自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 收藏
  • 关注

原创 Windows安装Ollama极速指南

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。

2025-06-16 20:32:58 469

原创 探索Ollama:本地化AI模型运行神器

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。

2025-06-16 20:13:00 140

原创 BRITS模型在PhysioNet2012数据集上的应用

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。

2025-05-19 09:47:58 2256

原创 LSTM时序数据二分类实战指南

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

2025-05-18 23:48:14 997

原创 FastAPI表单与文件处理攻略

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。

2025-05-18 22:34:07 239

原创 FastAPI响应模型:数据转换与校验的关键

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

2025-05-18 22:22:46 196

原创 FastAPI请求体参数解析:从基础到高级的学习

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

2025-05-16 15:13:46 1852

原创 SAITS模型在PhysioNet2012数据集上的缺失值填补实践笔记

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。

2025-05-15 21:49:58 2131

原创 PyPOST与时间序列

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。

2025-05-13 22:21:55 674

原创 常见的HTTP请求方法‌和幂等性的概念

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。

2025-05-13 11:03:00 981 1

原创 什么是FastAPI?

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。

2025-05-13 10:49:43 330 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除