<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DF5CJ的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/DF5CJ</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DF5CJ]]></copyright><item><title><![CDATA[Windows安装Ollama极速指南]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/148699907</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/148699907</guid><author>DF5CJ</author><pubDate>Mon, 16 Jun 2025 20:32:58 +0800</pubDate><description><![CDATA[安装完成后，在命令提示符或 PowerShell 中输入验证安装，成功安装将显示当前版本号。]]></description><category></category></item><item><title><![CDATA[探索Ollama：本地化AI模型运行神器]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/148699581</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/148699581</guid><author>DF5CJ</author><pubDate>Mon, 16 Jun 2025 20:13:00 +0800</pubDate><description><![CDATA[Ollama 是一款开源的本地化大语言模型运行框架，专注于简化模型部署与管理流程，支持在个人设备上高效运行各类开源模型。]]></description><category></category></item><item><title><![CDATA[BRITS模型在PhysioNet2012数据集上的应用]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/148055432</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/148055432</guid><author>DF5CJ</author><pubDate>Mon, 19 May 2025 09:47:58 +0800</pubDate><description><![CDATA[该代码实现了使用BRITS模型对PhysioNet2012数据集进行分类任务的完整流程，包括数据加载、模型训练和评估。代码采用模块化设计，主要分为日志配置、数据加载、模型训练、模型评估和主程序逻辑五个部分。日志配置使用logging模块统一管理日志信息，便于调试和监控。数据加载函数封装了PhysioNet2012数据集的预处理逻辑，并提供了异常处理机制。模型训练函数初始化并训练BRITS模型，支持自定义超参数。模型评估函数计算并记录测试集上的ROC-AUC和PR-AUC指标。]]></description><category></category></item><item><title><![CDATA[LSTM时序数据二分类实战指南]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/148051890</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/148051890</guid><author>DF5CJ</author><pubDate>Sun, 18 May 2025 23:48:14 +0800</pubDate><description><![CDATA[本项目使用LSTM模型对插补后的时序数据进行二分类任务。首先，通过自定义的LoadImputedDataAndLabel类加载插补后的数据和标签，并将其转换为PyTorch的DataLoader格式。接着，构建了一个LSTM分类模型ClassificationLSTM，该模型包含LSTM层和全连接层，用于处理时序数据并输出分类结果。训练过程中，使用Adam优化器进行参数优化，并采用早停策略防止过拟合。模型在训练集和验证集上进行训练和评估，最终在测试集上进行预测，并计算ROC-AUC和PR-AUC指标]]></description><category></category></item><item><title><![CDATA[FastAPI表单与文件处理攻略]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/148051354</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/148051354</guid><author>DF5CJ</author><pubDate>Sun, 18 May 2025 22:34:07 +0800</pubDate><description><![CDATA[本文介绍了如何在FastAPI中处理表单数据和文件上传。首先，通过安装python-multipart库并显式使用Form()来接收HTML表单数据，支持异步请求和自动验证。其次，使用UploadFile对象处理文件上传，提供了读取、保存文件等操作，并支持大文件流式处理。此外，文章还展示了如何同时处理表单字段和文件上传，并提供了安全增强、性能优化和错误处理的最佳实践。最后，通过示例和常见问题排查，帮助开发者构建高效、安全的文件上传和表单处理接口。]]></description><category></category></item><item><title><![CDATA[FastAPI响应模型：数据转换与校验的关键]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/148051217</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/148051217</guid><author>DF5CJ</author><pubDate>Sun, 18 May 2025 22:22:46 +0800</pubDate><description><![CDATA[在FastAPI中，response_model是一个关键参数，用于定义API响应的数据结构，通常是一个Pydantic模型或其列表。它支持数据转换、校验、生成OpenAPI文档中的JSON Schema，并在自动生成的文档系统中使用。通过路径操作装饰器，response_model可以对返回的字典、数据库对象或其他模型进行字段约束和序列化。在处理用户模型时，通常需要定义多个模型以适应不同需求，如输入模型包含密码，而输出模型不包含。通过继承可以减少代码重复，定义一个基类模型，然后创建继承该模型属性的子类。此]]></description><category></category></item><item><title><![CDATA[FastAPI请求体参数解析：从基础到高级的学习]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/148006605</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/148006605</guid><author>DF5CJ</author><pubDate>Fri, 16 May 2025 15:13:46 +0800</pubDate><description><![CDATA[本文详细介绍了FastAPI中的请求体参数、路径参数、查询参数、Cookie参数和Header参数的使用方法。FastAPI通过Pydantic模型自动处理数据校验、转换和文档生成，支持复杂的数据结构和嵌套模型。文章还提供了使用Body、Cookie、Header等工厂函数声明参数的示例，并展示了如何通过requests库进行测试。此外，FastAPI支持自定义Header名称、多值Header以及混合使用多种参数类型，能够灵活应对不同的API需求。通过合理使用这些功能，开发者可以构建高效、可靠的API接口]]></description><category></category></item><item><title><![CDATA[SAITS模型在PhysioNet2012数据集上的缺失值填补实践笔记]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/147991196</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/147991196</guid><author>DF5CJ</author><pubDate>Thu, 15 May 2025 21:49:58 +0800</pubDate><description><![CDATA[本文介绍了一个使用SAITS模型处理PhysioNet2012数据集中缺失值的完整流程。首先，通过导入必要的库和设置随机种子确保实验的可复现性。接着，加载并预处理PhysioNet2012数据集，包括创建缺失值指示掩码和替换NaN值。然后，初始化SAITS模型，设置相关参数，并在训练集和验证集上进行模型训练。训练完成后，使用模型在测试集上进行预测，并计算均方误差（MSE）以评估模型性能。最后，保存填补后的数据。该流程展示了如何利用深度学习模型处理时间序列数据中的缺失值。]]></description><category></category></item><item><title><![CDATA[PyPOST与时间序列]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/147934359</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/147934359</guid><author>DF5CJ</author><pubDate>Tue, 13 May 2025 22:21:55 +0800</pubDate><description><![CDATA[时间序列是按时间顺序排列的数据点集合，如股票价格或心率监测，具有时间依赖性和顺序敏感性。时间序列任务包括预测、分类、聚类、异常检测和插补，常用方法有LSTM、ARIMA、Prophet等，应用于股市预测、心电图诊断、设备故障检测等场景。PyPOTS是一个专为处理含缺失值时间序列设计的Python工具库，提供缺失值填补、预测、分类、聚类和异常检测五大功能，并拥有丰富的生态系统，如TSDB数据集、PyGrinder缺失机制模拟器等。]]></description><category></category></item><item><title><![CDATA[常见的HTTP请求方法‌和幂等性的概念]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/147919026</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/147919026</guid><author>DF5CJ</author><pubDate>Tue, 13 May 2025 11:03:00 +0800</pubDate><description><![CDATA[Pydantic 是一个强大且易于使用的库，适合任何需要数据验证和模型定义的场景。它的设计优雅，与现代 Python 特性（如类型提示）无缝集成，使得代码更加清晰和健壮。如果你正在开发一个需要处理复杂数据结构的应用程序，Pydantic 是一个非常值得考虑的工具。如何在 FastAPI 中使用 Path 函数对路径参数进行类型校验和元数据声明。通过结合 Python 的类型注解和 Annotated语法，可以为路径参数提供更严格的约束，并生成清晰的文档。2. 核心内容2.1 路径参数校验的基本用法。]]></description><category></category></item><item><title><![CDATA[什么是FastAPI？]]></title><link>https://blog.youkuaiyun.com/DF5CJ/article/details/147918439</link><guid>https://blog.youkuaiyun.com/DF5CJ/article/details/147918439</guid><author>DF5CJ</author><pubDate>Tue, 13 May 2025 10:49:43 +0800</pubDate><description><![CDATA[FastAPI 是一个功能强大、易用且高效的 Web 框架，特别适合用于构建现代的、高性能的 API。- FastAPI 可以自动生成交互式的 API 文档，支持 OpenAPI 和 Swagger UI，帮助开发者和用户更好地理解和测试 API。- 使用 Pydantic 库，FastAPI 可以自动验证和转换请求和响应数据，确保数据的一致性和正确性。- 支持异步编程（`async`/`await`），可以充分利用现代硬件的多核优势，提高性能。- 用于管理和传递依赖项，提高代码的可测试性和可维护性。]]></description><category></category></item></channel></rss>