weixin_42052249的博客

原创 容器显示：Stopped for 6 hours with exit code 137

通过 SSH 远程连接一台服务器，然后运行 Docker 容器，容器最终停掉并显示。容器显示：Stopped for 6 hours with exit code 137。

原创 连接一个新的服务器时，打开PyCharm时报错：报错内容是服务器磁盘或配额满了

连接一个新的服务器时，打开PyCharm时报错：报错内容是服务器磁盘或配额满了。

原创 跨服务器复制conda环境

同系统、同架构、同 conda 路径：可直接复制，省时高效。跨系统、跨架构或路径不同：优先用 conda 导出导入，避免依赖坑。若已复制后出现报错：优先在目标服务器重新安装冲突的依赖（如pyzmqtorch等）

原创 部署DeepSeek-OCR

vLLM 是一种高性能大语言模型推理引擎，它专门为加速 LLM 推理而设计。DeepSeek-OCR 利用它来获得更快的推理速度和更高的 GPU 内存利用率。这是使用库自带的模型加载与推理方式。实现简单，兼容性强，几乎不需要额外安装复杂依赖。

原创 创建conda环境时报错说没网络连接

执行命令conda create -n deepseek-ocr时报错，说没有网络连接。所有设置代理的操作都试了，都不管用。最后发现是开了conda代理的问题。备注：设置conda proxy的命令为。解决方案：关闭conda代理。

原创 在linux系统上，如何安装Elasticsearch？

当尝试连接时报错，报错内容为：这个错误表明你的Python脚本无法连接到Elasticsearch服务。错误通常意味着：Elasticsearch服务没有运行Elasticsearch运行在不同的端口或主机上防火墙或网络设置阻止了连接。

原创 在文献管理软件Zotero中白嫖DeepL pro翻译

左上角：工具>插件市场。

原创 在zotero中接入GPT

打开GPT_API_free页面，向下滑动找到“免费试用”按钮，点击“申请领取内测免费API Key”进行注册登录。注意，这里有一个限制条件，即不允许创建少于7天的账号授权，然后耐心等待七天。

原创 在zotero里部署papaerschat插件，以接入现有大模型

papaerschat插件里集成了openAI的GPT3.5、gpt-4o、gpt-mini大模型以及Claude3、Gemini、Deepseek等大模型。通过接入这些大模型可以辅助我们阅读论文。3.再次打开zotero工具栏中的“工具，可以看到“插件市场”，点进去找到paperschat，双击安装。2.打开zotero工具栏中的“工具”-“插件”，把刚刚下载的.xpi文件拖进来。1.下载zotero的插件市场，用以管理zotero里的插件。6.选好后，这里需要填写deepseek对应的api-key。

原创 访问一些网站时，谷歌浏览器提示403 Forbidden

windows系统。谷歌浏览器可以正常访问baidu.com以及mail.163.com尝试关闭所有的防火墙，清楚所有cookie缓存。当访问https://kanbanflow.com/时，火狐浏览器可以正常访问，但谷歌浏览器依旧会提示403 Forbidden。

原创 创建conda环境时报错

我这边输入前4个没反应，输入最后一个命令后显示出此前设置了代理。ok，可以快乐编程了~~~

原创 程序报错：ModuleNotFoundError: No module named ‘code.utils‘； ‘code‘ is not a package

【代码】程序报错：ModuleNotFoundError: No module named ‘code.utils‘；

原创 在github上，如何只下载选中的文件？

GitHub官方不直接支持下载子目录，但可以使用特定的第三方工具或脚本来实现这一需求。

原创 Zotero打开后所有文献及笔记都消失了

点击“编辑”->“首选项”->“高级”->“数据存储位置”->“自定义”，重新选择文献所在文件夹即可。如：我的路径为“E:\05博士阶段\zotero数据文件”。打开文献管理工具zotero之后，之前看过的所有文献都丢失了，还提示找不到路径，是否采用默认C盘的zotero数据目录。若点击了“使用新位置”，则打开的界面里也完全没有自己曾经看过的论文与笔记了。可能是由于不小心改了路径中某个文件夹的名字，导致zotero找不到对应位置的数据了。改好文件夹后，点击退出zotero，重新启动该软件即可。

原创 RAG的流程与RAG实战中常见的几个问题

原创 文献翻译与阅读《DALK: Dynamic Co-Augmentation of LLMs and KG to answer Alzheimer’s Disease Questions with S》

arXiv'24。

原创 文献翻译与阅读《Integration Approaches for Heterogeneous Big Data: A Survey》

组织目前正在处理的大量有组织且非结构化数据。传感器、电子商务交易和社交媒体。随着技术的发展，大数据的产生越来越多，有必要使用更先进的技术对其进行存储、处理和分析。大数据的主要特征Volume [ˈvɒljuːm]：数据量。处理和存储方案有：使用分布式系统和云存储。优势：捕获大规模数据局限：未考虑数据的实用性或质量Velocity [vəˈlɒsəti]：数据生成、采集和处理的速度。在实时情况下数据产生的速度很快，必须快速检查这些数据。处理数据方法有：使用流处理和实时分析。

原创 文献翻译与阅读《Beyond Boundaries: A Human-like Approach for Question Answering over Structured》

TACL'24。

原创 文献翻译与阅读《CompMix: A Benchmark for Heterogeneous Question Answering》

如果系统答案恰好(不区分大小写)与维基数据ID (如果QA系统返回ID)或伴随的明文字符串/实体标签(如果QA系统返回的是简单文本)匹配，则认为该系统答案是正确的。指标是所有问题的平均值。现有的基准测试以简单的问题为主，这些问题对于保证质量的系统来说不具有真正的挑战性。分析了多种来源的组合 对 答案覆盖率和冗余度的 影响，表明真正需要的是异质性来源。是一个有噪声的代理，因为仅仅存在一个答案并不一定意味着周围的证据是与问题相关的。为了有一个特定的答案来源而创建，包含了几乎所有问题的答案。

原创 知识图谱用途（笔记）

原视频：

原创 文献翻译与阅读《AutoAlign: Fully Automatic and Effective Knowledge Graph Alignment enabled by Large Languag》

知识图谱( knowledge graph，KG )之间的实体对齐任务旨在从两个不同的KG中识别出每一对表示同一实体的实体。许多基于机器学习的方法已经被提出来用于这项任务。然而，据我们所知，现有的方法都需要手工制作种子对齐，这些种子对齐是昂贵的。在本文中，我们提出了第一个全自动比对方法AutoAlign，它不需要任何手工设计的种子比对。具体来说，对于谓词嵌入，Auto Align借助大型语言模型构建一个谓词-邻近图，以自动捕捉两个KG之间谓词的相似性。对于实体嵌入，Auto Align首先使用Trans E

转载 大语言模型Prompt工程

Prompt Engineer 又称为 In-Context Prompt，利用模型的ICL能力，代理传统Bert类模型的微调训练的方式，使用更为高效的Prompt来指导LLM，使其产生出期望的结果，而无需改变模型的权重。本文主要梳理构建常见的几种Prompt的方法和原理。

原创 Zero-shot、 Zero-shot与meta-learning

例子：假设我们已知驴子和马的形态特征，又已知老虎和鬣狗都是又相间条纹的动物，熊猫和企鹅是黑白相间的动物，再次的基础上，我们定义斑马是黑白条纹相间的马科动物。不看任何斑马的照片，仅仅凭借推理，在动物园一众动物中，我们也能够找到斑马。 上述例子中包含了一个推理过程：利用过去的知识（已知动物的描述），在脑海中推理出新对象的具体形态，从而能对新对象进行辨认（如下图）。 如今十分火热的纯监督模型往往需要足够多的样本才能训练出足够好的模型，并且用熊猫训练出来的分类器，只能对熊猫进行分类，其

原创 文献阅读与翻译《Exploring Large Language Models for Ontology Alignment》

本文研究了最近的生成式大语言模型(LLMs )，如GPT系列和Flan - T5，在本体对齐中的适用性，以识别跨本体的概念等价映射。为了测试Flan - T5 - XXL和GPT - 3.5 - turbo的zero - shot1性能，我们利用OAEI Bio - ML轨道的两个等价匹配数据集的挑战性子集，同时考虑概念标签和结构上下文。初步的研究结果表明，在仔细的框架和及时的设计下，LLMs有可能超越现有的本体对齐系统，如BERTMap。

原创 文献阅读与翻译《LLMs4OL: Large Language Models‌ for Ontology Learning》

本文提出了LLMs4OL方法，它利用大型语言模型(LLMs )进行本体学习( Ontology Learning，OL )。LLMs在自然语言处理领域取得了显著的进展，展示了其在不同知识领域捕获复杂语言模式的能力。我们的LLMs4OL范式研究了以下假设：LLMs能否有效地将其语言模式捕获能力应用到OL中，这涉及到从自然语言文本中自动提取和结构化知识?为了检验这一假设，我们使用零样本提示方法进行综合评估。我们评估了9个不同的LLM模型家族，用于3个主要的OL任务：术语分类、分类发现和非分类关系的提取。此外，

原创 文献翻译与阅读《HOFD: An Outdated Fact Detector for Knowledge Bases》

知识库存储了高质量的信息，对于增强搜索结果、作为数据清洗的外部来源等许多应用至关重要。毫不奇怪，由于信息的快速变化，大多数KB中存在过时的事实。自然地，保持KB的最新状态是很重要的。传统智慧研究了使用参考数据(比如从新闻中提炼新的事实)来检测知识库中过时事实的问题。然而，现有的方法只能覆盖KB中的小部分事实。在本文中，我们提出了HOFD，一种新颖的用于知识库中过时事实检测的人在回路方法。HOFD利用事实的历史更新频率和更新时间等特征训练一个二分类器来计算α的似然概率然后，HOFD与人类进行交互，以验证高可能

原创 UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xd5 in position 0: invalid continuation byte

读取csv文件时，程序报错：“UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd5 in position 0: invalid continuation byte”

原创 导入seaborn包时报错：ImportError: cannot import name ‘remove_na‘

ImportError: cannot import name 'remove_na'

原创 文献翻译与阅读《ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning》

本文工作1. 提出了一个ChatRule框架2. 框架由一个基于LLM的规则生成器启动，利用了和结构信息3. 规则质量通过KGs中已有的事实来估计4. 通过思维链推理验证排序规则的逻辑正确性

原创 Win10系统Chrome浏览器安装Zotero插件

文献阅读工具：Zotero的安装与使用

原创 软件设计师笔记

第一章计算机系统知识1.1计算机系统基础知识1.1.1计算机系统硬件基本组成计算机的基本硬件系统由运算器、控制器、存储器、输入设备、输出设备5大部件组成. 运算器、控制器等被集成在一起统称为“中央处理单元（CPU）” CPU是计算机系统核心部件，负责获取程序指令、对指令进行译码并加以执行 CPU功能：程序控制（控制器）、操作控制（控制器）、时间控制（控制器）、数据处理（运算器） 运算器：由算术逻辑单元、累加寄存器、数据缓冲寄存器、状态条件寄存器组成

原创 读取.xls文件报错：XLRDError: Unsupported format, or corrupt file: Expected BOF record； found b‘MIME-Ver

读取.xls文件报错：XLRDError: Unsupported format, or corrupt file: Expected BOF record; found b'MIME-Ver

原创 在引入包‘PyEMD’时报错：ModuleNotFoundError: No module named ‘PyEMD‘

默认下载的是pyemd，只要去它相应位置把文件名更改一下就好了：比如我的pyemd安装位置在d:\anaconda\anzhuang\envs\py36\lib\site-packages (0.5.1)把文件名“pyemd”更改为“PyEMD”就可以正常调用了from PyEMD import EEMD...

原创 GTX960M安装Anaconda+cuda9.0+cudnn v7.6.5+tensorflow-gpu1.8.0

1 安装Anaconda1.1下载Anaconda安装包地址：Anaconda | Anaconda DistributionAnaconda's open-source Distribution is the easiest way to perform Python/R data science and machine learning on a single machine.https://www.anaconda.com/download/1.2安装双击已下载好的Anaconda3-

原创 github进不去

github进不去140.82.113.3 github.com199.232.69.194 github.global.ssl.fastly.net185.199.108.153 assets-cdn.github.com185.199.109.153 assets-cdn.github.com185.199.110.153 assets-cdn.github.com185.199.111.153 assets-cd

原创 python使用manifold.LocallyLinearEmbedding（）方法报错：TypeError: __init__() takes 1 positional argument but

python使用manifold.LocallyLinearEmbedding（）方法报错：TypeError: __init__() takes 1 positional argument but 3 positional arguments (and 1 keyword-only argument) were given我的代码：# 生成3种方法的降维数据的投影n_neighbors = 10for i,method in enumerate(method_set): trans_

原创 矩阵常用函数的定义与实现（Java+Python）

矩阵常用函数的实现：1、Java1.1、函数的定义package jm.app.algebra;import org.ojalgo.matrix.PrimitiveMatrix;import org.ojalgo.matrix.decomposition.Eigenvalue;import java.math.BigDecimal;import java.util.*;public class AlgebraUtil {//常用函数// 1、协方差函数 pub

转载 用 Matplotlib+Imageio 制作动画

1、绘制动态折线图.1.1 绘制不是从 x轴坐标为0 的时候开始的 动态折线图import osimport numpy as npimport matplotlib.pyplot as pltimport imageio# 生成40个取值在40-50之间的数y = np.random.randint(25,40,size = 50)# 绘制折线plt.plot(y)# 设置y轴最小值和最大值plt.ylim(20,50)plt.show()# 对整数列表进行切片...

原创 把python程序打包成exe文件

在idea的setting里的project->Python Interpreter里安装pyinstaller，在idea的terminal面板执行pip pyinstaller -F test.py，其中test.py是可执行python文件的路径

原创 关于矩阵的操作（java+python）

关于矩阵的操作：1、java：package main.java.jm.algebra;import java.math.BigDecimal;public class Matrix { private BigDecimal[][] mat;// 矩阵行数 private int rowNum;// 矩阵列数 private int colNum;// Matrix的构造函数 public Matrix(int rowNum,int