SaNDJie的博客

原创 vs code SSH配置免密登录

本教程本地主机为 Win 10 操作系统，远程服务器为Linux操作系统。准备本地主机，远程主机。创建公钥私钥，远程主机放公钥，然后修改权限，本地主机vs code配置config文件即可。

原创 24.11.28 BP算法之梯度下降 过拟合 欠拟合

梯度下降算法的目标是找到使损失函数 最小的参数，其核心是沿着损失函数梯度的负方向更新参数，以逐步逼近局部或全局最优解，从而使模型更好地拟合训练数据。

原创 24.11.27 BP算法 前向传播 反向传播

原创 24.11.26 神经网络 参数初始化

在使用Torch构建网络模型时，每个网络层的参数都有默认的初始化方法，同时还可以通过以上方法来对网络参数进行初始化。def t1():# 任意常数初始化def t2():# 全1填充初始化def t3():# 任意常数初始化def t6():# Xavier初始化：正态分布# Xavier初始化：均匀分布def t7():# He初始化 均匀分布# He初始化 正态分布t1()t2()t3()t6()t7()

原创 24.11.21深度学习

我们可以把单个元素tensor转换为Python数值，这是非常常用的操作注意：和Tensor的维度没有关系，都可以取出来！如果有多个元素则报错；

原创 24.11.20 深度学习 前置 torch框架

以下讲的创建tensor的函数中有两个有默认值的参数dtype和device, 分别代表数据类型和计算设备，可以通过属性dtype和device获取。

原创 24.11.19 三种梯度下降

官方的梯度下降API常用有三种:批量梯度下降BGD(Batch Gradient Descent)小批量梯度下降MBGD(Mini-BatchGradient Descent)随机梯度下降SGD(Stochastic Gradient Descent)。三种梯度下降有什么不同呢?: 在这种情况下，每一次迭代都会使用全部的训练样本来更新权重。这意味着每一步梯度更新都是基于整个数据集的平均梯度。这种方法的优点是每次更新的方向是最准确的，但缺点是计算量大且速度慢，尤其是在大数据集上。

原创 24.11.18 梯度下降

2.使用正规方程W=(X^TX)^{-1}X^Ty 求解要求X的特征维度(x_1,x_2,x_3...) 不能太多,逆矩阵运算时间复杂度为O(n^3) , 也就是说如果特征x的数量翻倍,计算时间就是原来的2^3倍,8倍太恐怖了,假设2个特征1秒,4个特征8秒,8个特征64秒,16个特征512秒,而往往现实生活中的特征非常多,尤其是大模型,运行时间太长了。通过计算损失函数对参数的梯度，梯度下降算法能够根据梯度的信息来调整参数，朝着减少损失的方向更新模型，从而逐步优化模型，使得模型性能更好。

原创 24.11.15 集成学习方法之随机森林 线性回归

机器学习中有一种大类叫（Ensemble Learning），集成学习的基本思想就是将组合，从而实现一个预测效果更好的集成分类器。集成算法可以说从一方面验证了中国的一句老话：三个臭皮匠，赛过诸葛亮。三大类型。（1）每次有放回地从训练集中取出 n 个训练样本，组成新的训练集；（2）利用新的训练集，训练得到M个子模型；（3）对于分类问题，采用投票的方法，得票最多子模型的分类类别为最终的类别；

原创 24.11.14 朴素贝叶斯分类 决策树-分类

【代码】24.11.14 朴素贝叶斯分类 决策树-分类。

原创 24.11.13 机器学习 特征降维(主成份分析) KNN算法 交叉验证(K-Fold) 超参数搜索

导包小总结(不全面):from sklearn.feature_extraction import DictVectorizer(字典数据集的划分)from sklearn.feature_extraction.text import CountVectorizer(特征提取)

原创 24.11.6 PySimpleGUI库和pymsql 库以及人脸识别小项目

PySimpleGUI 是一个用于简化 GUI 编程的 Python 包，它封装了多种底层 GUI 框架（如 tkinter、Qt、WxPython 等），提供了简单易用的 API。直接pip install pysimplegui安装的是最新版PysimpleGUI，这个5.0之后就是收费的，只能试用。pip install PySimpleGUI==4.60.5，可以下载旧版，免费使用。是一个用于连接 MySQL 数据库的纯 Python 实现。1 准备工作：创建人脸表。

原创 24.11.5 人工智能 人脸识别

是一个非常流行的 Python 库，专门用于人脸识别任务。它基于 dlib 库和 HOG（Histogram of Oriented Gradients）特征以及深度学习模型，提供了简单易用的接口来进行人脸检测、面部特征点定位和人脸识别。库由 Adam Geitgey 开发，旨在简化人脸识别任务，使其更加容易上手。主要功能人脸检测检测图像中的人脸位置。支持使用 HOG 特征或 CNN（卷积神经网络）进行人脸检测。面部特征点定位检测人脸上的关键特征点（如眼睛、鼻子、嘴巴等）。人脸识别。

原创 24.11.4 OpenCV 图像滤波 卷积核概念 图像平滑处理 图像边缘处理 图像边缘检测 图像形态学操作 学习笔记

在深度学习中，滤波器又称为卷积核，滤波的过程成为卷积。

原创 2024.11.1 OpenCV学习笔记

输入图像，可以是任意类型和深度的多通道图像。flipCode0：沿 X 轴翻转（垂直翻转）1：沿 Y 轴翻转（水平翻转）-1：沿 X 轴和 Y 轴翻转（同时水平和垂直翻转）：可选参数，输出图像。如果未提供，输出图像将与输入图像具有相同的尺寸和类型。

原创 24.10.31 OpenCV 学习笔记

OpenCV其实就是一堆C和C++语言的源代码文件,这些源代码文件中实现了许多常用的计算机视觉算法。OpenCV的全称是Open Source Computer Vision Library,是一个开放源代码的计算机视觉库OpenCV最初由英特尔公司发起并开发,以BSD许可证授权发行,可以在商业和研究领域中免费使用,现在美国Willow Garage为OpenCV提供主要的支持OpenCV可用于开发实时的图像处理,计算机视觉以及模式识别程序,目前在工业界以及科研领域广泛采用。

原创 24.10.30 Python 包和模块

一个.py 文件就是一个模块模块是含有一系列数据函数类等的程序作用把相关功能的函数等放在一起有利于管理，有利于多人合作开发模块的分类内置模块（在python3 程序内部，可以直接使用）标准库模块(在python3 安装完后就可以使用的 )第三方模块（需要下载安装后才能使用）自定义模块(用户自己编写)模块名如果要给别的程序导入，则模块名必须是 标识符。

原创 24.10.29 数据结构 队列 树

当结合使用appendleft和popleft时，你实际上是在实现一个栈（Stack）的数据结构，因为栈是后进先出（LIFO）的，而这两个操作正好模拟了栈的“压栈”和“弹栈”行为。如果新节点的键值小于当前节点的键值，如果当前节点没有左子树，则将新节点插入到当前节点的左子树，否则向左子树移动。如果新节点的键值大于当前节点的键值，如果当前节点没有右子树，则将新节点插入到当前节点的右子树，否则向右子树移动。5.子结点（Child）：若A结点是B结点的父结点，则称B结点是A结点的子结点；子结点也称孩子结点。

原创 24.10.28 数据结构 栈 列表

数组、链表、栈、队列等。：树、二叉树、堆、图等。：哈希表。：B树、B+树等。

原创 24.10.25 人工智能基础 Pandas库 函数 学习笔记

reindex_like 方法用于将一个 DataFrame 或 Series 的索引重新排列，使其与另一个 DataFrame 或 Series 的索引相匹配。indicator：布尔值，如果为 True，则在结果中添加一个名为 __merge 的列，指示每行是如何合并的。默认为 'inner'。'right'：右连接，返回右侧 DataFrame 的所有键，以及左侧 DataFrame 匹配的键。'left'：左连接，返回左侧 DataFrame 的所有键，以及右侧 DataFrame 匹配的键。

原创 24.10.24 Pandas库基础部分学习笔记

【代码】24.10.24 Pandas库基础部分学习笔记。

原创 24.10.23人工智能基础学习笔记 matplotlib库的使用

方便快捷：pylab 的设计初衷是为了方便快速绘图和数值计算，使得你可以直接使用 numpy 的函数和 matplotlib.pyplot 的绘图功能，而不需要显式地导入 numpy 和 matplotlib.pyplot。value: 刻度类型，可以是 'linear'（线性刻度）、'log'（对数刻度）、'symlog'（对称对数刻度）、'logit'（对数几率刻度）等。'b'：蓝色 'g'：绿色 'r'：红色 'c'：青色 'm'：洋红色 'y'：黄色 'k'：黑色 'w'：白色。

原创 24.10.22人工智能Numpy库学习笔记 迭代数组~统计函数

本篇文章中所有代码只给出 def 方法，实际运行需要导包 import numpy as np ，代码中的np实际上指的是numpy。

原创 24.10.21人工智能基础三大库学习笔记

NumPy 的全称是“ Numeric Python”，它是 Python 的第三方扩展包，主要用来计算、处理一维或多维数组在数组算术计算方面， NumPy 提供了大量的数学函数NumPy 的底层主要用 C语言编写，因此它能够高速地执行数值计算NumPy 还提供了多种数据结构，这些数据结构能够非常契合的应用在数组和矩阵的运算上。

原创 24.10.18人工智能基础学习笔记

迭代器是访问可迭代对象的工具迭代器是指用 iter(obj) 函数返回的对象(实例)迭代器可以用next(it)函数获取可迭代对象的数据。

原创 24.10.17人工智能基础学习笔记

类是创建对象的 ”模板”。数据成员：表明事物的特征。相当于变量方法成员：表明事物的功能。相当于函数通过class关键字定义类。类的创建语句语法:class 类名 (继承列表):实例属性(类内的变量) 定义实例方法(类内的函数method) 定义类变量(class variable) 定义类方法(@classmethod) 定义静态方法(@staticmethod) 定义类的创建的说明:类名必须为标识符(与变量的命名相同,建议首字母大写)类名实质上就是变量，它绑定一个类。

原创 24.10.16人工智能基础学习笔记

语法def 函数名(形参名1=默认实参1, 形参名2=默认实参2, ... ):语句块说明缺省参数即默认实参，必须自右向左依次存在(即,如果一个参数有缺省参数，则其右侧的所有参数都必须有缺省参数)位置形参星号元组形参(*args)命名关键字形参双星号字典形参（**kwargs）函数的形参定义方法说明位置形参，星号元组形参，命名关键字参数，双星号字典形参，缺省参数可以混合使用。函数的形参定义自左至右的顺序为：位置形参，星号元组形参，命名关键字参数，双星号字典形参。

原创 2024.10.14线性代数学习笔记

几何定义：向量是一个有方向和大小的量，通常用箭头表示。向量的起点称为原点，终点称为向量的端点。代数定义：向量是一个有序的数组，通常表示为列向量或行向量。向量的表示几何表示：在二维或三维空间中，向量通常用箭头表示，箭头的方向表示向量的方向，箭头的长度表示向量的大小。代数表示：向量可以用列向量或行向量表示，如上所述。坐标表示：在二维或三维空间中，向量可以用坐标表示。例如，二维向量 v=(v1,v2)v=(v1,v2) 表示在 xx轴和 yy轴上的分量。设 A 是一个 n×n 的方阵。

原创 2024.10.12线性代数学习笔记

矩阵是由一组数按照矩形排列而成的数表。矩阵通常用大写字母表示，例如 AA、BB等。矩阵中的每个数称为矩阵的元素或元。一个 m×n的矩阵 AA可以表示为：其中 aij表示矩阵 A中第i行第j列的元素。

原创 2024.10.11概率论学习笔记

两个随机变量 XX和 YY被称为独立的，如果它们满足以下条件：对于连续型随机变量：它们的联合概率密度函数f(x,y)可以表示为各自边缘概率密度函数的乘积：

原创 2024.10.10概率论学习笔记

随机变量是一个从样本空间（所有可能结果的集合）到实数集的函数。样本空间中的每个结果都对应于随机变量的一个值。随机变量的值可以是离散的，也可以是连续的。随机变量通常用大写字母表示，如 X、Y 或 Z。随机变量和事件的联系定义事件事件可以定义为随机变量取特定值的集合。一般用{X=?}表示。例如，如果随机变量 X 表示掷骰子的结果，那么事件 "掷得奇数" 可以表示为 {X=1} 或 {X=3}或 {X=5}。使用随机变量描述事件随机变量的值可以定义复杂的事件。

原创 2024.10.9高等数学学习笔记

正弦函数（sin）余弦函数（cos）正切函数（tan）

原创 2024.10.8高等数学学习笔记

微分是函数在某个变化过程中的改变量的线性主要部分。若函数y=f(x)在点x处有导数f'(x)存在，则y因x的变化量△x所引起的改变量可以表示为，其中o(△x)是△x的高阶无穷小，即当△x趋于0时，o(△x)相对于△x趋于0的速度更快。因此，微分dy可以近似地表示为，它描述了函数值y随自变量x变化而变化的线性部分。‌。

原创 2024.09.30小笔记

列表可以删除列表中的元素，但是元组由于，所以不能删除元组中的数据，但是可以用删除元组。

原创 2024.9.29小笔记

通过正索引或者负索引来获取列表数据(比如x[0]~x[6],获取第一个~第七个数据)