<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[CuriousLiu的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/CuriousLiu</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; CuriousLiu]]></copyright><item><title><![CDATA[2021.1-macOS上部署redis服务，并利用python进行redis调用]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/112645185</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/112645185</guid><author>CuriousLiu</author><pubDate>Thu, 14 Jan 2021 23:58:11 +0800</pubDate><description><![CDATA[2021.1-macOS上部署redis服务，并利用python进行redis调用

目录

1. redis安装部署

2. python接口调用redis

1. redis安装部署

在安装brew的前提下，直接使用brew install命令安装redis


$brew install redis


启动redis



$redis-server


2. python接口调用redis

安装依赖环境


$sudo python3 -m pip install redis


安装是否..]]></description><category></category></item><item><title><![CDATA[2020.12-codingtips：random.shuffle()应用]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/111508096</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/111508096</guid><author>CuriousLiu</author><pubDate>Tue, 22 Dec 2020 10:16:03 +0800</pubDate><description><![CDATA[目录

背景

random.shuffle(list)解决

背景

在分类任务产经下，对数据进行训练时，经常需要对数据进行打乱操作，以防数据学习到label中连续的特征，例如：如果训练数据中打乱前连续100，1000个数据都是label标注为1的数据，那么可能会使得模型在预测时隐含了这种假设，全猜一边就能获得100%的准确率。

random.shuffle(list)解决

使用random.shuffle(list)解决该问题，传入一个list类型的参数，会自动进行打乱，注意这个打乱是在原有的lis]]></description><category></category></item><item><title><![CDATA[2020.12-mysqldump命令-数据库文件导出为.sql文件]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/111247670</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/111247670</guid><author>CuriousLiu</author><pubDate>Wed, 16 Dec 2020 10:49:23 +0800</pubDate><description><![CDATA[2020.12-数据库文件导出为.sql文件

目录

背景

步骤

背景

在一些场景下需要数据库的共享等操作，而不希望他人对现在线上运行的数据库进行操作



步骤


mysqldump -u root -p 希望导出的数据库名 希望导出该数据库中的表名&gt; 导出名称.sql （注：希望导出该数据库中的表名 可以省略）


之后会要求输入密码，注意输入的密码是数据库的管理密码。

在当前路径下，即会产生 导出名称.sql文件，可用不共享
...]]></description><category></category></item><item><title><![CDATA[2020.12-elasticsearch学习-使用logstash从本地SQL类数据库中向elasticsearch导入数据]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/111166766</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/111166766</guid><author>CuriousLiu</author><pubDate>Tue, 15 Dec 2020 16:17:22 +0800</pubDate><description><![CDATA[2020.12-elasticsearch学习-使用logstash从本地SQL类数据库中向elasticsearch导入数据



Reference

如何安装elasticsearch栈中的logstash：https://blog.youkuaiyun.com/UbuntuTouch/article/details/99655350

从mariadb向elasticsearch中导入数据：https://www.cnblogs.com/mikeluwen/p/7686663.html



如何安装ela..]]></description><category></category></item><item><title><![CDATA[2020.12-把txt文件导入本地mariadb数据库]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/111165619</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/111165619</guid><author>CuriousLiu</author><pubDate>Mon, 14 Dec 2020 13:55:19 +0800</pubDate><description><![CDATA[2020.12-把txt文件导入本地mariadb数据库

目录

背景

步骤

背景

在网上一些公开发布的数据集和语料等可能会以txt文件的格式发布，通过navicat内置的导入向导希望将txt数据直接导入到数据库中

步骤

1. 右键点击想导入的表，选择导入向导一项



2. 支持多种数据格式的导入，在这里选择文本文件txt



3. 选择数据导入的源文件



4. 选择记录格式



5. 选择格式选项



6. 选择映射到的表



7. 选择源字段和目标字段的对应关系



8. 选]]></description><category></category></item><item><title><![CDATA[2020.12-macOS安装+使用navicat连接本地MySQL数据库（127.0.0.1:3306）]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/110664511</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/110664511</guid><author>CuriousLiu</author><pubDate>Mon, 14 Dec 2020 13:30:12 +0800</pubDate><description><![CDATA[2020.12-macOS连接本地数据库（127.0.0.1:3306）

Reference

https://www.macwk.com/

mariadb安装：https://www.cnblogs.com/leechenxiang/p/10506995.html

在本地安装mariadb数据库（macOS使用brew系列命令，如果是linux可能需要使用yum系列命令）

brew install mariadb OK

brew install mariadb-server 这句话不行，在本地使]]></description><category></category></item><item><title><![CDATA[2020.12-HanLP使用记录（持续更新：分词，NER等）]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/111152386</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/111152386</guid><author>CuriousLiu</author><pubDate>Mon, 14 Dec 2020 11:34:41 +0800</pubDate><description><![CDATA[2020.12-HanLP使用记录（持续更新：分词，NER等）

目录

背景

HanLP-中文NER

HanLP-中文分词

背景

在中文文本预处理场景中，现有多款工具，例如jieba等。但是通过个人的使用感官尝试，发现HanLP库的分词效果，NER命名实体识别提取效果准确度都更高些，汇总一些HanLP工具的使用方法。

HanLP-中文NER


import hanlp

recognizer = hanlp.load(hanlp.pretrained.ner.MSRA_NER_BERT_BAS]]></description><category></category></item><item><title><![CDATA[2020.12-elasticsearch支持工具kibana安装]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/110524400</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/110524400</guid><author>CuriousLiu</author><pubDate>Thu, 03 Dec 2020 11:41:47 +0800</pubDate><description><![CDATA[2020.12-elasticsearch支持工具kibana安装

自注：作为一种可视化工具，如果在服务器上运行，也是可以远程进行使用的

目录

步骤（macOS）

官网下载kibana

解压到本地文件

elasicsearch打开后，打开一个新terminal开始测试

访问http://127.0.0.1:5601/查看kibana运行情况

步骤（macOS）

官网下载kibana

https://www.elastic.co/cn/downloads/kibana

解压到本地文件

]]></description><category></category></item><item><title><![CDATA[2020.11.28-LeetCode第40场双周赛复盘(2easy1medium1hard)]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/110308052</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/110308052</guid><author>CuriousLiu</author><pubDate>Sun, 29 Nov 2020 17:48:10 +0800</pubDate><description><![CDATA[2020.11.28-LeetCode第40场双周赛复盘

不定期参加周赛、双周赛，希望不管难度，搞懂每一次参加竞赛的所有题目

目录

5557. 最大重复子字符串（easy）

题目

题目分析

代码解答（注：未重构代码，代码质量可能较差，也希望在学习做题过程中不断提升）

5558. 合并两个链表（medium）

题目

题目分析

代码解答（注：未重构代码，代码质量可能较差，也希望在学习做题过程中不断提升）

5560. 设计前中后队列（medium）

题目

题目分析

代码解答（注：未重构]]></description><category></category></item><item><title><![CDATA[2020.11-graphviz+pycallgraph Python函数调用关系可视化]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/110184939</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/110184939</guid><author>CuriousLiu</author><pubDate>Thu, 26 Nov 2020 14:02:36 +0800</pubDate><description><![CDATA[2020.11-graphviz+pycallgraph Python函数调用关系可视化

Reference：

https://www.cnblogs.com/GO-NO-1/p/7155684.html

http://www.graphviz.org/

https://blog.youkuaiyun.com/qq_36408085/article/details/82952846

目录

步骤

示例

步骤

1）brew install graphviz（或者http://www.graphviz.or]]></description><category></category></item><item><title><![CDATA[2020.11-python正则表达式学习]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/110128053</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/110128053</guid><author>CuriousLiu</author><pubDate>Wed, 25 Nov 2020 16:51:46 +0800</pubDate><description><![CDATA[Reference：https://www.runoob.com/python/python-reg-expressions.html

正则表达式是一个特殊的字符序列，能帮助检查一个字符串是否与某种模式匹配。python自1.5版本起增加了re模块，re模块使python语言拥有全部的正则表达式功能。

compile函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象，该独享拥有一系列方法用于正则表达式匹配和替换。

re模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串作为它]]></description><category></category></item><item><title><![CDATA[2020.11-使用git管理private项目]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/110110451</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/110110451</guid><author>CuriousLiu</author><pubDate>Wed, 25 Nov 2020 10:38:19 +0800</pubDate><description><![CDATA[2020.11-使用git管理private项目

目录

Reference：

步骤

1. 在github上新建一个项目，并保存url

2. 本地文件夹执行git init生成初始git文件

3. git与本地文件关联

4. 设置git忽略本地的.DS_STORE文件

5. git提交本地代码

6. git push

7. git pull

8. git合并分支

Reference：

https://blog.youkuaiyun.com/qq_21219781/article/details/]]></description><category></category></item><item><title><![CDATA[2020.11-依存句法树baidu-DDParser工具使用]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/110071478</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/110071478</guid><author>CuriousLiu</author><pubDate>Tue, 24 Nov 2020 14:57:12 +0800</pubDate><description><![CDATA[Reference：

https://github.com/baidu/DDParser

https://blog.youkuaiyun.com/qq_27590277/article/details/107853326

目录

依存句法分析简介

项目介绍

环境依赖安装+功能使用

1. 安装

2. 功能使用

基础方法

扩展方法

依存句法分析简介

依存句法分析旨在通过分析句子中词语之间的依存关系来确定句子的句法结构。其中依存句法分析标注关系集合如下图所示：



于是一个实例如下图所示：



通过]]></description><category></category></item><item><title><![CDATA[CodingTips-替换掉一段str中的\n等字符]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/110002045</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/110002045</guid><author>CuriousLiu</author><pubDate>Mon, 23 Nov 2020 18:04:15 +0800</pubDate><description><![CDATA[目标：替换掉一段str中的\n等字符

目录

方法1：使用str.repalce("beforeStr", "afterStr")

方法2：使用正则表达式进行匹配

方法1：使用str.repalce("beforeStr", "afterStr")

在首次使用这个方法str.replace("\n", " ")的时候发现无法正确替换掉\n字符，后尝试转义字符方法str.replace("\\n", " ")，成功完成替换。

由于存在不同特殊场景，建议在实际使用时对两种方法都进行尝试


strr.]]></description><category></category></item><item><title><![CDATA[CodingTips-torch.nn.functional.cross_entropy(x, y)]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/109995539</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/109995539</guid><author>CuriousLiu</author><pubDate>Mon, 23 Nov 2020 14:47:19 +0800</pubDate><description><![CDATA[CodingTips-torch.nn.functional.cross_entropy(x, y) ——pytorch中提供的交叉熵损失函数

目录

Reference：

交叉熵损失函数与softmax，nll_loss之间的关系

补充内容：进化版交叉熵损失函数——Guided Complement Entropy

Reference：

https://blog.youkuaiyun.com/m0_38133212/article/details/88087206

https://www.cnblogs.]]></description><category></category></item><item><title><![CDATA[CodingTips-python set()的使用方法]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/109908691</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/109908691</guid><author>CuriousLiu</author><pubDate>Mon, 23 Nov 2020 11:36:21 +0800</pubDate><description><![CDATA[Python-codingTips set的使用方法
]]></description><category></category></item><item><title><![CDATA[模型代码学习-CLS文本分类-Bert-Chinese-Text-Classification-Pytorch代码学习-训练并测试过程]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/109851922</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/109851922</guid><author>CuriousLiu</author><pubDate>Mon, 23 Nov 2020 09:09:37 +0800</pubDate><description><![CDATA[Reference：https://github.com/649453932/Bert-Chinese-Text-Classification-Pytorch

模型代码学习-CLS文本分类-Bert-Chinese-Text-Classification-Pytorch代码学习-训练并测试过程

baseDir：Bert-Chinese-Text-Classification-Pytorch/



./train_eval.py学习

全局

在import来看，从sklearn里import了me..]]></description><category></category></item><item><title><![CDATA[剑指offer 09. 用两个栈实现队列]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/109958618</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/109958618</guid><author>CuriousLiu</author><pubDate>Sun, 22 Nov 2020 17:47:31 +0800</pubDate><description><![CDATA[题目链接：https://leetcode-cn.com/problems/yong-liang-ge-zhan-shi-xian-dui-lie-lcof/

目录

题目：

方法1：交替倒水法（一个栈用来出，一个栈用来入）

方法2：交替倒水法优化

题目：



方法1：交替倒水法（一个栈用来出，一个栈用来入）

这是自己首先想到的一个较为简单的思路，假设有两个栈分别为stack1，stack2。

每当需要进行尾插的时候，入栈进入stack2。

每当需要头pop的时候，①把stack2中的元素全]]></description><category></category></item><item><title><![CDATA[剑指offer 07. 重建二叉树]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/109955091</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/109955091</guid><author>CuriousLiu</author><pubDate>Sun, 22 Nov 2020 16:01:16 +0800</pubDate><description><![CDATA[题目链接：https://leetcode-cn.com/problems/zhong-jian-er-cha-shu-lcof/

目录

题目：

方法1：左右递归法

拓展：如果给了中序序列和后序序列

题目：



方法1：左右递归法

方法的思想是，前序遍历中的第一个元素必定是根节点，于是首先把该节点作为根节点，进而寻找其左右子树。

相对于该根节点的左右子树，又是相对于其他节点的根节点。

根据二叉树的性质，找到前序遍历每个元素在中序遍历中的位置，这时候中序遍历这个位置左边的一定是全部的左子树.]]></description><category></category></item><item><title><![CDATA[剑指offer 06. 从尾到头打印链表]]></title><link>https://blog.youkuaiyun.com/CuriousLiu/article/details/109938442</link><guid>https://blog.youkuaiyun.com/CuriousLiu/article/details/109938442</guid><author>CuriousLiu</author><pubDate>Sun, 22 Nov 2020 13:55:53 +0800</pubDate><description><![CDATA[题目链接：https://leetcode-cn.com/problems/cong-wei-dao-tou-da-yin-lian-biao-lcof/

目录

题目：

方法1：正向存入列表后，调用列表list类的.reverse()方法

题目：



方法1：正向存入列表后，调用列表list类的.reverse()方法

注意学习题目中的class ListNode(object):写法，可以看作链表的节点类，具有val属性用来存值，具有next属性用来指向链表的下一个元素。


# Defini]]></description><category></category></item></channel></rss>