<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Vicky111308的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Vicky111308</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Vicky111308]]></copyright><item><title><![CDATA[SQL 窗口函数 | row_number()]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/138564500</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/138564500</guid><author>Vicky111308</author><pubDate>Wed, 08 May 2024 13:37:24 +0800</pubDate><description><![CDATA[id = 7 的用户 Jonathon 在不同的 6 天内登录了 7 次, , 6 天中有 5 天是连续的, 所以, Jonathan 是活跃用户.id = 1 的用户 Winston 仅仅在不同的 2 天内登录了 2 次, 所以, Winston 不是活跃用户.该表包含登录用户的账户 id 和登录日期. 用户也许一天内登录多次.是指那些至少连续 5 天登录账户的用户。上表的每一行包含日志表中的一个 ID。表中的连续区间的开始数字和结束数字。该表包含账户 id 和账户的用户名.id 是上表具有唯一值的列。]]></description><category></category></item><item><title><![CDATA[Leetcode 209 | 滑动窗口]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/138313772</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/138313772</guid><author>Vicky111308</author><pubDate>Mon, 29 Apr 2024 15:18:17 +0800</pubDate><description><![CDATA[每一次循环都是一个个加，每次加到大于等于目标值的时候，就缩紧到最小的窗口。如果不存在符合条件的子数组，返回。是该条件下的长度最小的子数组。找出该数组中满足其总和大于等于。然后一路滑过去，找到最小的窗口。个正整数的数组和一个正整数。]]></description><category></category></item><item><title><![CDATA[leetcode 1607 | 区分on和where的经典例题]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/138302563</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/138302563</guid><author>Vicky111308</author><pubDate>Mon, 29 Apr 2024 09:53:51 +0800</pubDate><description><![CDATA[在这个问题中，我们需要先筛出2020年的数据再进行连接。因为如果先连接再筛选会将没有卖出数据的删掉。sale_date 是顾客 customer_id 和卖家 seller_id 之间交易的日期.customer_id 是该表具有唯一值的列。seller_id 是该表主具有唯一值的列。该表的每行包含网上商城的每一位顾客的信息。order_id 是该表具有唯一值的列。该表的每行包含网上商城的所有订单的信息.该表的每行包含每一位卖家的信息.年度没有任何卖出的卖家的名字。on 和 where的区别。]]></description><category></category></item><item><title><![CDATA[Model-Based Value Expansion for Efficient Model-Free Reinforcement Learning(mve)]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/128252791</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/128252791</guid><author>Vicky111308</author><pubDate>Fri, 09 Dec 2022 14:42:20 +0800</pubDate><description><![CDATA[介绍MVE这个方法，这篇文章的作者通过一种很巧妙的方式把环境模型引入到Model-free RL算法中（TD-k技巧）。传统方法对于Q值的预估（比如DDPG/DQN）是通过bootstrapped的方式来更新参数的，在这篇文章中，作者把环境模型先rollout一定步数之后再进行Q值预估。也就是说，在传统的更新方式中，target Q值是使用的是下一步Q值的预估，而在这里，target Q值是先通过环境模型进行模拟一段路径之后，再进行Q值预估。这样Q值的预估就融合了基于环境模型的短期预估以及基于target_]]></description><category></category></item><item><title><![CDATA[《pytorch深度学习实战》第10讲作业]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/116950870</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/116950870</guid><author>Vicky111308</author><pubDate>Mon, 17 May 2021 21:53:42 +0800</pubDate><description><![CDATA[老师让我们写一个三层卷积和三层的池化

就可以用老师上课讲的让pytorch帮我们计算就行

代码如下：


class Net(torch.nn.Module):
    def __init__(self):
        super(Net,self).__init__()
        self.conv1 = torch.nn.Conv2d(1,10,kernel_size = 3)
        self.conv2 = torch.nn.Conv2d(10,20,kernel_size ]]></description><category></category></item><item><title><![CDATA[交叉熵损失和NLL损失的区别]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/116924432</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/116924432</guid><author>Vicky111308</author><pubDate>Mon, 17 May 2021 12:01:25 +0800</pubDate><description><![CDATA[交叉熵损失和NLL损失之间的区别

总结：

交叉熵 = NLL + SOFTMAX Layer

NLL损失

torch.nn.NLLLoss(weight=None, size_average=None, ignore_index=-100, reduce=None, reduction='mean')

常用于多分类（设为C类）问题，且可以对每个分类提供相应的权重，这对于非平衡数据集的处理非常有用。

输入的数据为一阶张量，数据为对数化的概率，并且nll损失需要一个softmax层，如果不想自己创建]]></description><category></category></item><item><title><![CDATA[PyTorch 深度学习实践 第8讲（刘二大人）Titanic作业]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/116755243</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/116755243</guid><author>Vicky111308</author><pubDate>Thu, 13 May 2021 16:30:38 +0800</pubDate><description><![CDATA[b站刘二大人pytorch深度学习实战的一个小作业：

这里用的是titanic数据集中的数值变量，age数据里面有nan，就删掉了（但是不应该这样做的，这个数据处理得很粗糙，主要是练习一下用实际数据跑一下神经网络）


import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
#老是显示什么副本已存在，不知道在干嘛
import os]]></description><category></category></item><item><title><![CDATA[numpy 100 题（1-60）]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/115532524</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/115532524</guid><author>Vicky111308</author><pubDate>Thu, 08 Apr 2021 21:53:30 +0800</pubDate><description><![CDATA[自己最近也在学，找了挺多资源，整合一起编了一下

jupyter里面编的，全部复制运行可能有点问题。

有问题一起讨论，我也在学，还有挺多不懂的。

这里是1-60题


#1. Import the numpy package under the name np (★☆☆)
import numpy as np

#2. Print the numpy version and the configuration (★☆☆)
np.__version__

np.show_config()

#3.Crea]]></description><category></category></item><item><title><![CDATA[WPS 卸载后图标被篡改以及 WPS卸载干净步骤]]></title><link>https://blog.youkuaiyun.com/Vicky111308/article/details/115268087</link><guid>https://blog.youkuaiyun.com/Vicky111308/article/details/115268087</guid><author>Vicky111308</author><pubDate>Sat, 27 Mar 2021 17:13:48 +0800</pubDate><description><![CDATA[WPS 突然被卸载，给我留下一大堆烂摊子

图标都成了空白的
	右键新建快捷方式全都不兼容，但是word这些程序自己都能用


解决方案：（这些方案是多个博文整合后发现对自己的电脑真正有用的，具体的链接太多找不到了QAQ）

打开regedit注册表，找到HKEY_CLASSES_ROOT文件夹下所有的包含EXCEL、POWERPOINT、WORD的文件夹，一个个打开，点开DefaultIcon文件，右键删掉所有数据导入到WPS下的REG_SZ，然后打开控制面板的程序，点击相应的Microsoft off.]]></description><category></category></item></channel></rss>