qq_42902997的博客

下图来源于博客。

在 Ada 中，语句（Statements）是执行操作的主要工具，它们负责处理程序的控制流程和数据操作。以下是一些你需要特别注意的关键点：分配语句（Assignment Statements）：在 Ada 中，分配语句用于改变变量的值。分配语句的形式是：Variable := Expression;，注意 := 是分配操作符。

然后，我们定义了一个类型为 Natural 的变量 Next_ClassRoom，并将其初始化为 ClassRoom 的值加 1，即 6。操作符执行的是“余数”运算，其结果的符号和被除数相同。每个属性都由一个名字和一个前缀组成，前缀通常是类型的名称，而名字则描述了要获取的信息或要执行的操作。在 Ada 中，'Val 和 'Value 是两个预定义的属性，它们都用于从一个表示形式转换到对应的类型。如果你指定的精度位数太高，那么 Ada 编译器会拒绝贬义你的程序，同时，对于浮点数的数据类型来说，尽量不要使用。

当您需要通过Git存储并分发较大的文件时，GitHub对文件大小的限制可能会成为问题。但您可以使用Git Large File Storage（Git LFS）扩展，它允许您更有效地处理大型文件。Git LFS将大文件替换为指向这些文件的文本指针，这些文件本身存储在单独的服务器上。这样，当您克隆或拉取仓库时，大文件不会默认下载，从而加快Git操作速度。

【代码】日常学习之：GPT3.5 API 并发调用。

【代码】IJSON 使用流处理的方式处理超大的 json 文件。

不花一分钱，只用 python + ffmpeg 进行批量视频格式转换！

【代码】pytorch学习之：常用的数据集处理方法（Dataset）和数据采样策略 （Sampler）

将坐标轴平移：在训练过程中通过这个函数可以将 tensor 的内容保存一份成 进行可视化，如果直接将 tensor 转换成 numpy，会影响后续梯度的计算。使用 保存图片时，图片的值域在 并且保证是 通道顺序，但 matplotlib 可视化的通道顺序是 结果展示

【代码】jieba 多线程分词。

【代码】python 学习之：通过树结构展示文件夹/目录。

_dict__这种方法可以针对一个.py文件中定义的方法使用，也可以针对成员方法使用对成员方法使用的时候，记得要把self关键字补上对于类方法和静态方法，不能通过__dict__来实现。

让服务器代码在后台执行，不会因为网络连接断掉而停止

获取文件扩展名；正则表达式批量修改不合适字符

json 是 python 内置yaml 需要安装格式对于同样一段数据：我们用下面的代码分别存入 和 文件中：参考文章yaml和json区别YAML vs. JSON: 有什么区别？Python Yaml dump文件时中文显示解决方法

扩展程序下载链接 （优快云）链接: https://pan.baidu.com/s/1L19xPIpdqeJBOnVw0jP4mw?pwd=vnjg有 vpn 的可以去谷歌商店直接下没有 vpn 的可以在这个链接下载，不收费的，如果下载不了

【代码】Latex使用积累。

几乎就是import部分出的问题检查你的pip list环境列表中是否有与自己创建的package或者directory重名的，有的话要么把本地自己写的文件夹改个名，要么pip list中重名的package检查使用的package的版本问题这篇文章不能帮你解决所有的问题，但是可以给你提供一个可能的解决思路，不至于让你面对这个错误摸不到头脑。希望能帮到你。

AMR全称，是对语言的一种表示方法，他并不表示单个的句子，而是着重表示句子中的逻辑，也就是说他不存在语法和单词的概念，只有和concept的概念，多个concept之间被连接起来，当然为了方便理解，你也可以认为concept就充当了单词的角色，而充当了语法的角色，但是不要仅限于这种想法，否则不利于后面的理解。AMR在句子中捕捉“谁在对谁做什么”。每个句子都表示为一个有根、有向、无环的图(graph)，在边(每条边代表一个语义关系) 和叶(每个叶子节点代表一个concept) 都有标签。

【代码】macos 安装 transformers 的时候报错：ERROR: Could not build wheels for tokenizers which use PEP 517 and canno。

【代码】日常小工具：python 简单将图片保存成 300dpi。

一个随机事件AAA发生的可能性度量（非负）在相同的条件下进行了nnn次实验，其中事件AAA发生的次数是nAn_AnA​那么nAn_AnA​称为事件AAA发生的频数，nAnnnA​​称为事件AAA发生的频率，记作fn(A)f_n(A)fn​(A)只要满足这三条性质，就是概率。

随机试验E的一切可能基本结果（或实验过程如取法或分配法）组成的集合称为E的样本空间，记为S。：指的是某个事件（集合）中的一个元素 / 样本点 / 基本事件出现，这个事件就发生。但是如果我关系其中的一部分值，例如我只关心偶数的情况，那么这就产生了。这里补充一个概念（这个概念在上面已经多次提到，但是没有给明确定义）——称作必然事件，因为无论发生什么情况，只要这个情况在样本空间。发生，因为骰子点数是偶数这个事件发生概率不是。被称为不可能事件，因为其中没有任何元素。在这个随机实验中，样本空间是。

但如果我们对这个函数两边取对数，也就是采用对数尺度来衡量这个函数，那么。尺度的坐标系的话，这个函数其实可以看做是。所以在对数标尺的图像应该是个直线。

反函数求导：ln 函数，arccos, arcsin 求导

f(x)f(x)f(x)g(x)g(x)g(x)p(x)=f(x)g(x)p(x)=f(x)g(x)p(x)=f(x)g(x)首先我们简写一下方便表示，将 p=f⋅gp=f \cdot gp=f⋅g然后我们把这个面积画一下现在 xxx 发生了一点点改变，这个改变是 Δx\Delta xΔx那么面积图相应的也就变了：根据这个图：Δp=f⋅Δg+g⋅Δf+ΔfΔg\Delta p=f\cdot \Delta g+g\cdot \Delta f+\Delta f\Delta gΔp=f⋅Δg+g⋅Δf+Δf

维基百科给出的定义：连续函数（英语：Continuous function）是指函数在数学上的属性为连续。直观上来说，连续的函数就是的函数。严格的定义是：对于任意的ϵ>0，存在δ>0当∣x−x0​∣

数学之美：e^x 是如何得到的

关于为什么要使用集成学习（给出了统计、计算、表示三个方面的原因）集成的智慧：让模型更快更准（对于google2022一篇集成学习的解读）李楠博士在线讲解「集成学习：基础和算法」，分享概要如下：1、背景和基础概念2、并行集成学习方法、3、串行集成学习方法4、集成学习的理论探索计算机视觉（CV）预训练模型万字解读：预训练模型最新综述多模态预训练（知乎）多模态预训练综述：Vision-and-Language Pretrained Models: A Survey

这一步还有一点非常重要：如果你的 requirements.txt 中出现了这种问题，一定要注意，将后面的内容删掉，手动换成版本号，和其他的那些写法一样，你可以用。来检查当前环境下所有 library 的版本，唯一正确的写法就是。

【代码】Python学习之：如何将环境的安装嵌入到 python代码中。

可以注册不同的角色，每种角色都是一个 group；每个 group 都有单独的 register 入口。

【代码】Wordpress 创建网站的总结；闭坑指南；资源共享。

【代码】Vue中问题汇总。

版本，版本，版本!!!

【代码】一些常用的配置。

通过 Excel 表格生成 Latex 表格模板，帮助你轻松写论文

pycharm 可以运行程序但通过终端就报错 no module

文章目录参考资料参考资料基波与谐波如何使用 python 实现快速的傅里叶变换首先对信号进行 scipy 中的 fft 变换，得到和原始信号相同长度的变换结果 fft_y, 这个结果包含振幅和相位信息变换得到的结果包含相位谱和振幅谱，通过 abs(fft_y) 可以直接得到变换后结果的"双边"振幅谱；通过np.angle(fft_y) 可以直接得到”双边“相位谱将振幅和相位谱分别取一半就得到了半边的频谱也可以对得到的频谱进行归一化，归一化的方式就是除以 len(fft_y) ，具体操

代码这个 Image 里面存放了 173张图片，我们用这些图片合成一个 avi 的视频使用 fourcc 来进行编码import osimport cv2import timeimg_path = './Images'# 随便从其中拿到一张图片来代表视频中图片的尺寸img = cv2.imread('./Images/10.jpg')imgInfo = img.shapesize = (imgInfo[1], imgInfo[0])# 获得文件夹中图片的数量，从而进行循环生成视频