- 博客(75)
- 资源 (3)
- 问答 (1)
- 收藏
- 关注
RSS订阅
原创 vscode切换Python解释器
在vscode上切换解析器解决方案：1、确认自己已经安装了python环境2、command + shift + p ,在这里切换即可，见下图：3、如果状态栏也就是右下角不现实切换操作的话，打开设置：
2024-06-13 21:40:26
2584
原创 Spring boot 集成 mybatis遇到的问题 No MyBatis mapper was found in ‘[com.example.demo]‘ package
Spring boot 集成 mybatis遇到的问题发现网上很多人在问 No MyBatis mapper was found in ‘[x.x.demo]’ package. Please check your configuration. 类似于这样的问题，实际操作了一把。问题及解决方案如下： 先形容一下我是这样创建的项目： 创建完以后看下生成的结构 写完Controlle...
2018-06-25 14:51:26
32315
8
原创 pull git 提示 Your local changes would be overwritten by merge. Commit, stash or revert them
1、在项目上点击git，选择Stash Changes。3、git 再选择Unstash Changes即可。这个时候是代码有冲突。2、pull 拉取代码。
2024-11-18 11:34:51
297
原创 idea 通过git撤销commit但未push的操作
注意：撤销后会把commit记录删除掉，提交的文件进入到Unversioned Files目录中。注意：如果已经进行了Push，线上的Commit记录还是会存在的。打开git记录，进行Undo Commit操作。右键要撤销的记录，选择undo commit。适用情况：已commit未push。
2024-11-18 11:28:14
3194
1
原创 二叉树遍历小解
中序遍历：左子树 -> 根节点 -> 右子树前序遍历：根节点 -> 左子树 -> 右子树后序遍历：左子树 -> 右子树 -> 根节点这些遍历方法在二叉树的各种应用中非常重要，如表达式树的求值、目录结构的遍历等。
2024-10-17 11:18:38
642
原创 KNN的 k 设置的过大会有什么问题
为了避免这些问题，通常在应用中会选择一个相对较小的K值，并通过交叉验证等方法来选取最优的K值。交叉验证可以将训练数据分为多个子集，分别进行训练和验证，从而找到一个在训练集和验证集上表现都较好的K值。此外，还可以根据数据的分布和噪声情况来调整K值的大小，以平衡模型的复杂度和泛化能力。通过合理的K值选择和模型优化，可以提高KNN算法的预测性能和泛化能力。在KNN（K-Nearest Neighbors）算法中，K值的选择对模型的性能和预测结果有着重要影响。
2024-10-17 11:00:00
968
原创 正则化L1和L2的区别
L1正则化（Lasso正则化）L1正则化通过在损失函数中添加模型参数绝对值之和的正则项来限制模型的复杂度。其公式为：其中，Loss表示原始损失函数，(w_i)表示模型参数，(\lambda)为正则化系数，用于控制正则化的强度。L2正则化（Ridge正则化）L2正则化通过在损失函数中添加模型参数平方和的正则项来限制模型的复杂度。其公式为：同样地，Loss表示原始损失函数，(w_i)表示模型参数，(\lambda)为正则化系数。
2024-10-17 10:30:00
1012
原创 过拟合和欠拟合小解
过拟合和欠拟合是机器学习中的两个重要问题，它们分别代表了模型复杂度过高和过低的情况。在实际应用中，我们需要通过调整模型的复杂度、使用正则化技术、增加训练数据量等方法来平衡模型的训练误差和测试误差，以获得最佳的泛化性能。同时，交叉验证是一个非常有用的工具，可以帮助我们选择合适的模型参数和评估模型的性能。
2024-10-17 10:00:00
470
原创 归一化和标准化小解
归一化（Normalization）定义：将数据按比例缩放，使之落入一个小的特定区间，如[0, 1]或[-1, 1]。目的：消除不同特征之间的尺度差异，使得模型更容易训练。标准化（Standardization）定义：将数据转换为均值为0、标准差为1的分布。目的：消除数据的尺度差异，使数据具有相同的规模和量纲，便于后续处理和分析。同时，对于许多机器学习算法来说，标准化后的数据表现更好。
2024-10-16 13:31:09
669
原创 Agent ReAct小解
ReAct在AI Agent中是一种设计思想，它强调在执行任务时结合推理（Reasoning）和行动（Acting）两个方面，使得Agent能够在复杂和动态的环境中更有效地工作。
2024-10-12 14:52:49
1394
原创 大模型 memory 记忆 缓存的应用
在探讨大模型的“memory”（记忆）功能时，我们通常会涉及缓存、存储以及如何有效管理和利用这些记忆来增强模型的性能。以下是对大模型memory记忆、缓存及相关概念的详细分析：大模型，特别是大型语言模型（LLM），具有理解和生成自然语言的能力。为了实现长期的记忆保持和知识累积，有效地管理历史对话数据变得至关重要。记忆功能使LLM能够在多轮对话中保持上下文连贯，并应用于更广泛的场景。作用：机制：在大模型中，缓存机制被广泛应用于记忆管理。以下是一些常见的缓存应用：对话令牌缓冲存储器（Conversation T
2024-10-12 14:48:42
1347
原创 conda创建和查询虚拟环境
其中myenv_name是你想要创建的虚拟环境的名字，python=3.10指定了Python的版本。你可以根据需要更换环境名和Python的版本。
2024-09-24 10:48:29
761
原创 RecursiveCharacterTextSplitter和CharacterTextSplitter区别小记
都是文本处理工具，它们各自具有独特的特点和适用场景。
2024-09-18 13:38:38
1118
原创 DocumentLoader小记
定义是一种能够定义加载资源对象，并将其转换为Document对象的功能模块。这里的“资源对象”可以包括但不限于文本文件、HTML文档、CSV文件、PDF文件、网页内容、视频字幕等。功能：主要功能是从指定的数据源读取数据，然后将这些数据转换为Document对象。Document对象通常包含文本内容（）和相关的元数据（metadata），这些元数据可能包括文档的来源、作者、创建日期等详细信息。
2024-09-18 13:15:32
530
原创 CommaSeparatedListOutputParser
（逗号分隔列表输出解析器）是一个假想的类或组件名称，用于描述一个功能，即将逗号分隔的字符串（Comma-Separated Values, CSV）解析成更易于处理的数据结构，如列表（List）、数组（Array）或集合（Set）等。虽然这不是一个标准的库或框架中的直接组件名称，但很多编程语言和环境中都有实现类似功能的库或方法。
2024-09-17 14:22:28
413
原创 FewShotChatMessagePromptTemplate 和 FewShotPromptTemplate区别
用途主要用于聊天场景中的少样本提示更为通用，适用于各种少样本学习任务特点生成格式化的聊天消息，模仿真实对话提供更大的灵活性，适用于多种任务消息格式特定于聊天消息，包含“人类”和“AI”角色不限于聊天消息，可根据任务需求设计动态选择支持根据输入动态选择示例支持动态选择，但更多关注于示例的组织和格式化应用场景聊天模型交互文本生成、分类、问答等多种任务。
2024-09-17 13:11:35
1043
原创 Leaky ReLU小记
fxmaxαxxfxmaxαxx其中，α\alphaα是一个小于1的常数，称为leakage coefficient（泄漏系数）或negative slope（负斜率）。一般情况下，α\alphaα取一个较小的值，如0.01。这意味着当输入xxx小于0时，Leaky ReLU不再像ReLU那样直接将输出设为0，而是输出一个小的正值，即αx\alpha xαx。
2024-08-02 15:42:29
2240
原创 item()小记
在PyTorch中，.item() 是一个常用于从包含单个元素的张量（通常是一个0维张量，即标量scalar）中提取Python数值的方法。当你知道一个张量只包含一个元素，并且你希望将这个元素作为一个普通的Python数值（如整数或浮点数）进行处理时，你可以使用 .item() 方法。但是要注意，如果张量包含多个元素，使用 .item() 方法会抛出一个错误，因为 .item() 只能用于只包含一个元素的张量。
2024-07-01 15:01:01
527
原创 卷积、池化小记
卷积和池化是深度学习中卷积神经网络的重要组成部分。卷积操作通过特征提取来捕捉输入数据的局部信息，而池化操作则通过减小特征图尺寸和提取鲁棒性特征来提高模型的效率和鲁棒性。通过结合这两种操作，卷积神经网络能够有效地处理图像数据并完成各种复杂的视觉任务。
2024-06-29 20:31:43
541
原创 Pipeline知识小记
是一个非常重要的工具，它允许你将多个数据转换步骤（如特征选择、缩放等）和估计器（如分类器、回归器等）组合成一个单一的估计器对象。这种组合使得数据预处理和模型训练变得更加简洁和高效。在这个示例中，我们首先加载了鸢尾花数据集，并将其划分为训练集和测试集。然后，我们定义了一个包含两个步骤的。下面是一个简单的示例，展示了如何使用。进行训练、预测和评估。
2024-06-21 21:18:06
681
原创 ReLU激活函数
Relu后: tensor([[0.0000, 0.4589, 0.9633, 0.5358, 0.9329, 0.2293, 0.0000, 0.0000, 0.7041,是 PyTorch 中的一个函数，用于应用 ReLU（Rectified Linear Unit）激活函数到输入张量。中的每一个元素，如果它大于或等于 0，则输出就是该元素本身；如果它小于 0，则输出是 0。ReLU 是一个非常流行的激活函数，尤其在深度学习中。也就是说，对于输入张量。
2024-06-21 20:21:32
458
原创 Sequential序化模型小记
和一个ReLU激活函数。当我们将输入张量传递给模型时，数据首先通过第一个线性层，然后经过ReLU激活函数，最后通过第二个线性层。通常用于定义简单的、层与层之间直接相连的模型。然而，对于更复杂的模型（如包含分支或循环的模型），您可能需要使用。中按照模块在构造函数中传入的顺序进行传递。这种简单的线性堆叠使得模型的定义变得非常简洁。是一个有序的容器，它包含一系列模块（即层）。在PyTorch中，来定义自己的模型类。
2024-06-21 16:20:14
453
原创 机器学习和深度学习区别
综上所述，机器学习和深度学习在定义、模型复杂度、数据量需求、特征提取、训练速度和计算资源、应用领域以及发展阶段等方面存在显著的区别。深度学习作为机器学习的一个子集，通过构建多层神经网络自动学习数据中的特征，实现了更加复杂的任务，并在多个领域取得了显著的成果。
2024-06-21 15:44:36
498
原创 内积知识点小记
对于两个向量a = [a₁, a₂,…, aₙ]和b = [b₁, b₂,…, bₙ]，它们的点积定义为：a·b = a₁b₁ + a₂b₂ + … + aₙbₙ。使用矩阵乘法，把（纵列）向量当作n×1 矩阵，点积也可以写为：a·b = (a^T) * b，这里的a^T指示矩阵a的转置。
2024-06-21 15:31:58
1692
原创 Nginx配置访问静态资源
Nginx配置访问静态资源访问服务器上的静态资源可以很多途径，这里由于项目中用到，且再该项目的域名下访问，例如windows目录下存在图片F://shop/img/202108/pic.png要用域名访问:http://erp.local.com/shop/img/202108/pic.png因为nginx原来配置了项目erp,ip+端口：127.0.0.1:1700serverName:erp.local.com则只需要再server里加上location 即可：upstream er
2021-08-10 14:11:29
1544
3
原创 解除Windows端口被占用
解除Windows端口被占用1、找出pidnetstat -ano|findstr "80"2、查出该进程所对应的任务tasklist|findstr "111680"3、干掉该任务taskkill /f /im nginx.exe/f 表示强制终止/im 表示指定的进程名称，例如“nginx.exe"如果不使用名称，使用进程号，则用/PIDtaskkill /f /pid 3352...
2021-08-03 09:52:13
320
原创 Linux琐碎问题
查看磁盘使用情况df -lh提示 pm2 找不到npm install -g pm2安装yarn npm install -g yarnvi找不到环境变量的时候不能用 这样操作/usr/bin/vim /etc/profile# apt-get install yumReading package lists... DoneBuilding dependency tree Reading state information... DoneE: U
2021-06-17 15:01:42
457
原创 轻松卸载nodejs和npm
轻松卸载nodejs和npm在Ubuntu 12.04中，只需键入$ sudo apt-get remove nodejs它将轻松卸载nodejs和npm。
2021-06-17 14:57:48
2603
原创 CAS单点登录重定向service参数硬编码
先说下问题，cas单点登录地址会带入service参数，这个参数可能会被有心人利用修改浏览器地址栏带入自己的重定向地址，例如：http://localhost:6212/cas/login?service=http://www.a.com那么可能正常获取票据后就带到a了，当然有心人会伪造“类同源域名”这个时候需要将自己需要的重定向地址硬编码到程序中。源码发现这个参数service并不是单纯的String 而是一个public interface Service extends Princip.
2021-05-18 14:00:52
2073
4
原创 cas账号密码传输引入AES编译遇到的问题
@[TOC]( Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.1:compile (default-compile) on project cas: Compilation failure: Compilation failure)背景：公司项目使用的cas单点登录，被第三方检测出账号密码明文传输，存在被捕获的风险引入AES以后maven编译报错：[ERROR] Failed to execute g
2021-05-18 13:42:23
365
原创 Cause: java.lang.IllegalArgumentException: Illegal group reference
解决 Cause: java.lang.IllegalArgumentException: Illegal group reference今天业务部门发来问题，导入试卷系统报错：nested exception is org.apache.ibatis.exceptions.PersistenceException: ### Error updating database. Cause: java.lang.IllegalArgumentException: Illegal group refer
2021-05-08 13:22:21
847
相册管理器应用程序设计
2013-07-22
idea 进行svn版本合并出现某一版本的文件或者内容丢失
2019-01-04
TA创建的收藏夹 TA关注的收藏夹
TA关注的人