 理解HTTP协议，能够处理网络请求和响应。 服务器配置能 ......
怎么写一个微信自动回复机器人，如何实现呢
编写一个微信自动回复机器人的关键步骤通常包括设置微信公众号、创建服务器后端以处理请求、编写自动回复逻辑以及部署和测试你的机器人。以下是一个基于Python使用Flask框架创建简单的自动回复机器人的大致步骤： 1. 注册微信公众号 你需要有一个微信公众号才能创建机器人。可以在微信公众平台注册，并申请 ......
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享
全文下载链接：http://tecdat.cn/?p=26219 最近我们被客户要求撰写关于银行机器学习的研究报告，包括一些图形和统计输出。 该数据与银行机构的直接营销活动相关，营销活动基于电话。通常，需要与同一客户的多个联系人联系，以便访问产品（银行定期存款）是否会（“是”）或不会（“否”）订阅 ......
vue-test4 -------组件之间的数据传递
<template> <h3>CompA</h3> <component-b :onfun="dateFun"></component-b> <p>{{msg}}</p> </template> <script> import ComponentB from "@/components/Compon ......
Docsify 和 Hugo 之间的选型
对文档的编译，目前的发布方案是越来越注重 MD 的编辑和发布。 针对其他 Wiki 的选择，MD 文件的编辑通常会保留修改记录，同时不依赖中央数据库和其他类型的 Web 应用服务。 随着各大云平台的支持，包括 GitHub Page 和 Google 的 Firebase，通常在免费的情况下就可以获 ......
[机器学习复习笔记] 岭回归、LASSO回归
岭回归、LASSO回归 1. 岭回归 1.1 岭回归 L2正则化 在之前的 中，使用 最小二乘法求解线性回归问题 时，讨论到了 \(X^TX\) 是否可逆。 最小二乘法得到的解析解为： \[\theta = (X^TX)^{-1}X^Ty \]此时只有 \(X\) 列满秩 才有解，即 \(\text ......