<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[PokiFighting的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/PokiFighting</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; PokiFighting]]></copyright><item><title><![CDATA[AI学习资料留档（持续更新）]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/145586026</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/145586026</guid><author>PokiFighting</author><pubDate>Thu, 27 Feb 2025 15:45:35 +0800</pubDate><description><![CDATA[1、动态量化版部署方法、大小2、]]></description><category></category></item><item><title><![CDATA[【大模型+本地自建知识图谱/GraphRAG/neo4j/ollama+Qwen千问（或llama3）】 python实战（中）]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/143900710</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/143900710</guid><author>PokiFighting</author><pubDate>Tue, 07 Jan 2025 11:51:03 +0800</pubDate><description><![CDATA[利用大模型构建外挂知识图谱知识库]]></description><category></category></item><item><title><![CDATA[大模型自动构建知识图谱/GraphRAG/neo4j可视化/问答系统探索（上）]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/143525724</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/143525724</guid><author>PokiFighting</author><pubDate>Thu, 07 Nov 2024 09:50:10 +0800</pubDate><description><![CDATA[但是中间有很多连接性的工作，感觉坑不小。思路一：直接利用大模型来构建知识图谱，靠大模型自动化挖掘非结构化数据中的关系，再结合结构化的数据，构建知识图谱，后期数据持续更新、推理。思路二：人工构建知识图谱，使用小模型GraphRAG的方式，将知识谱图作为一个外挂知识库使用，减轻模型的负担，模型仅作为前端查询生成。1、传统的思路是人工构建知识图谱，一方面利用其增强LLM，另一方面是通过LLM进行前端生成输出，进行更好地语义交互。2、基于思路1，更注重知识图谱本身的含金量，需要的是算力不多的小模型。]]></description><category></category></item><item><title><![CDATA[linux/ubuntu国内镜像安装gitleaks敏感信息扫描工具教程及避坑点]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/142132412</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/142132412</guid><author>PokiFighting</author><pubDate>Wed, 11 Sep 2024 11:25:27 +0800</pubDate><description><![CDATA[gitleaks安装扫描教程]]></description><category></category></item><item><title><![CDATA[云网络/云探测+零信任架构初阶知识扫盲]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/140960401</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/140960401</guid><author>PokiFighting</author><pubDate>Mon, 26 Aug 2024 14:38:23 +0800</pubDate><description><![CDATA[云网络/云探测+零信任架构初阶知识扫盲，零信任架构等]]></description><category></category></item><item><title><![CDATA[linux常用指令记录]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/131912379</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/131912379</guid><author>PokiFighting</author><pubDate>Tue, 25 Jul 2023 10:36:20 +0800</pubDate><description><![CDATA[sudo chown -R 用户名 文件夹名。]]></description><category></category></item><item><title><![CDATA[【Python爬虫】百度百科词条内容]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/124731452</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/124731452</guid><author>PokiFighting</author><pubDate>Thu, 08 Dec 2022 16:58:33 +0800</pubDate><description><![CDATA[百度百科爬虫]]></description><category></category></item><item><title><![CDATA[谷歌学术镜像mark]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/127939010</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/127939010</guid><author>PokiFighting</author><pubDate>Sat, 19 Nov 2022 17:00:17 +0800</pubDate><description><![CDATA[谷歌学术镜像网站]]></description><category></category></item><item><title><![CDATA[记录一个使用groupby-agg函数后列缺失的巨坑]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/125216109</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/125216109</guid><author>PokiFighting</author><pubDate>Fri, 10 Jun 2022 09:58:24 +0800</pubDate><description><![CDATA[问题：使用groupby ().agg()后，打印的时候明明有很多列，输出到csv文件后只剩了agg结果的一列，并且print界面显示columns值也显示1。

解决方案：agg（）后面要加reset_index()

虽然我在别的数据即使不reset index也没有错，但不知道为什么这次跑的一个数据就不行……

浪费了我两个小时……

ps：agg也可以直接替换为apply，效果差不多。
...]]></description><category></category></item><item><title><![CDATA[常见远程控制协议及漏洞总结]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/123695253</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/123695253</guid><author>PokiFighting</author><pubDate>Wed, 23 Mar 2022 21:32:47 +0800</pubDate><description><![CDATA[一、Telnet协议

Telnet协议是TCP/IP协议族中的一员，是Internet远程登陆服务的标准协议和主要方式。它为用户提供了在本地计算机上完成远程主机工作的能力。在終端使用者的电脑上使用telnet程序，用它连接到服务器。終端使用者可以在telnet程序中输入命令，这些命令会在服务器上运行，就像直接在服务器的控制台上输入一样。可以在本地就能控制服务器。

Telnet服务默认的端口为23

漏洞：telnet协议中最大的安全问题是缺乏加密。从正在配置的远程设备发送到联网设备的每个通信均以纯文本形]]></description><category></category></item><item><title><![CDATA[【动手学深度学习】笔记持续更新]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/123496041</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/123496041</guid><author>PokiFighting</author><pubDate>Tue, 15 Mar 2022 11:21:25 +0800</pubDate><description><![CDATA[主要是根据李沐老师的b站课程，会把自己遇到的各种问题总结写出来，包括一些要点

一、安装环境

（具体日后再补，准备写这个笔记的时候环境已经装好了）

二、数据操作

1、torch.arange/torch.tensor的用法在上一篇中列举了，此处不再赘述

2、独热编码问题


inputs = data.iloc[:, 0:2]
inputs = inputs.fillna(inputs.mean())

取均值后的结果：



这一步的目的我理解是对nan的部分做一下处理，以免后续读...]]></description><category></category></item><item><title><![CDATA[numpy(同pytorch-tensor)简单行列操作]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/123332899</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/123332899</guid><author>PokiFighting</author><pubDate>Fri, 11 Mar 2022 10:04:33 +0800</pubDate><description><![CDATA[numpy(同pytorch-tensor)简单行列操作，取行取列等]]></description><category></category></item><item><title><![CDATA[DBSCAN聚类算法——机器学习（理论+图解+python代码）]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/123207364</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/123207364</guid><author>PokiFighting</author><pubDate>Tue, 01 Mar 2022 15:47:00 +0800</pubDate><description><![CDATA[【注】文章转载自  DBSCAN聚类算法——机器学习（理论+图解+python代码）
根据评论中的讨论和我自己的实践做出了一点修改，文中另外标出。

                    一、前言 
二、DBSCAN聚类算法 
三、参数选择 
四、DBSCAN算法迭代可视化展示 
五、常用的评估方法：轮廓系数 
六、用Python实现DBSCAN聚类算法 
一、前言 
去年学聚类算法的R语言的时候，有层次聚类、系统聚类、K-means聚类、K中心聚类，最后呢，被DBSCAN聚类算法迷上了，为什么呢，首先它]]></description><category></category></item><item><title><![CDATA[【python】dataframe取行列、添加行列汇总]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/123194826</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/123194826</guid><author>PokiFighting</author><pubDate>Mon, 28 Feb 2022 23:10:01 +0800</pubDate><description><![CDATA[python dataframe 行列操作]]></description><category></category></item><item><title><![CDATA[【AlphaGo论文学习】Mastering the game of Go without human knowledge翻译及心得]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/120776902</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/120776902</guid><author>PokiFighting</author><pubDate>Fri, 15 Oct 2021 09:21:15 +0800</pubDate><description><![CDATA[原文地址：https://www.gwern.net/docs/reinforcement-learning/alphago/2017-silver.pdf

参考的别人的学习解析：AlphaGo Zero论文解析 | 蘑菇先生学习记

更直接的论文翻译：【论文翻译】Mastering the game of Go without human knowledge (无师自通---在不借助人类知识的情况下学会围棋）_hwnbox的博客-优快云博客



and 等我自己看完了再更新后续上午心得体会
...]]></description><category></category></item><item><title><![CDATA[anaconda+pycharm，安装paddle深度学习环境]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/110492564</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/110492564</guid><author>PokiFighting</author><pubDate>Wed, 13 Oct 2021 21:19:03 +0800</pubDate><description><![CDATA[一、fork入门知识

一个进程，包括代码、数据和分配给进程的资源。fork（）函数通过系统调用创建一个与原来进程几乎完全相同的进程，也就是两个进程可以做完全相同的事，但如果初始参数或者传入的变量不同，两个进程也可以做不同的事。
 一个进程调用fork（）函数后，系统先给新的进程分配资源，例如存储数据和代码的空间。然后把原来的进程的所有值都复制到新的新进程中，只有少数值与原来的进程的值不同。相当于克隆了一个自己。
...]]></description><category></category></item><item><title><![CDATA[Identity-Aware Textual-Visual Matching with Latent Co-attention文章翻译学习（ICCV）]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/80555407</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/80555407</guid><author>PokiFighting</author><pubDate>Sun, 03 Jun 2018 12:00:53 +0800</pubDate><description><![CDATA[原文链接：点击打开链接Abstract文本 - 视觉匹配旨在测量句子描述和图像之间的相似性。大多数现有方法在解决此问题时没有有效利用身份级别注释。在本文中，我们提出了一个用于文本 - 视觉匹配问题的身份感知两阶段框架。我们的stage-1 CNN-LSTM网络学习将跨模态特征嵌入到新的交叉模态交叉熵（CMCE）丢失中。第一阶段网络能够有效地筛选容易出现错误的配对，并为第二阶段训练提供初始训练点。第...]]></description><category></category></item><item><title><![CDATA[NetInf命名方式是扁平化，那为什么又说典型是URI？]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/79154980</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/79154980</guid><author>PokiFighting</author><pubDate>Wed, 24 Jan 2018 20:27:48 +0800</pubDate><description><![CDATA[      最近在看NetInf相关的文章，区分ICN中层次化命名和扁平化命名。典型的层次化是CCN和NDN，例子如：URL。这个很好理解，但是在扁平化命名中，代表的网络架构是DONA和NetInf，DONA在我目前看的文章里只说了是按最长前缀匹配，没有细说是怎样的命名规则。而NetInf在《Network of Information (NetInf) – An information-cent...]]></description><category></category></item><item><title><![CDATA[文本自动摘要]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/78590453</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/78590453</guid><author>PokiFighting</author><pubDate>Tue, 21 Nov 2017 11:16:10 +0800</pubDate><description><![CDATA[最近人工智能随着AlphaGo战胜李世乭这一事件的高关注度，重新掀起了一波新的关注高潮，有的说人工智能将会如何超越人类，有的说将会威胁到人类的生存和发展，种种声音都在表明人工智能的又一个春天即将到来，但很多学者认为媒体的过度炒作，会引发民众对人工智能不切实际地期待，从而导致人工智能寒冬的又一次到来。Yann Lecun作为上一个人工智能寒冬时期还在坚持做冷门的神经网络研究的人，他对AI有一个非常理]]></description><category></category></item><item><title><![CDATA[【无GPU】windows10+VS2013+caffe安装【python接口】]]></title><link>https://blog.youkuaiyun.com/PokiFighting/article/details/70199564</link><guid>https://blog.youkuaiyun.com/PokiFighting/article/details/70199564</guid><author>PokiFighting</author><pubDate>Mon, 17 Apr 2017 12:57:13 +0800</pubDate><description><![CDATA[windows10系统，A卡装不了CUDA的情况下如何用CPU only的方式安装配置caffe，本人用了VS2013（VS2010或其他版本亲测不可，因为最早写这个解决方案的人只配置了2013我也没有办法……）python接口推荐Anaconda2，库比较全，之前我使用了PTVS，不好用。想到有补充的再上来补充吧。]]></description><category></category></item></channel></rss>