<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Mr____Cheng的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Mr____Cheng</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Mr____Cheng]]></copyright><item><title><![CDATA[从代码的角度看Pointer-Generator Networks【上】]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/127315264</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/127315264</guid><author>Mr____Cheng</author><pubDate>Mon, 17 Oct 2022 10:55:01 +0800</pubDate><description><![CDATA[这篇blog post记录了我把代码跑起来的过程中所遇到的10个BUG...]]></description><category></category></item><item><title><![CDATA[2022 CCF BDCI 小样本数据分类任务 baseline]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/126803308</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/126803308</guid><author>Mr____Cheng</author><pubDate>Sun, 11 Sep 2022 11:04:47 +0800</pubDate><description><![CDATA[2022 CCF BDCI 小样本数据分类任务 baseline]]></description><category></category></item><item><title><![CDATA[【Python小知识】__init__()详解]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/124766380</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/124766380</guid><author>Mr____Cheng</author><pubDate>Sat, 14 May 2022 14:56:05 +0800</pubDate><description><![CDATA[__init__详解1、__ init __()是什么？2、如何写 __ init __()？
1、__ init __()是什么？
从形式上看，__ init __()是一个函数。事实上，它是一个特殊的函数——构造函数，学过C或Java的应该都知道构造函数，没学过也没关系，构造函数相当于是对类中成员的一个初始化，且写法固定。
2、如何写 __ init __()？
__ init __()是Python中类里面的构造函数，因此，写法固定。以一个例子来说明__ init __()的写法：
class Enc]]></description><category></category></item><item><title><![CDATA[【Python小知识】sys.argv[1]]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/124734356</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/124734356</guid><author>Mr____Cheng</author><pubDate>Thu, 12 May 2022 17:16:21 +0800</pubDate><description><![CDATA[1、sys是什么？
sys是python的一个【标准库】，是【system】的简写，封装了一些与系统相关的信息和接口。
2、argv是什么？
argv是【argument variable】的缩写，意为“参数变量”，这个参数变量是一个List列表。
argv[0] 是“被调用脚本文件的相对路径或者绝对路径”，例如：
这里的有一个test.py脚本文件：
# test.py
import sys
a=sys.argv[0]
print(a)

它的绝对路径为“F:\PythonCode\test.py”，在控]]></description><category></category></item><item><title><![CDATA[【Python3 Debug小能手】UnicodeEncodeError: ‘gbk‘ codec can‘t encode的一些解决方法]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/123433146</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/123433146</guid><author>Mr____Cheng</author><pubDate>Fri, 11 Mar 2022 20:42:25 +0800</pubDate><description><![CDATA[1、UnicodeEncodeError: ‘gbk’ codec can’t encode byte 0xa2 in position 872：illegal multibyte sequence
发现bug定位到了with open(vocab_file, 'r') as vocab_f:中。
解决方法： 指定编码为utf-8，如下：
with open(vocab_file, 'r', encoding='utf-8') as vocab_f:

2、UnicodeEncodeError: ‘gbk’]]></description><category></category></item><item><title><![CDATA[对机器学习中的协方差矩阵还是傻傻的搞不清楚？这次我终于捋明白了！]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/120791496</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/120791496</guid><author>Mr____Cheng</author><pubDate>Fri, 15 Oct 2021 23:15:01 +0800</pubDate><description><![CDATA[一、数学中协方差矩阵的前世今生
1、前世
（1）随机变量XXX的2阶中心距：EEE{[X−E(X)]2[X-E(X)]^2[X−E(X)]2}
（2）随机变量X和YX和YX和Y的2阶混合中心距：EEE{[X−E(X)][Y−E(Y)][X-E(X)][Y-E(Y)][X−E(X)][Y−E(Y)]}
2、今生
协方差矩阵由2阶中心距和2阶混合中心距共同定义。
（1）二维变量的协方差矩阵
设二维随机变量（X1,X2X_1,X_2X1​,X2​），可得到四个2阶中心距，分别为：
c11c_{11}c11​=EE]]></description><category></category></item><item><title><![CDATA[智能计算数学基础——极限]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118651005</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118651005</guid><author>Mr____Cheng</author><pubDate>Sun, 11 Jul 2021 10:37:53 +0800</pubDate><description><![CDATA[极限及其性质]]></description><category></category></item><item><title><![CDATA[智能计算数学基础——常用不等式]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118637657</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118637657</guid><author>Mr____Cheng</author><pubDate>Sat, 10 Jul 2021 22:23:22 +0800</pubDate><description><![CDATA[这篇博文介绍了智能计算数学中常用的三个不等式：（1）绝对值不等式，（2）Cauchy(柯西)不等式，（3）算术-几何平均不等式。（2）和（3）含推导。
，（3）算术-几何平均不等式
3、算术]]></description><category></category></item><item><title><![CDATA[智能计算数学基础——分类问题]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118632086</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118632086</guid><author>Mr____Cheng</author><pubDate>Sat, 10 Jul 2021 16:10:01 +0800</pubDate><description><![CDATA[以一个简单明了的例子展开记录，直观又不缺少推理~]]></description><category></category></item><item><title><![CDATA[智能计算数学基础——下降法求解无约束条件优化问题]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118609616</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118609616</guid><author>Mr____Cheng</author><pubDate>Sat, 10 Jul 2021 10:16:16 +0800</pubDate><description><![CDATA[1、无约束条件优化
考虑无约束条件优化问题：minimizex∈Df(x)\underset{x\in D}{minimize} f(x)x∈Dminimize​f(x)，目标是找到一个x∗x^*x∗，使得∀x∈D,f(x∗)≤f(x)\forall x \in D,f(x^*)≤f(x)∀x∈D,f(x∗)≤f(x)。这里的x∗x^*x∗是f(x)f(x)f(x)的极小值点，也是优化问题的解。

一般优化问题是比较难求解的，常采用下降的方法。
即，从某一个起始点开始，一点一点地下降，去找x∗x^*x∗，可]]></description><category></category></item><item><title><![CDATA[智能计算数学基础——回归问题]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118555750</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118555750</guid><author>Mr____Cheng</author><pubDate>Wed, 07 Jul 2021 22:34:57 +0800</pubDate><description><![CDATA[1、先来个小例子
给定一组data：1，2，3，4，5，？
猜测5后面的数是多少？
想必，我们会猜测是6

具体思路是这样的：
我们假定这组data服从一个规律，fff，满足f(1)=1,f(2)=2,f(3)=3,f(4)=4,f(5)=5f(1)=1,f(2)=2,f(3)=3,f(4)=4,f(5)=5f(1)=1,f(2)=2,f(3)=3,f(4)=4,f(5)=5
这时，从最简单的角度出发，猜测规律fff为：f(x)=xf(x)=xf(x)=x,从而推断f(6)=6f(6)=6f(6)=6。

]]></description><category></category></item><item><title><![CDATA[使用torchvision下载FashionMNIST数据集时，报错HTTPError: HTTP Error 503: Service Unavailable]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118462844</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118462844</guid><author>Mr____Cheng</author><pubDate>Sun, 04 Jul 2021 16:05:51 +0800</pubDate><description><![CDATA[原因： 服务器不稳定
解决方法： 多运行几次，就可能下载成功了。
如果实在下载不了，可以这里直接下载数据集：
FashionMNIST数据集传送门

下载手写数字识别数据集MNIST时，报错503，方法同上。
如果实在下载不了，可以这里直接下载数据集：
MNIST数据集传送门

...]]></description><category></category></item><item><title><![CDATA[torch.tensor的乘法运算]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118440715</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118440715</guid><author>Mr____Cheng</author><pubDate>Sat, 03 Jul 2021 15:43:39 +0800</pubDate><description><![CDATA[说明：
这里的tensor不涉及高维张量，即为一维张量或二维张量。

1、a*b
1.1、a和b同行同列
张量中各元素对应相乘。
a = torch.tensor([[1,2],[2,3],[3,4]])
b = torch.tensor([[1,2],[2,3],[3,4]])
print(a*b)

输出：
tensor([[ 1,  4],
        [ 4,  9],
        [ 9, 16]])

2、torch.mm(a,b)
数学中的矩阵相乘。
a = torch.tensor.]]></description><category></category></item><item><title><![CDATA[pytorch中backward()方法自动求梯度]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118420367</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118420367</guid><author>Mr____Cheng</author><pubDate>Fri, 02 Jul 2021 18:07:54 +0800</pubDate><description><![CDATA[1、区分源变量和结果变量
x = torch.arange(-8.0, 8.0, 0.1, requires_grad= True)
y = x.relu()

x为源变量，基于源变量x得到的变量y为结果变量。
2、如何使用backward()方法自动求梯度

一个标量调用它的backward()方法后，会根据链式法则自动计算出源变量的梯度值。

2.1、结果变量是一维张量
基于以上例子，就是将一维张量y变成标量后，然后通过调用backward()方法，就能自动计算出x的梯度值。
那么，如何将一维张量y变成]]></description><category></category></item><item><title><![CDATA[torch.arange()和torch.range()的区别]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118418293</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118418293</guid><author>Mr____Cheng</author><pubDate>Fri, 02 Jul 2021 16:26:01 +0800</pubDate><description><![CDATA[1、最值得注意的区别
# torch.arange()
x = torch.arange(1.0,6.0)
print(x)

输出：tensor([1., 2., 3., 4., 5.])

# torch.range()
y = torch.range(1.0,6.0)
print(y)

输出：tensor([1., 2., 3., 4., 5., 6.])

torch.arange(start=1.0, end=6.0)的结果不包括end
torch.range(start=1.0, end=6.]]></description><category></category></item><item><title><![CDATA[《动手学深度学习Pytorch版》中‘d2lzh_pytorch‘模块问题]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118390413</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/118390413</guid><author>Mr____Cheng</author><pubDate>Thu, 01 Jul 2021 17:02:40 +0800</pubDate><description><![CDATA[1、下载d2lzh_pytorch
d2lzh_pytorch传送门
2、解压，放入python环境里
文件路径如下：

3、回到代码，运行d2lzh_pytorch模块
3.1、错误提示：ModuleNotFoundError: No module named ‘tqdm’
直接命令行，pip install tqdm即可安装tqdm模块。
3.2、错误提示：ModuleNotFoundError: No module named ‘torchtext’
直接命令行，pip install torchte]]></description><category></category></item><item><title><![CDATA[论文中的示意图]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/117357567</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/117357567</guid><author>Mr____Cheng</author><pubDate>Fri, 28 May 2021 11:45:14 +0800</pubDate><description><![CDATA[最好用矢量图。
矢量图中保存的是线条和图块的信息。
矢量图形文件与分辨率和图像大小无关，只与图像的复杂程度有关，所占的存储空间较小。
矢量图与位图最大的区别是，矢量图不受分辨率的影响。因此在印刷时，可以任意放大或缩小图形而不会影响出图的清晰度，可以按最高分辨率显示到输出设备上。
画矢量图的软件：
一般visio就能满足需求，专业的有corelDRAW和AI（Adobe illustrator）但收费，开源的有inkscape
使用visio软件画导出为.emf格式（矢量图形和图像的高质量格式）
python]]></description><category></category></item><item><title><![CDATA[剑指offer58-I：反转单词顺序]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/116541055</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/116541055</guid><author>Mr____Cheng</author><pubDate>Sat, 08 May 2021 20:07:30 +0800</pubDate><description><![CDATA[剑指offer58-I：反转单词顺序1、题目2、代码2.1、双指针法2.2、分割字符串+倒序连接3、随笔3.1、StringBuilder3.2、s.split()
1、题目
剑指offer58-I：反转单词顺序

输入一个英文句子，翻转句子中单词的顺序，但单词内字符的顺序不变。为简单起见，标点符号和普通字母一样处理。例如输入字符串"I am a student. “，则输出"student. a am I”。

示例1：
输入: "the sky is blue"
输出: "blue is sky the]]></description><category></category></item><item><title><![CDATA[剑指offer35：复杂链表的复制]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/116502775</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/116502775</guid><author>Mr____Cheng</author><pubDate>Fri, 07 May 2021 21:11:45 +0800</pubDate><description><![CDATA[剑指offer35：复杂链表的复制1、题目2、代码3、随笔3.1、测试代码
1、题目
剑指offer35：复杂链表的复制

请实现 copyRandomList 函数，复制一个复杂链表。在复杂链表中，每个节点除了有一个 next 指针指向下一个节点，还有一个 random 指针指向链表中的任意节点或者 null。


2、代码
使用HashMap。
class Solution {
    public Node copyRandomList(Node head) {
        //原链表为空
   ]]></description><category></category></item><item><title><![CDATA[剑指offer52：两个链表的第一个公共节点]]></title><link>https://blog.youkuaiyun.com/Mr____Cheng/article/details/116354096</link><guid>https://blog.youkuaiyun.com/Mr____Cheng/article/details/116354096</guid><author>Mr____Cheng</author><pubDate>Sun, 02 May 2021 15:34:32 +0800</pubDate><description><![CDATA[剑指offer52：两个链表的第一个公共节点1、题目2、代码3、随笔3.1、测试代码
1、题目
剑指offer52：两个链表的第一个公共节点

输入两个链表，找出它们的第一个公共节点。


2、代码
class Solution {
    public ListNode getIntersectionNode(ListNode headA, ListNode headB) {
        ListNode A = headA;//指针A,先遍历A链表，再遍历B链表，直到走到第一个公共节点与B指针相遇，]]></description><category></category></item></channel></rss>