Typora写公式
Typora写公式公式块与行内公式的添加1.公式块
创建独立的一块公式区域。
上部分为公式输入区
下部分为效果展示区
编辑别处时展示效果图。
方法一：左上角点击“段落”，再点击“公式块”
方法一：在文中输入$$，再按下回车
2.行内公式
将公式嵌入文字内。
方法一： 在$$的中间加入需要的公式
简便的方法一：先按 $ ，再按 “esc”（键盘左上角）
（行内公式是需要先设置一下）
常用符号的代码
上下标，正负无穷
加减乘，分式，根号，省略号
三角函数
矢量，累加累乘，极限
希腊字母
1.上下标，正负无穷
2.加减乘，分式，根号，省略号
3.三角函数
4.矢量，累加累乘，极限
5.希腊字母
6.关系运算符
矩阵1.简单矩阵使用\begin{matrix}…\end{matrix}生成， 每一行以\\结尾表示换行，元素间以&间隔，式子的表示序号\tag{1}（右边的序号）。
1234567 $$\begin{matrix} 1 & 2 & 3 \\ 4 & 5 ...
spaCy基础学习
spaCy基础学习
Pandas-python数据处理和分析的库
Pandas-python数据处理和分析的库Pandas是Python中用于数据处理和分析的库，尤其对于大数据行业的数据清洗很有帮助。
通过带有标签的列和索引，Pandas 使我们可以以一种所有人都能理解的方式来处理数据。它可以让我们毫不费力地从诸如 csv 类型的文件中导入数据。我们可以用它快速地对数据进行复杂的转换和过滤等操作。https://github.com/loveunk/machine-learning-deep-learning-notes/tree/master/python/pandas#references)
开始使用Pandas对于使用 Python 库，第一步必然是import：
1import pandas as pd
数据类型 Data typesPandas 基于两种数据类型，series 和 dataframe。
series 是一种一维的数据类型，其中的每个元素都有各自的标签。可以当作一个由带标签的元素组成的 numpy 数组。标签可以是数字或者字符。
dataframe 是一个二维的、表格型的数据结构。Pandas 的 dataframe 可以 ...
MLP 神经网络模型-多层感知机
MLP 神经网络模型-多层感知机前言神经网络是当前机器学习领域普遍所应用的，例如可利用神经网络进行图像识别、语音识别等，从而将其拓展应用于自动驾驶汽车。它是一种高度并行的信息处理系统，具有很强的自适应学习能力，不依赖于研究对象的数学模型，对被控对象的的系统参数变化及外界干扰有很好的鲁棒性，能处理复杂的多输入、多输出非线性系统，神经网络要解决的基本问题是分类问题 。
我们的第一个神经网络选择 基于 BP 误差反向传播法的 MLP 神经网络模型 。
前置导引朴素感知机感知机是由美国学者 FrankRosenblatt 在 1957 年提出来的。感知机是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。 感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。像电流流过导线，向 ...
MLP 神经网络模型-多层感知机-online
MLP 神经网络模型-多层感知机前言神经网络是当前机器学习领域普遍所应用的，例如可利用神经网络进行图像识别、语音识别等，从而将其拓展应用于自动驾驶汽车。它是一种高度并行的信息处理系统，具有很强的自适应学习能力，不依赖于研究对象的数学模型，对被控对象的的系统参数变化及外界干扰有很好的鲁棒性，能处理复杂的多输入、多输出非线性系统，神经网络要解决的基本问题是分类问题 。
我们的第一个神经网络选择 基于 BP 误差反向传播法的 MLP 神经网络模型 。
前置导引朴素感知机感知机是由美国学者 FrankRosenblatt 在 1957 年提出来的。感知机是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。 感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。像电流流过导线，向前方输送电子一样，感知机的信号也会形成流，向前方输送信息。但是，和实际的电流不同的是，感知机的信号只有“流/不流”（1/0）两种取值。这里我们认为 0 对应“不传递信号”， 1 对应“传递信号” ...
ISCC数据思维赛
ISCC数据思维赛前言任务说明本赛题需要参赛队伍根据给出的训练数据，包含86178条具有数据包标识符、网络协议类型、网络服务类型等信息训练一个判别物联网设备网络行为的模型，使用模型判别测试集中的数据属于哪种行为（共12类）。
数据说明该数据集中每行都有数据包标识符、网络协议类型、网络服务类型等信息。
训练数据集含有86178条有关物联网设备的网络信息。
测试数据集含有36939条有关物联网设备的网络信息。
数据字段说明：
1.[训练集]包含流量特征与标签信息：train_data.csv
2.[测试集]包含流量特征信息：test_data.csv
提交要求提交csv文件，使用UTF-8编码格式，提交的字段格式样例如下，csv 文件应包含两列：id 和 Attack_type，该文件应包含标头，并具有以下格式：
id
Attack_type
1
DOS_SYN_Hping
2
NMAP_OS_DETECTION
3
ARP_poisioning
etc.
代码说明就是需要实现一个大模型分类的代码
1234567891011121314151617181920 ...
CUDA与CUDNN安装教程
CUDA与CUDNN安装教程(torch.cuda.is_available() 的返回值为true)前言在跑训练算法的时候，发现算法用的一直都是CPU去跑，导致于CPU被占满了，一直发热，所以决定去解决torch.cuda.is_available() 的返回值为false这个问题，刚好我的电脑有独立显卡GTX1650
解决办法GPT去寻找解决办法
可能是没有安装CUDAtoolkit，和CUDNN
安装的CUDAtoolkit与pytorch-gpu版本不一样
没有独立显卡
首先独显我是有的，但是我确实没有独立安装CUDAtoolkit和CUDNN，可能是这个原因，第二个原因也说可能版本不对，所以安装的时候得注意版本，我们先去看看我们的版本的pytorch支持的CUDAtoolkit是多少，先去官网查询一下，https://pytorch.org/get-started/locally/
发现最高支持的CUDA版本为12.1
查看一下本地CUDA的版本
命令为nvidia-smi
发现本地的CUDA版本为12.4，于是我们只能安装12.1的CUDAtoolkit了
安装CU ...
Colab使用教程
Colab使用教程前言有兴趣学习了李宏毅的Machine learning and deep learning的教程，对教授提出来的使用Google Colab作为训练神经网络的平台深感有用，特此记录使用方法
一、Colab介绍在第一次使用Colab时，最大的困难无疑是对整个平台的陌生而导致无从下手，因此我们首先介绍一些与Colab相关的基础概念，以帮助大家更快地熟悉Colab平台。
Colab是什么？Colab = Colaboratory（即合作实验室），是谷歌提供的一个在线工作平台，用户可以直接通过浏览器执行python代码并与他人分享合作。Colab的主要功能当然不止于此，它还为我们提供免费的GPU。熟悉深度学习的同学们都知道：CPU计算力高但核数量少，善于处理线性序列，而GPU计算力低但核数量多，善于处理并行计算。在深度学习中使用GPU进行计算的速度要远快于CPU，因此有高算力的GPU是深度学习的重要保证。由于不是所有GPU都支持深度计算（大部分的Macbook自带的显卡都不支持），同时显卡配置的高低也决定了计算力的大小，因此Colab最大的优势在于我们可以“借用” ...
BP 误差反向传播法数学知识
BP 误差反向传播法数学知识前言在学习李宏毅老师的机器学学习的前两节课的时候，学到了关于机器学习的多层感知机的知识，也就是深度学习，想到了前面学习的BP误差反向传播我没理解其中的数学办法，于是有了这篇笔记
反向传播算法我们知道其实多层感知机算法也就是通过构造函数，然后算构造函数得到的预期值和实际值的差值去不断优化函数，直到找到一个函数能够去最好的处理这个问题，也是就李宏毅老师说的，深度学习其实就是looking for Function
构造函数在前面学习linear model的时候（也就是线性模型）我们寻找的函数是$y=b+ax_1$这种，但是由于无论我构建多少层这样的函数，最后的结果也只能是一个直线，我们实际上的模型中是需要线性和曲线的。
于是诞生出了Piecewise Linear model,我们可以通过下图来理解什么是piecewise Linear,我们可以通过将线1+线2+线3+线0+常量得到一个折线。
[[}}$这样的算式来近似RELU，我们叫 ...
