- 博客(43)
- 收藏
- 关注
RSS订阅原创 shinyApp HelloWorld~
# 定义UIui = fluidPage( numericInput("n", "n", 1), plotOutput("plot") )# 开发serverserver = function(input, output) { output$plot <- renderPlot( plot(head(cars, input$n)) ) }# 定义shiny Appapp <- shinyApp(ui, server).
2021-01-10 23:36:35
223
原创 Mac下运行ShinyApp
Shiny Server目前只支持部署在linux服务器上，想要在Mac上运行自己的App，可以尝试：nohup R -e "shiny::runApp('myShinyApp/',port=1688)" >/dev/null &
2021-01-10 16:33:12
346
原创 常用的R mirror
https://mirrors.tuna.tsinghua.edu.cn/CRAN/ TUNA Team, Tsinghua Universityhttp://mirrors.tuna.tsinghua.edu.cn/CRAN/ TUNA Team, Tsinghua Universityhttps://mirrors.ustc.edu.cn/CRAN/ University of Science and Technology of Chinahttp://mirrors.ustc.edu.cn
2021-01-10 10:44:01
675
原创 Python读取csv文件
file_name = 'methods.csv' # 文件名称# 1，使用pandasimport pandas as pdpd.read_csv(file_name, sep='\t') # sep指定分隔符# 2，使用csvimport csvwith open(file_name) as csvfile: reader = csv.DictReader(csv...
2021-01-10 09:40:24
290
原创 Python安装包至指定目录
# pip install package -t package_dir, 比如:pip install gensim==3.8.1 -t ../external-libraries/
2021-01-10 09:40:09
1011
原创 pip指定镜像源安装python包
pip install package_name -i mirror_url# 比如# 使用清华镜像pip install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple# 使用中科大镜像pip install paddlepaddle -i https://pypi.mirrors.ustc.edu.cn/simp...
2021-01-10 09:40:01
618
原创 在shell终端直接运行python代码
python3 -c 'import datetime;print(datetime.datetime.now())'
2021-01-10 09:39:54
779
原创 conda安装本地下载的包
# conda install --use-local package_name# 比如conda install --use-local anaconda3/cudnn-7.6.0-cuda9.0_0.tar.bz2
2021-01-10 09:39:46
3161
原创 linux下screen的新建、删除、退出等常见指令
# 显示screen listscreen -ls# 删除指定screen, screen_name为待删除的screen namescreen -S screen_name-X quit
2021-01-10 09:39:37
43082
原创 Ubuntu查看系统版本、cpu信息
# 查看系统版本cat /proc/version# 查看CPU信息cat /proc/cpuinfo# 或者lscpu
2021-01-10 09:39:29
730
原创 Ubuntu Screen 中文显示乱码问题
问题：MAC连接Ubuntu，新建screen，ls或vim中文字符显示乱码解决方法: screen和新建的终端都配置utf8# screen 设置为utf8sudo vim /etc/screenrc# 文件追加两行:defencoding GBKencoding UTF-8 GBK# 终端配置utf8screen -S your_screen_name # 新建scr...
2021-01-10 09:39:20
1658
原创 linux 保存screen日志
# 1，进入项目目录,即日志保存的位置cd ~/our_work_dir# 2, 新建screenscreen -S our_screen_name# 3, 命名日志名称, 点击ctrl+a，再点击冒号:, 即可输入命令logfilectrl + a, :logfile test.log # 日志将被保存在test.log,位置为新建screen时的当时目录# 4, 开启保...
2021-01-10 09:39:02
1639
原创 Python dict字典排序
d = {23: 3, 13: 45, 2: 89}sorted(d.items(), key=lambda x: x[1], reverse=False)# [(23, 3), (13, 45), (2, 89)]sorted(d.items(), key=lambda x: x[1], reverse=True)# [(2, 89), (13, 45), (23, 3)]s...
2021-01-10 09:38:51
255
1
原创 github config 配置用户名和邮箱
# 当有多个git账号时，可以对不同的项目，单独配置不同的用户名和邮箱# 这样就可以以 your_name 更新该项目cd your_repos/git config user.name your_namegit config user.email your_email...
2021-01-10 09:38:43
1110
原创 Python json load/loads 及 dump/dumps的区别
import jsonjson_dict = {'name': 'Bell', 'age': 12}json_str = '{"name": "Bell", "age": 12}'# dict --> strprint(json.dumps(json_object), type(json.dumps(json_object)))# {"name": "Bell", "ag...
2021-01-10 09:38:28
161
原创 Shiny Server linux安装
环境: Ubuntu~16.04# 1, 安装 Rsudo apt-get install r-base# 安装成功后，查看 R 版本R --version |grep R\ version# 比如： R version 3.4.4 (2018-03-15) -- "Someone to Lean On"# 2，安装 Shiny 包sudo su -c "R -e \"in...
2021-01-10 09:38:11
230
原创 linux grep 选中不匹配的行
# 通过 grep --help 可以查看基本命令# 筛选未匹配结果，使用grep -v，--invert-match 选中不匹配的行，比如：grep -v 'LiLei' hello.py # 筛选hello.py 文件中不包含’LiLei‘的行python test.py |grep -v 'LiLei' # 筛选test.py输出中不包含’LiLei‘的行...
2021-01-10 09:38:00
3999
原创 Python multiprocessing 多进程示例
import osimport multiprocessingdef processing(): process_num = multiprocessing.cpu_count() - 1 # 设置进程数 result_list = [] pool = multiprocessing.Pool(processes=process_num) # 新建Pool，之...
2021-01-10 09:37:45
252
原创 简单有效的注意力机制
目录本能想解决什么问题？global/local Attentionadditive Attentionself AttentionMulti-Head Attention应用案例本能在认知神经学中，注意力是一种人类不可或缺的复杂认知功能，指人可以在关注一些信息的同时忽略另一些信息的选择能力。在日常生活中，我们通过视觉、听觉、触觉等方式接收大量的感觉输入。但是我们的人脑可以在这些外界的信息轰炸中还能有条不紊地工作，是因为人脑可以有意或无意地从这些大量输入信息中选择小部分的
2020-06-26 23:17:43
512
原创 SEED RL：大规模分布式强化学习框架
SEED RL：Scalable,EfficientDeep-RL，每秒处理数百万张图片的分布式强化学习框架。
2020-06-06 06:38:51
728
原创 GA3C：基于GPU的异步并行强化学习算法
GA3C：GPU-basedAsynchronousAdvantageActor-Critic是A3C的GPU实现，混合CPU/GPU，提高学习效率。
2020-06-04 09:58:58
1317
原创 并行强化学习算法：A2C/A3C
AsynchronousAdvantageActor-Critic是一种异步的基于优势函数的Actor-Critic并行学习算法。Actor指需要学习的policy π，Critic指需要学习的Value Function。
2020-06-02 07:07:09
3521
2
原创 强化学习 优势函数(Advantage Function)
优势函数表达在状态s下，某动作a相对于平均而言的优势。从数量关系来看，就是随机变量相对均值的偏差。使用优势函数是深度强化学习极其重要的一种策略，尤其对于基于policy的学习。
2020-06-02 06:57:45
14956
3
原创 TD3：双延迟深度确定性策略梯度算法
TD3是一种面向连续动作空间基于Actor-Critic架构的深度强化学习算法，在DDPG算法基础上，同时对policy网络和value网络进行改进，优化了Q-Value的过高估计问题。
2020-05-17 20:16:14
5193
原创 Dueling DQN：Q=V+A
Dueling DQN: Q=V+A.在特征层和输出层之间的全连接层，分成了两部分，一部分用于近似state-value V(s)，另一部分近似Advantage-Function A(s, a)，求和(combine)得到最终的Q(s, a).
2020-05-17 08:17:56
308
原创 精讲DQN-深度强化学习开山之作
DQN是Q-learning的深度神经网络实现，针对离散动作空间的model free、off policy深度强化学习算法。
2020-05-16 21:47:20
1169
原创 深度强化学习 on-policy 和 off-policy
当生成训练数据基于的Policy、目标值(target value)基于的Policy与当前学习的Policy网络参数一致时，为on-policy；否则为off-policy。
2020-05-02 11:19:54
2328
原创 强化学习 时序差分学习(Temporal-Difference Learning)
时序差分学习是一种通过时序自举(bootstrap)的方式采样数据，通过最小化差分更新参数的一种model-free学习方法。根据Expected Return的不同近似方法，分为one-step、n-step、TD(λ)、蒙特卡洛方法等。
2020-04-24 13:14:05
1259
原创 机器学习 梯度到底是什么?
梯度是个向量，自变量沿着该向量的方向变化，函数值变化最快。在机器学习中，为使损失函数下降最快，我们需要让模型参数沿着梯度的负方向更新，即梯度下降。
2020-04-19 14:32:39
7153
原创 强化学习 Model-Based 和 Model-Free
Model指的是针对环境的建模，即输入Action，环境的响应：Reward和State；当响应是直接映射关系时为model-free，当响应为概率分布时为model-based。
2020-04-16 23:31:08
4452
原创 深度强化学习算法的四个问题
要想驾驭一个机器学习算法，我认为需要思考其四个方面：应用场景、目标变量、损失函数及学习过程。深度强化学习也不例外：应用场景 上图是强化学习的交互示意图，Agent给出动作(Action)，环境更新状态并返回奖赏(Reward)。 我认为只要能满足以下两点，就可尝试使用强化学习框架： a, 数据流满足示意图的这种交互方式，注意Reward可以有延迟； b, 可以清晰地表示Ac...
2020-04-06 19:47:32
1618
原创 强化学习的位置
强化学习一般指深度强化学习；与监督学习、非监督学习并行但在实际学习过程中(episode)又与前者机理一致，所以强化学习也可以看做动态的机器学习；从AI系统的角度，常见的深度学习算法CV、NLP等可以看做是基础功能实现，类比于眼睛、耳朵；而强化学习是基于这些功能的策略控制、决策实现，类比于大脑。...
2020-04-05 13:56:46
200
原创 Neo4J 统计根节点叶节点之间路径的最大长度
MATCH p=(root)-[*]->(leaf)WHERE NOT ()-->(root) AND NOT (leaf)-->()RETURN MAX(length(p))
2019-08-23 15:26:41
3019
原创 Neo4J 查找两节点之间的路径
# 两节点之间的所有路径MATCH p=(a)-[*]->(b)RETURN p# a->b 直接连接MATCH p=(a)-[]->(b)RETURN p# a-...>b a、b之间有三个关系及两个节点# 等价于 (a) - () - () -> (b)MATCH p=(a)-[*3]->(b)RETURN p# 路径包含2个...
2019-08-23 15:22:02
11363
原创 Neo4J 统计根节点、叶节点个数
统计根节点个数： match (n) where not ()-->(n) return count(distinct n) 统计叶节点个数： match (n) where not (n)-->() return count(distinct n)
2019-08-22 18:30:54
5431
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