qq_43727105的博客

原创 数据清洗-裁剪边框

【代码】数据清洗-裁剪边框。

原创 n-sum问题

【代码】n-sum问题。

原创 Word中输入文字时，后面的文字消失

禁用或删除冲突的宏或插件：如果问题是由宏或插件引起的，可以尝试禁用或删除它们。点击“文件”选项卡 > “选项” > “加载项”，在这里可以查看和管理已安装的宏和插件。点击“文件”选项卡 > “选项” > “高级”，在底部找到“重置”按钮并点击。关闭自动更正功能：如果自动更正功能导致了问题，可以通过以下步骤将其关闭：点击“文件”选项卡 > “选项” > “校对” > 在“自动更正选项”下取消勾选“键入时自动替换”和“键入时自动更正拼写错误”。在插入模式下，新输入的文字会插入到光标位置，而不会替换后面的文字。

原创 记录一些互联网实习面经

3、epoch是什么？注意不是迭代次数 一般训练多少个epochs？3、训练过程中，训练和验证torch的parameter？1、问每个项目，比如yolo 检测用到的损失函数是什么？什么是L1正则化和L2正则化？2、训练过程中loss出现nan怎么办？4、如果对你某个项目进行改进？你会接下来怎么改进？2、排序算法任选一个介绍思想？5、简述深度框架转化的过程？2、dropout是什么？5、简要介绍一下transformer？4、项目中用到的分割方法是什么？3、深拷贝和浅拷贝的区别？5、过拟合怎么解决？

转载 记录UNet语义分割替换公开数据集训练的坑

开源数据集分割训练正常，测试指标基本为0，是因为标签像素值为【0,255】，需要调整为【0,1】，数据集重新处理后训练。

原创 安装mamba时报错bare_metal_version

【代码】安装mamba时报错bare_metal_version。

原创 word点保存图片模糊

在Word中，通过**点击左上角的“文件”按钮，选择“选项”，然后在“高级”选项中找到“图像大小和质量”，勾选【不压缩文件中的图像】选项，**以防止在保存文件时自动压缩图片。如果已经保存了文档并且图片变得模糊，那么无法恢复已压缩的图片质量。

原创 分割标签转换：json转mask提取每个类别

【代码】分割标签转换：json转mask提取每个类别。

原创 快速安装tensorflow-gpu

【代码】快速安装tensorflow-gpu。

原创 解决：无法加载文件 c:\users\admin\Documents\windowsPowershell\profile.ps1,因为在此系统上禁止运行脚本。

原创 向日葵登录Ubuntu系统界面卡死

*尝试按下Ctrl + Alt + F1： 这将切换到文本控制台。如果你能够在这里登录，说明问题可能与图形界面有关。**你可以尝试重新启动图形界面。sudo service lightdm restart # 对于 LightDM 显示管理器。向日葵不能控制：终端输入sudo dpkg -reconfigure lightdm然后重启。尝试重启图形界面服务： 如果问题似乎与图形界面有关，可以尝试重新启动 图形界面。

原创 Git Fatal: The remote end hung up unexpectedly

【代码】Git Fatal: The remote end hung up unexpectedly。

原创 Python批量提取文件夹里的图片名称

【代码】Python批量提取文件夹里的图片名称。

原创 Linux - You are in emergency mode. After logging in, type “journalctl -xb“ to view

这是由于/etc/fstab文件内的磁盘挂载命令执行失败导致的系统开机启动进入紧急模式，要做的就是将/etc/fstab文件内无法正确执行的磁盘挂载语句删除或注释。

原创 grounding dino和segment anything安装

cd segment anything 然后 python setup.py install。cd GroundingDINO 然后 python setup.py install。

原创 json_to_mask

图像分割json标签批量转mask

原创 json_to_mask报错imgviz安装

【代码】json_to_mask报错imgviz安装。

原创 查看连接过的WIFI密码命令

在命令行中输入“netsh WLAN show profile ”查看电脑连接过的所有WIFi。查看想要知道的WIFI密码。

原创 分数取模运算

分数取模运算

原创 【线性回归&朴素贝叶斯&kmeans&PCA&决策树】

【代码】【线性回归&朴素贝叶斯&kmeans&PCA&决策树】

原创 Gauss-legendre求积公式计算积分

【MATLAB代码】Gauss-legendre求积公式计算积分。

原创 什么是亲和矩阵（affinity matrix）？

什么是亲和矩阵（affinity matrix）？

原创 谷歌浏览器提示您的连接不是私密连接

当Chrome提示您的连接不是私密连接

原创 Word中尾部空格不能显示下划线的解决方法

1：在最后插入一个非间断性空格(Ctrl + Shift + Space)。2：使用 Tab 键并将下划线格式应用于制表符

原创 apt-get install E: 无法定位软件包解决方法

这里写自定义目录标题1. 添加镜像源(本文是ubuntu18.04的清华源)2.执行如下命令1. 添加镜像源(本文是ubuntu18.04的清华源)终端执行sudo vim /etc/apt/sources.list添加如下内容deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse# deb-src https://mirrors.tuna.tsinghua.edu.

原创 语法训练 C++圆的面积

圆的面积计算圆的面积的公式定义为 A=πR2。请利用这个公式计算所给圆的面积。π 的取值为 3.14159。输入格式输入包含一个浮点数，为圆的半径 R。输出格式输出格式为 A=X，其中 X 为圆的面积，用浮点数表示，保留四位小数。数据范围0<R<10000.00输入样例：2.00输出样例：A=12.5664#include<iostream>using namespace std;int main(){ double r;//半径建议用doubl

原创 Anaconda安装后在开始菜单找不到怎么办

WIN+R 进入cmd命令进入Anaconda安装位置命令：python .\Lib\_nsis.py mkmenus成功后开始菜单会有Anaconda文件夹如果重装系统后，可能会遇到这种情况，建议重装

原创 python实现21点小游戏

用python实现21点小游戏。from random import shuffleimport randomimport numpy as npfrom sys import exit# 初始化扑克牌playing_cards = { "黑桃A": 1, "黑桃2": 2, "黑桃3": 3, "黑桃4": 4, "黑桃5": 5, "黑桃6": 6, "黑桃7": 7, "黑桃8": 8, "黑桃9": 9, "黑桃10": 10, "黑桃J": 10, "黑桃Q":

原创 Chapter3软件设计

1.系统总体设计是在需求分析的基础上定义系统的设计目标，将整个系统划分成若干子系统或模块，建立整个系统的体系结构，并选择合适的系统设计策略。明确系统设计目标确定子系统或模块选择系统部署方案定义设计策略评审系统设计方案2.软件设计步骤设想提供选择的方案选取合理的方案推荐最佳方案功能分解设计软件结构设计数据库制定测试计划书写文档审查和复审3.软件设计的意义和目标软件设计在软件开发过程中处于核心地位，它是保证质量的关键步骤。4.软件设计原则模块化抽象逐步求精信息

原创 ipv4和ipv6的区别

例题IPv4 地址和 IPv6 地址的位数分别为（D）。A.4，6B.8，16C.16，24D.32，128目前的全球因特网所采用的协议族是 TCP/IP 协议族。 IP 是 TCP/IP 协议族中网络层的协议，是 TCP/IP 协议族的核心协议。目前 IP 协议的版本号是 4( 简称为 IPv4 ， v ， version 版本 ) ，它的下一个版本就是 IPv6 。 IPv6 正处在不断发展和完善的过程中，不久的将来将取代目前被广泛使用的 IPv4 。 IPv4 中规定 IP 地址长度为 3

原创 用conda查看你的Python版本

原创 存储器管理

存储器管理1. 存储器管理的基本概念2. 程序的装入和链接3. 连续分配存储管理方式4. 基本分页存储管理方式5. 基本分段存储管理方式存储器管理的基本概念主存储器主存储器是计算机系统中的一个主要部件，用于保存进程运行时的程序和数据，CPU的控制部件只能从主存储器中取得指令和数据，数据能够从主存储器中读取并将他们装入到寄存器中，或者从寄存器存入到主存储器，CPU与外围设备交换的信息一般也依托于主存储器地址空间。但是，主存储器的访问速度远低于CPU执行指令的速度，于是引入了寄存机和告诉缓冲。

原创 机器学习中的范数规则化

在深度学习中，监督类学习问题其实就是在规则化参数同时最小化误差。最小化误差目的是让模型拟合训练数据，而规则化参数的目的是防止模型过分拟合训练数据。参数太多，会导致模型复杂度上升，容易过拟合，也就是训练误差小，测试误差大。因此，我们需要保证模型足够简单，并在此基础上训练误差小，这样训练得到的参数才能保证测试误差也小，而模型简单就是通过规则函数来实现的。规则化项可以是模型参数向量的范数。如：L0、L1、L2等。1.L0L_0L0​范数与L1L_1L1​范数L0范数是指向量中非0的元素的个数。如果我们用L

原创 隐式反馈与显式反馈

推荐系统中用户对物品的反馈分为显式和隐式反馈。显式反馈 (如评分、评级) 或单一的隐式反馈 (如浏览、点击、加入购物车)隐式反馈 (implicit feedback)：CTR (Wangchong)CDL (Wang Hao)Neural Collaborative Filtering (Xiangnan He)显式反馈 (explicit feedback)ConvMF显式反馈转换为隐式反馈转换的方式主要有以下几种：以 movielens 数据集为例，电影评分范围为：1，2，3，4

原创 Latex公式

LATEX 的数学公式有两种：行中公式和独立公式（行间公式）。行中公式放在文中与其它文字混编，独立公式单独成行。行中公式可以用如下方法表示：$ 数学公式 $独立公式可以用如下方法表示：$$ 数学公式 $$1.函数、符号以及特殊字符声调/变音符号\dot{a},\ddot{a},\acute{a},\grave{a}a˙,a¨,aˊ,aˋ\dot{a},\ddot{a},\acute{a},\grave{a}a˙,a¨,aˊ,aˋ\check{a}, \breve{a}, \tilde

原创 推荐系统中的embedding应用

“ 自Embedding的概念问世以来，Embedding的探索和应用就没有停止过，Word2Vec、Sentence2Vec、Doc2Vec、Item2Vec，甚至Everything2Vec。对，“万物皆可Embedding”。几年来，Embedding在推荐系统中的应用也越来越多，方式众多，技法新颖。”由于Embedding太过重要，本文我们将详细讲解Embedding的相关知识，以及在推荐系统中的一些应用。1.什么是embeddingEmbedding，即嵌入，起先源自于NLP领域，称为「词嵌

原创 过度拟合

overfitting是这样一种现象：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好的拟合数据。此时我们就叫这个假设出现了overfitting的现象。出现这种现象的主要原因是训练数据中存在噪音或者训练数据太少。而解决overfit的方法主要有两种：提前停止树的增长或者对已经生成的树按照一定的规则进行后剪枝。百度中关于overfitting的标准定义：给定一个假设空间H，一个假设h属于H，如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小，但在整个实例

原创 PTA天天练（查验身份证）

Question：一个合法的身份证号码由17位地区、日期编号和顺序编号加1位校验码组成。校验码的计算规则如下：首先对前17位数字加权求和，权重分配为：{7，9，10，5，8，4，2，1，6，3，7，9，10，5，8，4，2}；然后将计算的和对11取模得到值Z；最后按照以下关系对应Z值与校验码M的值：Z：0 1 2 3 4 5 6 7 8 9 10M：1 0 X 9 8 7 6 5 4 3 2现在给定一些身份证号码，请你验证校验码的有效性，并输出有问题的号码。x=[7,9,10,5,8,4,2,

原创 PTA天天练（大于身高的平均值 ）

Question：中小学生每个学期都要体检，要量身高，因为身高可以反映孩子的生长状况。现在，一个班的身高已经量好了，请输出其中超过平均身高的那些身高。程序的输入为一行数据，其中以空格分隔，每个数据都是一个正整数。程序要输出那些超过输入的正整数的平均数的输入值，每个数后面有一个空格，输出的顺序和输入的相同。a=list(map(int,input().split()))sum=0for i in range(0,len(a)): sum+=a[i]aver=sum/len(a)fo

原创 PTA天天练（求整数段和）

Question：给定两个整数A和B，输出从A到B的所有整数以及这些数的和。a,b=input().split()a,b=eval(a),eval(b)sum=0key=0if(a<=b and a>=-100 and b<=100): for i in range(a,b+1): print("{:>5d}".format(i),end='') key+=1 sum+=i