6k 字 5 分钟

# 一、生成数据表 # 1、首先导入 pandas 库，一般都会用到 numpy 库，所以我们先导入备用： import numpy as npimport pandas as pd# 2、导入 CSV 或者 xlsx 文件： df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))或者 import pandas as pdfrom collections import namedtupleItem =...
13k 字 12 分钟

# 安装 将 pinia 理解成一个桶 每一个 store 创建一个 ts 文件 原本文件中的 script 是下面的格式 <script lang="ts">import { defineComponent } from 'vue'export default defineComponent({ setup() { },})</script>可以直接改成下面的格式 <script setup...
14k 字 13 分钟

# VUE3 新特性 # vue3 项目的创建 # 安装 vue-cli 脚手架构建工具 vue-cli 提供一个官方命令行工具，可用于快速搭建大型单页应用。输入命令 cnpm install -g @vue/cli 查看版本，要求 vue-cli 版本在 4.5 以上，可以创建 vue3 项目 # 创建 vue3 项目 vue create 项目名称手动安装 启动项目 # 函数或属性 # createApp 在 Vue 3 中，改变全局 Vue 行为的 API 现在被移动到了由新的 createApp 方法所创建的应用实例上。 import { createApp...
11k 字 10 分钟

# 声明 此为旧版的 vuex 的使用教程，但是使用思想是可以参考的 # 内容 Vuex 概述 Vuex 基本使用 使用 Vuex 完成 todo 案例 # Vuex 概述 Vuex 是实现组件全局状态（数据）管理的一种机制，可以方便的实现组件之间的数据共享 使用 Vuex 管理数据的好处： A. 能够在 vuex 中集中管理共享的数据，便于开发和后期进行维护 B. 能够高效的实现组件之间的数据共享，提高开发效率 C. 存储在 vuex 中的数据是响应式的，当数据发生改变时，页面中的数据也会同步更新 # Vuex 的基本使用 创建带有 vuex 的 vue 项目，打开终端，输入命令：...
2.1k 字 2 分钟

# Vue 中的扩展运算符 … 含义：扩展运算符（ spread ）是三个点（ … ）。它好比 rest 参数的逆运算，将一个数组转为用逗号分隔的参数序列。 # 操作数组： methods: {/*** 把数组中的元素孤立起来*/iClick() { let iArray = ['1', '2', '3']; console.log(...iArray); // 打印结果 1 2 3},# 在数组中添加元素 iClick3() { let iArray =...
2.6k 字 2 分钟

转载自 https://zhuanlan.zhihu.com/p/476927099 # 分类 分类是机器学习中应用最广泛的问题之一，具有各种工业应用，比如人脸识别、图像分类、内容审核、文本分类等，支持向量机 (SVM)、逻辑回归、决策树、随机森林等模型也是一些最流行的分类模型，那么对于分类问题最常用的指标是： Accuracy 准确率 Precision (P) 精准率 Recall (R) 召回率 F1 score (F1) Area under the ROC (Receiver Operating Characteristic) curve or simply AUC...
7.5k 字 7 分钟

# huggingface 语义分割为图像的每个像素分配一个标签或类。有几种类型的分割，在语义分割的情况下，同一对象的唯一实例之间没有区别。两个对象被赋予相同的标签（例如，“car” 而不是 “car-1” 和 “car-2”）。（这里讲的是同一类物体，比如各种车的么？还是同一个的物体的各个像素点）语义分割的常见实际应用包括训练自动驾驶汽车识别行人和重要的交通信息，识别医学图像中的细胞和异常，以及从卫星图像中监测环境变化。 本指南将向您展示如何在 (SceneParse150)[https://huggingface.co/datasets/scene_parse_150] 数据集上微调...
2.5k 字 2 分钟

# 使用的包 pip install datasets# 使用的函数 datasets.load_dataset() # 函数原型 datasets.load_dataset( path: str, name: Optional[str] = None, data_dir: Optional[str] = None, data_files: Optional[Union[str, Sequence[str], Mapping[str, Union[str, Sequence[str]]]]] = None, split: Optional[Union[str, Split]] = None,...
2.5k 字 2 分钟

# transformer # 原理 Transformer 从零详细解读 (可能是你见过最通俗易懂的讲解)_哔哩哔哩_bilibili 6 个结构完全相同的 encoder，6 个结构完全相同的 decoder，数量可以自定义。结构上相同，但是参数上是不同的，训练是各自训练自己的参数，不是只训练一个然后 copy。后面 Albert 通过共享 transformer 某些层的参数达到减少 bert 参数量的目的。 在上图中，左边是 encoder，右边是 decoder。encoder 和 decoder...
2.6k 字 2 分钟

# 各层位置关系 卷积核可以表示成一种特殊的多元线性回归的权重矩阵；由于权重矩阵有大量的参数是一样的，且有大量的 0 ，所以可以把权重矩阵的系数都压缩到一个卷积核中又不损失信息。卷积的这种数学操作的特点又保留了图片的空间信息，所以卷积是一种开销小于全连接层，但效果较好的操作。 所以在神经网络学习参数中，可以把对卷积核的拟合视为一种对神经元权重的拟合，只是神经元之间会以某种方式连接并且共享大量参数。 也可以很自然的推导出，如果没有池化层等非线性操作， 那么多层卷积就等同于一层卷积 ，只靠卷积操作无法拟合任意函数 #...