Python
【机器学习】softmax回归
Softmax Regression (多标签分类)将多输入的分类值转化为[0,1]的概率分布，进而进行逻辑回归算法 softmax能将差距大的数值距离拉得更大，但是数值可能会溢出 Softmax Function 数学表达式 [a_j = frac{e^{z_j}}{ sum_{k=1}^{N}{e^{z_k} }} ]代码 cost function 数学表达式 loss: [begin
【机器学习】协同过滤
Collaborative Filtering Recommender Systems 解决相似度问题 概念 准确率 = (accuracy = frac{预测正确的样本}{总样本}) 精确率 = (precision = frac{预测成功的正类}{预测的正类}) 【不能误检】 召回率 = (recall = frac{预测成功的正类}{总正类}) 【不能漏报】 相似度 余弦定理相似度 [C
【机器学习】K-Means
K-Means 找最接近的质心 公式 [c^{(i)} := j quad mathrm{that ; minimizes} quad ||x^{(i)} - mu_j||^2 ]其中，范式(||X||)，其计算公式为 [||X|| = sqrt{x_1^2 + x_2^2 + cdots + x_n^2} ]代码 计算质心平均值 公式 [mu_k = frac{1}{|C_k|} sum_{i
django(模版层）
一 模板语法传值 {{}}: 变量相关、过滤器 {%%}: 逻辑相关(静态文件配置、反向解析、标签相关、模版继承和 导入) 二 模板语法之过滤器 三 模板语法之标签 四 自定义过滤器、标签 五 自定义inclusion_tag 六 模板的继承 七 模版的导入
最长蛋白序列和最长转录本提取
1. 第一种数据格式为protein.fa（translated.fa） 和 gene.gtf文件，序列信息如下 点击查看代码 这种运行完后，protein.fa文件中蛋白名直接替换为了基因名，在下游的分析中就不需要替换基因名了 第二种是gtf文件相对注释不全的数据，但是同一基因不同长度的cds序列id名以。1 .2 .3 区分 点击查看代码
【Python&目标识别】Labelimg标记深度学习（yolo）样本
人工智能、ai、深度学习已经火了很长一段时间了，但是还有很多小伙伴没有接触到这个行业，但大家应该多多少少听过，网上有些兼职就是拿电脑拉拉框、数据标注啥的，其实这就是在标记样本，供计算机去学习。所以今天跟大家分享下如何使用Labelimg去自己标记深度学习样本。 一、安装Labelimg &nb
Python 3 List Type errors All In One
Python 3 List Type errors All In One Python 3.9.x+ error NameError: name 'List' is not defined solutions from typing import List python 3.9.x+ built-in collection types list https://stacko
MegEngine Python 层模块串讲（下）
在前面的文章中，我们简单介绍了在 MegEngine imperative 中的各模块以及它们的作用。对于新用户而言可能不太了解各个模块的使用方法，对于模块的结构和原理也是一头雾水。Python 作为现在深度学习领域的主流编程语言，其相关的模块自然也是深度学习框架的重中之重。 模块串讲将对 MegEngine 的 Python 层相关模块
DASCTF 2023 & 0X401七月暑期挑战赛
比赛只出了一道，小菜不是罪过-_- controlflow 这个题动调到底就行 exp webserver 这题进去看到有很多函数，有点手足无措。 main中没找到校验逻辑 猜到用了第三方库，想恢复符号 这里参考 https://blog.csdn.net/osfront/article/details/121061338#:~:text=Oat%2B%2B 文档： https%3A%2F%
Pytorch 最全入门介绍，Pytorch入门看这一篇就够了
本文通过详细且实践性的方式介绍了 PyTorch 的使用，包括环境安装、基础知识、张量操作、自动求导机制、神经网络创建、数据处理、模型训练、测试以及模型的保存和加载。 1. Pytorch简介 在这一部分，我们将会对Pytorch做一个简单的介绍，包括它的历史、优点以及使用场景等。 1.1 Pytorch的历史 PyTorch是一个由Facebook的人工智能研究团队开发的开源深度学习框架。
安装python以及常用库
1. 去官网下载python，并安装，笔者版本3.11.4。【安装完毕后建议重启编译器和控制台，以确保导入了最新的环境变量】 2. 设置镜像，加快pip3的下载速度。 pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 3. 安装numpy等 &n
Windows 实例如何开放端口
矩池云 Windows 实例相比于 Linux 实例，除了在租用机器的时候自定义端口外，还需要在 Windows防火墙中添加入口规则。接下来将教大家如何设置 Windows 防火墙，启用端口。 租用成功后通过 RDP 链接连接服务器，然后搜索防火墙，点击搜索结果中的Windows Defender 防火墙。 在设置页面，点击高级选项即可进入防火墙配置页面。 在页面点击入站规则->新建规
在python文件操作中使用writelines()函数却报write()函数使用错误
代码是这样的： 下面是报错信息 报错显示第六行，明明使用的是writelines()函数确报write()错误，不能传元组，只能是str。但是使用的是writelines()传参数是列表没有问题但还是报错，经过网络查询算是找到了原因，writelines()函数确实是接收列表参数但是对这个列表参数是有要求的，列表要是str类型元素组成的列表，其他类型就会报错 下面是该函数定义
odoo @http.route实现日志增强
1、@http.route是一个装饰器，加了@http.route的方法，能以http或者rpc的方式访问到 2、可以改写@http.route的方法，添加一些日志的功能，这个方式比较直接，简单，缺点是耦合太高，
《Universal and Transferable Adversarial Attacks on Aligned Language Models》论文学习
一、Abstract 尽管“开箱即用”的大型语言模型（例如ChatGPT）能够生成出色的处理令人反感的内容，人们在规避针对LLM的攻击（针对LLM的所谓“越狱”）方面取得了一些成功，但在不断地攻防实践中这些防御手段却很脆弱，研究员在自动对抗性提示（prompt）生成方面也取得了一些突破。 在本文中，我们提出一种简单有效的攻击方法，使对齐微调训练后的语言模型产生令人反感的行为。 具体来说，我们的方法
Linux基础31 nginx介绍, 官方安装, 源码安装与升级, nginx配置文件, 搭建小游戏
Nginx Web基础 Nginx概述 Nginx特点 1.高性能、高并发 2.轻量且高扩展性 3.高可靠性 4.支持热部署 5.互联网公司都在用nginx 6.Nginx使用Epoll网络模型 其他的web服务 nginx应用场景 Nginx部署 1.epol源安装 2.官方源安装
redis常见的5中数据类型以及相关命令
redis redis 简介 redis 是采用 ASNI C 语言编写的 采用的是 C/S 架构 是非关系型数据库 以键值对的形式存储在内存中 redis 在 windows 中的启动命令 redis-server redis.windows.conf redis-cli 切换到客户端 一、redis 的数据类型 1. String（字符串） 最基本的数据结构，可以存储文本、整数或
树莓派的五种奇特的用途
导读 最近，我在一个电话会议上听到有人说开源社区是好奇心和解决问题的文化的结合。好奇心是我们解决问题的基础。在解决各种规模的问题时，我们使用了大量的开源工具，其中包括在功能极为方便的树莓派上运行的 Linux。 我们每个人都有各种不同的生活经历，所以我向我们的作者社区询问了他们所遇到的最奇特的树莓派用途。我有一种预感，这些令人惊奇的构建将会为其他人激发灵感。 使用树莓派进行
使用 pip 出现 Script file ‘C:\Anaconda3\Scripts\pip-script.py‘ is not present 错误解决办法
某天在虚拟环境使用 pip 更新 tf 的时候莫名其妙出现 Script file 'D:Anaconda3Scriptspip-script.py' is not present 的错误 , 之前用的还好好的 , 但是突然就不能用了，初步猜测是依赖库发生的更新，可以使用如下方式解决： 1、进入创建的环境：activate env_name2、输入：python -m ensurepi
学完编程后，可以从事哪些行业的高薪工作？
01 游戏行业 游戏已经逐渐成为当下年轻人娱乐消遣的方式之一，一款好的游戏如lol还是能让我们在工作学习之余轻松一些的，也成为了全民性质的竞技分类。游戏那也是咱们一键键敲出来的。（薪酬请参考当地，图片为全国平均，来源：职友集） 02 互联网行业 最直接的工作就是到一个科技企业做程序员，人家码砖头，我们写代码。目前的互联网行业，那是需要大批的开发人员，把现实中的数据进行转换存储分析。（薪酬请参考
强化学习——DQN算法
1、DQN算法介绍 DQN算与sarsa算法和Q-learning算法类似，对于sarsa和Q-learning，我们使用一个Q矩阵，记录所有的state（状态）和action（动作）的价值，不断学习更新，最后使得机器选择在某种状态下，价值最高的action进行行动。但是当state和action的数量特别大的时候，甚至有限情况下不可数时，这时候再用Q矩阵去记录对应价值就会有很大的局限性，而DQN