qq_40996091的博客

原创 python 混淆矩阵的画法

机器学习中分类任务混淆矩阵的画法

原创 信号STFT处理

信号 STFT 短时傅里叶变换demo

原创 生产者消费者实现-java

//第一种同步互斥模型：生产者-消费者实现方式-管程法package _04;public class _4_08Cooperation { public static void main(String[] args) { SynContainer container = new SynContainer(); new Productor(container).start(); new Consumer(container).start()

原创 安装单机版Swarm并简单使用

1.使用VMware虚拟机安装ubuntu Linux操作系统。2.sudo apt install curl下载curl工具包3.使用菜鸟教程的官方安装脚本自动安装curl -sSL https://get.daocloud.io/docker | sh4.输入命令验证docker是否安装成功

原创 softmax回归

#softmax运算获取一个向量并将其映射为概率#softmax回归适用于分类问题，它使用了softmax运算中输出类别的概率分布#交叉熵是一个衡量两个概率分布之间差异的很好的度量，它测量给定模型编码数据所需的比特数import torchimport torchvisionfrom torch.utils import datafrom torchvision import transformsfrom d2l import torch as d2l# 通过ToTensor实例将图像数

原创 深度学习报错

RuntimeError: DataLoader worker (pid(s) 146328, 139300, 123352, 147228) exited unexpectedly#使用4个进程来读取数据def get_dataloader_workers(): return 4将里面的4改为return 0

原创 synchronized锁机制同步

package _04;public class _4_01Synchronized { public static void main(String[] args) { //锁机制 synchronized机制 排他锁 //1.一个线程持有锁其他线程挂起 //2.加锁、去锁会引起性能问题 导致比较多的上下文切换和调度延时 //3.线程倒置 优先级高的等待优先级低的 //锁对象： this、static(锁模

原创 Pytorch API实现线性回归

import torchimport numpy as npfrom torch.utils import datafrom d2l import torch as d2ltrue_w = torch.tensor([2, -3.4])true_b = 4.2features, labels = d2l.synthetic_data(true_w,true_b,1000)#读取数据集 data模块# def load_array(data_arrays,batch_size,is_t

原创 手动实现线性回归

import randomimport torchfrom d2l import torch as d2limport matplotlib.pyplot as pltdef synthetic_data(w,b,num_example): #生成带噪声的数据 x = torch.normal(0,1,(num_example,len(w))); y = torch.matmul(x,w) +b y = y + torch.normal(0,0.01,y.shape

原创 线程的优先级设置和守护线程

package _03;public class _3_30ThreadPriority { public static void main(String[] args) { //线程调度器根据线程优先级进行调度，优先级高的被调度的可能性比较大 //线程优先级1-10 //1.NORM_PRIORITY = 5 //2.MAX_PRIORITY = 10 //3.MIN_PRIORITY = 1 S

原创 自动梯度计算

import torch#自动计算倒数，即自动微分 系统会自动构建计算图 随后反向传播填充每个参数的偏导数x = torch.arange(4.0,requires_grad=True)print(x,x.grad)y = 2 * torch.dot(x,x)print(y)y.backward();print(x.grad)x.grad.zero_();y = x.sum()y.backward()print(x.grad)#非标量变量的反向传播x.grad.zero_(

原创 线程状态切换

package _03;import java.text.SimpleDateFormat;import java.util.Date;public class _3_29ThreadStatus { public static void main(String[] args) throws InterruptedException { //新生-就绪-运行-阻塞-死亡 //new 则表示线程新生 //start 方法则表示线程进入就绪状态

原创 线程Lambda表达式

package _03;//想要自己写lamda 推导 必须要求接口只有一个未实现的方法public class _3_29Lamda { //1.静态内部类 //好处是不适用_3_29Lamda类 不会编译我们的内部类// static class Test implements Runnable{// @Override// public void run() {// System.out.println("我

原创 torch中的线性代数

import torch# A = torch.arange(20,dtype=torch.float32).reshape(5,4)# B = torch.clone(A)# print(A) #A*B属于点乘 每个元素都相乘#降维 SUM 如果不限制则会变成一个标量 可以按照某一维进行SUM# A_sum_axis0 = A.sum(axis=0); #axis = 0 进行降维 所以0维进行消失# print(A_sum_axis0) #tens

原创 数据预处理 pandas

#使用pandas预处理原数据，并将原始数据转换成张量的格式#pandas软件包是Python中常用的数据分析工具中，pandas可以与张量兼容#用pandas处理缺失的数据时，我们可根据情况选择用插值法和删除法import osos.makedirs(os.path.join('..','data'),exist_ok = True)data_file = os.path.join('..','data','house_tiny.csv')with open(data_file,'w') a

原创 Pytorch数据操作

import torch# pytorch中的torch(张量）类似于numpy中的 ndarray# torch 支持GUP 支持微分 更适合深度学习# x = torch.arange(12);# print(x.shape) #torch的形状# print(x.numel()) #torch元素的数量## x = x.reshape(3,4); #将x从行向量转成矩阵# x = x.reshape(-1,4) #通过-1来调用此自动计算出维度的功能#1.pyto

原创 静态代理(staticProxy)

package _03;/** * 自我感觉和装饰模式完全一样 */public class _3_28StaticProxy { public static void main(String[] args) { //1.静态代理 //公共接口 //1.1 真实对象 1.2 代理对象 new WeddingCompany(new You()).happyMarry(); //类比与 new Thread(new thread

原创 创建多线程的三种方法

package _03;import java.util.concurrent.*;public class _3_26MultThread { public static void main(String[] args) throws ExecutionException, InterruptedException { //创建多线程三种方法： 继承Thread类、实现Runnable接口、实现Callable接口（重点前两种，第三种是JUC包下的） //t

原创 RandomAccessFile 文件分解 合并 CommonsIO

package _03;import java.io.File;import java.io.IOException;import java.io.RandomAccessFile;import java.util.ArrayList;import java.util.List;//面向对象的思想封装public class _3_26SplitFile { //1.源头 private File src; //2.目的地 private String d

原创 文件流和对象流（序列化）打印流

package _03;import java.io.*;import java.nio.charset.StandardCharsets;public class _3_25DataStream { public static void main(String[] args) throws IOException {// 方便处理八的基本数据类型// 直接获取，不需要我们以后强转了// File、ByteArray 属于底层的节点流//

原创 IO处理流

package _03;import java.io.*;public class _3_23BufferInputStream { public static void main(String[] args) {// 1.性能// 2.底层还是节点流// 3.直接关闭处理流，内部自动关闭内部流// 原理：提供默认的缓存，默认缓存内存为8k,也可以自己设定，当缓存满了则再进行传输 File file = new

原创 装饰者模式

package _03;//装饰器模式：分为四大组件//1.抽象组件：需要装饰的抽象对象和接口//2.具体组件：需要装饰的对象（Person）//3.抽象装饰类：对抽象组件的引用，以及装饰者共有的方法//4.具体装饰类public class _3_23Decorate { public static void main(String[] args) { Person per = new Person(); per.say();// 实现放大器

原创 ByteArrayInputStream and 文件转成字节数组再转回

package _03;import java.io.*;import java.nio.charset.StandardCharsets;public class _3_21ByteArrayInputStream { public static void main(String[] args) {// FileInputStream是请求操作系统进行的// 而ByteArray是虚拟机中的一块内存，GC管理，所以可以不需要关闭流// 所

原创 编码解码、IO流、文件拷贝

package _03;import java.io.IOException;public class _3_17Decode { public static void main(String[] args) throws IOException {// 1.IO流是以程序为中心，输入到程序，从程序输出// 2.JAVA.IO包中主要是五个类、三个接口——File、InputStream、OutputStream、Reader、Writer、Closeable

原创 使用容器存储表格

原创 Collections容器辅助方法

package _03;import java.util.ArrayList;import java.util.Collections;import java.util.List;public class _3_16Collections { public static void main(String[] args) {// java.util.Collections提供了对list、set、map、的遍历、排序查找的辅助方法 List<Stri

原创 遍历容器的几种方式

package _03;import java.util.ArrayList;import java.util.Iterator;import java.util.List;public class _3_16Traverse { public static void main(String[] args) { // 1.for循环遍历 List<String> list = new ArrayList<>();

原创 Iterator遍历List和Map

package _03;import java.util.*;public class _3_15Iterator { public static void main(String[] args) {// Collection其实已经实现迭代器了// hasNext and Next方法// List<String> list = new ArrayList<>();// list.add("wei");//

原创 Set（手写）

package _03;import java.util.HashMap;import java.util.HashSet;import java.util.Set;import java.util.TreeSet;public class _3_15Set { public static void main(String[] args) {// set无序且不可重复// 无序指的是set中的元素没有索引，只能遍历查找// 不可重复指的是

原创 TreeMap的原理和使用

package _03;import java.util.Map;import java.util.TreeMap;public class _3_15TreeMap { public static void main(String[] args) {// 一般也不用TreeMap，排序的时候多用TreeMap// TreeMap底层采用了红黑二叉树// Map<Integer,String> treemap = new Tre

原创 手写HashMap

package _03;import java.util.HashMap;import java.util.Map;public class _3_14_2Demo { public static void main(String[] args) {// Map<Integer,String> map = new HashMap<>();//// map.put(1,"one");// map.put(2,"tw.

原创 手写LinkedList Vector

package _03;import java.util.LinkedList;public class _3_10Demo {// LinkedList: 底层由双向链表构成 查询效率低 增删效率高 线程不安全 private Node first; private Node last; private int size; public void add(Object obj){ Node node = new Node(obj);

原创 java容器（collection) 手写ArrayList

package _03;import java.util.ArrayList;import java.util.Collection;public class _3_05Demo {public static void main(String[] args) {// 容器// 1.泛型 数据类型的占位符 编译器层次// MyCollection mc = new MyCollection<>();// mc.setObj..

原创 去除高斯噪声滤波器

clc;close all;fs = 44100;% x = wavread('b.wav');t = -5*pi:pi/100:5*pi;x = sin(t);x = x(:);sx = size(x,1);subplot(2,2,1);plot(x);axis([0 sx -1 1]);% 原信号FFTxf = fft(x,1024);subplot(2,2,3);plot(abs(xf));% 添加高斯噪声t = 0 : 1/fs : (sx-1)/fs;noi

原创 chirp fs

%生成一组chirp信号t=0:0.001:1;a=chirp(t,0,1,10); %chirp的信号频率从1-10hzfs = 2*10; %根据采样定理，fs为你所关心的最大频率范围的两倍L = length(0:1/fs:1);%对应图的采样点数N = 2^nextpow2(L); %采样点数设置为2的整数幂，当信号中按采样频率进行采样，点数少于N时，fft函数将自动补零，%设置N可提高fft性能，N最小的个数可以根据上述的定，若要提高频率分辨率，则N可自行增大n = 0:

原创 基于RLS自适应滤波器

clc;close all;Fs = 500; %设置采样频率t = 0:1/Fs:3; t = t';Size_t = size(t,1);F1 = 7;F2 = 13;F3 = 23;F4 = 50;SIR = -100; %信干比 Unit:dBSignal = 10^(SIR/20)*(sin(2*pi*F1*t) + 0.5*sin(2*pi*F

原创 基于LMS自适应滤波器

clc;close all;Fs = 500; %设置采样频率t = 0:1/Fs:3; t = t';Size_t = size(t,1);F1 = 7;F2 = 13;F3 = 23;F4 = 50;SNR = -100; %信噪比Signal = 10^(SNR/20)*(sin(2*pi*F1*t) + 0.5*sin(2*pi*F2*t) + 0.25

原创 模拟信号fft(2)

close all; %先关闭所有图片Adc=2; %直流分量幅度A1=3; %频率F1信号的幅度A2=1.5; %频率F2信号的幅度F1=50; %信号1频率(Hz)F2=75; %信号2频率(Hz)Fs=256; %采样频率(Hz)P1=-30; %信号1相位(度)P2=90; %信号相位(度)N=256; %采样点数t=[0:1/Fs:N/Fs]; %采样时刻%信号S=Adc+A1*cos(2*pi*F1*t+pi*P1/180)+A2*cos(2*pi*F2*

原创 模拟信号fft

close all; %先关闭所有图片Adc=2; %直流分量幅度A1=3; %频率F1信号的幅度A2=1.5; %频率F2信号的幅度F1=50; %信号1频率(Hz)F2=75; %信号2频率(Hz)Fs=256; %采样频率(Hz)P1=-30; %信号1相位(度)P2=90;

原创 java 异常机制（Exception)

import java.util.Arrays;public class _3_01_2Demo { private int age; public static void main(String[] args) {// 1.异常// RnntimeException 运行时报错 需要我们认为改变 编译器能通过// String s = null;// System.out.println(s.length()); ...