DataWhale学习记录

回溯 Leetcode 332 重新安排行程

mmaerd·2024-09-16 10:25

SQLite的入门级项目学习记录（二）

再补充一些基础知识：并行操作的问题1、可以多游标同时运行SQLite，对于同一个连接sqlite3.connect(db_file)，可以同时创建多个游标，每个游标都是独立的，可以执行各自的SQL命令序列。importsqlite3#创建数据库连接conn=sqlite3.connect('example.db')#创建第一个游标cursor1=conn.cursor()cursor1.execu

深蓝海拓·2024-09-15 16:38

RISC-V架构生态及相关学习记录

从网络整理，仅供自己学习_____________________________________________________________________________1.RISC-V架构的两个特性RISC-V，第五代精简指令处理器。RISC-V指令集，可以在理解上类比于主流商用Inter的x86，ARM的指令集，用于CPU读取、翻译从而指挥计算机进行相应操作。它在RISC（基于精简指令

我朝山海而去·2024-09-13 21:11

英语心得1

姑且这段学习记录的名字就这么叫吧。现在看了很多学习方面的经验分享，自己也在实践当中。正如贾兄在经验分享中看到的那样，学习英语而不是学习知识。英语是语言，语言是用来说的，既然要说语言，那必然要从听开始。

小坤的梦呓·2024-09-12 13:59

man命令学习记录

使用man来查看命令的用法manls想了解Linux命令的用法假设你想查ls命令的更多信息，输入manls，就会打开manpage（man是manual的缩写，因此manpage就是“手册页面”），显示关于ls命令各个方面的信息。通常，manpage是由编写程序的开发人员编写的。使用这个命令并不难，只需要输入man，后面再跟上你想要了解的命令。$manlsLS(1)UserCommandsLS(1

天南地北飞·2024-09-11 16:54

C语言简单复习(在力扣上刷题）【学习记录】

一、魔术索引在数组A[0...n-1]中，有所谓的魔术索引，满足条件A[i]=i。给定一个有序整数数组，编写一种方法找出魔术索引，若有的话，在数组A中找出一个魔术索引，如果没有，则返回-1。若有多个魔术索引，返回索引值最小的一个。示例1:输入：nums=[0,2,3,4,5]输出：0说明:0下标的元素为0来源：力扣（LeetCode）链接：https://leetcode-cn.com/probl

清蒸君·2024-09-10 13:13

LeetCode hot 100 学习记录 day 2

文章目录Integer方法除自身以外数组的乘积缺失的第一个正数参考链接Integer方法由轮转数组到Interger方法、System方法轮转数组：涉及到的方法：System.arraycopy(newArr,0,nums,0,n)nums.assign(newArr.begin(),newArr.end());方法介绍：publicstaticnativevoidarraycopy(Object

a77895·2024-09-09 14:58

学习记录——day43 C++ 异常处理

一、异常处理的格式1、在可能产生异常的地方使用关键字：throw抛出异常2、try{可能会抛出异常的语句}catch(接收异常的形参){处理异常}任何函数在定义时，可以指定能抛出的异常格式如下返回值类型函数名(形参列表)throw(异常类型1，异常类型2，。。。。)定义时throw没有不影响函数体内throw的使用，系统会自动匹配，如果有，内外类型要一致，不能缺少对于一定不会抛出异常的函数，可用n

子座·2024-09-09 01:32

DataWhale Pandas数据分析 Task01：预备知识

文章目录练习Ex1：利用列表推导式写矩阵乘法Ex2：更新矩阵Ex3：卡方统计量Ex4：改进矩阵计算的性能Ex5：连续整数的最大长度心得体会练习Ex1：利用列表推导式写矩阵乘法一般的矩阵乘法根据公式，可以由三重循环写出：In[138]:M1=np.random.rand(2,3)In[139]:M2=np.random.rand(3,4)In[140]:res=np.empty((M1.shape[

Shawnxs_·2024-09-08 22:39

9.6学习记录+三场笔试

一、去哪儿笔试+挚文集团1.在调度算法中平均等待时间最短的是什么?短作业优先2.给定一个字符串s，最有效的找到其中第一个不重复的字符的方法是?一、使用哈希表创建一个哈希表，用于存储字符及其出现的次数。可以使用编程语言中提供的字典（如Python中的dict）或类似的数据结构。遍历字符串s：对于每个字符，检查它是否在哈希表中。如果不在哈希表中，将其加入哈希表，并将其出现次数初始化为1。如果已经在哈希

冰榫·2024-09-08 18:41

Day04-线性代数-特征值和特征向量(DataWhale)

七、特征值和特征向量AAA是n阶方阵，数λ\lambdaλ，若存在非零列向量α⃗\vec{\alpha}α，使得Aα⃗=λα⃗A\vec{\alpha}=\lambda\vec{\alpha}Aα=λα，则λ\lambdaλ是特征值，α⃗\vec{\alpha}α是对应于λ\lambdaλ的特征向量λ\lambdaλ可以为0α⃗\vec{\alpha}α不能为0⃗\vec{0}0，且为列向量Aα⃗

liying_tt·2024-09-08 08:03

Groovy入门（有java基础）

本文是在会一定java语言开发的基础上进行的对比入门学习记录。1.特点：动态性：Groovy支持动态类型和动态元编程，使得代码更加灵活和易于编写。

black_dawn·2024-09-08 06:48

搭载python环境

超级小白学习记录搭载python环境一：找官网下载python二：python是否可以在电脑上找到，用cmd打一下python看看是否有弹出三：有弹出直接用，无弹出信息则用环境变量改一下四：环境变量在高级系统设置中

guluguluduang·2024-09-06 20:28

学习记录——语义分割和实例分割的标签结构

语义分割：一张样本，生成一张掩码图像标签。灰度图像，背景亮度为0，每个目标根据分类赋予不同亮度——1，2，3......实现像素级的类别区分，但无法区分个体。实例分割：原理：一张样本，生成一个多通道的Mat矩阵，也就是多张掩码图像叠在一起。每张掩码图负责存储一个类别的目标，亮度只有0和1，通过通道号区分每个类别。同时，每张掩码图内，每个目标拥有ID号（通过增加一个维度实现），负责区分一个类别中的每

落叶击球·2024-09-06 08:05

开开心心最重要

1.难得2月9号，10号这两天没什么工作内容，不过我也充分利用了这两天，闲里时间，紧张的学习记录一些文章套路，为以后写文章打下一定的基础，但愿还是有用的吧。

进步记录2020·2024-09-06 04:45

冶金加热炉学习记录11加热制度

11、加热炉的热制度正确选择钢坯加热工艺，不仅要考虑钢坯的加热温度，还应考虑断面上的温度差，即温度的均匀性。加热炉热制度的确定是进行物料加热计算的前提，也是炉子投产后热工操作制度的依据。钢种不同，料坯的形状、尺寸不同，加热炉的热制度亦应有所区别。对压力加工前的钢坯加热炉而言，钢坯的加热制度可分为：一段加热制度、二段加热制度、三段加热制度。一段式加热制度（也称一期加热制度）是把钢坯放在炉温基本上不变

改善昨天的自己·2024-09-06 02:54

用Transformer实现OCR字符识别！

Datawhale干货作者：安晟、袁明坤，Datawhale成员在CV领域中，transformer除了分类还能做什么？

Datawhale·2024-09-06 01:52

Flutter学习记录-基础控件

statelesswidget没有内部状态.Icon、IconButton,和Text都是无状态widget,他们都是StatelessWidget的子类。statefulwidget是动态的.用户可以和其交互(例如输入一个表单、或者移动一个slider滑块),或者可以随时间改变(也许是数据改变导致的UI更新).Checkbox,Radio,Slider,InkWell,Form,andTextF

薰舞空·2024-09-06 00:47

（深度学习记录）：第T3周：天气识别

>-**本文为[365天深度学习训练营](https://mp.weixin.qq.com/s/rbOOmire8OocQ90QM78DRA)中的学习记录博客**>-**原作者：[K同学啊|接辅导、项目定制

liuyiqi1·2024-09-05 13:02

第R3周：天气预测

本文为[365天深度学习训练营]中的学习记录博客参考文章：第R3周：LSTM-火灾温度预测（训练营内部可读）作者：[K同学啊]任务说明：该数据集提供了来自澳大利亚许多地点的大约10年的每日天气观测数据。

Jessica2017lj·2024-09-05 13:30

Datawhale X 李宏毅苹果书 AI夏令营入门 Task3-机器学习框架

目录实践方法论1.模型偏差2.优化问题3.过拟合4.交叉验证5.不匹配实践方法论1.模型偏差当一个模型由于其结构的限制，无法捕捉数据中的真实关系时，即使找到了最优的参数，模型的损失依然较高。可以通过增加输入特征、使用更复杂的模型结构或采用深度学习等方法来新设计模型，增加模型的灵活性。2.优化问题在机器学习模型训练过程中，即使模型的灵活性足够高，也可能由于优化算法的问题导致训练数据的损失不够低。为了

沙雕是沙雕是沙雕·2024-09-04 19:08

T4周：猴痘病识别

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊|接辅导、项目定制Z.心得感受+知识点补充1.ModelCheckpoint讲解函数原型：tf.keras.callbacks.ModelCheckpoint

KLaycurryifans·2024-09-04 18:03

第T4周：使用TensorFlow实现猴痘病识别

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊文章目录一、前期工作1.设置GPU（如果使用的是CPU可以忽略这步）2.导入数据3.查看数据二、数据预处理1、加载数据2、数据可视化3、再次检查数据

oufoc·2024-09-04 18:03

Datawhale X 李宏毅苹果书 AI夏令营-深度学入门task2：线性模型

1.线性模型把输入的特征x乘上一个权重，再加上一个偏置就得到预测的结果，这样的模型称为线性模型（linearmodel）2.分段线性模型线性模型也许过于简单，x1跟y可能中间有比较复杂的关系。线性模型有很大的限制，只能表示一条直线，这一种来自于模型的限制称为模型的偏差，无法模拟真实的情况。所以需要写一个更复杂的、更有灵活性的、有未知参数的函数。分段线性曲线（piecewiselinearcurve

m0_53743757·2024-09-04 11:43

聪明办法学Python第1节：启航

作业链接：https://hydro.ac/d/datawhale_p2s/user/53146第一行代码print("聪明办法学Python")#输出：聪明办法学PythonHelloWorld的由来

m0_53743757·2024-09-04 11:13

文件切片上传-仅学习记录

一、目的：本文仅记录一次实践尝试，仅前端调试成功，后端未反馈问题，不过后来接口废弃了。二、前期博客浏览参考：本文链接：文件分片上传【前端】_分片上传原理-CSDN博客本文链接：前端大文件切片上传，断点续传、秒传等解决方案，vue中使用实例，react同理_前端文件切片_刘伟坤的博客-CSDN博客原文链接：前端大文件上传优化方案——分片上传-知乎三、原理：分片上传的整个流程大致如下：(1)将需要上传

qq_41562817·2024-09-04 00:04

Datawhale七月组队——动手学数据分析 Task01 数据加载及探索性数据分析

第一次的打卡内容包括数据的载入及初步观察、Pandas基础以及探索性数据分析三个部分。1.数据的载入及初步观察这一节内容中，刚开始绝对路径的设置中"/"和'''\'用错了，直接拿文件夹的路径粘贴过来，导致运行失败使用pandas中read_csv读取csv数据时，对于有表头的数据，将header设置为空(None)，会报错：pandas_libs\parsers.pyxinpandas._libs

郁浓·2024-09-03 15:36

hive学习记录

一、Hive的基本概念定义：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。Hive将HQL（HiveQueryLanguage）转化成MapReduce程序或其他分布式计算引擎（如Tez、Spark）的任务进行计算。数据存储：Hive处理的数据存储在HDFS（HadoopDistributedFileSystem）上。执行引擎：Hive的

2302_80695227·2024-09-03 12:46

双证班学习记录2-开营

听完开营课，觉得樊老师这个课程设置主打一个认真努力，愿意坚持和突破，而且奖励颇多，这无形中让我增强了学完的信心，挺好。开营后要对2个月学习做宣誓，我发了文字，但觉得还是得抓住每个锻炼的机会，于是又录视频，这次面对镜头没有那么多顾忌了，也不太在意自己录的是否好了，就纯粹觉得自己要对自己立个flag，鼓励自己坚持走完2个月的学习内容，不轻易畏难放弃。就像宣誓说的，多行动，多参与，所以我要抓住每一个自己

糖糖82·2024-09-02 12:28

Datawhale AI夏令营第五期CV Task01

、体验baseline1.下载baseline相关文件aptinstallgit-lfsgitlfsinstallgitclonehttps://www.modelscope.cn/datasets/Datawhale

m0_60530253·2024-09-02 07:21

Datawhale AI夏令营第五期CV Task02

一、yolo模型介绍YOLO，全称为"YouOnlyLookOnce"，是一种流行的实时目标检测算法，由JosephRedmon等人于2015年首次提出。YOLO的核心思想是将目标检测任务视为一个单一的回归问题，直接从图像像素到边界框坐标和类别概率的映射。这种设计使得YOLO能够以非常快的速度进行目标检测，同时保持较高的精度，特别适合需要实时处理的应用场景。YOLO算法的一个显著特点是它在单个网络

m0_60530253·2024-09-02 07:21

Datawhale AI夏令营第五期魔搭-CV竞赛方向Task1笔记--初识yolo模型

DatawhaleAI夏令营第五期魔搭-CV竞赛方向Task1笔记–初识yolo模型作者:福州大学我是一个温柔的刀客2024/8/221.赛题简介本赛题最终目标是开发一套智能识别系统，能够自动检测和分类城市管理中的违规行为

切记我是一个温柔的刀客·2024-09-02 07:19

Vue3学习记录——(1)MVC与MVVM

1.传统的MVC模式模型（Model）：数据存储。视图（View）：用户界面。控制器（Controller）：业务逻辑。Model代表数据存储，主要用于实现数据的持久化；View代表用户界面（UI），主要用于实现页面的显示；Controller代表业务逻辑，串联起View和Model1.流行的MVVM模式模型（Model）：数据存储。视图（View）：用户界面。视图模型（ViewModel）：数据

一只漫步前行的羊·2024-09-02 04:03

能力越小责任越小YA·2024-09-02 00:37

Datawhale Al夏令营第三期 Al+物质科学task2学习笔记

AI4Science是一个较为普遍的术语，通常指的是人工智能在科学研究和技术发展中的应用。它涵盖了各种科学领域，包括物理学、化学、生物学、地球科学等。虽然没有一个特定的确切历史，但可以描述人工智能在科学研究中的一些早期里程碑和发展趋势。早期发展知识表示与推理：20世纪70年代末和80年代初，早期的AI研究开始探索如何用机器推理来模拟人类的思维过程。这种推理方式被应用于物理学、化学等学科中，尝试解决

weixin_75033552·2024-09-01 17:56

Datawhale x李宏毅苹果书入门 AI夏令营 task03学习笔记

实践方法论训练模型的基本步骤：（如下图所示）用训练集训练模型，（最终得出来最优的参数集）将最优参数集带入模型中，用测试集测试模型（人话：将最优参数集带入原来函数中，用测试集的x值计算y值）（这个过程就叫做预测）训练过程中遇到问题的解决攻略（看下图的方式是“前序遍历”）modelbias出现问题的情况：1.看trainingdata的loss，太大；2.当你模型无论如何调整参数，训练的结果还是不够好

weixin_75033552·2024-09-01 17:22

Datawhale X 李宏毅苹果书 AI夏令营进阶 Task2-自适应学习率+分类

目录1.自适应学习率1.1AdaGrad1.2RMSProp1.3Adam1.4学习率调度1.5优化策略的总结2.分类2.1分类与回归的关系2.2带有softmax的分类2.3分类损失1.自适应学习率传统的梯度下降方法在优化过程中常常面临学习率设置不当的问题。固定的学习率在训练初期可能过大，导致模型训练不稳定，而在后期可能过小，导致训练速度缓慢。为了克服这些问题，自适应学习率方法应运而生。这些方法

沙雕是沙雕是沙雕·2024-08-31 22:57

C语言学习记录4

今日学习了注释和对于条件语句和和循环语句的初识：1.注释：用于解释代码。两种方式：1.代码前加//2.在被注释代码上一行加/*，在被注释代码下一行加*/。（C语言的注释不支持嵌套）2.初始条件语句与循环语句：两者与python语句相似，条件语句用if和else，循环语句用for，while,dowhile后面将加快进程，开始着手竞赛准备

XSR_yeah·2024-08-31 07:12

Datawhale AI夏令营

一、分析CV识别任务任务分析自己研究生期间做过的大多是无监督任务，监督任务做的很少。比如，之前用过yolov5做过滑动验证码的识别，给滑动验证码的缺口打标签是项耗时费力的工作。本次任务相同，是给非机动车、机动车打标签。frame_id：不同帧event_id：一帧里面出现的不同车辆idbbox：车辆位置模型输入输出猜测1）如果识别车辆很容易，那么输入原始音频x，标出每帧的位置作为输出，记为y。放进

于弋gg·2024-08-31 04:21

第T10周：数据增强

>-**本文为[365天深度学习训练营]中的学习记录博客**>-**原作者：[K同学啊]**第10周：数据增强难度：夯实基础⭐⭐语言：Python3、TensorFlow2要求：学会在代码中使用数据增强手段来提高

OreoCC·2024-08-31 00:55

Activity7框架使用学习记录

用于记录在项目中使用工作流框架PROC_DEF_ID:流程定义的idbpmn文件中对流程图定义的idTASK_DEF_KEY:任务定义的idbpmn文件中对每个任务定义的idPROC_INST_ID:流程实例id启动一个流程时对流程定义的idPROC_DEF_ID（流程定义的ID）：在BPMN（BusinessProcessModelandNotation）文件中，流程定义的ID是对整个流程图定义

爱为斯坦·2024-08-30 19:56

[Datawhale#1] cv task1 - Datawhale AI夏令营

from=Datawhale可以用3090，速度很快！

cinboxer·2024-08-30 15:29

[Datawhale AI 夏令营][第五期]智能识别系统-Task1笔记

任务是发布在MARS大数据服务平台的2024“大运河杯”数据开发应用创新大赛——城市治理。了解智慧河长的朋友可能听说类似的项目，它们可以识别河道中出现的一些问题。这次的智能识别系统与前者有相似的地方，但这个系统将聚焦城市违规行为的智能检测，通过研究开发高效可靠的计算机视觉算法，提升违规行为检测识别的准确度，降低对大量人工的依赖，提升检测效果和效率，从而推动城市治理向更高效、更智能、更文明的方向发展

keexh·2024-08-30 15:58

DataWhale AI夏令营 2024大运河杯-数据开发应用创新赛-task2

DataWhaleAI夏令营2024大运河杯-数据开发应用创新赛YOLO(YouOnlyLookOnce)上分心得分享YOLO(YouOnlyLookOnce)YOLO算的上是近几年最火的目标检测模型了

十分钟ll·2024-08-30 15:57

动手学深度学习（pytorch）学习记录20-自定义层[学习记录]

在深度学习中，自定义层是指开发者根据特定需求编写的神经网络层，而不是使用深度学习框架（如PyTorch、TensorFlow等）提供的现成层。自定义层可以让模型更加灵活，以适应特定的任务或数据集。目录没有参数的自定义层带参数的层没有参数的自定义层下面的CenteredLayer类要从其输入中减去均值。要构建它，只需继承基础层类并实现前向传播功能。importtorchimporttorch.nn.

walfar·2024-08-30 13:13

动手学深度学习（pytorch）学习记录21-读写文件(模型与参数)[学习记录]

目录加载和保存张量加载和保存模型参数保存模型的好处众多，涵盖了从开发到部署的整个机器学习生命周期。节省资源：训练模型可能需要大量的时间和计算资源。保存模型可以避免重复训练，从而节省时间和计算资源。快速部署：一旦模型被训练并保存，它可以迅速部署到生产环境中，加速产品上市时间。版本控制：保存不同版本的模型有助于跟踪模型的迭代过程，便于比较和回滚到之前的版本。离线使用：保存的模型可以在没有网络连接的情况

walfar·2024-08-30 12:42

Datawhale X 李宏毅苹果书AI夏令营深度学习详解进阶Task02

目录一、自适应学习率二、学习率调度三、优化总结四、分类五、问题与解答本文了解到梯度下降是深度学习中最为基础的优化算法，其核心思想是沿着损失函数的梯度方向更新模型参数，以最小化损失值。公式如下：θt+1←θt-η*∇θL(θt)其中，θ表示模型参数，η表示学习率，L表示损失函数，∇θL表示损失函数关于参数的梯度。然而，梯度下降在复杂误差表面上存在局限性。例如，在鞍点或局部最小值处，梯度接近零，导致模

z are·2024-08-30 08:14

《微班会创意设计与实施》学习记录

终于读到150页了，实践证明，学习的确很难熬，读了十几天才150页。最近的案例基本都是解决违纪事件。如果学生多次出现同样的违纪事件，多半是班级的反馈机制出了问题，包括学生对老师的及时反馈和老师对学生的及时反馈，班主任要及时补救。并且一定避免班级出现小团伙。一旦违反纪律的学生抱团了，无论男生团伙，女生团伙，都会气焰大涨，班主任就会一对多，很难对付。一旦抱团，班主任就要想办法分化。

雎雎_·2024-08-30 06:44

C语言学习记录（三）

我们紧接上篇的内容，上节我们提到了数据类型以及一些运算符，这节我决定给大家分享一下顺序结构，让大家更加深入理解、以及能达到自己运用运算符完成一些与顺序结构相关的简单的题目。一.顺序结构顺序结构是三大基础结构中最简单也是最容易的，其实现方式为从上至下依次进行，不需要进行任何判断，它是由一系列按特定顺序执行的操作组成，每个操作完成后才会执行下一个操作，这种执行过程就像按照任务列表逐项完成一样，依照线性

Tian Sifan·2024-08-30 06:30

推荐频道