08 2021 档案
摘要：如图: aij相当于A的转置第i行和第j行的内积，aji相当于A的转置第j行和第i行的内积。 因此aij=aji。
阅读全文
摘要：对角矩阵：除主对角线上以外的元素均为0。 单位阵：对角矩阵的主对角线均为1。 正交矩阵：A的转置乘以A是E。 对称矩阵：以主对角线为准俩边元素对称相等。
阅读全文
摘要：线性回归，线性变换。这里的线性是不是L(x+y)=L(x)+L(y)和L（cy）=c L(y)。 回归即是确定变量之间的定量关系的表达。 线性回归即线性的回归。 线性变换即线性的函数。 满足线性性质。
阅读全文
摘要：通过看不同k值对应的平均直径，选择相对稳定的点。 实际上都是认为选择k值，因为随机点对k值影响较大。
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt train=np.random.randint(-300,300,(300,5)) w1=np.random.randint(-100,100,(1,4)) def cir(data): max=-
阅读全文
摘要：pop属于列表中的一个函数，通过索引进行删除。 a=['w','e','r'] a.pop(1) print(a) 输出 ['w', 'r']
阅读全文
摘要：相关关系是非确定性关系，给定了一个变量值，另一个变量值可以在一定范围内变化，我们称这种不确定关系为相关关系。 通过相关系数确定变量之间是否为强相关关系。
阅读全文
摘要：从总体中抽取的部分叫样本。 本次样本所含的个体数是样本容量。 样本个数是样本容量的所有可能个数
阅读全文
摘要：概率只是不确定性的量化。 其实连续型随机变量的概率分布和离散型随机变量的概率分布类似。 离散型随机变量的概率分布是每个离散变量的概率。 连续型随机变量的概率分布是将一段区间看成一个整体考虑其概率分布，不断细化区间其概率最终构成一个函数即为概率密度函数。 分布函数即是积分从负无穷到指定值。 即一个大城
阅读全文
摘要：初学概率论多个含有随机的名词容易让人糊涂。 随机现象:偶然性的现象。比如投掷色子的点数。 样本空间：所有随机现象的集合称为样本空间。 随机事件：随机现象的集合称为随机事件。 随机变量：用变量表示随机事件。 这么背有些枯燥： 其实就是身边有随机现象如丢硬币的结果，所有现象的集合是样本空间，研究某一情况
阅读全文
摘要：https://www.baidu.com/link?url=ltxBHpLSKOR9m8xq-b9FLtu-N-f4LKVoN2RLM3HhaZIeaFN9Ae_Nugrr9SygpBXj93sUeMavVK0BUstCvd_kUpo6c_9ywsps1yY6V4OZydK&wd=&eqid=de
阅读全文
摘要：import numpy as np import time def pla(x,y): k=y/x deg=np.rad2deg(np.arctan(k)) if k>0: if x<0: deg=deg+180 if k<0: if x<0: deg=deg+180 if deg<0: deg=
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt class node: def __init__(self,index,value,clas): self.index=index self.value=value self.clas=clas d
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt w=700 w1=700 n=w1-50 train=np.random.randint(-300,300,(w,4)) train=train.astype(float) train_lable=
阅读全文
摘要：决策树的原理就是找到易于区分类的特征值进行空间划分，得到最终的分类空间。 import numpy as np import matplotlib.pyplot as plt def mid(node): print(node.index,node.value,node.lay_num,node.a
阅读全文
摘要：w=np.array([[1,2],[3,4]]) w1=np.array([[1],[1]]) print(np.concatenate((w,w1),axis=1)) 输出： [[1 2 1] [3 4 1]]
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt w=250 w11=2000 train=np.random.randint(-300,300,(w11,4)) train=train.astype(float) train_lable=np.z
阅读全文
摘要：w1=[]//建立空列表 w2=np.array([1,2]) w1.append(w2)//插入数组。 w1.append(w2) print(np.array(w1))//将列表变为数组。 输出： [[1 2] [1 2]]
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt w=250 train=np.random.randint(-300,300,(w,4)) train=train.astype(float) train_lable=np.zeros(w) def
阅读全文
摘要：流中的命令按顺序执行。 cudaMemcpy和cudaMemcpyAsync区别在于： cudaMemcpy需要主机按顺序进行等待。 cudaMemcpyAsync发出命令后主机就不等待了
阅读全文
摘要：int a,int b; (a+b)/2f 让计算机当作浮点数处理。
阅读全文
摘要：创建和销毁： 声明: cudaEvent_t event; 创建： cudaError_t cudaEventCreate(cudaEvent_t* event); 销毁： cudaError_t cudaEventDestroy(cudaEvent_t event); 添加事件到当前执行流： cu
阅读全文
摘要：声明是给事件开辟空间。 而创建是调用构造函数其赋值。
阅读全文
摘要：__FILE__表示的是该代码语句所在的文件名。 __LINE__表示执行该语句所在位置行数。
阅读全文
摘要：e为1，2。让w=e将w[0]=2,输出后变为2，2.
阅读全文
摘要：dim3 grid(row,col); 实际上封装是三维数组，只不过dim3会自动在最后边补1。
阅读全文
摘要：TEST_SOURCE = *.cu TARGETBIN := ./hello_cuda.PHONY CC = /usr/local/cuda/bin/nvcc $(TARGETBIN):$(TEST_SOURCE) $(CC) $(TEST_SOURCE) -o $(TARGETBIN) .PHO
阅读全文
摘要：查看targer中的文件和当前目录中是否有重名，删除重名文件即可或者在文件名后边加上.PHONY
阅读全文
摘要：内核启动是异步的，启动gpu在gpu完成之前交给cpu，cpu用内核去找到出口，将gpu进程的返回值，进行保存。 内核是操作系统提供软件对计算机硬件进行访问的软件
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt w=250 train=np.random.randint(-300,300,(w,2)) train=train.astype(float) train_lable=np.zeros(w) for
阅读全文
摘要：nums = [1,8,2,23,7,-4,18,23,24,37,2]//创建数组 for i in range(5): print(nums.index(min(nums)))//nums.index()//输出一个数的索引1,min(nums)选择nums最小的数。 nums[nums.ind
阅读全文
摘要：感知机是一个超平面，把空间分为俩部分，一部分判定为正类，一部分判定为负类。基于梯度下降法对损失函数最小化，找到平面。分离超平面。
阅读全文
摘要：import numpy as np print(np.rad2deg(np.arctan(1)))//用反三角函数，将正切值变为弧度，在用ead2deg将弧度变为角度。
阅读全文
摘要：import torch import torch.nn as nn import numpy as np import pandas as pd a=np.zeros(128) b=0 def take(i1,i2): global b if i1==i2: return 0 w=0 for i
阅读全文
摘要：如果函数想要修改全局变量的值就在函数中，用global声明该变量，对其赋值，成功进行修改。
阅读全文
摘要：解决缺少服务无法打开tomcat9w：https://blog.csdn.net/xingxiupaioxue/article/details/87873682 解决port占用问题：https://blog.csdn.net/yiyihuazi/article/details/82937399 t
阅读全文
摘要：题目： 蛇形矩阵是由1开始的自然数依次排列成的一个矩阵上三角形。 例如，当输入5时，应该输出的三角形为： 1*3*6*10*15 2*5*9*14 4*8*13 7*12 11 import java.util.Scanner;public class Main{ public static voi
阅读全文
摘要：System.out.print(i3+","+i2+","+i1); System.out.println(i3+","+i2+","+i1); 他们俩个的区别在于println输出后会自动换行导致格式错误。 package zxd0001; import java.util.Scanner; p
阅读全文
摘要：https://blog.csdn.net/weixin_41463193/article/details/88938357 https://www.cnblogs.com/plain-heart/p/10756934.html 可以尝试更改programfile和programfile(X86版)
阅读全文
摘要：print(np.maximum(0,1))//返回俩个数中最大的 print(np.minimum(0,1))//返回俩个数最小的
阅读全文
摘要：点积是向量积，就是向量乘积，用numpy.dot实现。
阅读全文
摘要：首先表明参数的解析公式： a2=a2+y2(E1-E2)/eta eta=x1*x1+x2*x2-2*x1*x2 伪代码: procedure takeStep (i1,i2)//利用解析式对参数进行更新，我比较推荐按李航统计学习的内容进行更新。 target = desired output ve
阅读全文
摘要：支持向量机与感知机不同的地方在于间隔最大化。 而在优化模型时有等式约束，导致优化模型时较为麻烦。 本文主要讲解线性可分支持向量机。 r表示离平面最近的点的几何间隔，且所有点到平面的几何间隔均大于r。 max r s.t. y(wx/|w|+b/|w|)>r :这里涉及点到平面的距离，可参考博客：ht
阅读全文
摘要：用函数可以修改全局变量，通过传递参数作为索引来修改指定的位置的数值。
阅读全文
摘要：用numpy自带的zeros函数可以创建任意维度的0数组
阅读全文
