<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[My_progress1的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/My_progress1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; My_progress1]]></copyright><item><title><![CDATA[pytorch中的.grad_fn]]></title><link>https://blog.youkuaiyun.com/My_progress1/article/details/121892317</link><guid>https://blog.youkuaiyun.com/My_progress1/article/details/121892317</guid><author>My_progress1</author><pubDate>Sun, 12 Dec 2021 19:48:55 +0800</pubDate><description><![CDATA[例子

输入：


import torch

x=torch.ones(2,2,requires_grad=True)
# "requires_grad=True"的意思是x可以利用链式法则进行梯度计算
print(x)
print(x.grad_fn)
'''
"x.grad_fn"是用来记录计算过程的，例如这里的x是直接生成的,
故输出为：
    None
'''


输出


tensor([[1., 1.],
        [1., 1.]], requires_grad=True)
None]]></description><category></category></item><item><title><![CDATA[python爬取微博热搜]]></title><link>https://blog.youkuaiyun.com/My_progress1/article/details/121617431</link><guid>https://blog.youkuaiyun.com/My_progress1/article/details/121617431</guid><author>My_progress1</author><pubDate>Mon, 29 Nov 2021 19:36:13 +0800</pubDate><description><![CDATA[目录

代码

部分结果

参考文献

你需要修改的是代码中的"User-Agent"、"Cookie"

代码


# -*- codeing = utf-8 -*-
# @Time :  2021/11/29 13:47
# @Author : My_progress1
# @File ： 微博热播50.py
# @Software : PyCharm

import urllib.request
from bs4 import BeautifulSoup
import re
import random]]></description><category></category></item><item><title><![CDATA[python中正则表达式“.*“与“.*？”的区别]]></title><link>https://blog.youkuaiyun.com/My_progress1/article/details/121587673</link><guid>https://blog.youkuaiyun.com/My_progress1/article/details/121587673</guid><author>My_progress1</author><pubDate>Sun, 28 Nov 2021 10:06:37 +0800</pubDate><description><![CDATA[“.*”会一直匹配下去，而“.*？”只会匹配一次

例如：




findTitle=re.compile(r'&lt;span class_="title"&gt;(.*)&lt;/span&gt;')

该正则表达式就会匹配两次


]]></description><category></category></item><item><title><![CDATA[ModuleNotFoundError: No module named ‘torch‘]]></title><link>https://blog.youkuaiyun.com/My_progress1/article/details/121541812</link><guid>https://blog.youkuaiyun.com/My_progress1/article/details/121541812</guid><author>My_progress1</author><pubDate>Thu, 25 Nov 2021 16:56:44 +0800</pubDate><description><![CDATA[问题是可能python或者conda版本不匹配
解决方法
1.换python版本
2.升级原有的torch版本
升级torch代码为
在终端（Terminal）输入
pip install --upgrade pytorch torchvision



其后可以试运行
import torch
x=torch.empty(5,3)
print(x)



...]]></description><category></category></item><item><title><![CDATA[模型分类及其性能度量]]></title><link>https://blog.youkuaiyun.com/My_progress1/article/details/121453431</link><guid>https://blog.youkuaiyun.com/My_progress1/article/details/121453431</guid><author>My_progress1</author><pubDate>Wed, 24 Nov 2021 15:49:47 +0800</pubDate><description><![CDATA[目录

一.k值交叉验证



二.精确率和召回率

三.测试集的可视化

四.P-R曲线

五.参考文献

一.k值交叉验证

用途：验证模型的准确性与有效性
过程：
1.数据集被分成K份（K通常取5或者10)
2.不重复地每次取其中一份做测试集，用其他K-1份做训练集训练，这
样会得到K个评价模型
3.将上述步骤2中的K次评价的性能均值作为最后评价结果
优点：提高评估结果的稳定性

这里的k=5



二.精确率和召回率

其通常做为二分类问题模型的评价指标



三.测试集的可视化



pricis]]></description><category></category></item><item><title><![CDATA[信息熵中的熵权法与文本分词的优化]]></title><link>https://blog.youkuaiyun.com/My_progress1/article/details/121435787</link><guid>https://blog.youkuaiyun.com/My_progress1/article/details/121435787</guid><author>My_progress1</author><pubDate>Sat, 20 Nov 2021 17:34:15 +0800</pubDate><description><![CDATA[一条信息中信息量的大小取决于什么？



定义x是离散随机变量，其概率密度函数为ｐ（ｘ），它的信息熵（entropy）定义为



信息熵是不确定性的标志，如果一个随机变量的信息熵越大，其不确定性也越高。

可以在中文分词中运用到，
...]]></description><category></category></item></channel></rss>