- 博客(48)
- 收藏
- 关注
RSS订阅原创 docker安装以及mlfow
1.自带的先卸载2.选清华园镜像3.更新包4.配置docker官方密匙5.添加docker官方的软件源6.安装即可7.查看版本和开机自启。
2025-04-01 12:03:05
436
原创 （愚人节表白精选）如何快速开发一个心仪女孩的网站，并且用简单的字数表达爱意！不用备案，小白速成！
流量加密，进入cloudfare，https://www.cloudflare.com/,注册好后进行添加域。写你的域名选免费的然后添加记录添加什么呢？很简单，你的阿里云域名解析那里添加了什么，这里就添加什么，比如类似这样ok最后只需要填写一下html的代码就行了地址：https://oss.console.aliyun.com/overview1.把你要用的音频或者视频资源传入bucket，但是需要先创建，默认创建就行了创建好后再上传你的音频。
2025-04-01 12:02:25
781
原创 （icml2024）SLAattention，基于原文时序模型进行改进
代码： https://github.com/xinghaochen/SLAB#论文：https://arxiv.org/pdf/2405.11582。
2024-12-27 12:30:11
791
原创 一文带你搞懂，量化市场的大部分指标，带图解释
表示某一周期内价格的最大波动范围，考虑了市场价格的跳空缺口和极端波动情况。取以下三者的最大值：当前最高价和最低价的差值（H - L），表示当前周期内的波动范围。当前最高价与前一周期收盘价的绝对差值（|H - C_prev|），考虑价格跳空高开的情况。当前最低价与前一周期收盘价的绝对差值（|L - C_prev|），考虑价格跳空低开的情况。
2024-12-27 12:28:49
5191
原创 （时论文阅读复现）CROSSFORMER: TRANSFORMER UTILIZING CROSS- DIMENSION DEPENDENCY FOR MULTIVARIATE TIME SERIES
现有的基于transformer的模型主要关注于时间依赖性(跨时间依赖性)的建模，而往往忽略了不同变量之间的依赖性(跨维度依赖性)，这对MTS预测至关重要。为了填补这一空白，我们提出了Crossformer. MTS（是多元时间预测，其实就是多维度预测单维度或者多维度）。与以往基于Transformer的模型侧重时间上的依赖关系不同，Crossformer专注于跨维度依赖关系，在捕捉时间维度依赖的同时显式地建模变量间的相互关系，提升预测准确性。
2024-12-06 14:11:15
1282
1
原创 时序)Rethinking Fourier Transform for Long-term Time Series Forecasting: A Basis Functions Perspective
论文地址：https://openreview.net/forum?代码地址：https://github.com/runze1223/Fourier-Basis-Mapping。
2024-12-06 14:10:27
926
6
原创 (时序论文阅读)TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting
来源论文iclr2024论文地址：https://arxiv.org/abs/2405.14616源码地址： https://github.com/kwuking/TimeMixer。
2024-11-12 15:04:12
938
1
原创 ValueError: numpy.dtype size changed, may indicate binary incompatibility. Expected 96 from C header
是numpy和pandas版本不对导致矩阵乘法的时候方法返回的大小对不上。这个时候要卸载numpy和pandas。
2024-11-12 15:03:27
4176
2
原创 从0开始用informer进行股价预测（pytorch版本）
创建模型#训练和评估模型#保存图片讲解一下参数主要就是下面三个，对应的就是获取的x_columns和y_columns的对应列数 enc_in对应x_columns ，dec_in 对应y_columns。比如5列enc_in就是5.enc_in = 5#编码器输入维度dec_in = 1#解码器输入维度c_out = 1 #解码器输出维度效果如下nlp时序模型股价预测的基本思路（持续更新）交流群在简介，也是欢迎大佬加入，一起交流。
2024-10-21 16:34:10
1634
原创 深度学习基础之解决过拟合和欠拟合的方法（吴恩达笔记）
在介绍之前先了解一下基本概念方差：如果一个模型的方差较高，意味着模型对于训练数据的小变化非常敏感，可能会导致过拟合（Overfitting）的问题，偏差：偏差衡量了模型的预测值与实际观测值之间的差异或偏移。具体来说，它表示了模型在训练数据上的平均预测误差。
2024-10-14 16:05:28
718
原创 （Dct注意力）FECAM: Frequency Enhanced Channel Attention Mechanism for Time Series Forecasting
论文地址：源码地址：这篇文章提出的频率增强通道注意力机制（FECAM）是一种基于离散余弦变换（DCT）的方法，用于解决时间序列预测中的高频噪声问题。传统的傅里叶变换虽然能够提取数据中的频率信息，但容易因为Gibbs现象引入不必要的高频噪声，导致预测结果的偏差。通过使用DCT，FECAM能够更好地捕捉和建模通道间的频率依赖性，从而提升模型的预测精度和泛化能力。假设你有一组气象数据，其中包括了温度、湿度、风速等多个时间序列。你想预测未来几天的天气情况。
2024-09-10 20:39:29
2946
3
原创 （nlp论文阅读）Patchtst-A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
主要内容论文提出了一种新的方法来处理时间序列数据，这种数据是按时间顺序排列的，比如气温变化、股票价格等。新的方法名为PatchTST，它有两个关键的设计：分块设计（Patching）：传统的方法往往是逐点处理时间序列数据，也就是说，一次只看一个时间点的数据。但这个方法会把数据分成若干个小块，每个小块代表一段时间的变化。这就好像在分析一篇文章时，不是逐字分析，而是逐句、逐段分析。这样可以更好地理解数据中的信息，减少计算量，还可以帮助模型记住更长时间段的历史数据，这对准确预测未来很有帮助。
2024-09-10 20:38:17
1261
原创 nlp时序模型股价预测的基本思路（持续更新）
也就是我们的模型能看到以前多少条数据。也就是seq_len，拿informer为例子就是多少天的数据，比如32就是一个月，64两个月，拿这两个月去预测我们未来多少天的数据。，比如我用五天数据预测后1天的数据，那么你传入训练的时候应该要遮住前五天的数据进行取值，然后验证的时候需要取后五天进行算测试。个人认为获取数据，包括数据的质量，类型，维度，以及精度，对我们模型的训练都十分重要。我觉得在学习时序预测的时候应该先了解它的思路。最常用的是最大最小均值归一化。5.正式的创建训练模型测试。这三个集合的区别后在看。
2024-08-23 16:35:13
533
原创 （论文研读）解决transform训练的不稳定性问题：SAMformer（时序预测）
什么是简化编码器？在encoder里面去掉了前馈神奇网络层。如图把transformer->samformer经过多数的数据进行预测后产出的结果是，transformer在进行训练的时候会陷入局部最小最优解的情况。通过random Tasnformer进行说明得到它的注意力机制是导致这种问题的关键。如下图，transformer会☞关注中间，特别是通过softmax后。
2024-08-23 16:33:23
783
原创 从0开始的informer代码解读
我把参数部分进行了简化大概是这样model='informer', # 模型名称，可以是[informer, informerstack, informerlight(TBD)]data='wq', # 数据集名称root_path='Informer2020/data/ETT', # 数据文件的根路径data_path='601398.XSHG(工商银行14-24).csv', # 数据文件名称features='MS', # 预测任务类型，可以是[M, S, MS]
2024-07-20 17:46:42
1753
原创 从0开始对时间序列模型ACF和PACF的理解（以股价预测为例子）
*举个例子：**我开了一个冰淇淋店，一般是夏天收益高，其他季节淡吧，那么我卖东西是不是可以遵循这个规律，夏天多进点货，其他季节少一点。那么着就是季节性，也就是趋势。夏天多来电，其他季节少来点。
2024-07-20 17:37:00
1925
原创 从0开始基于transformer进行股价预测（pytorch版本）
所谓工欲善其事，必先利其器做量化分析的股价预测，完美必须要先把数据处理好。那么本人的数据下载是在聚宽平台股票代码为601398的数据2014-3 到 2024-3年的默认数据。如何下载可以按照我的方式。
2024-07-10 22:12:20
2800
3
原创 AI工具杂谈
当前市场上有多种AI开发工具，这些工具在不同的开发环节中扮演着重要角色。其中一些主要的AI开发工具包括GitHub Copilot和TabNine。它们各自有着独特的功能和局限性，帮助开发者提高效率。
2024-07-08 11:04:42
985
原创 从0开始transformer代码理解（附带调试和个人原理理解）
就是计算损失…，用测试集测试，将返回的掩码进行展示为什么返回掩码集合就是以下这样。
2024-07-03 19:03:30
1119
原创 从零对Transformer的理解（台大李宏毅）
训练的时候用的交叉熵（也就是一个一个的单词对比），测试的时候用的是bule score 也就是生成的句子和测试的句子之前的对比得分。为什么不在训练的时候用bule score呢？因为不知道怎么用。
2024-06-22 17:39:32
1096
原创 从0开始用TCN预测股价
首先我想说 我们预测股票价格的时候，我们是用以前的数据预测当前数据所以我们TCN的概念就是让我们的网络通过卷积的方式使得我们的模型能够大量记忆我们之前的状态，来保证我们网络的预测能力。它包含三个结构因果卷积膨胀卷积和残差链接。window_size = 10 # 窗口大小（也就是时间步数）batch_size = 32 # 训练批次大小epochs = 30 # 训练轮数filter_nums = 10 # filter数量 也就是输出通道的数量。
2024-06-05 13:30:03
759
原创 从0开始写Lstm股价预测pytorch版本
dataX= [] # 用于存储输入序列dataY= [] # 用于存储输出数据#将整个窗口的数据保存到X中，将未来的一天保存到Y中# 提取时间窗口内的数据作为输入序列# 下一个时间步的数据作为输出dataY.append(data[index + timestep][3]) #输出为第四列（'close' 列）#获取训练集大小# 划分训练集，测试集self.hidden_dim = hidden_dim #隐藏层大小。
2024-05-28 10:51:57
1272
原创 yolov5官源代码 detect.py解析
然后是加载我们的pt模型或者onnx模型 再判断我们输入的图片是不是32的倍数。为什么是32的倍数？不然就会计算得到图片尺寸临近32倍的最近尺寸。非极大值抑制就是根据我们通过置信度和我们的类别预测置信度来相乘得到score ，再进行sort排序然后得到我们设定iou阈值的框。得到的dataset的数据内容是[新图片路径 ，新图片 ，原图，cap没用,输出打印信息用的]通过加载数据集函数来进行我们的LoadImages类的初始化，再我们需要迭代的时候依次执行。再迭代的时候自动执行如下函数也就是def。
2024-03-12 20:46:35
409
原创 从0开始 对yolov5官源代码一些代码理解
找到这个数据加载器，这是yolov5的所有数据处理部分。这里是对一些超参数的一些注释和理解。** img2label_paths函数：在这里就是根据images找到它的同级目录labels**所以我们应该这样存放训练图片文件然后是读取所有图片三个框，4个坐标。此处就是代码里面返回的三个层的三个结果，但是每个层都有三个框具体拆成上面截图的样子。这一步很重要 原文意思是在所有的网格点中选择先眼眶 通过对比得出结果。里面又预测部分出三个不同视野积的框，也就是每层视野积选一个框。然后训练部分就没什么好说的 常规的特征提取和预处理和保存权重。这个3就是最下层里面框的数量。然后是解码选出最好的结果。1个自信度，2个种类。
2023-11-18 11:23:04
263
1
原创 nodejs安装（详细）
下载链接:然后直接看图把无脑下一步这个钩子不打最后安装好嘞就这么简单 nodejs会自动配置环境变量如果不放心自己取环境变量中path检查即可然后cmd检查版本即可 npm会和nodejs一起下载到。
2023-11-01 21:37:53
208
1
原创 ubantu配置静态ip 并且解锁错误Ubuntu 报错 WARNING：gateway4 has been deprecated, use default routes instead... 解决方
Ubuntu 报错 WARNING：gateway4 has been deprecated, use default routes instead... 解决方案
2023-10-27 16:56:20
2003
1
原创 vmware ubantu22.安装vmware tools
然后等待一段时间把文件拖到桌面的文件夹里面 本人是先复制四个文件然后在桌面创建文件夹。然后一zhi无脑回车就行了最后效果。然后再把文件拖入最后效果变成这样。然后进入该文件夹然后解压。
2023-07-18 23:37:55
315
2
原创 swagger3或者swagger报nullpointexception
在springboot配置 application.yml 里面加上如果是properties则是加上。就是2.6.0以上版本的springbootmvc扫描方法和老版本不同。很简单这个问题就是版本不匹配。
2023-03-19 12:26:20
215
原创 Field userMapper in com.wq.shop.controller.UserController required a bean of type ‘com.wq.shop.mappe
不要具体到包名比如改成。
2023-03-18 20:36:17
178
原创 关于遇到配置centos7的静态ip进行redis远程连接的教程遇到几个坑
配置centos7静态ip并解决Job for network.service failed because the control process exited with error code
2023-01-28 17:02:55
253
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人