weixin_42104211的博客

原创 苏小妍第一次面试

苏小妍技术面试

原创 设备管理器无法搜索到蓝牙

原创 source activate YJY

source activate YJY

原创 在anconda上安装pytorch的gpu版教程（一天时间遇到的坑）

在anconda上安装pytorch的gpu版教程（一天时间遇到的坑），本来以为一会就安完了，没想到兜兜转转一天时间，记下这耻辱的一刻，顺便分享一下。 首先，我的需求是在anconda上安装pytorch的gpu版本。 遇到的问题构成了死循环。 1.在线安装 一句命令搞定，丝滑连招走起，奈何没有梯子，jj，jj。 我的anconda使用了清华源但还是安不上，但还是总结一下吧，欧皇们可以试试。 1.清华镜像源方案 该方案就是将官网的下载路径，改到清华镜像源的路径，先用activate激活自己之前创建的环境后，

原创 anaconda环境命令大全

conda config --add channels soumith ##设置搜索时显示通道地址 conda config --set show_channel_urls yes 显示已经有的镜像源 conda config --show 删除单个镜像源 conda config --remove channels 镜像源地址 conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/

原创 图的python基础操作

import numpy as np import pandas as pd import networkx as nx edges = pd.DataFrame() edges['sources'] = [1,1,1,2,2,3,3,4,4,5,5,5] # 图的起始节点 edges['targets'] = [2,4,5,3,1,2,5,2,5,1,3,4] # 图的终止节点 edges['weights'] = [1,1,1,1,1,1,1,1,1,1,1,1] # 图的权重 G = nx.from

原创 《天池训练营学习笔记1》机器学习算法（一）: 基于逻辑回归的分类预测

机器学习算法（一）: 基于逻辑回归的分类预测 逻辑回归模型的优劣势: 优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低； 缺点：容易欠拟合，分类精度可能不高 学习目标 1.了解逻辑回归的理论 2.掌握sklearn函数调用并运用到鸢尾花数据集预测 part 1 Demo实践 对逻辑回归的基础知识不熟悉的童鞋可以看看这篇博文 https://zhuanlan.zhihu.com/p/74874291 step1：库函数导入 基础函数库 import numpy as np 导入画图库

原创 数据预处理

数据预处理 数据集依然是数据集是UCI网站获得，为五年内印第安人糖尿病的医疗数据 from pandas import read_csv import matplotlib.pyplot as plt import numpy as np from numpy import set_printoptions from pandas.plotting import scatter_matrix from sklearn.preprocessing import MinMaxScaler from sklea

原创 数据可视化

from pandas import read_csv import matplotlib.pyplot as plt import numpy as np from pandas.plotting import scatter_matrix filename = 'pima_data.csv' names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] data = read_csv(filename,

原创 数据理解

简单查看数据 from pandas import read_csv filename = 'pima.csv' names = ['preg','plas','pres','skin','test','mass','pedi','age','class'] data = read_csv(filename,names=names) peek = data.head(10) print(peek) 数据维度 from pandas import read_csv filename = 'pima.csv'

原创 训练模型导入数据的三种方法

数据集是UCI网站获得，为五年内印第安人糖尿病的医疗数据 -----------------------------------------------采用python类库导入数据----------------------------------------------------------- from csv import reader import numpy as np filename = 'pima.csv' with open(filename, 'rt') as raw_data:

原创 numpy，matplotlib小练习

import numpy as np #创建多维数组 myarray = np.array([[1,2,3],[4,5,6],[7,8,9]]) print(myarray) print(myarray.shape) #访问数据 print('这是第一行：%s' %myarray[0]) print('这是最后一行 %s' %myarray[-1]) print('访问整列（第三列）的数据：%s' %myarray[:,2]) print('访问指定行（第二行）指定列（第三列）的数据： %s' %mya

原创 datanode进程jps找不到解决办法

datanode进程jps找不到 我的集群配置是： hadoop01 master namenode datanode hadoop02 slaver namenode datanode hadoop03 slaver ///////////////// datanode 问题如下： 在namenode格式化后启动hdfs，但通过jps命令查看hadoop01无datanode进程，于是百度解决方法 原因大概是我格式化太多次namenode导致csid不同步，网上解决办法是data和name

原创 Error: Cannot find a valid baseurl for repo: base问题（centos6源的解释与解决办法）

做实验的时候发现yum无法使用，即无论安装什么，都是Error: Cannot find a valid baseurl for repo: base报错，遂想把yum更新，依然是Error: Cannot find a valid baseurl for repo: base报错。 下列是错误详情 [root@hadoop02 ~]# yum install -y openssh-clients Loaded plugins: fastestmirror Determining fastest mirro

原创 虚拟机可以ping通外网，但xshell无法远程连接的解决办法

刚开始学习大数据，linux需要配三个节点，但是静态IP设置之后发现xshell无法连接，关闭防火墙啥的都没用，无奈之时突然想起自己当时瞎搞过这个VMware8虚拟网卡的ip地址（我把这个的ipv4的地址自己设置了），于是猜想是不是这个问题，于是将原先设置的地址变为自动获取ip地址选项。问题解决（作为记录） ...

原创 anaconda创建、删除、退出环境命令（码）

Anaconda创建环境： 创建python=3.8版本的环境，取名叫TF conda create -n TF python=3.8 删除环境 conda remove -n TF --all 激活环境 activate TF 退出环境 deactivate Linux下查看已有虚拟环境： conda-env list 重命名环境 conda 没有重命名指令，实现重命名是通过克隆完成的，分为两步： ①先 复制一份新名字的环境 ②删除老名字的环境 如，将TF重命名成tf2 conda create

原创 使用cnn网络训练手写数字数据集

使用cnn网络训练手写数字数据集 #!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2020/12/23 20:27 # @Author : yang # @Site : # @File : mnist2.py # @Software: PyCharm # 试了一下用cnn网络直接训练手写数字数据集，即不需要将二维图片一维化，其他的貌似都没变 import matplotlib.pyplot as plt from tensorflow.ke

原创 American_Sign_Language_cnn

import tensorflow.keras as keras import pandas as pd from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Conv2D , MaxPool2D , Flatten , Dropout , BatchNormalization num_classes = 25 train_df = pd.read_csv("asl_data/s

原创 American Sign Language手语识别（机器学习第二个小练习）

American Sign Language手语识别 1. 需要的数据集 链接：https://pan.baidu.com/s/1jE7Hfwa4bAREnjIvnIVOXw 提取码：35fh 2. 实验代码如下： import pandas as pd import matplotlib.pyplot as plt import tensorflow.keras as keras from tensorflow.keras.models import Sequential from tensorflow.

原创 使用MNIST数据集进行图像分类（机器学习的“Hello World”练习）

使用MNIST数据集进行图像分类（机器学习的“Hello World”练习） 本次练习的目标是训练深度学习模型对手写数字进行分类 import matplotlib.pyplot as plt from tensorflow.keras.datasets import mnist # 导入mnist数据集 import matplotlib.pyplot as plt #使用matplotlib import tensorflow.keras as keras from tensorflow.keras.m

原创 PyCharm导入自己写的包出错但程序正常运行解决办法

PyCharm导入自己写的包出错： 问题描述： 练习pycharm的导入自己写的模块的场景下，但是使用import时下方一直是红色波浪线，我以为是有错误，但程序运行是正常的。 运行正常： 解决方案： 然后是借鉴了博文https://blog.youkuaiyun.com/u012236579/article/details/90475113 进入设置，找到Console下的Python Console，勾选选项“Add source roots to PYTHONPAT” 在当前项目程序目录右键单击，然后“