随笔分类 -  笔记

摘要:cpu核数和线程数的关系 1、线程数可以模拟出不同的CPU核心数。 CPU的核心数指的是硬件上存在着几个核心,而线程数可以模拟出多个核心数的功能。线程数越多,越有利于同时运行多个程序,因为线程数等同于在某个瞬间CPU能同时并行处理的任务数。 2、对于一个CPU,线程数总是大于或等于核心数的。 一个核 阅读全文
posted @ 2022-08-03 10:28 小Aer 阅读(1804) 评论(0) 推荐(0) 编辑
摘要:自己给自己水一篇,直接上两个链接: Git鼓励大量使用分支: 查看分支:git branch 创建分支:git branch 切换分支:git checkout 或者git switch 创建+切换分支:git checkout -b 或者git switch -c 合并某分支到当前分支:git m 阅读全文
posted @ 2022-07-28 17:29 小Aer 阅读(11) 评论(0) 推荐(0) 编辑
摘要:文章目录 输入命令 dpkg --list ii xserver-xorg-c 2:1.19.6-1ub amd64 Xorg X server - core server ii xserver-xorg-h 1:7.7+16ubun amd64 X.Org X server ii xserver- 阅读全文
posted @ 2022-06-07 10:05 小Aer 阅读(14) 评论(0) 推荐(0) 编辑
摘要:例如a = [5,6,3,8] 排序结果应为[3,5,6,8],对应下标为[2,0,1,3] 思想:建立和下表对应的元祖,排序时按对应值排序即可 方法一、 x = [5,6,3,8] b = sorted(zip(x, range(len(x)))) b.sort(key = lambda x : 阅读全文
posted @ 2022-04-18 10:09 小Aer 阅读(111) 评论(0) 推荐(0) 编辑
摘要:文章目录 0️⃣冰淇淋1️⃣安装2️⃣导入库3️⃣使用🚌访问函数🚌访问字典🚌访问对象🚌精准定位🚌自定义输出前缀🚌自定义输出时间 0️⃣冰淇淋 冰淇淋的作用其实更方便的是为了调试,那么接下来我就好好讲一讲 1️⃣安装 pip install icecream 2️⃣导入库 from ice 阅读全文
posted @ 2022-04-12 15:56 小Aer 阅读(27) 评论(0) 推荐(0) 编辑
摘要:一、unsqueeze()函数 1.首先初始化一个a 可以看出a的维度为(2,3) 2.在第二维增加一个维度,使其维度变为(2,1,3) 可以看出a的维度已经变为(2,1,3)了,同样如果需要在倒数第二个维度上增加一个维度,那么使用b.unsqueeze(-2) 二、squeeze()函数介绍 1. 阅读全文
posted @ 2022-03-02 09:35 小Aer 阅读(14) 评论(0) 推荐(0) 编辑
摘要:文章目录 1 引言2 方法一2.1 numpy实现2.2 TensorFlow实现2.3 Pytorch实现 3 方法二3.1 numpy实现3.2TensorFlow实现3.3 Pytorch实现 4 评估指标4.1 不考虑部分正确的评估方法4.2 考虑部分正确的评估方法 5 总结引用 1 引言 阅读全文
posted @ 2022-01-21 20:38 小Aer 阅读(846) 评论(0) 推荐(0) 编辑
摘要:1.创建: 创建的形式打开其实就是覆盖了 import csv def create_csv(): path = "ecg.csv" with open(path,'w') as f: csv_write = csv.writer(f) csv_head = ["id","label"] csv_w 阅读全文
posted @ 2022-01-21 18:53 小Aer 阅读(30) 评论(0) 推荐(0) 编辑
摘要:0.为什么要保存和加载模型 用数据对模型进行训练后得到了比较理想的模型,但在实际应用的时候不可能每次都先进行训练然后再使用,所以就得先将之前训练好的模型保存下来,然后在需要用到的时候加载一下直接使用。模型的本质是一堆用某种结构存储起来的参数,所以在保存的时候有两种方式,一种方式是直接将整个模型保存下 阅读全文
posted @ 2022-01-21 18:49 小Aer 阅读(84) 评论(0) 推荐(0) 编辑
摘要:在建立时序模型时,若使用keras,我们在Input的时候就会在shape内设置好sequence_length(后面均用seq_len表示),接着便可以在自定义的data_generator内进行个性化的使用。这个值同时也就是time_steps,它代表了RNN内部的cell的数量,有点懵的朋友可 阅读全文
posted @ 2022-01-21 18:39 小Aer 阅读(53) 评论(0) 推荐(0) 编辑
摘要:这是在自己做多标签分类任务时用到的,最后把结果sigmoid处理,值位于【0, 1】之间,大于阈值的取1,小于阈值的取0 两种方法: a = torch.rand((1, 3)) # 保证和a相同的维度大小 zero = torch.zeros_like(a) one = torch.ones_li 阅读全文
posted @ 2022-01-21 18:35 小Aer 阅读(155) 评论(0) 推荐(0) 编辑
摘要:一句代码的事: data = [1, 2, 3, 4] print(",".join(str(i) for i in data)) >>>"1,2,3,4" 阅读全文
posted @ 2022-01-21 18:29 小Aer 阅读(4) 评论(0) 推荐(0) 编辑
摘要:DataLoader函数定义如下: DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, num_workers=0, collate_fn=default_collate, pin_memory=False, drop_las 阅读全文
posted @ 2022-01-21 18:27 小Aer 阅读(22) 评论(0) 推荐(0) 编辑
摘要:def mod_5(x): return x % 5 print( max(100, 51, 14), max(100, 51, 14, key=mod_5), sep='\n', ) 输出,可以看到这里调用了mod_5函数 100 14 阅读全文
posted @ 2021-12-29 16:13 小Aer 阅读(2) 评论(0) 推荐(0) 编辑
摘要:$ mkdir -p $HOME/tmp $ echo "export TMPDIR=$HOME/tmp" >> ~/.bashrc $ source ~/.bashrc 上述的$HOME/tmp可以自己指定 阅读全文
posted @ 2021-10-25 17:00 小Aer 阅读(77) 评论(0) 推荐(0) 编辑
摘要:一、Ubuntu Docker安装 使用官方安装脚本自动安装 安装命令如下: curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun 也可以使用国内 daocloud 一键安装命令: curl -sSL https://g 阅读全文
posted @ 2021-09-23 14:58 小Aer 阅读(3) 评论(0) 推荐(0) 编辑
摘要:import math value = math.factorial(3) print(value) Out: 6 阅读全文
posted @ 2021-08-10 10:04 小Aer 阅读(1) 评论(0) 推荐(0) 编辑
摘要:最近在LeetCode做题的时候,遇到了deque模块,以前对其不太了解,现在特此总结一下 deque模块是python标准库collections中的一项,它提供了两端都可以操作的序列,这意味着,在序列的前后你都可以执行添加或删除操作。 1.创建deque序列: from collections 阅读全文
posted @ 2021-08-06 09:44 小Aer 阅读(34) 评论(0) 推荐(0) 编辑
摘要:应用场景:字典的值必须有序 三种方法: 1:利用collections的子类Counter从大到小排序 c=Counter(d).most_common() # 返回一个列表,按照dict的value从大到小排序 print(c) # 返回值是一个list,list里面的元素是tuple的形式 2: 阅读全文
posted @ 2021-08-01 09:49 小Aer 阅读(115) 评论(0) 推荐(0) 编辑
摘要:python中关于删除list中的某个元素,一般有三种方法:remove、pop、del: 1.remove: 删除单个元素,删除首个符合条件的元素,按值删除 举例说明: >>> str=[1,2,3,4,5,2,6] >>> str.remove(2) >>> str [1, 3, 4, 5, 2 阅读全文
posted @ 2021-07-30 13:49 小Aer 阅读(31) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示