<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[yeverwen的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dylan_me</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dylan_me]]></copyright><item><title><![CDATA[【bert实战】从0-1搭建bert环境]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/144664388</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/144664388</guid><author>dylan_me</author><pubDate>Thu, 26 Dec 2024 10:08:03 +0800</pubDate><description><![CDATA[一文学会bert环境搭建]]></description><category></category></item><item><title><![CDATA[paddlenlp:社交网络中多模态虚假媒体内容核查（特征篇）]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/132171948</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/132171948</guid><author>dylan_me</author><pubDate>Mon, 16 Oct 2023 20:10:15 +0800</pubDate><description><![CDATA[通过数据分析，我们发现了部分图片中存在文字且具有判断文本类别的作用。所以，本文采用paddleocr模型来提取图像中的文字特征。文本主要展现用什么方法来做数据特征加工。]]></description><category></category></item><item><title><![CDATA[paddlenlp:社交网络中多模态虚假媒体内容核查（代码篇）]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/132101203</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/132101203</guid><author>dylan_me</author><pubDate>Fri, 04 Aug 2023 17:40:23 +0800</pubDate><description><![CDATA[本次记录主要还是以学习为主，抽了工作之余来进行baseline的翻译和整理。探索了一个带大家最快上手的路径，降低大家的入门难度。]]></description><category></category></item><item><title><![CDATA[paddlenlp:社交网络中多模态虚假媒体内容核查]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/132093054</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/132093054</guid><author>dylan_me</author><pubDate>Thu, 03 Aug 2023 23:01:49 +0800</pubDate><description><![CDATA[本次记录主要还是以学习为主，花了一个周末的时间，调试和跑通流程。探索了一个带大家最快上手的路径，降低大家的入门难度]]></description><category></category></item><item><title><![CDATA[stable-diffusion-webui 安装采坑日记]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/131104825</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/131104825</guid><author>dylan_me</author><pubDate>Thu, 08 Jun 2023 12:45:36 +0800</pubDate><description><![CDATA[记录自己安装stable diffusion过程遇到的坑]]></description><category></category></item><item><title><![CDATA[2023最新anaconda数据源]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/128999135</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/128999135</guid><author>dylan_me</author><pubDate>Sun, 12 Feb 2023 20:19:04 +0800</pubDate><description><![CDATA[2023最新anaconda数据源]]></description><category></category></item><item><title><![CDATA[倾听用户声音，从主流应用商城的APP评论开扒]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/123004121</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/123004121</guid><author>dylan_me</author><pubDate>Fri, 18 Feb 2022 17:19:25 +0800</pubDate><description><![CDATA[想要充分了解自家公司的产品，光靠自测自用是远远不够的，还得从各个渠道收集用户的反馈。用户反馈的方法有：问卷调查、客服投诉、应用评价等方式。今天我们主要从应用评价的层面来分析一个产品的优劣。]]></description><category></category></item><item><title><![CDATA[十个排序算法的原理与实现【python版】]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/122231657</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/122231657</guid><author>dylan_me</author><pubDate>Wed, 12 Jan 2022 15:07:38 +0800</pubDate><description><![CDATA[在算法面试时，一般都会被面试官三连问，"这算法的时间复杂度是怎样的？空间复杂度呢？它的稳定性如何？” ，为了能够清晰的作答该类问题，我梳理了基础的排序算法。]]></description><category></category></item><item><title><![CDATA[【机器学习】分类算法–决策树（ID3/C4.5/CART）]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931399</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931399</guid><author>dylan_me</author><pubDate>Mon, 29 Jun 2020 09:59:48 +0800</pubDate><description><![CDATA[前言

决策树，是工业界常用的数据挖掘模型。其原理是根据一个或多个特征的划分来确定分类，易于理解。和K邻近算法一样，决策树是属于分类、有监督的算法

决策树常用的有ID3算法、C4.5算法和CART算法。ID3算法和C4.5算法都是分类算法，CART算法是回归算法。

我们今天通过一个天气-活动预测的数据来了解这三个算法

上述数据集有4个属性，属性集合A={ 天气，温度，湿度，风速}， 类别标签有2个，类别集合L={进行，取消}

正文

本文要介绍的三种算法在特征选择的方法上存在差异：ID3用信息增益，]]></description><category></category></item><item><title><![CDATA[【机器学习】分类算法--K近邻算法]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931387</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931387</guid><author>dylan_me</author><pubDate>Thu, 18 Jun 2020 17:24:32 +0800</pubDate><description><![CDATA[K近邻算法通常写作Knn算法，它是一种十分有效的分类算法，是有监督的。Knn算法与K-means算法不同，K-means算法是用作聚类的，且是无监督的。Knn算法的优缺点优点：精度高、对异常值不敏感、无数据输入假定缺点：时间复杂度高、空间复杂度高适用数据范围：数值型和标称型Knn算法的工作原理存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分...]]></description><category></category></item><item><title><![CDATA[解决pyinstall打包python文件遇到的问题]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/92802866</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/92802866</guid><author>dylan_me</author><pubDate>Wed, 19 Jun 2019 08:52:08 +0800</pubDate><description><![CDATA[1、环境说明

  Windows7，Anconda+Python3.5.2，64位系统。

2、开始安装


pip install pyinstall

安装成功，一切看起来很顺利，但实际上当你运行打包代码的时候，可能出现如下问题


pyinstaller -F test.py


AttributeError: 'str' object has no attribute 'items'...]]></description><category></category></item><item><title><![CDATA[解决 No module named 'resource' 问题]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/85120131</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/85120131</guid><author>dylan_me</author><pubDate>Thu, 20 Dec 2018 14:05:15 +0800</pubDate><description><![CDATA[最近在本地装了一个pyspark，在运行的过程中，总会遇到这样的报错。这是jupter notebook的cmd窗口。

以下是我运行的一段代码


stringJSONRDD = sc.parallelize((&quot;&quot;&quot; 
  { &quot;id&quot;: &quot;123&quot;,
    &quot;name&quot;: &quot;Katie&quot;,
    &quot;age&quot;: 19,
    &quot;eyeColor&quot;: ]]></description><category></category></item><item><title><![CDATA[【Java】多线程的使用]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931626</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931626</guid><author>dylan_me</author><pubDate>Sat, 18 Aug 2018 17:30:58 +0800</pubDate><description><![CDATA[简而言之：一个程序是由进程组成，一个进程是由线程组成的。一个程序中可以存在多个进程，一个进程中可以存在多个线程。

单线程：一条主线执行下去，没有分支。


public class TestMain {
	public static void main(String[] args) {
		method2(&quot;I LOVE JAVA&quot;);
	}
	public static void method...]]></description><category></category></item><item><title><![CDATA[【Java】方法的重载]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931619</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931619</guid><author>dylan_me</author><pubDate>Sat, 18 Aug 2018 17:30:52 +0800</pubDate><description><![CDATA[问： 什么是方法的重载呢？

答： 如果同一个类中包含了两个或两个以上方法名相同、方法参数的个数、顺序或类型不同的方法，则称为方法的重载，也可称该方法被重载了。如下所示 4 个方法名称都为 show ，但方法的参数有所不同，因此都属于方法的重载：


public void print() {
	System.out.println(&quot;无参的print方法&quot;);
}

public void pr...]]></description><category></category></item><item><title><![CDATA[手把手教你快速安装keras]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931612</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931612</guid><author>dylan_me</author><pubDate>Sat, 18 Aug 2018 17:30:32 +0800</pubDate><description><![CDATA[安装环境：win7+anaconda3.5.12

依次输入以下命令，注意所有命令都是用得conda命令，因为conda安装可能比pip安装更稳定


conda install theano

conda install mingw libpython

conda install tensorflow    //等几分钟或十几分钟

conda install keras

如果没报错的话，那...]]></description><category></category></item><item><title><![CDATA[关于WordCount代码中的一些疑问解答]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931582</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931582</guid><author>dylan_me</author><pubDate>Sat, 18 Aug 2018 17:30:22 +0800</pubDate><description><![CDATA[编码之前的操作

我的项目是以Maven Project创建的，里面会涉及到GroupID和ArtifactID，简单解释一下：

GroupID是项目组织唯一的标识符， 比如我的项目叫test 那么GroupID应该是 com.yever.test  域名.公司名.项目名
	ArtifactID就是项目的唯一的标识符， 一般是 项目名-xxx   比如test-model
为了测试方便，我的Gr...]]></description><category></category></item><item><title><![CDATA[【NLP】如何理解n-gram模型]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931518</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931518</guid><author>dylan_me</author><pubDate>Sat, 18 Aug 2018 17:29:46 +0800</pubDate><description><![CDATA[最近在研究NLP的相关知识，然后就遇到了n-gram这个模型。拜读了高老师的博客后，觉得通俗易懂，所以对知识进行了以下整理。

维基百科的定义：在计算语言学中，n-gram指的是文本中连续的n个item（item可以是phoneme, syllable, letter, word或base pairs）

n-gram 中如果n=1则为unigram，n=2则为bigram，n=3则为trigra...]]></description><category></category></item><item><title><![CDATA[【利用python进行数据分析】第4章numpy基础]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931302</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931302</guid><author>dylan_me</author><pubDate>Sat, 28 Jul 2018 09:26:02 +0800</pubDate><description><![CDATA[Numpy的ndarray：一种多维数组对象

NumPy最重要的一个特点就是其N维数组对象（即ndarray），该对象是一个快速而灵活的大数据集容器。你可以利用这种数组对整块数据执行一些数学运算。其语法跟标量元素之间的运算一样：


from numpy.random import randn
data=randn(2,3)
print(data)
print(data*10)
print(da...]]></description><category></category></item><item><title><![CDATA[借助Kesci的K-Lab平台进行Iris数据分析]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931356</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931356</guid><author>dylan_me</author><pubDate>Sat, 28 Jul 2018 09:24:54 +0800</pubDate><description><![CDATA[之前参加了Kesci网举办的中国联通“沃+海创”开放数据应用大赛，在比赛中认识了许多大牛，同时也认识了Kesci平台的一位李哥。应李哥邀请，帮他们推广一下该平台的实验室，前段时间由于自己事情太多，直到最近才闲下来，遂做了一下整理。

尝试了一下这个在线实验室，不需要自己的线下的环境，可以在线编程。类似jupter notebook，你还可以将自己的ipynb文件从线下导入，方便快捷。它的公开数据集...]]></description><category></category></item><item><title><![CDATA[在多版本python环境中搭建Django]]></title><link>https://blog.youkuaiyun.com/dylan_me/article/details/80931325</link><guid>https://blog.youkuaiyun.com/dylan_me/article/details/80931325</guid><author>dylan_me</author><pubDate>Sat, 28 Jul 2018 09:24:04 +0800</pubDate><description><![CDATA[什么是django呢，简而言之就是一个基于python的web框架。有了它，我们就可以将结果以网页的形式输出。下面就开始搭建django吧。

实验环境：win7 64位，anaconda2、anaconda3

1.进入anaconda3的prompt，输入以下命令，然后就等待它安装完成吧


conda install Django

安装完成之后记得检查是否安装成功


Python 3.5...]]></description><category></category></item></channel></rss>