mucheng771的博客

下载ollama，然后。

U-Net是一种用于的深度学习模型，特别适合医学影像和其他需要分割细节的任务。

循环神经网络（RNN, Recurrent Neural Network）是一种特殊的神经网络，用于处理和分析序列数据（比如时间序列、文本、语音等）。它的特别之处在于，它能够“记住”之前的信息并用来处理当前的数据，这使得它比普通的前馈神经网络（比如卷积神经网络 CNN）更适合处理时间序列数据。很多实际问题中，当前的输入往往和之前的数据有关系，比如：语音识别：一个单词的发音会受到前后音节的影响。语言翻译：一个句子的理解不仅要看当前的词，还要结合前面的词。

混淆矩阵(Confusion Matrix）TP(真阳性)：预测为阳性，且预测正确。TN(真阴性)：预测为阴性，且预测正确。FP(伪阳性)：预测为阳性，但预测错误，又称型一误差(Type I Error)，或α误差。FN(伪阴性)：预测为阴性，但预测错误，又称型二误差(Type II Error)，或β误差有了TP/TN/FP/FN之后，我们就可以定义各种效能衡量指标，常见的有四种：准确率 精确率 召回率 F1。

变量，用于累计所有批次的损失之和，这里的train_loss是所有批次的损失之和，所以计算全部样本的平均损失时需要除以总批次数，correct是预测正确的样本总数，计算整个epoch总体正确率，需要除以样本总数量。，本质上就是对全部输入加权求和，它要求输入数据集的形状为一维的，如果使用批量运算，则增加一个batch维，也就是需要输入数据是二维的形状，第一维是batch维，第二维是数据特征，即(batch_size,feature_length)形式。最后输出 “Done!，以及模型和优化器的初始化。

1912年4月15日，泰坦尼克号在首次航行期间撞上冰山后沉没，船上共有2224名乘客和乘务人员，最终有1502人遇难。沉船导致大量伤亡的重要原因之一是，没有足够的救生艇给乘客和船员。虽然从这样的悲剧性事故中幸存下来有一定的运气因素，但还是有一定规律可循的，一些人，比如妇女、儿童和上层人士，比其他人有更高的存活可能性。泰坦尼克号事件留下了“弥足珍贵”的数据记录。如前所述，乘客的幸存率存在一定的规律，因此这些数据记录集成了Kaggle上流行的入门机器学习的数据集。

OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于（开源）发行的跨平台，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

插值是一种离散函数逼近的重要方法，它可通过拟合函数在有限个点处的取值状况，估算出函数在其他点（缺失值）处的近似值。如果你没有设置inplace=True，那么原始的df将保持不变，默认为False，并且fillna()将返回一个新的、填充了缺失值的DataFrame。比如，对于数值型空缺，我们可以使用众数、均值、中位数填充。用每一列的均值来替换DataFrame df 中的所有缺失值，并且这个更改会直接在原始的DataFrame上进行。① 处理数据集中的缺失值，对于数据集中的缺失值，以其所在列的。