- 博客(350)
- 收藏
- 关注
RSS订阅原创 python中模型加速训练accelerate包的用法
accelerate最核心的价值是简化大模型训练 / 推理的硬件适配，它抽象了不同硬件（单卡、多卡、CPU、TPU、GPU 混合精度）的底层差异，让你用一套代码就能在任意硬件环境下运行，不用针对不同设备写不同的逻辑。硬件适配自动化：不管你是用单张 GPU、多张 GPU（单机多卡 / 多机多卡）、CPU，还是 TPU，甚至是低显存的显卡，accelerate 都能自动适配，比如自动做模型分片、内存优化。
2025-12-17 14:45:47
388
原创 使用venv命令创建和使用python环境
本文介绍了Python虚拟环境的创建与管理方法。首先通过python -m venv env_name命令创建环境，使用activate.bat激活和deactivate退出环境。删除环境只需移除对应文件夹。文章还建议为虚拟环境中的python和pip设置别名并加入环境变量，方便区分使用。配图展示了环境变量的配置界面，帮助用户更好地管理多个Python环境。
2025-12-03 23:01:23
193
原创 tex中对listings代码显示效果的定义方法
本文介绍了使用LaTeX宏包listings定义Python代码高亮样式的方法。通过定义mystyle样式，实现了边框显示、语法高亮、行号显示等功能，其中包含关键字（深蓝加粗）、注释（灰斜体）、字符串（绿色）等不同元素的颜色设置。样式还支持行号左对齐、自动换行、背景色等特性，特别对Python关键字和self标识符进行了特殊高亮处理。该配置可为Python代码在LaTeX文档中的美观呈现提供专业排版方案。
2025-11-15 21:25:11
153
原创 tex中ifthen宏包的介绍
ifthen宏包为LaTeX文档提供条件判断功能，支持布尔变量和逻辑运算。通过\newboolean定义变量、\setboolean赋值，使用\ifthenelse{条件}{真分支}{假分支}进行条件输出。支持比较运算符（>、<、=）、字符串判断（\equal）、逻辑组合（\AND,\OR,\NOT）以及长度、奇偶性等测试。还提供\whiledo循环功能，可在文档中实现条件分支和循环控制，适用于动态内容生成场景。
2025-11-01 21:11:50
239
原创 利用tex调用csv文件中的数据
LaTeX宏包datatool提供了强大的数据处理功能，支持从CSV等文件导入数据并在文档中灵活操作。主要功能包括：1)基础数据导入与显示，通过\DTLloaddb加载数据，\DTLdisplaydb展示完整表格；2)数据遍历与格式化，使用\DTLforeach循环处理每行数据；3)条件筛选，结合ifthen宏包实现数据过滤；4)排序功能，通过\DTLsort按指定字段排序。这些功能适用于生成动态表格、报告等场景，能有效提升LaTeX文档的数据处理能力。
2025-11-01 20:46:33
439
原创 一些python库总结
这篇摘要介绍了三种常用的数据处理工具：BeautifulSoup用于HTML/XML数据提取；Jieba和NLTK分别处理中英文自然语言分析；NetworkX用于社交网络等复杂网络分析。这些工具在数据爬取、文本处理和网络分析领域具有广泛应用，能有效支持相关研究和开发工作。
2025-09-26 14:43:02
245
原创 tex中cleveref宏包的用法
cleveref是LaTeX中用于智能交叉引用的实用宏包，能自动识别引用对象类型并添加正确前缀（如图、表、式等）。核心命令\cref支持单/多对象引用，自动处理连接词；\Cref实现首字母大写引用。支持自定义前缀格式、处理定理等自定义环境，并兼容多语言。使用时需注意加载顺序（在hyperref之后）和标签唯一性，特别适合长文档的交叉引用管理，能显著减少手动输入错误，提高排版效率。
2025-08-16 10:51:14
906
原创 tex中的appendix宏包的用法
appendix宏包是LaTeX中管理附录的专业工具，可自动将数字编号转为字母编号（如A,B,C），提供\appendix命令标记附录起始位置，并支持自定义标题格式（如"Appendix"替代"Chapter"）。它能调整附录与正文的分页与样式，兼容titlesec等章节标题宏包，通过\begin{appendices}环境规范管理多个附录内容，确保学术文档格式标准化。典型应用场景包括技术报告、论文等需要清晰区分正文与补充材料的文档。
2025-08-16 10:40:11
521
原创 vscode调试python脚本时无法进入函数内部的解决方法
在调试代码时，若需要跟踪第三方库或框架的调用，只需在VS Code的launch.json配置文件中添加"justMyCode":false设置。该配置会禁用"仅调试我的代码"模式，使调试器能够进入非用户编写的代码（如系统库和依赖项），便于深入排查问题。配置方法简单直观，如图所示。这一技巧特别适用于需要分析底层调用或排查依赖问题的开发场景。
2025-08-07 16:10:16
556
原创 vscode中创建python虚拟环境的方法
本文介绍了Python多版本管理及虚拟环境配置方法。主要内容包括：1）在同一台电脑上可安装多个Python解释器版本，通过重命名python.exe文件实现不同版本的调用；2）使用VSCode开发Python项目需安装Python插件；3）通过python -m venv命令创建虚拟环境(.venv文件夹)，其中包含独立的解释器和包管理目录；4）虚拟环境能隔离不同项目的依赖，运行时会自动调用该环境中的解释器。文章还展示了相关目录结构和VSCode配置截图。
2025-08-07 13:12:20
555
原创 高维可视化方法
t-SNE和UMAP是两种常用的降维可视化方法。t-SNE通过将数据点相似度转换为概率分布实现降维，但存在内存占用大、计算耗时长等问题。UMAP能同时保留数据的局部和全局结构，在分类可视化效果上优于PCA和t-SNE，尤其适合处理大数据集。文章通过Python代码演示了t-SNE在S曲线数据集上的降维过程，3D原始数据成功投影到2D空间并保持可分性。UMAP虽未给出具体代码示例，但指出其在保留数据整体结构方面的优势。这两种方法都为高维数据的可视化分析提供了有效工具。
2025-07-12 00:24:24
406
原创 tex中的表格4：自动表格宽度自动换行tabularx宏包
在 LaTeX 里，tabularx 是一个很实用的包，它能够创建宽度固定的表格，而且可以自动对列宽进行调整。\newcolumntype{L}{>{\raggedright\arraybackslash}X} % 左对齐\newcolumntype{C}{>{\centering\arraybackslash}X} % 居中对齐\newcolumntype{R}{>{\raggedleft\arraybackslash}X} % 右对齐\hline。
2025-06-02 18:09:02
953
原创 Numba模块的用法(高性能计算)
Numba是一个Python即时编译器（JIT），通过将Python代码转换为机器码显著提升数值计算性能。核心功能包括：@jit/njit装饰器实现快速编译（推荐nopython模式），@cuda.jit支持GPU加速，@vectorize实现向量化操作。性能优化建议使用NumPy数组、预分配内存和类型注解。Numba特别适合数值计算密集型任务，但对动态特性支持有限。典型应用如蒙特卡洛模拟，经Numba优化后速度可提升百倍。注意其不适用于IO密集型任务或复杂Python对象操作。
2025-05-26 21:19:01
899
原创 R中实现数值求导的包numDeriv
numDeriv 是一个用于数值求导的 R 包，它提供了计算函数导数的简单方法，支持一阶导数和高阶导数的计算。
2025-04-27 10:50:54
609
原创 Python实现智能优化算法
智能优化算法是处理不可微和非凸优化问题的一种启发式算法，虽然不能得到精确的最优解，但是在概率意义下可以得到一个不错的近似解。在Python中，实现智能优化算法主要依赖于mealpy包。
2025-03-31 19:58:36
341
原创 vscode连接服务器失败问题解决
Step 3:删除/用户/XXX//.vscode/AppData/Roaming/Code。Step 2: 删除/用户/XXX/.vscode文件夹。Step 1: 从控制面板删除vscode。这是说明VScode版本太高了。从中可以下载2023年出的版本。
2025-03-27 15:24:02
1654
原创 Python中的优化函数4：pyomo包（功能强，代码直观）
Pyomo 是一个用于建模和求解优化问题的 Python 库。它提供了一个灵活的框架，可以用于线性、非线性、整数和混合整数优化问题。Pyomo 允许用户以数学表达式的形式定义优化模型，并支持多种求解器。
2025-03-13 14:25:18
821
原创 Python中的优化函数3：Ipopt（适用于大规模非线性规划）
Ipopt（Interior Point OPTimizer）是一个用于求解非线性优化问题的开源软件包。它特别适用于大规模的非线性规划（NLP）问题。
2025-03-13 13:15:53
493
原创 R语言中的函数32：seq_along()
seq_along 函数在 R 语言中用于生成一个整数序列，其长度与给定对象的长度相同。这个函数特别有用，当你想要创建一个索引序列来遍历一个向量或列表时。
2025-02-15 11:41:09
618
1原创 Pytorch的自动求导模块
torch.autograd.grad() 是 PyTorch 中用于计算张量梯度的函数，与 backward() 不同的是，它不会更新张量的 .grad 属性，而是直接返回计算的梯度值。它适用于需要手动获取梯度值而不修改计算图中张量的 .grad 属性的场景。通过设置 create_graph=True，可以构建新的计算图，用于计算高阶梯度。如果需要多次调用反向传播，可以设置 retain_graph=True。通过 inputs 参数，可以只计算指定张量的梯度，而忽略其他张量。
2024-12-30 23:00:47
1080
原创 sklearn_pandas.DataFrameMapper的用法
DataFrameMapper 是 sklearn-pandas 库中的一个工具，主要用于将 Pandas DataFrame 与 scikit-learn 的预处理工具无缝结合。它的作用是将 DataFrame 的列映射到特定的特征转换器（如标准化、编码等），从而方便地对不同列应用不同的预处理操作。
2024-12-30 22:28:49
612
原创 net.eval()和net.trasin()的用法
当构建神经网络使用到dropout层等时，网络的正向传播后反向传播神经元的系数会有所不同，因此需要用.eval()和.train()来指定模型方向。
2024-12-30 20:58:19
703
原创 torch.nn.functional的用法
torch.nn.functional 是 PyTorch 中的一个模块，提供了许多函数式的神经网络操作，包括激活函数、损失函数、卷积操作等。这些函数是无状态的（stateless），与 torch.nn 中的模块化层（如 nn.ReLU、nn.Conv2d 等）不同，torch.nn.functional 提供的是直接的函数调用方式。
2024-12-30 20:36:38
517
原创 torch.utils.data.DataLoader和TensorDataset的用法
train_set=TensorDataset(train_features, train_labels)train_data=DataLoader(dataset=train_set, batch_size=64, shuffle=True)
2024-12-30 20:31:29
292
原创 torch.save的用法
torch.save 是 PyTorch 中用于保存对象（如模型、张量、字典等）的函数。它可以将数据序列化并保存到文件中，方便后续加载和使用。
2024-12-30 20:26:46
679
原创 torch.nn.Sequential的用法
torch.nn.Sequential 是 PyTorch 中的一个容器模块，用于将多个神经网络层按顺序组合在一起。它可以让我们以更加简洁的方式定义前向传播的网络结构，适合简单的线性堆叠模型。nn.Sequential 适合简单的线性堆叠模型，但如果需要更复杂的前向传播逻辑（如分支、跳跃连接等），需要继承 nn.Module 并自定义 forward 方法。使用 nn.Sequentialnn.ReLU(),自定义 forwardreturn x。
2024-12-30 20:23:58
337
原创 torch.autograd.Variable的用法
torch.autograd.Variable 是 PyTorch 中早期版本用于封装张量（Tensor）以支持自动求导的类。然而，从 PyTorch 0.4 开始，Variable 和 Tensor 已经合并，现在直接使用 Tensor 即可完成所有操作，包括自动求导。因此，在现代 PyTorch 中，通常不需要显式使用 Variable。
2024-12-30 20:23:20
377
原创 torchtuples.Model的用法
torchtuples.Model 是 torchtuples 库中的一个核心类，主要用于简化基于 PyTorch 的深度学习模型的构建、训练和评估过程。torchtuples 是一个工具库，通常与生存分析库 pycox 一起使用，专注于生存分析任务，但也可以用于其他深度学习任务。
2024-12-30 12:44:10
477
原创 torch.nn.Module中__call__和forward方法
torch.nn.Module 重载了 Python 的。最终调用 forward 方法来执行模型的前向传播。处理一些额外的逻辑（如 hooks 的执行）。当你执行 net(data) 时，
2024-12-30 12:20:31
288
原创 torch.nn.Linear(p_input, p_output,bias)
在 PyTorch 中，nn.Linear 是一个用于实现全连接层（线性层）的模块。yxWTby=xW^T+byxWTbxxx是输入张量WWW是权重矩阵bbb是偏置向量（如果 bias=True）p_input: 输入数据的变量个数p_output: 输出数据的变量个数bias: 是否使用偏置。
2024-12-30 10:51:29
680
原创 Python中的优化函数2：cvxpy包（直观表示）
它是一个基于 Python 的凸优化建模工具，专门用于定义和求解 凸优化问题（Convex Optimization Problems）。CVXPY 提供了一种直观的方式来表达优化问题，并通过高效的求解器来解决这些问题。CVXPY 的设计灵感来源于 MATLAB 的凸优化工具包 CVX，但它是专门为 Python 开发的，具有更强的灵活性和扩展性。
2024-12-15 23:01:30
1542
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人