julac的博客

于是，老师决定做一个​“错题本”​​（目标网络），记录过去稳定的评分标准，用来更温和地指导你学习。如果价值函数估计与实际回报之间的TD-Error较大，减少Critic网络的误差，降低Actor网络的输出概率；如果价值函数估计与实际回报之间的TD-Error较小，减少Critic网络的误差，提高Actor网络的输出概率。DDPG算法采用Actor-Critic框架，利用深度神经网络近似策略和动作价值函数，利用随机梯度法训练策略网络和价值网络模型中的参数，并通过经验回放和双重网络结构提高学习稳定性。

WSGI是一个低级接口，许多Python开发者在使用Django、Flask等流行框架时，实际上是在WSGI之上构建应用。Flask框架本身就是构建在WSGI规范之上的，每个Flask应用实例本质上就是一个符合WSGI规范的可调用对象。这个接口设计得非常简单，只要求Web开发者实现一个函数，就可以响应HTTP请求。Flask 内部还是调用 WSGI 接口，只是用内置开发服务器封装了一层。这样的简单服务器，而是使用更强大的WSGI服务器如。在Flask内部，Flask类实现了WSGI接口。

如果任务没有在 5 秒内完成，就可以停止该任务，并向用户报告：该任务花费了太长时间，我们正在停止它。例如，我们可能想通知用户：某任务花费的时间比预期的要长，但即便超过了规定的超时时间，也不取消该任务。由于 CPU 和 IO 速度差异巨大，任务在执行过程中大部分时间都在等待 IO，如果仍然使用单进程单线程模型，其他任务就无法并行执行。相反，它创建了一个可以稍后执行的协程对象，要执行协程，需要在事件循环中显式执行它。当一个暂停的协程正在等待操作完成时，可运行其他代码，等待时其他代码的运行是应用程序并发的原因。

view”使用与原始张量相同的内存块，因此该内存块中的任何更改都会影响所有视图以及与其关联的原始张量视图可以是连续的或不连续的。一个不连续的张量视图可以转换为连续的张量视图，并且会复制不连续的视图张量到新的内存空间中，因此数据将不再与原始数据块关联stride位置公式：给定一个strideABC(A，B，C)ABC，索引jkv(j, k, v)jkv在 1D 数据数组中的位置为A×jB×kC×vA×jB×kC×vview()和。

比如有的时候在一个变量已经参与了正向传播的计算，之后它的值被修改了，在做反向传播的时候如果还需要这个变量的值的话，我们肯定不能用那个后来修改的值吧，但没修改之前的原始值已经被释放掉了，我们怎么办？那些非叶子结点，是通过用户所定义的叶子节点的一系列运算生成的，也就是这些非叶子节点都是中间变量，一般情况下，用户不会去使用这些中间变量的梯度，所以为了节省内存，它们在用完之后就会被释放。， y 关于 x 的导数是1，和 x 无关），自然就不会去对比 b 前后的 version 了，所以不会报错。

在这个例子中，b 是用来计算 loss 的一个变量，我们在计算完 loss 之后，进行反向传播之前，修改 b 的值。这么做会导致相关的导数的计算结果错误，因为我们在计算导数的过程中还会用到 b 的值，但是它已经变了（和正向传播过程中的值不一样了）。当我们创建一个张量（tensor）的时候，如果没有特殊指定的话，那么这个张量是默认不需要求导的。虽然输入的训练数据是默认不求导的，但是神经网络中的所有参数，默认是求导的。举一个比较简单的例子，比如我们在训练一个网络的时候，我们从。

计算Mel刻度滤波器组Filter Banks由语音信号的性质和人类对这些信号的感知所驱动的；计算MFCC由一些机器学习算法的限制所驱动的计算量：MFCC是在FBank的基础上进行的特征区分度：FBank特征相关性较高（相邻滤波器组有重叠），MFCC具有更好的判别度信息量：Filter Banks包含比MFCC更多的信息如果机器学习算法不易受高度相关输入的影响，则使用Mel刻度滤波器组。如果机器学习算法易受相关输入的影响，则使用MFCC。

当你尝试将一个脚本作为模块导入时，python会忽略脚本中的if __name__ == "__main__"块下的代码，因为这部分代码只有在脚本直接运行时才会执行。在python中，package/module.py和python -m package.module这两种运行方式有着根本的区别，主要涉及到模块的导入机制和Python的包结构。但是，if __name__ == "__main__"块下的代码不会被执行，因为它只有在script.py被直接运行时才会执行。

view”使用与原始张量相同的内存块，因此该内存块中的任何更改都会影响所有视图以及与其关联的原始张量视图可以是连续的或不连续的。一个不连续的张量视图可以转换为连续的张量视图，并且会复制不连续的视图张量到新的内存空间中，因此数据将不再与原始数据块关联stride位置公式：给定一个stride(A，B，C)，索引 (j, k, v) 在 1D 数据数组中的位置为 (A∗jB∗kC∗vA∗jB∗kC∗vview() 不能应用于 '非连续的张量/视图，它返回一个视图；

本文以pandas进阶知识为主。

Flair是由Zalando Research开发的一个简单的自然语言处理（NLP）库。Flair的框架直接构建在PyTorch上，PyTorch是最好的深度学习框架之一。名称-实体识别（NER）：它可以识别单词是代表文本中的人，位置还是名称。词性标注（PoS）：将给定文本中的所有单词标记为它们所属的“词性”。文本分类：根据标准对文本进行分类（标签）。

因此，无论我们从哪里获取数据，我们都需要使其符合这些约束。该数据包含 30 部电影，包括七种类型的每部电影的数据及其 IMDB 评级。标签列全为零，因为我们不使用该数据集进行分类或回归。此外，在使用 KNN 算法时，电影之间的关系（例如演员、导演和主题）不会被考虑在内，因为捕获这些关系的数据在数据集中丢失了。因此，当我们对数据运行 KNN 算法时，相似性将仅基于所包含的类型和电影的 IMDB 评级。

模块来自论文：《Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks》，使用孪生网络（Siamse Network）将两个文本映射到特征空间得到特征向量（384维）：先把数据写进字典，字典整体进行传输。

【代码】python异常及解决方法汇总。

行名：“类别（0：错误；1：正确）”、“准确率（accuracy）”、“算术平均（macro avg）”、“加权平均（weighted avg）”列名：“精确率（precision）”、“召回率（recall）”、“F1值（f1-score）”、“样本数（support）”想要理解什么是精确率、什么是召回率、什么是F1值，我们首先需要了解混淆矩阵。weighted avg：本身的比例乘以该样本占全部样本的比例。若一致，如副对角线上，则为T；凡是预测为1的都是阳性-P，凡是预测为0的都是隐性-N。

Numpy中的sum()方法和PyTorch中的sum()方法几乎相同，除了PyTorch中的dim在Numpy中被称作axis之外。我们首先指定行（2行），然后指定列（3列）。我们可以得出一个结论，第一个维度（dim=0）用于行，第二个维度（dim=1）用于列。当我们观察3D张量的形状时，我们会注意到新的维度被预处理并占据第一个位置（下面用粗体显示），即dim=0代表第三个维度。这个三维张量的第一个维度（dim=0）是最高的，包含3个二维张量。当我们描述二维张量的形状时，我们说它包含一些行和一些列。

pytorch: nn.Dropout 和 nn.functional.dropout 的区别

repeat()和expand()的区别

从list中随机抽取元素

使用bert进行中文文本分类

一篇文章入门Bert

一篇文章入门Word2Vec

一篇文章入门LSTM和GRU

循环神经网络RNN

一篇文章入门pytorch&深度学习

python数据分析之matplotlib

python数据分析之pandas

python数据分析之numpy

批量爬取论文

python爬虫基础：requests+selenium+scrapy之selenium

python字符串处理+正则表达式+NLTK工具包

python爬虫基础：(requests+selenium+scrapy)之requests

python基础

静态文件（static files）和模板的概念相反，指的是内容不需要动态生成的文件，比如图片、CSS 文件和 JavaScript 脚本等。在 Flask 中，我们需要创建一个 static 文件夹来保存静态文件，它应该和程序模块、templates 文件夹在同一目录层级。生成静态文件 URL在 HTML 文件里，引入这些静态文件需要给出资源所在的 URL，这些文件的 URL 可以通过 Flask 提供的 url_for() 函数来生成。url_for() 函数的用法，传入端点值（视图函数的名称

在一般的 Web 程序里，访问一个地址通常会返回一个包含各类信息的 HTML 页面。因为我们的程序是动态的，页面中的某些信息需要根据不同的情况来进行调整，比如对登录和未登录用户显示不同的信息，所以页面需要在用户访问时根据程序逻辑动态生成。我们把包含变量和运算逻辑的 HTML 或其他格式的文本叫做模板，执行这些变量替换和逻辑计算工作的过程被称为渲染（模板渲染引擎——Jinja2）。按照默认的设置，Flask 会从程序实例所在模块同级目录的 templates 文件夹中寻找模板。模板基本语法在模板里，

追溯到最初，Flask 诞生于 Armin Ronacher 在 2010 年愚人节开的一个玩笑。后来，它逐渐发展成为一个成熟的 Python Web 框架，越来越受到开发者的喜爱。Flask 是典型的微框架，作为 Web 框架来说，它仅保留了核心功能：请求响应处理和模板渲染。这两类功能分别由 Werkzeug（WSGI 工具库）完成和 Jinja（模板渲染库）完成。主页主页的 URL 一般就是根地址，即 / 。from flask import Flaskapp = Flask(__name__

通过python中的cv2模块进行人脸识别，需要对cv2模块有一定的认识。imread()方法：ret,image=cv2.imread(filename,[,flags])，其中filename是图像文件的路径及名称（图像文件的路径为绝对路径），flags是图像处理的标志位（通知程序以何种方式加载图片），通常flags选取默认值。imread()方法读取出的图片格式为BGR格式，并不是通常的RGB格式。imread()方法的两个返回值，ret为布尔类型，表示是否正确打开图片；image为图片的三维矩阵。