clustering spectral机器 笔记
docker构建机器学习计算环境并做无网络迁移
1.docker安装 很多系统自带docker,可以跳过 2.拉取镜像 docker pull nvcr.io/nvidia/pytorch:22.12-py3 保证有足够磁盘空间,有些镜像要几十G,不然系统会出问题,看我另一篇博文 3.配置 创建一个名字为xxx的容器,运行镜像yyy docker ......
具身智能即将为通用机器人补全最后一块拼图
1. 什么是具身智能? 具身智能通过在物理世界和数字世界的学习和进化,达到理解世界、互动交互并完成任务的目标。 具身智能是由“本体”和“智能体”耦合而成且能够在复杂环境中执行任务的智能系统。一般认为,具身智能具有如下的几个核心要素: 第一是本体,作为实际的执行者,是在物理或者虚拟世界进行感知和任务执 ......
简易机器学习笔记(八)关于经典的图像分类问题-常见经典神经网络LeNet
前言 图像分类是根据图像的语义信息对不同类别图像进行区分,是计算机视觉的核心,是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。图像分类在许多领域都有着广泛的应用,如:安防领域的人脸识别和智能视频分析等,交通领域的交通场景识别,互联网领域基于内容的图像检索和相册自动归类, ......
vue学习笔记2024
《Vue.js从入门到项目实战》 孙鑫v-bind用于响应式地更新HTML属性,v-on用于监听DOM事件,变量需要引号引起来v-if是彻底没有v-的命令需要把变量用引号引起来,插值{{}}则不需要v-if和v-for在同一个元素上使用时,v-if优先级高于v-for,意味着v-if不能访问v-fo ......
小傅哥设计模式学习笔记
小傅哥网站:https://bugstack.cn/md/develop/design-pattern/2020-06-11-%E9%87%8D%E5%AD%A6%20Java%20%E8%AE%BE%E8%AE%A1%E6%A8%A1%E5%BC%8F%E3%80%8A%E5%AE%9E%E6%8 ......
简易机器学习笔记(七)计算机视觉基础 - 常用卷积核和简单的图片的处理
前言 这里实际上涉及到了挺多有关有关理论的东西,可以详细看一下paddle的官方文档。不过我这里不过多的谈有关理论的东西。 【低层视觉】低层视觉中常见的卷积核汇总 图像处理中常用的卷积核 在代码中,我们实际上是用不同的卷积核来造成不同的影响,我这里也是paddle中对于卷积核的几个比较简单的应用。 ......
DSU on tree 学习笔记
DSU on tree 通常用来解决不带修树上子树问题。 主要思想: 剖分。 先搜轻儿子,记录轻儿子子树的答案,删去轻儿子的贡献。 搜重儿子,记录重儿子子树的答案,保留重儿子的贡献。 回溯,重新搜轻儿子,把轻儿子子树的贡献加上,构成本子树的答案。 CF600E Lomsat gelral #incl ......
ARC 做题笔记
ARC157 A. XXYYX 观察一些性质。注意到 \(\texttt{XY}\) 和 \(\texttt{YX}\) 会产生当且仅当 \(\texttt{X}\) 和 \(\texttt{Y}\) 的连续段交错,因此 \(|b-c|=1\)。然后特判掉 \(a\neq 0,b=0,c=0,d\n ......
DNS笔记
域名 因为访问网站时,很难记住对应网站的IP地址,所以使用域名来代替IP地址,使用户更加方便的访问网站。 DNS服务器的作用就是将IP地址与域名进行映射,使用户可通过域名得到到对应的IP,然后进行访问。 域名从右到左依次为顶级域名(一级域名)、二级域名、三级域名、四级域名、等等(通常域名层级不超过三 ......
Python笔记
学习Python时做的笔记,主要参考: B站小飞有点东西:https://space.bilibili.com/1803865534 董付国老师的《Python程序设计》教材 第一章、Python概述 1.1 扩展库安装方法(了解即可) 使用pip命令安装扩展库。 在cmd命令行中输入pip,回车后 ......
Liunx笔记
这篇笔记我是在学习Linux过程中的笔记,参考自: B站韩顺平老师的课程Linux 黑马程序员的《Linux系统管理与自动化运维》教材 第一章 文件目录结构 一、基本介绍 Linux 的文件系统是采用级层式的树状目录结构,在此结构中的最上层是根目录“/ ”,然后在此目录下再创建其他的目录。 记住一句 ......
Qt+数据库学习笔记(一)WIN10+Qt5.15.2 MinGW 32-bit+MySQL5.7.44编译MySQL5.7驱动插件
前言: 因项目需要,需要使用Qt连接MySQL数据库。程序编写电脑上使用的是Win10 64位系统,程序运行电脑上使用的是Win7 32位系统。 一、下载及安装MySQL5.7 1、地址:MySQL官网 点击DOWNLOADS 2、点击MySQL Community(GPL) Downloads 3 ......
转载:大模型所需 GPU 内存笔记
转载文章:大模型所需 GPU 内存笔记 引言 在运行大型模型时,不仅需要考虑计算能力,还需要关注所用内存和 GPU 的适配情况。这不仅影响 GPU 推理大型模型的能力,还决定了在训练集群中总可用的 GPU 内存,从而影响能够训练的模型规模。 大模型推理的内存计算只需考虑模型权重即可。 大模型训练的内 ......
企业微信告警机器人配置说明
如何使用群机器人 在终端某个群组添加机器人之后,创建者可以在机器人详情页看的该机器人特有的webhookurl。开发者可以按以下说明a向这个地址发起HTTP POST 请求,即可实现给该群组发送消息。下面举个简单的例子.假设webhook是:https://qyapi.weixin.qq.com/c ......
机器学习-决策树系列-简单决策树-26
目录1. 决策树2. 举个例子 计算信息增益2. 信息熵与Gini指数关系 1. 决策树 决策树是属于有监督机器学习的一种,起源非常早,符合直觉并且非常直观, 模型生成:通过大量数据生成一颗非常好的树,用这棵树来预测新来的数据 预测:来一条新数据,按照生成好的树的标准,落到某一个叶子节点上 决策树的 ......
2023年10月份阅读笔记一
这篇文章是十月份第一篇阅读笔记,阅读书籍是《构建之法》 第一章 概论 在这一章中,作者为我们介绍了一些关于软件工程的基本知识。 ①软件=程序+软件工程:正是因为对软件开发活动(构建管理、源代码管理、软件设计、软件测试、项目管理)相关的内容的完成,才能完成把整个程序转化成为一个可用的软件的过程。 扩展 ......
简易机器学习笔记(六)不同优化算法器
前言 我们之前不是说了有关梯度下降公式的事嘛,就是那个 这样梯度下降公式涉及两个问题,一是梯度下降的策略,二是涉及到参数的选择,如果我们选择固定步长的时候,就会发现我们求的值一直在最小值左右震荡,很难选择到我们期望的值。 假设上图中,x0为我们期望的极小值,yB = xA - yA'xA的时候,xB ......
机器学习笔记(五)更换损失函数:交叉熵
前言 我们之前用的是均方差作为我们神经网络的损失函数评估值,但是我们对于结果,比如给定你一张应该是0的照片,它识别成了6,这个时候这个均方差表达了什么特别的含义吗?显然你识别成6并不代表它比识别成1的情况误差更大。 所以说我们需要一种全新的方式,基于概率的方案来对结果进行规范。也就是我们说的交叉熵损 ......
Python笔记二之多线程
本文首发于公众号:Hunter后端 原文链接:Python笔记二之多线程 这一篇笔记介绍一下在 Python 中使用多线程。 注意:以下的操作都是在 Python 3.8 版本中试验,不同版本可能有不同之处,需要注意。 本篇笔记目录如下: 概念 多线程的使用示例 daemon run() 线程对象的 ......
概率论复习笔记
$X$代表随机变量,$x$是具体的值。 规定:连续型随机变量取任意指定值的概率为$0$,即:$P(X=a)=0$ 概率密度函数$f(x)$ 某个邻域内概率的变化快慢。概率密度函数的值是概率的变化率,概率密度函数的面积才是概率。 于是可以得知$(a,b]$的概率:$P(a<X\le b)=\int_a ......
微软的一些公开课,Python、机器学习、SQL、AI,全部免费
大家好,我是老章,刷X看到一位博主Alif Hossain⚡@alifcoder总结了微软的一些公开课,全部免费,蛮不错的。感兴趣可以学一波,还能领徽章。 1. 机器学习简介 本课程是学习机器学习基础知识和用例的好方法。 → 11 个模块 → 2.5 小时 → 适合初学者 → 免费徽章 链接: ht ......
微软真是活菩萨,面向初学者的机器学习、数据科学、AI、LLM课程统统免费
微软真是活菩萨,面向初学者的机器学习、数据科学、AI、LLM课程统统免费 大家好,我是老章 推荐几个质量上乘且完全免费的微软开源课程 面向初学者的机器学习课程 地址:https://microsoft.github.io/ML-For-Beginners/#/ 学习经典机器学习,主要使用 Sciki ......
改进搜索算法框架学习笔记
用途:主要用来解决不能写出解析解的、但有可微目标函数、约束条件的问题求解。 步骤: 获得初始解 基于初始解获得当前位置的梯度——找改进迭代方向 邻域内目标函数变化约等于步长*(梯度与实际改变向量的内积)。如沿梯度方向改变则约等于步长*梯度的二范数。梯度点乘改变向量可用于判断改变是增大还是缩小目标函数 ......
01_机器学习概述
概述 机器学习是什么 与人工智能的关系 机器学习 是 人工智能 的一个实现途径 人工智能 是用机器来模仿人类学习以及其他方面的智能 定义 机器学习 是从数据中自动分析获得 模型 ,并利用 模型 对未知数据进行 预测 解释 我们人从大量的日常经验中归纳规律,当面临新的问题的时候,就可以利用以往总结的规 ......
代码大全读书笔记01
第一次看《代码大全》的时候,收获并不大。当第二次在项目中,应用到代码大全的知识。Debug的时候、重构代码的时候,写伪代码的时候,将代码写在一个个的子程序中的时候。似乎对书中的知识理解的透彻很多。 将代码写在子程序的另外一个好处是,有时候你会发现以前没有发现过的事物的本质。——>你对程序理解的更加透 ......
《Ensemble deep learning: A review》阅读笔记
论文标题 《Ensemble deep learning: A review》 集成深度学习: 综述 作者 M.A. Ganaie 和 Minghui Hu 来自印度理工学院印多尔分校数学系和南洋理工大学电气与电子工程学院 本文写的大而全。 初读 摘要 集成学习思想: 结合几个单独的模型以获得更好的 ......
日语自学笔记
平假名是日语使用的一种表音文字,除一两个平假名之外,均由汉字的草书演化而来,形成于公元9世纪。早期为日本女性专用,后随着紫式部所作《源氏物语》的流行而使得日本男性也开始接受和使用。 平假名的日文写法及读音:平仮名(ひらがな)(hiragana)。 现代,人们把平假名的用处分为4种: 1.标注汉字的读 ......
《A Novel Table-to-Graph Generation Approach for Document-Level Joint Entity and Relation Extraction》阅读笔记
代码 原文地址 文档级关系抽取(DocRE)的目的是从文档中提取实体之间的关系,这对于知识图谱构建等应用非常重要。然而,现有的方法通常需要预先识别出文档中的实体及其提及,这与实际应用场景不一致。为了解决这个问题,本文提出了一种新颖的表格到图生成模型(TAG),它能够在文档级别上同时抽取实体和关系。T ......
认识机器学习【woodwhales.cn】
为了更好的阅读体验,建议移步至笔者的博客阅读:认识机器学习 生活中的问题1:居民家庭生活用气价格 北京燃气小程序在线咨询,查询北京居民家庭生活用气价格 上图价格梯度,可以由文字转换成表格: 第一档用气量为0-350(含)立方米,气价为2.61元/m³; 第二档用气量在350-500(含)立方米之间, ......