rosefun96的博客_rosefunR_CSDN博客-LeetCode,python,算法领域博主

rosefunR

码龄4年

每次都多付出一点. 欢迎关注公众号《机器学习与算法之道》

于 2017-05-08 加入CSDN

获得成就

获得361次点赞
内容获得234次评论
获得1,940次收藏

荣誉勋章

兴趣领域

#人工智能

#机器学习#算法#神经网络#Python#视觉/OpenCV#自然语言处理#NLP#深度学习#语音识别#图像处理#PyTorch

TA的专栏

算法
104篇
CSS
4篇
Tensorflow2.x
3篇
深度学习
46篇
推荐系统
18篇
NLP入门
27篇
python
107篇
python3.5学习
31篇
学习Pytorch
18篇
JAVA学习
24篇
SQL
10篇
LeetCode
144篇
tensorflow
18篇
python3.5爬虫
10篇
剑指Offer
5篇
python3.5文件夹操作
4篇
Hadoop
6篇
Spark
17篇
Scala
3篇
数据结构
9篇
图神经网络GNN
3篇
C++
14篇
pyQT
11篇

Windows 重新设置Mysql密码

1. 任务如果忘记了MySQL的root密码，需要重新设置。2. 步骤（1）停止MySQL服务C:\WINDOWS\system32>net stop mysqlMySQL 服务正在停止.MySQL 服务已成功停止。（2）不启动grant-tables授权表下启动MySQLC:\WINDOWS\system32>mysqld --defaults-file="D:\Software\mysql-5.7.31-winx64\my.ini" --console --skip-gra

发布博客于昨天

python SQL工具包SQLAlchemy在flask Web应用框架下的基本使用

1. 任务在 flask 框架下，调用MySQL 数据库。2. 示例在安装MySQL 以及 Flask-SQLalchemy python包后，创建文件Database.py:# -*- coding: utf-8# !/usr/bin/env pythonfrom flask import Flask, render_template, request, flash, redirect, url_forfrom flask_sqlalchemy import SQLAlchemyapp =

发布博客于昨天

做了一个B站Up主推荐系统

1. 技术路线（1）爬取B站用户关注Up主列表使用B站的API进行获取数据https://api.bilibili.com/x/relation/followings?vmid（2）采用简单的ItemCF模型参考之前的文章[零基础入门推荐系统(1)]基于用户和基于物品的协同过滤方法(python代码实现)class ItemCF(object): """ 物品协同过滤，根据用户浏览过的物品推荐相似物品 """ def train(self, user_items

发布博客于 3 天前

爬虫 user agent 汇总

爬虫需要切换 user agent，防止被反爬虫机制针对。user_agent_list = [ 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' 'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3', 'Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) Appl

发布博客于 4 天前

AJAX

1. 简介AJAX不是JavaScript的规范，它只是一个哥们“发明”的缩写：Asynchronous JavaScript and XML，意思就是用JavaScript执行异步网络请求。如果仔细观察一个Form的提交，你就会发现，一旦用户点击“Submit”按钮，表单开始提交，浏览器就会刷新页面，然后在新页面里告诉你操作是成功了还是失败了。如果不幸由于网络太慢或者其他原因，就会得到一个404页面。这就是Web的运作原理：一次HTTP请求对应一个页面。如果要让用户留在当前页面中，同时发出新的HT

发布博客于 4 天前

Vue.js简介

1. 简介Vue.js（/vjuː/，或简称为Vue）是一个用于创建用户界面的开源JavaScript框架，也是一个创建单页应用的Web应用框架。Vue.js是一款流行的JavaScript前端框架，旨在更好地组织与简化Web开发。Vue所关注的核心是MVC模式中的视图层，同时，它也能方便地获取数据更新，并通过组件内部特定的方法实现视图与模型的交互。2. 特性组件// 定义一个名为 button-counter 的新组件Vue.component('button-counter', { da

发布博客于 4 天前

Centos7安装PHP

（1）下载和安装PHP$ sudo yum install http://rpms.remirepo.net/enterprise/remi-release-7.rpm$ yum --disablerepo="*" --enablerepo="remi-safe" list php[7-9][0-9].x86_64$ sudo yum-config-manager --enable remi-php74(2)连接Nginx 和 MySQL$ sudo yum install php php-m

发布博客于 5 天前

CSS HTML布局

1. 实例<!DOCTYPE html><html><head><style>* { box-sizing: border-box;}body { font-family: Arial; padding: 10px; background: #f1f1f1;}/* Header/Blog Title */.header { padding: 30px; text-align: center; backgrou

发布博客于 5 天前

CSS组件汇总

1. CSS@media@media CSS @规则可用于基于一个或多个媒体查询的结果来应用样式表的一部分。使用它，您可以指定一个媒体查询和一个CSS块，当且仅当该媒体查询与正在使用其内容的设备匹配时，该CSS块才能应用于该文档。@media 规则可置于您代码的顶层或位于其它任何@条件规则组内。/* At the top level of your code */@media screen and (min-width: 900px) { article { padding: 1

发布博客于 6 天前

JavaScript系列(4)：返回Top组件

1. 任务添加返回最顶端的按钮。2. 实现// 固定top按钮位置 <style> /*返回顶部*/ #gotop{ position:fixed; bottom:60px; right:12px; display:none; } </style> <img src="images/go-to-

发布博客于 8 天前

HTML入门(2)：常见组件

1. 自动适应设备宽度在head部分添加<meta name="viewport" content="device-width, initial-scale=1">参考：Viewport_meta_tag;

发布博客于 8 天前

CSS不同实例实现

1. 背景实例（1）设置背景颜色<html><head><style type="text/css">body {background-color: yellow}h1 {background-color: #00ff00}h2 {background-color: transparent}p {background-color: rgb(250,0,255)}p.no2 {background-color: gray; padding: 20px

发布博客于 12 天前

JavaScript系列（2）：关于Node.js,NPM

1. Node.js简介Node.js 是能够在服务器端运行 JavaScript 的开放源代码、跨平台 JavaScript 运行环境。Node.js采用Google开发的V8运行代码，使用事件驱动、非阻塞和异步输入输出模型等技术来提高性能，可优化应用程序的传输量和规模。这些技术通常用于资料密集的即时应用程序。Node.js大部分基本模块都用JavaScript语言编写。在Node.js出现之前，JavaScript通常作为客户端程序设计语言使用，以JavaScript写出的程序常在用户的浏览器上运

发布博客于 2 月前

JavaScript系列（2）：JavaScript 库jQuery

1. 简介jQuery 是目前最受欢迎的 JavaScript 框架。它使用 CSS 选择器来访问和操作网页上的 HTML 元素（DOM 对象）。jQuery 同时提供 companion UI（用户界面）和插件。参考：Wiki jQuery;

发布博客于 2 月前

HTML入门（1）：基本介绍

1. HTML介绍HTML（Hyper Text Markup Language）,超文本标记语言，是一种用于创建网页的标准标记语言。HTML是一种基础技术，常与CSS、JavaScript一起被众多网站用于设计网页、网页应用程序以及移动应用程序的用户界面。网页浏览器可以读取HTML文件，并将其渲染成可视化网页。HTML可以嵌入如JavaScript的脚本语言。网页浏览器也可以引用层叠样式表（CSS）来定义文本和其他元素的外观与布局。HTML文件的后缀为.html 或者缩写.htm。2. HTML

发布博客于 2 月前

Git上传大文件到GitHub

1. 问题直接用git上传pdf格式的电子书到GitHub有文件大小的限制。2. 解决方法$ git lfs migrate import --include="*.pdf"再进行上传 pdf文件。如果碰到类似error:batch response: Git credentials for https://github.com/rosefun/deeplearning_code not found.error: failed to push some refs to 'https://g

发布博客于 2 月前

python3爬虫(6)：智能选择优质基金

智能选择优质基金1. 关于本项目本项目希望能够通过每天爬取基金数据，通过一些金融知识或者机器学习模型，给出当天优质基金。2. 基金数据爬取 python3运行code中CrawlingFund.py 代码。爬取网站：好买基金 https://www.howbuy.com/fund/fundranking 获取数据有，股票型，债券型，混合型，理财型，货币性，指数型，结构型，对冲型，QDII型基金，数据格式CSV文件。爬取的信息：基金代码,基金名称,日期,净值,近一周,近一月,近三月

发布博客于 2 月前

python3爬虫(5)： Beautiful Soup介绍

1. 简介Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.安装方法:pip install beautifulsoup4网页解析器由于Beautiful Soup是对HTML文件进行提取数据，因此，需要安装网页解析器。Beautiful Soup支持Python标准库中的HTML解析器,还支持一些第三方的解析器,其中一个是 lxml .根据操作系统不同,可以选择下列方法来安装lxml: $ pip install lxml另一个可供选择的解析器是纯P

发布博客于 2 月前

Tensorflow2.x: TensorFlow Addons介绍

1. Addons在TensorFlow2.x版本引入了 Special Interest Group (SIG)，特殊兴趣小组，主要实现新发布论文中的算法。目前 SIG Addons包已经有这几个模块：tfa.activationstfa.callbackstfa.imagetfa.layerstfa.lossestfa.metricstfa.optimizerstfa.rnntfa.seq2seqtfa.text值得注意的是，TensorFlow1.x版本中的tf.contr

发布博客于 2 月前

Tensorflow 2.x API: tf.compat.v1.nn.bidirectional_dynamic_rnn

1. APIAPI和TensorFlow 1.x版本的API tf.nn.bidirectional_dynamic_rnn 一致。值得注意的是，该API已经被遗弃了。但可以使用keras.layers.Bidirectional(keras.layers.RNN(cell)) 来代替！tf.compat.v1.nn.bidirectional_dynamic_rnn( cell_fw, cell_bw, inputs, sequence_length=None, initial_state_

发布博客于 2 月前

Tensorflow2.x API介绍：tf.compat.v1.nn.rnn_cell.MultiRNNCell

1. API实现多层RNN，和tensorflow版本1中的tf.contrib.rnn.multirnncell一致。tf.compat.v1.nn.rnn_cell.MultiRNNCell( cells, state_is_tuple=True)参数cells ：列表形式的RNN 单元，并通过这个顺序进行压缩。state_is_tuple ：如果是True，所用单元（cells）的状态都返回，形式为len(cells)个元组；如果是False，所有的状态会在column轴进行co

发布博客于 2 月前

TensorFlow2.x API：tf.nn.embedding_lookup

1. API此函数用于并行查找params中的张量列表。tf.nn.embedding_lookup( params, ids, max_norm=None, name=None)示例：params :[[1, 2], [3, 4], [5, 6], [7, 8], [9, 10]]ids :[0, 3, 4]output:3*2的矩阵：[[1, 2], [7, 8], [9, 10]]参考：tf.nn.embedding_lookup...

发布博客于 2 月前

Window使用Git管理GitHub项目

1. Git介绍与安装下载git ；安装目录避免中文字符！2. GitHub创建仓库GitHub中Git使用说明文档：在本地创建仓库，并添加README.md:$ git init$ git add README.md$ git commit -m "v0.0.1"$ git branch -M main$ git remote add origin https://github.com/rosefun/couplet.git$ git push -u origin main提

发布博客于 2 月前

NLP评估指标：双语替换评测（BLEU）

1. BLEU定义双语替换评测（英语：bilingual evaluation understudy，缩写：BLEU）是用于评估自然语言的字句用机器翻译出来的品质的一种算法。通过将各个译文片段（通常是句子）与一组翻译品质好的参考译文进行比较，计算出各个片段的分数。接着这些分数平均于整个语料库，估算翻译的整体品质。此算法不考虑字句的可理解性或语法的正确性。双语替换评测的输出分数始终为0到1之间的数字。该输出值意味着候选译文与参考译文之间的相似程度，越接近1的值表示文本相似度越高。2. 示例双语替

发布博客于 2 月前

LaTeX遇到的一些操作记录

1. 算法图命名为中文\makeatletter\renewcommand{\ALG@name}{算法}\makeatother然后，再用算法包，\begin{algorithm} \caption{name}\label{a} \begin{algorithmic}[1] \State a \end{algorithmic}\end{algorithm}

发布博客于 2 月前

Scala入门(3)：Scala程序编译

1. 入门程序object Hello { def main(args:Array[String]) { println("Hello, Scala。") } }对于包含 main 方法的 object 声明，引入了一个通常被称为单例对象（singleton object）的概念，也就是有且仅有一个实例的类。main 方法并没有声明为 static。这是因为 Scala 中不存在静态成员（无论方法还是属性，methods or fields）这一概

发布博客于 2 月前

python获取论文的Bibtex格式

1. 简介批量从百度学术查询输入论文，获得相应论文的Bibtex格式，并保存。from bs4 import BeautifulSoupfrom selenium import webdriverimport time'''判断元素是否存在'''def isElementExist(driver, element): flag = True try: driver.find_element_by_xpath(element) return f

发布博客于 2 月前

pgmpy包：贝叶斯网络最大似然估计

1. MLE假设简单的贝叶斯网络模型，根据A，B的观测值，估计CPT（条件概率表）；如果采用最大似然估计，分成几步： state_counts = self.state_counts(node) # if a column contains only `0`s (no states observed for some configuration # of parents' states) fill that column uniformly instea

发布博客于 2 月前

2020年个人总结

1. 完善了几个专栏算法专栏基本包含了经典算法，比如AdaBoost算法，K近邻，EM算法，Kmeans算法，感知机，SVM，逻辑斯蒂回归等。python3.5学习专栏基本从python安装到python类型介绍，类，模块等介绍。推荐系统现在推荐系统专栏收纳了17篇文章。2. 开发尝试2.1 semisupervised包的开发着手开发一个半监督学习包，Semisupervised Github ，已经可以通过pip install semisupervised 进行安装了。目前安装量不

发布博客于 2 月前

层叠样式表CSS简介

1. CSS简介层叠样式表（英语：Cascading Style Sheets，缩写：CSS；又称串样式列表、级联样式表、串接样式表、阶层式样式表）是一种用来为结构化文档（如HTML文档或XML应用）添加样式（字体、间距和颜色等）的计算机语言，由W3C定义和维护。CSS不能单独使用，必须与HTML或XML一起协同工作，为HTML或XML起装饰作用。本文主要介绍用于装饰HTML网页的CSS技术。其中HTML负责确定网页中有哪些内容，CSS确定以何种外观(大小、粗细、颜色、对齐和位置)展现这些元素。CSS可

发布博客于 2 月前

Tex Live卸载与TexLive2020的安装

1. 卸载 Tex Live2018已有2018的Tex Live版本，为了安装2020版本，可以先进行卸载：windows下Tex Live的安装目录（目录每个人都不一样）E:\texlive\2018\tlpkg\installer然后运行里边的uninst.bat文件。2. 安装TexLive 2020重新在官网上下载，然后运行里边的install-tl-windows.bat文件。如果是下载了exe，直接运行即可。...

发布博客于 2 月前

python3获取文件的大小

1. os.path.getsize()'''获取文件的大小,结果保留两位小数，单位为MB'''def get_FileSize(filePath): #filePath = unicode(filePath,'utf8') if isinstance(filePath, str): text = filePath decoded = False else: text = filePath.decode('utf8') decoded = True fsize = os.path

发布博客于 2 月前

分享几个交流群

1. 深度学习QQ交流群本群是对深度学习上遇到问题进行交流，不管你研究机器学习或者深度学习领域中的数据挖掘、自然语言处理、计算机视觉，都非常欢迎您的加入。上传文件时，请按照文件夹分类进行上传。群号：5965063872. 推荐系统QQ交流群推荐系统算法与实践及行业交流群。群号：8236922703. python入门QQ交流群python学习交流，python有趣好玩项目分享交流，python开发等内容交流。群号：7509287224. 公众号主要分享python原理与应用

发布博客于 2 月前

(待完善)半监督学习(Semi-supervised learning)综述

半监督学习(Semi-supervised learning)综述1. 关于半监督学习半监督学习是机器学习的分支，主要利用有标签样本以及无标签样本用于用于特定学习的任务。如下图，半监督学习有利于获得更准确的分类边界。在这里插入图片描述1.2 半监督学习的假设（1）平滑假设如何输入的两个点在输入空间是接近的，那个它们的标签是一致的。（2）低密度假设（3）流型假设2. 半监督学习的方法2.1 Inductive 方法Inductive方法构造一个分类器，并用于对每个样本进行预测。无标签样

发布博客于 2 月前

Flink简介

Apache Flink是由Apache软件基金会开发的开源流处理框架，其核心是用Java和Scala编写的分布式流数据流引擎。[1][2]Flink以数据并行和管道方式执行任意流数据程序[3]，Flink的流水线运行时系统可以执行批处理和流处理程序。[4][5]此外，Flink的运行时本身也支持迭代算法的执行。[6]Flink提供高吞吐量、低延迟的流数据引擎[7]以及对事件-时间处理和状态管理的支持。Flink应用程序在发生机器故障时具有容错能力，并且支持exactly-once语义。[8]程序可以用J

发布博客于 2 月前

Linux buffer和Cache的区别

Buffer，缓冲区Buffer和特定的块设备相关联，包含文件系统的元数据的缓存以及在运行中的页面跟踪。Buffer会记住文件夹里的内容，文件的权限，并跟踪从特定块设备中写入或读取到的内存。Cache，缓存Cache只包含已存放的数据（文件本身的内容）。参考：What is the difference between buffer and cache memory in Linux...

发布博客于 2 月前

Go语言入门

1. Go简介Go（又称Golang）是Google开发的一种静态强类型、编译型、并发型，并具有垃圾回收功能的编程语言。罗伯特·格瑞史莫、罗勃·派克（Rob Pike）及肯·汤普逊于2007年9月开始设计Go，稍后Ian Lance Taylor、Russ Cox加入项目。Go是基于Inferno操作系统所开发的。Go于2009年11月正式宣布推出，成为开放源代码项目，支持Linux、macOS、Windows等操作系统。特点静态类型和运行时效率。（如：C++）可读性和易用性。（如：Python

发布博客于 2 月前

超大规模深度学习在美团的应用

参考：超大规模深度学习在美团的应用

发布博客于 2 月前

搜索Instagram用户名API

1. 细节主要是python算法部分，以及flask用于网页端。待完善：PHP适配客户端2. 实践经过调试，API已经开发示例：搜索结果页面展示：然后输入instagram.com/{username}即可到达Instagram用户名的主页：开发链接：根据明星姓名搜索Instagram用户名3. 完善有什么意见的欢迎私信和评论！（最近比较忙，不会进行开发完善）...

发布博客于 3 月前

HTML系列：表单提交

发布博客于 2 月前

PHP系列：入门

1. PHP介绍PHP（全称：PHP：Hypertext Preprocessor，即“PHP：超文本预处理器”）是一种开源的通用计算机脚本语言，尤其适用于网络开发并可嵌入HTML中使用。PHP的语法借鉴吸收C语言、Java和Perl等流行计算机语言的特点，易于一般程序员学习。PHP的主要目标是允许网络开发人员快速编写动态页面，但PHP也被用于其他很多领域。PHP的应用范围相当广泛，尤其是在网页程序的开发上。一般来说PHP大多运行在网页服务器上，透过运行PHP代码来产生用户浏览的网页。PHP可以在多数的

发布博客于 3 月前

Linux crontab命令定时运行脚本, python程序

1. crontab文件Linux下的定时执行主要是使用crontab文件中加入定制计划来执行，查看/etc/crontab文件：$ cat /etc/crontabSHELL=/bin/bashPATH=/sbin:/bin:/usr/sbin:/usr/binMAILTO=rootcrontab命令：crontab –e //修改 crontab 文件，如果文件不存在会自动创建。 crontab –l //显示 crontab 文件。 crontab -r

发布博客于 3 月前

Python自动发送邮件

1. 邮箱配置必要邮箱开通 SMTP 服务。关于SMTP：SMTP是一种提供可靠且有效的电子邮件传输的协议。SMTP是建立在FTP文件传输服务上的一种邮件服务，主要用于系统之间的邮件信息传递，并提供有关来信的通知。SMTP独立于特定的传输子系统，且只需要可靠有序的数据流信道支持，SMTP的重要特性之一是其能跨越网络传输邮件，即“SMTP邮件中继”。使用SMTP，可实现相同网络处理进程之间的邮件传输，也可通过中继器或网关实现某处理进程与其他网络之间的邮件传输。开通方式以 qq 邮箱为例：在网页

发布博客于 3 月前

强化学习系列(1):简介

1. 强化学习强化学习，reinforcement learning，RL，强调如何基于环境而行动，以取得最大化的预期利益。在机器学习问题中，环境通常被规范为马尔科夫决策过程，所以，强化学习算法在这种情况下使用动态规划技巧。强化学习和标准的监督式学习之间的区别在于，它并不需要出现正确的输入/输出对，也不需要精确校正次优化的行为。强化学习更加专注于在线规划，需要在探索（在未知的领域）和遵从（现有知识）之间找到p;h2. 强化学习模型基本的强化学习模型包括：1.环境状态的集合S；2.动作的集合A；

发布博客于 3 月前

Keras构建DNN模型的两种方式

1. 方式一from keras.layers.core import Dense, Dropoutfrom keras.layers.normalization import BatchNormalizationfrom keras.models import Sequential,Modelfrom keras.layers import merge,Input,Add, LeakyReLUclass DNN(object): """ Define a DNN model f

发布博客于 3 月前

Keras监控验证集损失及保存最佳模型

1. EarlyStopping如果验证集的监控指标不再提升，就让模型停止训练。from keras.callbacks import ModelCheckpoint, EarlyStoppingcustom_early_stopping = EarlyStopping( monitor='val_accuracy', patience=8, min_delta=0.001, mode='max')2. 保存最佳模型model = getModel()m

发布博客于 3 月前

Github项目文档的管理

1. 用github账号注册readthedocshttps://readthedocs.org/2. 安装Sphinx包具体参考：https://docs.readthedocs.io/en/stable/intro/getting-started-with-sphinx.html3. 把文档上传到GitHub4. readthedocs关联GitHub的项目https://readthedocs.org/dashboard/5. readthedocs编译6. 添加文档主题（可选）

发布博客于 3 月前

Linux服务器定时启动Python程序

一、让Python随Linux开机自动运行准备好要自启的脚本auto.py用root权限编辑以下文件sudo vim /ect/rc.local在exit 0上面编辑启动脚本的命令/usr/bin/python3.5 /home/edgar/auto.py > /home/edgar/auto.log最后重启Linux，脚本就能自动运行并打印日志了。二、让Python脚本定时启动准备好定时启动的脚本auto.py用root权限编辑以下文件sudo vim /etc/crontab

发布博客于 3 月前

Linux nohup指令实现Python代码挂起在后台

1. 方法nohup python *.py &让代码一直在后台运行。运行提示：[1] 8324[root@server-1 bin]# nohup: ignoring input and appending output to ‘nohup.out’2. 查看进程# ps aux | grep 8324root 8324 4.5 2.6 224324 27068 pts/0 S 15:18 0:01 python /data/project/

发布博客于 3 月前

python程序进程命名

# 命名一个进程import multiprocessingimport timedef foo(): name = multiprocessing.current_process().name print("Starting %s
" % name) time.sleep(3) print("Exiting %s
" % name)if __name__ == '__main__': process_with_name = multiproces

发布博客于 3 月前

Centos安装python3和使用pip3

1. 安装python3从EPEL仓库安装安装最新版本的EPEL$ sudo yum install epel-release用yum安装python 3.6:$ sudo yum install python362. 切换默认的python为python3.6版本cd /usr/bin 备份原来的文件mv python python.bak 建立软连接ln -s /usr/bin/python3.6 /usr/bin/python3. pyth

发布博客于 3 月前

Python：markdown格式文件转成rst格式

1. 前言PyPi 需要生成readme.rst 格式的文档，尝试使用readme.md，都会报错：Upload failed (400): The description failed to render in the default format of reStructuredText.只能把写好的markdown格式进行转换：import requestsimport os#os.chdir(r"F:\")def md_to_rst(from_file, to_file):

发布博客于 3 月前

python包开发的坑

1. 调试和之前安装的冲突安装了之前自己开发的包，然后，重新调试，模块路径改动后，python还是默认安装包的程序。python导入模块的顺序：（1）.py 所在文件的目录（2）PYTHONPATH 中的目录（3）python安装目录，UNIX下，默认路径一般为/usr/local/lib/python/（4）3.x 中.pth 文件内容...

发布博客于 3 月前

Pypi官方教程中文版：封装代码成python包

1. Pypi介绍PyPI, Python Package Index,是python的正式第三方软件包的软件存储库。一些软件包管理器如pip，就是默认从PyPI下载软件包。Pypi官方网站；2. 封装代码并上传到Pypi上（1）注册账号在Pypi中注册账号，并且需要激活邮箱，其他的就不用管了。（2）代码包管理示例：packaging_tutorial└── mypackage └── __init__.py注意的是，模块（mypackage）是需要__init__.py代码的

发布博客于 3 月前

半监督学习模型: 半监督的SVM

1. SVM模型SVM 模型优化的损失函数：如果结构损失中的2范数换成1范数：2. 半监督的SVM考虑到无标签样本，如果无标签样本在SVM模型中预测成负类或者正类，只要它与决策面的距离少于单位距离, 都会有一个损失，并且这个损失是预测成负类和预测成正类中最小的那个损失（也就是如果预测对了，这个损失可以是0）。参考：原论文 Semi-Supervised Support Vector Machines ；半监督支持向量机（S3VMs）;...

发布博客于 3 月前

Flask Error: [WinError 10013] 以一种访问权限不允许的方式做了一个访问套接字的尝试

1. 报错原因端口被占了。2. 解决方法app.run(port=5006,host='0.0.0.0')多换端口，默认是5000，之前试了6666，还是不行，换成5006就好了。

发布博客于 3 月前

Git遇到的问题汇总

问题 1.Please make sure you have the correct access rightsand the repository exists.解决方法：git clone https://而不是 git的地址。

发布博客于 3 月前

Java系列：入门Java必看，关于Java,JDK, JRE, JVM几个概念(10)

1. 关于JavaJava是一种广泛使用的计算机编程语言，拥有跨平台、面向对象、泛型编程的特性，广泛应用于企业级Web应用开发和移动应用开发。任职于Sun微系统的詹姆斯·高斯林等人于1990年代初开发Java语言的雏形，最初被命名为Oak，目标设置在家用电器等小型系统的编程语言，应用在电视机、电话、闹钟、烤面包机等家用电器的控制和通信。由于这些智能化家电的市场需求没有预期的高，太阳计算机系统（Sun公司）放弃了该项计划。随着1990年代互联网的发展，Sun公司看见Oak在互联网上应用的前景，于是改造了

发布博客于 3 月前

Java系列：Java调用python程序

1. 任务调用已有的 demo.py 程序：程序内容：import numpy as nparr = np.array([[1,2],[3,4]])print("arr:",arr)2. Java 调用python程序package leetCode;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStreamReader;public class TestPythonCo

发布博客于 3 月前

Java系列：如何导入jar包

1. 文件夹方式开发工具： Eclipse IDE新建一个 lib 文件夹，里边添加需要的jar 包，如图选中需要添加的jar文件，右键，添加到 Build Path中，成功！参考：Eclipse下导入外部jar包的3种方式

发布博客于 3 月前

python3爬虫(4)：获取网易云音乐歌手所有歌曲及歌曲的精选评论

1. 需要的python包>pip install pycryptodome>pip install requests>>pip install lxml2. 实践1：爬取网易云平台的所有歌手id"""sources:https://github.com/wanhaiwei/wangyiyun/blob/master/get_all_singer.py"""import requestsimport reimport csvimport jsoncla

发布博客于 3 月前

模型部署上线的几种服务发布方式

1.JSON（JavaScript Object Notation）格式。它拥有两个格式处理函数：json.dumps：将 Python 对象编码成 JSON 字符串；json.loads：将已编码的 JSON 字符串解码为 Python 对象。pickle 模块pickle.dump(obj, file[, protocol])：序列化对象，并将结果数据流写入到文件对象中。参数 protocol 是序列化模式，默认值为0，表示以文本的形式序列化。protocol 的值还可以是1或2，表示以二进

发布博客于 4 月前

Nginx介绍

$ yum -y install nginxnginx.conf 部分配置server { listen 80; server_name sam_rui.com; # 外部地址 access_log /var/log/nginx/access.log; location / { proxy_pass http://127.0.0.1:8000;# 监听目标服务器 proxy_set_header Host $host;

发布博客于 3 月前

Nginx部署网页到Centos(Linux)服务器

1. 关于网页2. 部署步骤（1）按照nginx// 用yum来安装yum install nginx -y启动 nginx:nginx: [emerg] bind() to 0.0.0.0:80 failed (98: Address already in use)（2）部署网页Nginx网页的地址：/usr/share/nginx/html可以在浏览器中使用 ip地址/网页名来打开该网页。（3）python代码部署a. 在原来项目中，把需要的python包进行罗列：&g

发布博客于 3 月前

Linux安装python

以下方法在CentOS能成功安装python3.6:由于一般的Linux服务器自带的python是2.x版本，因此，我们需要手动安装3.x版本。（1）安装 SCL 使用程序yum install centos-release-scl（2）安装python 3.6yum install rh-python36(3) 激活python 3.6版本scl enable rh-python36 bash（4）确认是否成功python ––version参考：How to inst

发布博客于 4 月前

nginx: [emerg] bind() to [::]:80 failed (98: Address already in use) 错误

（1）查看80端口是不是被占用了$ netstat -anp |grep 80tcp 0 0 0.0.0.0:80 0.0.0.0:* LISTEN 2679/nginx: master tcp 0 0 144.34.160.104:58030 142.250.72.227:443 TIME_WAIT - tcp 0

发布博客于 4 月前

Windows编译文件makefile

(1) 下载 Cygwinhttps://cygwin.com/install.html(2) 用Cygwin编译：make -f Makefile参考：makefile

发布博客于 4 月前

解决Linux：[Errno 12] Cannot allocate memory问题

1. 问题起因使用Linux（CentOS系统）安装Java，命令行提示：Error downloading packages: libXcursor-1.1.15-1.el7.x86_64: [Errno 5] [Errno 12] Cannot allocate memory 1:xorg-x11-font-utils-7.5-21.el7.x86_64: [Errno 5] [Errno 12] Cannot allocate memoryCannot allocate me

发布博客于 4 月前

Flask系列(1): 基础介绍

1. Flask简介Flask是一个使用Python编写的轻量级Web应用框架。基于Werkzeug WSGI工具箱和Jinja2 模板引擎。Flask使用BSD授权。Flask被称为“microframework”，因为它使用简单的核心，用extension增加其他功能。Flask没有默认使用的数据库、窗体验证工具。然而，Flask保留了扩增的弹性，可以用Flask-extension 页面存档备份，存于互联网档案馆加入这些功能：ORM、窗体验证工具、文件上传、各种开放式身份验证技术。特色内置开发

发布博客于 4 月前

python程序设计(浙江大学).rar

python程序设计PPT（浙江大学python课件）对应慕课该课程PPT。包含9章内容： python语言介绍；语句；字符串，列表，元组；集合，字典；函数，命名空间和作用域；文件读写操作； Web应用；网络爬虫；等

发布资源于 4 月前

pytorch版本查看和升级到相应的版本

1. 版本查看import torchprint(torch.__version__)结果：'1.0.0'2. 升级到特定的版本$ pip install --upgrade torch==1.4.0结果：Installing collected packages: torch Found existing installation: torch 1.0.0 Uninstalling torch-1.0.0: Successfully uninstalled t

发布博客于 4 月前

(待完善)[零基础入门推荐系统(2)]基于二向图的召回算法(python代码实现)

1. 基于图的模型用户行为很容易用二分图表示，从而给用户进行个性化推荐。2. 用户行为数据的二分图表示用户行为数据由一系列的二元组组成，其中，每个二元组(u,i)(u,i)(u,i)表示用户uuu对物品iii产生过行为。令G(V,E)G(V,E)G(V,E)表示用户物品二分图，其中，V=VU∪VIV=V_U\cup V_IV=VU∪VI由用户顶点集合VUV_UVU 和物品顶点集合VIV_IVI组成。对应数据集中每一个二元组(u,i)(u,i)(u,i),图中都有对应的边e(vu,vi)e(v

发布博客于 4 月前

协同指导用于极限噪声标签样本学习

Co-teaching: Robust Training of Deep Neural Networks with Extremely Noisy Labels1. 方法协同指导（co-teaching)同时使用两个网络，一个网络训练后，选取损失比较小的样本，指导另一个网络接下来的训练。具体的算法：可以看出：网络 f 先选取损失较少的样本，然后网络 g 计算这部分样本的损失，并将损失进行反向传播并参数更新。同样，网络 f 对网络 g 中损失较少的样本进行计算损失和反向传播。2. 实验在M

发布博客于 4 月前

面试题：终极杀器BFS解决动态规划问题

1. BFS和动态规划BFS，Breadth-First Search, 广度优先搜索，用于解决图遍历的算法，简单的说，BFS是从根节点开始，沿着树的宽度遍历树的节点。如果所有节点均被访问，则算法中止。具体可以参看：图：广度优先遍历BFS和深度优先遍历DFS及python实现动态规划，通常基于一个递推公式及一个或多个初始状态。当前子问题的解将由上一次子问题的解推出。具体参看动态规划算法BFS和动态规划的联系动态规划需要找出状态转移矩阵，有的时候状态转移方程很多找，比如背包问题的一些拓展题。与动

发布博客于 4 月前

[零基础入门推荐系统(1)]基于用户和基于物品的协同过滤方法(python代码实现)

1. 前言: 为什么会有该系列?最近，打算写《零基础入门推荐系统》系列，为了系统地介绍推荐系统知识，以及加强基础的实践能力。该系列将结合一些书籍，比如项亮的《推荐系统实践》，由于项亮的推荐系统实践更偏项目以及工程设计，对模型介绍比较少，为了弥补这一不足，《零基础入门推荐系统》会更多地介绍一些基础推荐算法模型，比如FM，DeepFM，DIN等模型。当然，每个模型会结合数学原理和python代码进行介绍，强化理论知识和实践能力。2. 推荐系统的几种评测指标对用户uuu推荐NNN个物品（记为R(u)R(u

发布博客于 4 月前

Python中的new和init初始化的区别

__init__ 方法为初始化方法, __new__方法才是真正的构造函数。1、__new__方法默认返回实例对象供__init__方法、实例方法使用。class Human2(object): def __init__(self,age,sex): self.age = age self.sex = sex print("self", self) def speak(self): print("I am:",self.age,self.sex)示例：h = Hum

发布博客于 4 月前

Leetcode144. 二叉树的前序遍历(迭代，递归python实现)

1. 题目给定一个二叉树，返回它的前序遍历。示例:输入: [1,null,2,3] 1 \ 2 / 3 输出: [1,2,3]进阶: 递归算法很简单，你可以通过迭代算法完成吗？来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/binary-tree-preorder-traversal著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。2. 递归递归的方法比较简单，前

发布博客于 4 月前

面试题：最长公共子序列LCS的所有花样(求公共最长长度，输出对应的子序列）

1. 求最长公共子串的长度对于输入两个字符串 X, Y，最长公共子序列（Longest Common Subsequence）中子序列只需保持相对顺序，并不要求连续。首先，这是一个经典的动态规划题，记 dp[i][j]dp[i][j]dp[i][j] 是字符串1 XXX 从0到索引 iii 和字符串2 Y从 0 到索引 jjj 的最长公共子串的长度。dp[i,j]={dp[i−1,j−1]+1 if x[i]=y[j]max⁡{dp[i,j−1],dp[i−1,j]}

发布博客于 4 月前

牛顿法与拟牛顿法(含代码实现)

1. 牛顿法牛顿法（英语：Newton’s method）又称为牛顿-拉弗森方法（英语：Newton-Raphson method），它是一种在实数域和复数域上近似求解方程的方法。牛顿法的基本思想是使用函数 f(x){\displaystyle f(x)}f(x) 的泰勒级数的前面几项来寻找方程 f(x)=0{\displaystyle f(x)=0}f(x)=0 的根。牛顿法主要应用在两个方面，1：求方程的根；2：最优化(求解最值问题)。1.1 求方程f(x)=0{\displaystyle f(

发布博客于 4 月前

TCP与UDP的区别

0. 简介TCP/IP 是互联网相关的各类协议族的总称，比如：TCP，UDP，IP，FTP，HTTP，ICMP，SMTP 等都属于 TCP/IP 族内的协议。TCP/IP模型是互联网的基础，它是一系列网络协议的总称。这些协议可以划分为四层，分别为链路层、网络层、传输层和应用层。1. TCP 协议传输控制协议（英语：Transmission Control Protocol，缩写：TCP）是一种面向连接的、可靠的、基于字节流的传输层通信协议，由IETF的RFC 793定义。在简化的计算机网络OSI模

发布博客于 5 月前

Linux进程间通信的7种方式

0. 简介进程间通信常见方式如下：管道FIFO消息队列信号量共享内存UNXI域套接字套接字（Socket）1. 管道管道是一种古老的IPC通信形式。它有两个特点：半双工，即不能同时在两个方向上传输数据。有的系统可能支持全双工。只能在父子进程间。经典的形式就是管道由父进程创建，进程fork子进程之后，就可以在父子进程之间使用了。使用popen函数和pclose函数结合来执行系统命令，就用到了管道，它们声明如下：FILE *popen(const char *command,co

发布博客于 5 月前

LeetCode410. 分割数组的最大值（python，二分法）

1. 题目给定一个非负整数数组和一个整数 m，你需要将这个数组分成 m 个非空的连续子数组。设计一个算法使得这 m 个子数组各自和的最大值最小。注意:数组长度 n 满足以下条件:1 ≤ n ≤ 10001 ≤ m ≤ min(50, n)示例:输入:nums = [7,2,5,10,8]m = 2输出:18解释:一共有四种方法将nums分割为2个子数组。其中最好的方式是将其分为[7,2,5] 和 [10,8]，因为此时这两个子数组各自的和的最大值为18，在所有情况中最小。

发布博客于 5 月前

LeetCode面试题 17.01. 不用加号的加法

1. 题目设计一个函数把两个数字相加。不得使用 + 或者其他算术运算符。示例:输入: a = 1, b = 1输出: 2提示：a, b 均可能是负数或 0结果不会溢出 32 位整数来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/add-without-plus-lcci著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。2. 题解Javaclass Solution { public static

发布博客于 5 月前

搜索：PageRank网页排名技术

搜索结果的排名取决于两组信息：关于网页的质量信息，以及这个查询与每个网页的相关性信息。PageRank算法的原理一个网页被很多其他网页所链接，说明它受到普遍的承认和信赖，排名就高。对于不同网页的链接区别对待，排名高的网页链接更可靠，这些链接的权重就更大。但这里，存在网页排名过程需要用到网页本身的排名，因此，可以使用迭代的方法。先假设所有网页的排名是相同的，根据初始值，算出各个网页的第一次迭代排名，然后不断迭代直到收敛。由于网页的数量比较多，描述这个邻接矩阵很巨大，因此，使用稀疏矩阵计算的技巧，简

发布博客于 2 月前

Faiss向量召回引擎如何做到快速查找最近邻

Faiss是Facebook开源的向量召回引擎，用于寻找与某个向量最相似的N个向量。1. 简介向量量化(Vector Quantization)所谓向量量化，就是将原来无限的空间映射到一个有限的向量集合当然这里的映射函数也不是随便指定的，需要满足误差最小的原则，一种方法是将优化函数设置为最小平方误差：正好就是k-means方法的目标函数！因此我们可以用k-means作为寻找最佳codebook的方法。假设我们将原来2000W个向量映射到大小为20W的集合中(平均每个中心点代表100

发布博客于 5 月前

NLP介绍（1）

NLP主要研究方向信息抽取：从给定文本中抽取重要的信息，比如时间、地点、人物、事件、原因、结果、数字、日期、货币、专有名词等等。通俗说来，就是要了解谁在什么时候、什么原因、对谁、做了什么事、有什么结果。文本生成：机器像人一样使用自然语言进行表达和写作。依据输入的不同，文本生成技术主要包括数据到文本生成和文本到文本生成。数据到文本生成是指将包含键值对的数据转化为自然语言文本；文本到文本生成对输入文本进行转化和处理从而产生新的文本。问答系统：对一个自然语言表达的问题，由问答系统给出一个精准的答案。需

发布博客于 4 月前

python状态码

56、列出常见的状态码和意义200 OK请求正常处理完毕204 No Content请求成功处理，没有实体的主体返回206 Partial ContentGET范围请求已成功处理301 Moved Permanently永久重定向，资源已永久分配新URI302 Found临时重定向，资源已临时分配新URI303 See Other临时重定向，期望使用GET定向获取304 Not Modified发送的附带条件请求未满足307 Temporary Redirect临时重定向，P

发布博客于 5 月前

Python垃圾回收机制

引用计数Python中，主要通过引用计数（Reference Counting）进行垃圾回收。在Python中每一个对象的核心就是一个结构体PyObject，它的内部有一个引用计数器（ob_refcnt）。程序在运行的过程中会实时的更新ob_refcnt的值，来反映引用当前对象的名称数量。当某对象的引用计数值为0,那么它的内存就会被立即释放掉。typedef struct_object { int ob_refcnt; struct_typeobject *ob_type;} PyObject;

发布博客于 4 月前

python list底层实现

列表实现可以是数组和链表。这里数值是指动态数组。因此：利用 list.insert(i,item) 方法在任意位置插入一个元素——复杂度O(N)利用 list.pop(i) 或 list.remove(value) 删除一个元素——复杂度O(N)index() O(1)append O(1)pop() O(1)pop(i) O(n)insert(i,item) O(n)del operator O(n)iteration O(n)contains(in) O(n)get slice[

发布博客于 5 月前

python 大数两数相减

问题描述两个长度超出常规整形变量上限的大数相减，避免使用各语言内置库。输入两个代表整数的字符串 a 和 b，长度超过百位。输出：返回表示结果整数的字符串。#!/usr/bin/env python# encoding=utf-8def big_num_minus(str1, str2): res = "" carry = 0 minus_flag = False if len(str1) < len(str2): minus_flag

发布博客于 5 月前

LeetCode3.无重复字符的最长子串

1. 题目给定一个字符串，请你找出其中不含有重复字符的最长子串的长度。示例 1:输入: "abcabcbb"输出: 3 解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。示例 2:输入: "bbbbb"输出: 1解释: 因为无重复字符的最长子串是 "b"，所以其长度为 1。示例 3:输入: "pwwkew"输出: 3解释: 因为无重复字符的最长子串是 "wke"，所以其长度为 3。请注意，你的答案必须是子串的长度，"pwke" 是一个子序列

发布博客于 5 月前

LeetCode283. 移动零

1. 题目给定一个数组 nums，编写一个函数将所有 0 移动到数组的末尾，同时保持非零元素的相对顺序。示例:输入: [0,1,0,3,12]输出: [1,3,12,0,0]说明:必须在原数组上操作，不能拷贝额外的数组。尽量减少操作次数。来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/move-zeroes著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。2. 题解这题关键是复杂度降下来，这里给出 O(

发布博客于 5 月前

python二进制和十进制，十六进制的转换

#!/usr/bin/env python# encoding=utf-8def binary2decimal(x): string = str(x)[2:][::-1] res = 0 for i,num in enumerate(string): res += int(num)*2**i return resdef decimal2binary(x): res = "" while x: m = x%2

发布博客于 5 月前

python面向对象三大特性:封装，继承，多态

面向编程三大特性：封装（隐藏），继承，多态。一. 封装通过私有属性，私有方法的方式实现封装。二. 继承python支持多重继承，一个之类可以继承多个父类。class 子类类名（父类1,父类2,…）: 类体父类名.__init__(self,参数列表)1.成员继承：子类继承了父类除构造方法之外的所有成员。2.方法重写：子类可以重新定义父类中的方法，这样就会覆盖父类中的方法，也称为重写。通过类的方法**dir()**查看对象属性重写__str__方法：用于返回一个对于“

发布博客于 4 月前

字符串字符全组合（python）

1. 相邻字符的组合输入一个字符串，输出该字符串中相邻字符的所有组合。举个例子，如果输入abc，它的组合有a、b、c、ab、bc、abc。（注意：输出的组合需要去重）输入描述:一个字符串输出描述:一行，每个组合以空格分隔，相同长度的组合需要以字典序排序，且去重。示例1输入bac输出a b c ac ba bac链接：https://www.nowcoder.com/questionTerminal/837f4d04f5cb4f26a8215b2b95cc76a5来源：牛客网

发布博客于 5 月前

LeetCode120. 三角形最小路径和(python)

1. 问题给定一个三角形，找出自顶向下的最小路径和。每一步只能移动到下一行中相邻的结点上。相邻的结点在这里指的是下标与上一层结点下标相同或者等于上一层结点下标 + 1 的两个结点。例如，给定三角形：[ [2], [3,4], [6,5,7], [4,1,8,3]]自顶向下的最小路径和为 11（即，2 + 3 + 5 + 1 = 11）。说明：如果你可以只使用 O(n) 的额外空间（n 为三角形的总行数）来解决这个问题，那么你的算法会很加分。来源：

发布博客于 5 月前

LeetCode剑指 Offer 47. 礼物的最大价值

1. 题目在一个 m*n 的棋盘的每一格都放有一个礼物，每个礼物都有一定的价值（价值大于 0）。你可以从棋盘的左上角开始拿格子里的礼物，并每次向右或者向下移动一格、直到到达棋盘的右下角。给定一个棋盘及其上面的礼物的价值，请计算你最多能拿到多少价值的礼物？示例 1:输入: [ [1,3,1], [1,5,1], [4,2,1]]输出: 12解释: 路径 1→3→5→2→1 可以拿到最多价值的礼物来源：力扣（LeetCode）链接：https://leetcode-cn.com

发布博客于 5 月前

一文详解二叉搜索树，平衡二叉树，红黑树，B树，B+树（含python代码）

二叉查找树(BST)：不平衡平衡二叉树(AVL)：旋转耗时由于旋转的耗时，AVL树在删除数据时效率很低；在删除操作较多时，维护平衡所需的代价可能高于其带来的好处，因此AVL实际使用并不广泛。红黑树：树太高B树：为磁盘而生每个节点最多包含 m 个子节点。如果根节点包含子节点，则至少包含 2 个子节点；除根节点外，每个非叶节点至少包含 m/2 个子节点。拥有 k 个子节点的非叶节点将包含 k - 1 条记录。所有叶节点都在同一层中。可以看出，B树的定义，主要是对非叶结点的子节点数量和记录数量

发布博客于 4 月前

python random 模块

import randomdef test(): lt = [i for i in range(10)] print(random.choice(lt)) print(random.sample(lt, 5)) random.shuffle(lt) print("shuffle lt",lt) print(random.randrange(1,10)) print(random.randint(1,10)) print(random.rand

发布博客于 5 月前

python模块名

6.3. dir() 函数内置函数 dir() 用于查找模块定义的名称。它返回一个排序过的字符串列表:https://docs.python.org/zh-cn/3/tutorial/modules.html

发布博客于 4 月前