wangwei19900806的专栏

原创 【无标题】

原创 UnboundLocalError: cannot access local variable ‘state_var_dict‘ where it is not associated

在paddle.jit.save(net_static, “./”)时报错。解决办法如代码那注释。

原创 【无标题】

我之前安装的是transformers-4.30.2版本，卸载并重新安装到最新版本解决！

原创 联想天逸无法进入bios

原因台式机有集成显卡和独立显卡双显卡解决办法显示器必须连到主机横着的VGA接口（下图红色2），不能是竖着的VGA接口。然后在开机的时候按F1键进入bios

原创 chocolatey 安装失败解决办法

chocolatey 安装失败解决办法报错信息记不得了，百思不得其解时可执行一下命令$env:chocolateyUseWindowsCompression = 'true'然后在运行安装命令iwr https://chocolatey.org/install.ps1 -UseBasicParsing | iex用choco -v测试是否安装成功。...

原创 import 出现 Illegal instruction错误

在Jetson上安装完numpy，pytorch等后，import 模块时出现Illegal instruction错误，后经过pip3 uninstall numpy后错误解决。jetson预装了多个版本的python3，卸载完numpy后还有旧版本的numpy，怀疑numpy重复导致。

原创 github下载加速，亲测有效

非常简单，就是git clone时把 github.com替换成github.com.cnpmjs.org，如下git clone https://github.com.cnpmjs.org/*

原创 tensorflow加载多个固化pb模型

使用tensorflow加载多个pb模型时，会引起变量冲突，解决方法按照如下方法加载模型可解决：class Model: def __init__(self, model_file): self.graph = tf.Graph() self.graph_def = tf.GraphDef() with gfile.FastGFile(mo...

原创 ValueError: Error when checking target: expected dense_6 to have 3 dimensions

在用Keras训练网络时出现以下问题：ValueError: Error when checking target: expected dense_6 to have 3 dimensions, but got array with shape (5893, 1)解决方法：切换return_sequences bool类型 ，即若设置 return_sequences=False，则切...

转载 小波变换时频图绘制

绘制原理：需要用到的小波工具箱中的三个函数cwt()，centfrq()，scal2frq()COEFS = cwt(S,SCALES,'wname')该函数实现连续小波变换，其中S为输入信号，SCALES为尺度，wname为小波名称FREQ = centfrq('wname')该函数求以wname命名的母小波的中心频率。F = scal2frq(A,'wname',DELTA)...

转载 ARIMA入门

ARIMA模型原理及实现转载：石晓文的学习日记1、数据介绍再介绍本篇的内容之前，我们先来看一下本文用到的数据。本文用到的中国银行股票数据下载：http://pan.baidu.com/s/1gfxRFbH，提取码d3id。我们先来导入一下我们的数据，顺便画出收盘价数据的折线图：import pandas as pdimport matplotlib.pyplot as pltChin...

原创 vector2word入门

独热编码独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。优缺点分析优点：使数据离散化；一定程度上起到了扩充特征的作用缺点：在词袋模型中，不考虑词与词之间的顺序；假设词与词之间相互独立，互不影响；特征稀疏，且容易导致维度灾难。Distributed representatio...

转载 生成对抗网络入门（GAN）

原文地址：https://blog.youkuaiyun.com/on2way/article/details/72773771GAN中有两个这样的博弈者，一个人名字是生成模型（G），另一个人名字是判别模型（D）。他们各自有各自的功能。必备数据比如上面的这个图，我们有的只是真实采集而来的人脸样本数据集，仅此而已，而且很关键的一点是我们连人脸数据集的类标签都没有，也就是我们不知道那个人脸对应的是谁。...

原创 深度强化学习DQN

###DQN模型输入的是处理后的连续帧图像（降维幅度图），经过卷积层层后接两个全连接层，输出是所有动作的Q值。算法1. NIPS 20132. Nature 20152.1 算法2.2 流程图3. 不足由于Replay Memory原因：无法应用于连续动作控制；只能处理只需短时记忆问题，无法处理需长时记忆问题（后续研究提出了使用LSTM等改进方法）；...

转载 强化学习入门

在这里插入图片描述

原创 Windows10 闲下一段时间不操作后，Enter死机

原因“Superfetch”服务被“禁用”解决办法“启动” ”Superfetch“：

转载 神经网络 BN

在学习Batch Normalization之前，我们来看一道某知名互联网公司算法题。以下关于batch normalization说法正确的是（）     A. normalization的均值⽅差计算是基于全部训练数据的  &nbs...

转载 16个深度学习技巧实战，资深研究员的血泪教训

下面是一些有助于充分利用 DNN 的小技巧，说出你的故事：1. 记得要 shuffle。不要让你的网络通过完全相同的 minibatch，如果框架允许，在每个 epoch 都 shuffle 一次。2. 扩展数据集。DNN 需要大量的数据，而且模型在小的数据集上很容易过拟合。Nikolas Markou强烈建议你要扩展原始的数据集。如果你的是一个视觉任务，可以增加噪点、增白，减少像素，旋转...

原创 sftp put failed to upload xxxx 拒绝访问

问题描述使用SCRT的sftp上传Windows文件到Linux。sftp> lcd D://filename.txt sftp> cd /data/other_user/出现错误：put failed to upload xxxx 拒绝访问问题分析很显然我将文件上传到其它用户的目录下，而在其它用户下的目录，我并没有读写权限，故这是权限的问题。问题解决将...

原创 找不到或无法加载主类

问题描述：导入别人写的maven工程。修改代码后还是执行之前的代码，于是project-clean。之后出现“找不到或无法加载主类”错误。查看“problem”：The container 'Maven Dependencies' references non existing library 'C:\Users\Administrator\.m2\repository\...\XXXX.ja...

原创 Linux下搭建Dask分布式集群

1. 提前安装好python依赖包，否则之后有可能出现各种各样的错误，反复的编译python。# yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel...

原创 error LNK2005 LNK2001

解决LNK2005：#ifndef#define #endif解决LNK2001：函数是否定义

原创 Windows下读取文件夹下所有文件

std::vector files;_finddata_t file;long lf;//输入文件夹路径  if ((lf = _findfirst("d:\\png\\*.*", &file)) == -1)cout else{//输出文件名  cout while (_findnext(lf, &file) == 0){files.push_back

原创 MATLAB mex时 出现错误“error LNK2019 无法链接的外部符号”

我在网上查了一天关于如何解决“error LNK2019 无法链接的外部符号”的问题，很遗憾没有找到问题解决的方法。最后自己又装了个别的版本的MATLAB后就成功mex成功了。其中有两条可能的原因望参考：1.当编译多个cpp时 ，有的cpp中的实现在其它cpp文件中，导致无法链接错误2.有可能是你自己的MATLAB版本不一样

翻译 predicting useful neighborhoods for lazy local learning

predicting useful neighborhoods for lazy local learning摘要懒惰局部学习方法在训练分类器时，只利用训练实例与新的测试样本最相关的一个子集。这个方法的目标是使分类器适应测试样本周边的数据的属性。现有方法建立局部模型采用的是距离测试样本严格意义上最近的数据。然而这种方法不能对实际中分类器的好坏取决于选择实例的分布做出合理的解释。然而这种方法