<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fun_always的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/fun_always</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; fun_always]]></copyright><item><title><![CDATA[pyinstaller+pyecharts报错：[Errno 2] No such file or directory: ‘..\map_filename.json‘；以及win10/win7不兼容]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/132172187</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/132172187</guid><author>fun_always</author><pubDate>Tue, 08 Aug 2023 17:49:03 +0800</pubDate><description><![CDATA[pyinstaller和py2exe是常用的.py打包.exe工具，但打包引用了pyecharts的代码时总是报错。虽然.exe打包成功，但双击运行时闪退，报错：[Errno 2] No such file or directory: 'C:\Users\ADMINI~1\AppData\Local\Temp\_MEI一串数字\pyecharts\datasets\map_filename.json。]]></description><category></category></item><item><title><![CDATA[向预训练Bert添加自定义词汇]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/131264111</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/131264111</guid><author>fun_always</author><pubDate>Sat, 17 Jun 2023 20:28:42 +0800</pubDate><description><![CDATA[Bert是NLP常用的特征提取模型，但其预训练的时候通常规定了词语字典，例如中文Bert模型里缺少英文单词，英文Bert里缺少中文字词。这里归纳如何使用预训练Bert模型处理其训练数据中不包含的词汇。]]></description><category></category></item><item><title><![CDATA[Windows下实现Linux内核的Python开发（WSL2+Conda+Pycharm）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/129402373</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/129402373</guid><author>fun_always</author><pubDate>Wed, 08 Mar 2023 14:26:38 +0800</pubDate><description><![CDATA[许多软件可以通过Python交互，但没有开发Windows版本，这个时候装双系统或虚拟机都很不方便，可以采取WSL2+Conda+Pycharm的策略来进行基于Linux内核的Python开发。]]></description><category></category></item><item><title><![CDATA[latex 科学计数法]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/129048749</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/129048749</guid><author>fun_always</author><pubDate>Wed, 15 Feb 2023 19:02:29 +0800</pubDate><description><![CDATA[\usepackage{siunitx}\num{1.1e10}]]></description><category></category></item><item><title><![CDATA[Latex最后的参考文献作者用et.al显示]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/128177692</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/128177692</guid><author>fun_always</author><pubDate>Sun, 04 Dec 2022 21:22:31 +0800</pubDate><description><![CDATA[记录一个技巧，文章最后的参考文献如何不列出所有的作者名字，而显示et.al：将引用文献.bib文件中的author={A, B, C and D}, 替换成author={A and others}即可。]]></description><category></category></item><item><title><![CDATA[深入解决keras、tf的gpu运行问题]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/127622038</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/127622038</guid><author>fun_always</author><pubDate>Mon, 31 Oct 2022 20:36:48 +0800</pubDate><description><![CDATA[之前写过一篇配置keras+tensorflow+cudnn的GPU环境配置，但后面主要用Pytorch去了。最近因为项目的原因又回来用tensorflow-gpu，结果发现了几个新的配置问题，网上也没相关的资料，花了一天时间才解决，记录如下。]]></description><category></category></item><item><title><![CDATA[skimage的SIFT特征]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/124895475</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/124895475</guid><author>fun_always</author><pubDate>Sat, 21 May 2022 10:45:15 +0800</pubDate><description><![CDATA[最新的skimagev0.19.2版本包含了SIFT特征提取功能，但安装要求3.8版本以上的python。另外，低对比度的图像提取不到SIFT特征。

参考资料
]]></description><category></category></item><item><title><![CDATA[hierarchy层次聚类绘图与展平（python）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/124367815</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/124367815</guid><author>fun_always</author><pubDate>Sat, 23 Apr 2022 18:40:05 +0800</pubDate><description><![CDATA[hierarchy是一种常用的聚类方法，可以自顶向下无限二分，从而得到不同层次的聚类结果。Python实现一般使用以下函数，其输出为一个n行4列的矩阵，表示层次聚类后的树状图。



tree = scipy.cluster.hierarchy.linkage(arr,'ward')


输出示例如下，前两列代表每一步合并的两个簇，第三列为簇间距离，第四列表示合并后新簇所包含的点数量。



&gt;&gt;&gt; tree
array([[ 0.        ,  1.        ,  1.   ]]></description><category></category></item><item><title><![CDATA[点云最远点采样（Python）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/123694543</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/123694543</guid><author>fun_always</author><pubDate>Wed, 23 Mar 2022 20:00:07 +0800</pubDate><description><![CDATA[最远点采样（FPS）可以设置采样的点数，比起网格采样等方法更加实用，被应用在点云处理方法中（例如PointNet++）。缺点是每次要计算两个集合中所有点的相对距离，计算量较大。但实际上，采取矩阵运算的实现方式，计算速率也能接受。

下面是FPS的Python实现，主要包括计算索引和映射点两步骤，度量使用欧式距离。


def FarthestPointSampling_ForBatch(xyz, npoint):
    B, N, C = xyz.shape

    centroids = np.zer]]></description><category></category></item><item><title><![CDATA[系统解决方法：Process finished with exit code -1073741819]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/115407150</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/115407150</guid><author>fun_always</author><pubDate>Fri, 02 Apr 2021 20:34:01 +0800</pubDate><description><![CDATA[Pycharm突然报错Process finished with exit code -1073741819，无任何提示信息，在网上搜索说什么的都有，下面给出我解决这个问题的系统方法。

1 重启

万事不决先重启，虽然我不认为这是解决这个问题的方法，但印象中确实有一次Pycharm总异常终止，最后是通过重启解决的。

2 定位问题语句

因为我是运行之前正常的程序时突然出现这个错误，因此要判断问题究竟出在哪里。我在main函数里只写了一句Print语句依旧报错，这个时候我大概明白就是python环境的问题]]></description><category></category></item><item><title><![CDATA[keras在train_on_batch中使用generator]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/107723328</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/107723328</guid><author>fun_always</author><pubDate>Fri, 31 Jul 2020 23:23:57 +0800</pubDate><description><![CDATA[Generator是keras中很方便的数据输入方式，既可以节省内存空间，又自带数据增强的功能，一般用于fit_generator这种比较单一的训练方式，不适于train_on_batch这种拓展性较高的训练方式。但实际上generator是可以用于train_on_batch的，下面介绍具体方法：

理解generator

理解generator实际上理解yield关键词就够了，yield可以看作一个带指针的return，每次返回时指针指向程序停止的位置，因此下一次可以接着上一次运行。在外面调用gene]]></description><category></category></item><item><title><![CDATA[Ubantu Pycharm+Anaconda 自动配置cuda+cuDNN]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/104660574</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/104660574</guid><author>fun_always</author><pubDate>Wed, 04 Mar 2020 20:22:23 +0800</pubDate><description><![CDATA[前几天借用老师的远程服务器训练模型，由于tensorflow目前只支持cuda10.0，而服务器上已经装了cuda10.2，所以要重新配置GPU环境。这个时候可以另外下载安装cuda10.0，像网上大部分教程一样，修改环境变量指向自己的文件夹。

但也有另一种方法：使用anaconda自动配置cuda与cudnn，然后用pycharm导入anaconda环境，这既极大简化了下载安装cuda与cud...]]></description><category></category></item><item><title><![CDATA[（看这篇就够了）keras使用GPU加速运算]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/103357840</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/103357840</guid><author>fun_always</author><pubDate>Mon, 02 Dec 2019 22:41:44 +0800</pubDate><description><![CDATA[最近有机会蹭组里的图形工作站跑DNN，想着终于有机会感受一下GPU的速度，结果网上一看全是细节性的教程，对小白十分不友好。经过一下午的鼓捣，踩了一些坑，最后终于弄好了，在这里全面的记录一下经过，大部分人按这个步骤走应该都能no error。

总述

keras使用CPU和GPU运算没有任何的语法差别，它能自动地判断能不能使用GPU运算，能的话就用GPU，不能则CPU。你只需要在代码开头加上下面这...]]></description><category></category></item><item><title><![CDATA[DNA排序（C++）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/94474467</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/94474467</guid><author>fun_always</author><pubDate>Tue, 02 Jul 2019 19:47:58 +0800</pubDate><description><![CDATA[#include&lt;string&gt;
#include&lt;iostream&gt;
#include&lt;algorithm&gt;
using namespace std;
class DNA{
	public:
		string s;
		int nixu;
};
bool cmp(DNA a,DNA b){
	return a.nixu&lt;b.nixu;
}
int ma...]]></description><category></category></item><item><title><![CDATA[逆波兰表达式（C++）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/94439241</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/94439241</guid><author>fun_always</author><pubDate>Tue, 02 Jul 2019 14:12:24 +0800</pubDate><description><![CDATA[描述

逆波兰表达式是一种把运算符前置的算术表达式，例如普通的表达式2 + 3的逆波兰表示法为+ 2 3。逆波兰表达式的优点是运算符之间不必有优先级关系，也不必用括号改变运算次序，例如(2 + 3) * 4的逆波兰表示法为* + 2 3 4。本题求解逆波兰表达式的值，其中运算符包括+ - * /四个。

输入

输入为一行，其中运算符和运算数之间都用空格分隔，运算数是浮点数。

输出

输出为一行...]]></description><category></category></item><item><title><![CDATA[放苹果（C++）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/94433863</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/94433863</guid><author>fun_always</author><pubDate>Tue, 02 Jul 2019 10:43:49 +0800</pubDate><description><![CDATA[描述

把M个同样的苹果放在N个同样的盘子里，允许有的盘子空着不放，问共有多少种不同的分法？（用K表示）5，1，1和1，5，1 是同一种分法。

输入

第一行是测试数据的数目t（0 &lt;= t &lt;= 20）。以下每行均包含二个整数M和N，以空格分开。1&lt;=M，N&lt;=10。

输出

对输入的每组数据M和N，用一行输出相应的K。

样例输入


1
7 3


样例输出


...]]></description><category></category></item><item><title><![CDATA[排队游戏（C++）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/94414416</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/94414416</guid><author>fun_always</author><pubDate>Mon, 01 Jul 2019 23:41:22 +0800</pubDate><description><![CDATA[描述

在幼儿园中，老师安排小朋友做一个排队的游戏。首先老师精心的把数目相同的小男孩和小女孩编排在一个队列中，每个小孩按其在队列中的位置发给一个编号（编 号从0开始）。然后老师告诉小朋友们，站在前边的小男孩可以和他后边相邻的小女孩手拉手离开队列，剩余的小朋友重新站拢，再按前后相邻的小男孩小女孩手拉 手离开队列游戏，如此往复。由于教师精心的安排，恰好可以保证每两个小朋友都能手拉手离开队列，并且最后离...]]></description><category></category></item><item><title><![CDATA[兔子与星空（C++）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/94333091</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/94333091</guid><author>fun_always</author><pubDate>Sun, 30 Jun 2019 16:29:47 +0800</pubDate><description><![CDATA[邻接矩阵最小生成树：


#include&lt;iostream&gt;
#include&lt;iomanip&gt;
#include&lt;string&gt;
#include&lt;algorithm&gt;
using namespace std;
int n;//顶点数
int map[30][30]; //邻接矩阵
char temp;int a;
int used[27]; /...]]></description><category></category></item><item><title><![CDATA[反反复复（C++)]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/94027084</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/94027084</guid><author>fun_always</author><pubDate>Fri, 28 Jun 2019 18:03:01 +0800</pubDate><description><![CDATA[描述

Mo和Larry发明了一种信息加密方法。他们首先决定好列数，然后将信息（只包含字母）从上往下依次填入各列，并在末尾补充一些随机字母使其成为一个完整的字母矩阵。例如，若信息是“There's no place like home on a snowy night”并且有5列，Mo会写成：


t o i o y
h p k n n
e l e a i
r a h s g
e c o n h
...]]></description><category></category></item><item><title><![CDATA[单词翻转（C++）]]></title><link>https://blog.youkuaiyun.com/fun_always/article/details/94020167</link><guid>https://blog.youkuaiyun.com/fun_always/article/details/94020167</guid><author>fun_always</author><pubDate>Fri, 28 Jun 2019 17:05:42 +0800</pubDate><description><![CDATA[描述

输入一个句子（一行），将句子中的每一个单词翻转后输出。

输入

只有一行，为一个字符串，不超过500个字符。单词之间以空格隔开。

输出

翻转每一个单词后的字符串，单词之间的空格需与原文一致。

样例输入


hello world

样例输出


olleh dlrow

——————————————————————————————————————————————————————

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