<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[寒飞雪的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/hanfeixue2001</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; hanfeixue2001]]></copyright><item><title><![CDATA[第1章 机器学习概览]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/119972814</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/119972814</guid><author>hanfeixue2001</author><pubDate>Sat, 28 Aug 2021 20:42:47 +0800</pubDate><description><![CDATA[1. 引言
当大多数人听到“机器学习”，在脑海中就会浮现一个机器人：一个可靠的助手或一个可怕的终结者，这取决你问的是谁。事实上，在一些特定的应用中机器学习已经存在几十年了，比如：光学字符识别(OCR)，垃圾邮件过滤器等。后来出现了数以百计的机器学习应用，支撑数百个现在经常使用的产品和特性(如推荐系统到语音搜索)。
本章将简单介绍机器学习涉及的所有基础概念，包括：监督学习和无监督学习、在线学习和批量学习、基于实例学习和基于模型学习，然后介绍一个典型的机器学习项目的工作流程，接着讨论可能遇到的难点，最后介绍如何]]></description><category></category></item><item><title><![CDATA[Pytorch笔记-6]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/115350067</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/115350067</guid><author>hanfeixue2001</author><pubDate>Wed, 31 Mar 2021 14:45:03 +0800</pubDate><description><![CDATA[Text Classification with the torchtext library
本教程，我们将展示如何使用torchtext库，构建文本分类分析用的数据集。用户将能灵活做以下几项：

Access to raw data as iterator
Build data processing pipeline to convert the raw text strings into torch.Tensor that can be used to train the model
Shuffle a]]></description><category></category></item><item><title><![CDATA[Pytorch笔记-4]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/114114490</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/114114490</guid><author>hanfeixue2001</author><pubDate>Fri, 26 Feb 2021 09:43:36 +0800</pubDate><description><![CDATA[NLP FROM SCRATCH：GENERATING NAMES WITH A CHARACTER-LEVEL RNN
这是“NLP From Scratch”系列的第二个教程。第一个教程“NLP From Scratch: Classifying Names with a Character-Level RNN”是把names进行分类到对应的language category，本教程将会反过来，根据language category生成相应的names。如下：
&gt; python sample.py]]></description><category></category></item><item><title><![CDATA[Pytorch笔记-5]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/114021698</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/114021698</guid><author>hanfeixue2001</author><pubDate>Wed, 24 Feb 2021 21:16:26 +0800</pubDate><description><![CDATA[NLP FROM SCRATCH: TRANSLATION WITH A SEQUENCE TO SEQUENCE NETWORK AND ATTENTION
这是“NLP from Scratch”系列的第三个教程，也是最后一个。这个教程将会以自己写的多个类和函数来处理数据，并构建我们的NLP模型任务。
本教程，我们将构建一个神经网络模型完成法语翻译英语的任务。
[KEY: &gt; input, = target, &lt; output]

&gt; il est en train de peindr]]></description><category></category></item><item><title><![CDATA[Pytorch笔记-3]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/113250238</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/113250238</guid><author>hanfeixue2001</author><pubDate>Wed, 27 Jan 2021 15:35:44 +0800</pubDate><description><![CDATA[NLP FROM SCRATCH: CLASSIFY NAMES WITH A CHARACTER-LEVEL RNN
我们将建立和训练一个基于字符级的RNN模型，用来分类words。本教程将展示如何从零开始预处理数据，然后构建NLP模型。特别是没有使用torchtext的一些功能情况下，如何用底层模块进行NLP建模前的预处理工作。
基于字符级的RNN模型，以a series of characters的形式读取words，最终的预测的输出结果,是这个words属于哪一类。
具体来说，我们将18种语言的几千]]></description><category></category></item><item><title><![CDATA[Pytorch笔记-2]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/111936128</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/111936128</guid><author>hanfeixue2001</author><pubDate>Tue, 29 Dec 2020 21:41:02 +0800</pubDate><description><![CDATA[1. Sequence-to-Sequence modeling with nn.Transformer and torchtext
使用nn.Transformer模块训练sequence-to-sequence模型。
pytorch1.2版本之后包含了标准的transformer模块， 这个模块是基于paper《Attention is All You Need》。nn.Transformer模块完全依赖注意力机制，来构建从输入到输出的全局依赖关系。
nn.Transformer(d_model=512]]></description><category></category></item><item><title><![CDATA[Pytorch笔记-1]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/110354621</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/110354621</guid><author>hanfeixue2001</author><pubDate>Mon, 30 Nov 2020 17:03:09 +0800</pubDate><description><![CDATA[what is Pytorch

深度学习框架，提供最大的灵活性和速度
支持GPU计算能力

Tensors
Tensors 类似于Numpy中的ndarrays，但Tensors能够在GPU上加速计算。
from __future__ import print_function
import torch

# 声明一个未初始化的矩阵
x = torch.empty(5, 3)
print(x)

# 创建一个5*3的零矩阵，dtype设置为long
x = torch.zeros(5, 3, dtype=]]></description><category></category></item><item><title><![CDATA[RNN的几个常见问题]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/107872319</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/107872319</guid><author>hanfeixue2001</author><pubDate>Fri, 07 Aug 2020 23:43:22 +0800</pubDate><description><![CDATA[“阅读本文预计5分钟”
对于序列数据，它的一个重要特性是具有顺序，而RNN的记忆性使它可以处理序列数据。
下面我们来回答几个问题：

RNN的结构是什么？
RNN为什么具有记忆功能？
RNN的损失函数是？
RNN存在梯度消失/爆炸问题的原因是什么？

1. RNN的结构是什么？
首先，我们看下基本RNN的结构：

模型的每个时间步通用公式为：
KaTeX parse error: No such environment: equation at position 8: 
\begin{̲e̲q̲u̲a̲t̲]]></description><category></category></item><item><title><![CDATA[python 二分法的应用]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/107851197</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/107851197</guid><author>hanfeixue2001</author><pubDate>Thu, 06 Aug 2020 22:25:58 +0800</pubDate><description><![CDATA[题目1：剑指 Offer 53 - I. 在排序数组中查找数字 I
统计一个数字在排序数组中出现的次数。
示例 1:
输入: nums = [5,7,7,8,8,10], target = 8
输出: 2

示例 2:
输入: nums = [5,7,7,8,8,10], target = 6
输出: 0

解法：
class Solution:
    def search(self, nums: List[int], target: int) -&gt; int:
        # 二分法查找，记录大]]></description><category></category></item><item><title><![CDATA[python 排序算法总结]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/107839543</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/107839543</guid><author>hanfeixue2001</author><pubDate>Thu, 06 Aug 2020 15:00:37 +0800</pubDate><description><![CDATA[本文主要介绍排序的几种算法，包括冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序等，介绍的思路主要从每个算法的逻辑思路具体分析。

1 冒泡排序
逻辑思路分析：
我们假设数组A，长度n：

比较相邻的元素，如果A[i]&gt;A[i+1]，那么把它们两个调换位置。
继续重复上述步骤，当重复第j次时，说明最后j个元素已经排序好了，也就是第j次的位置交换，i取值范围在[0, n-2-j]，而j的取值范围在[0, n-2]。


def BubbleSort(arr):
    # 数组arr的长度
.]]></description><category></category></item><item><title><![CDATA[Python 最长回文串的三种解法]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/107812692</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/107812692</guid><author>hanfeixue2001</author><pubDate>Wed, 05 Aug 2020 12:51:47 +0800</pubDate><description><![CDATA[给定一个字符串 s，找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。
示例 1：
输入: "babad"
输出: "bab"
注意: "aba" 也是一个有效答案。

示例 2：
输入: "cbbd"
输出: "bb"

暴力解法
class Solution:
    def longestPalindrome(self, s):
        # 暴力解法
        n = len(s)
        # s为空的情况
        if n == 0:
        ]]></description><category></category></item><item><title><![CDATA[nump基础知识点]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/104139119</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/104139119</guid><author>hanfeixue2001</author><pubDate>Sat, 01 Feb 2020 22:12:53 +0800</pubDate><description><![CDATA[numpy基础入门
numpy是高性能科学计算和数据分析的基础包。其部分功能如下介绍：

ndarray，一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。
用于对整组数据进行快速运算的标准数学函数（无需编写循环）
用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
线性代数、随机数生成以及傅里叶变换功能。
用于集成由C、C++、Fortran等语言编写的代码的工具。

1、nda...]]></description><category></category></item><item><title><![CDATA[Python练手小程序—敏感词语的处理]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/104122525</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/104122525</guid><author>hanfeixue2001</author><pubDate>Fri, 31 Jan 2020 11:46:35 +0800</pubDate><description><![CDATA[在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。
来源：GitHub
Python练手小程序项目地址：https://github.com/Show-Me-the-Code/python
写作日期：2020.01.31

今天练习题目 0011题、0012题，这两个题目，可以...]]></description><category></category></item><item><title><![CDATA[Python练手小程序—随机生成字母验证码]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/104047865</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/104047865</guid><author>hanfeixue2001</author><pubDate>Mon, 20 Jan 2020 09:43:23 +0800</pubDate><description><![CDATA[在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。
来源：GitHub
Python练手小程序项目地址：https://github.com/Show-Me-the-Code/python
写作日期：2020.01.20

今天练习第0010题，题目如下：

从题目来看，主要学...]]></description><category></category></item><item><title><![CDATA[Python练手小程序—用正则表达提取html中的url]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103736837</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103736837</guid><author>hanfeixue2001</author><pubDate>Fri, 27 Dec 2019 18:23:12 +0800</pubDate><description><![CDATA[在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。
来源：GitHub
Python练手小程序项目地址：https://github.com/Show-Me-the-Code/python
写作日期：2019.12.27

今天练习第0009题，题目如下：

先看一下HTML这...]]></description><category></category></item><item><title><![CDATA[Python练手小程序—从html中提取正文]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103627443</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103627443</guid><author>hanfeixue2001</author><pubDate>Fri, 20 Dec 2019 09:51:53 +0800</pubDate><description><![CDATA[在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。
来源：GitHub
Python练手小程序项目地址：https://github.com/Show-Me-the-Code/python
写作日期：2019.12.20

今天练习第0008题，题目如下：

先展示一下我的HT...]]></description><category></category></item><item><title><![CDATA[Python练手小程序—统计目录下Python脚本的代码注释空行数量]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103588583</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103588583</guid><author>hanfeixue2001</author><pubDate>Tue, 17 Dec 2019 22:04:39 +0800</pubDate><description><![CDATA[在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。
来源：GitHub
Python练手小程序项目地址：https://github.com/Show-Me-the-Code/python
写作日期：2019.12.17

今天练习第0007题，题目如下：

这道题相对比较简单...]]></description><category></category></item><item><title><![CDATA[Python练手小程序—从摘要中提取关键词]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103544268</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103544268</guid><author>hanfeixue2001</author><pubDate>Sat, 14 Dec 2019 22:46:49 +0800</pubDate><description><![CDATA[在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。
来源：GitHub
Python练手小程序项目地址：https://github.com/Show-Me-the-Code/python
写作日期：2019.12.14

今天练习第0006题，题目如下：

这个题目，打算改变...]]></description><category></category></item><item><title><![CDATA[python练手小程序—调整图片分辨率(大小)]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103445414</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103445414</guid><author>hanfeixue2001</author><pubDate>Sun, 08 Dec 2019 15:32:58 +0800</pubDate><description><![CDATA[在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。
一周没有更新了，主要还是自己太懒，三分热度，我想如果我继续这样下去，做什么事都做不好，以此为戒，坚持一个月内练习完这些知识点！
来源：GitHub
Python练手小程序项目地址：https://github.com/Show...]]></description><category></category></item><item><title><![CDATA[Python练手小程序—统计英文文件中单词出现的的个数]]></title><link>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103443244</link><guid>https://blog.youkuaiyun.com/hanfeixue2001/article/details/103443244</guid><author>hanfeixue2001</author><pubDate>Sun, 08 Dec 2019 11:40:13 +0800</pubDate><description><![CDATA[在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。
一周没有更新了，主要还是自己太懒，三分热度，我想如果我继续这样下去，做什么事都做不好，以此为戒，坚持一个月内练习完这些知识点！
来源：GitHub
Python练手小程序项目地址：https://github.com/Show...]]></description><category></category></item></channel></rss>