斜杠青年//-CSDN博客

原创背包问题（0-1背包和完全背包）基于python实现

一. 前言背包问题是一个很经典的问题，包括八个不同类别，但实际面试中，一般知道0-1背包和完全背包就可以应付面试了，本文将从两个基本背包问题进行讨论和实现。背包问题：有一个承重为W的背包和N个物品，每个物品重量分别为wt[i]，每个物品价值为v[i]，求问怎么装背包才能使得包内物品价值最高？注意：包内物品重量总和不能超过W二. 0-1背包求最值问题首先想到动态规划来做，背包问题就可以采用dp来做首先弄清楚dp的状态和选择状态：背包可以承重的重量W和可选择的物品，因此需要采用二维数组dp选择

2021-05-12 10:23:49 898 6

转载 window安装mysql并初始化用户密码

文章目录一、下载mysql安装包二、配置windows下的mysql系统环境变量三、创建存储目录data以及安装Mysql四、登录mysql以及创建新用户密码五、测试连接一、下载mysql安装包国内用户直接前往国内镜像资源网址下载：Mysql国内镜像：http://mirrors.sohu.com/mysql/MySQL-8.0/下载到本地指定目录中，并解压，如E:\chrome downloads\mysql-8.0.11-winx64\mysql-8.0.11-winx64二、配置window

2021-05-05 20:36:13 1293

原创 gitcoding_远程创建仓库,本地绑定远程仓库并推送

一. 远程创建仓库打开GitCoding首页并登录团队项目或者新建团队项目,然后创建项目,选择"代码托管项目"输入一些项目信息,千万记住不要选择"快速初始化项目", 即不能创建.gitignore和README.md文件,但此时可以获得一个git项目地址"https://e.coding.net/团队名/仓库名/项目名.git"二.本地绑定远程仓库并推送git初始化绑定远程仓库添加文件和提交实现推送...

2021-01-18 11:40:25 571

原创 milvus高性能向量数据库学习笔记

文章目录一.milvus是什么二.安装milvus三.使用milvus四.总结一.milvus是什么milvus 是一款开源的向量相似度搜索引擎，支持针对 TB 级向量的增删改操作和近实时查询，具有高度灵活、稳定可靠以及高速查询等特点。milvus 还可以对标量数据进行过滤，进一步提高了召回率，增强了搜索的灵活性。在服务端，milvus 由 Milvus Core 和 Meta Store 两部分组成：Milvus Core 存储与管理向量和标量数据。Meta Store 存储与管理 SQLit

2020-10-26 19:55:17 5734 2

原创敏感词或关键词过滤,DFA算法详解及python代码实现

一.前言近期项目有了一个过滤敏感词的功能需求,在网上找了一些方法及解说,发现DFA算法比较好用,容易实现,但很多文章解释得不太清楚,这里将其详细描述,并用python代码实现.二.DFA算法详解DFA,网上常译为确定有限自动机,俗话就是新数据在已有的数据基础上去有限次查找,比如:新数据为苹果公司年会,旧数据为苹果公司,这样就可以直接旧数据后面添加"年会"两个字.DFA算法思想是将敏感词组通过建立嵌套字典的方式去构建敏感词链表(以一个特定字符’\x00’作为结束),然后遍历新词的每个字是否出现在敏感词

2020-10-20 15:59:08 4718 1

原创 centos没有安装sudo命令,报错/var/tmp/sclylAHWC:行8:-s:未找到命令

首先检查sudo是否安装,可输入命令:sudo -a,sudo -help,sudo -s若都报错找不到命令,即可认为是sudo命令没有安装,那就安装吧~安装命令:yum install sudo

2020-10-20 10:09:22 1960

原创生成拼音语料及拼音识别转换成中文

一.前言前两篇文章分别介绍了利用中文拼音库生成基于Trie树的音节模型和将输入的字符串进行音节拆分,本篇文章主要介绍如何利用中文语料构建拼音语料模型及拼音转换中文.二.构建拼音语料模型先来看看拼音转中文效果,输入字符串"zhuanye",打印print(Pinyin2Chinese().covert(‘zhuanye’))思路:获取中文语料(来源可以从数据库或者静态文件,包括excel表和.txt表),然后将语料结巴进行分词,然后利用pypinyin工具将分词转换成拼音,用列表存储,最后写出二进

2020-10-17 11:42:55 757 2

原创基于Trie树进行拆分字符串变成拼音音节(二):字符串拼音拆分

一.前言上一篇文章已经介绍了如何将所有中文拼音音节都基于Trie树生成模型,文章地址基于Trie树进行拆分字符串变成拼音音节(一):构建拼音音节模型,本篇文章主要介绍如何基于拼音模型将字符串进行拆分音节,下一篇文章将要介绍拼音识别拼音转功能.二.代码流程首先看一下拆分效果:输入zhuanye,打印print(PinyinCut().cut(‘zhuanye’))然后直接上代码:初始化拼音分割类,导入拼音模型文件class PinyinCut: def __init__(self):

2020-10-16 16:48:12 422 1

原创基于Trie树进行拆分字符串变成拼音音节(一):构建拼音音节模型

一.前言在智能客服领域,需要具备识别用户输入拼音并将其转为中文,进而来搜索与之相关问题,但用户输入的拼音内容是一个长字符串,此时需要把字符串进行中文拼音音节拆分,用逗号’,'将每个音节分开,因此本篇文章主要介绍构建基于Trie的拼音音节模型,在下篇文章介绍拆分音节,再下下篇文章介绍拼音识别成中文二.构建模型2.1 Trie树简要介绍Trie树形结构属于字典树,整个树的根节点是空的, 根节点的子节点可以有多个,每个子节点智能存放单个元素,用于我们拼音模型就是根节点的子结点有26个,分别由a-z组成,每

2020-10-15 22:10:47 843 1

原创 gunicorn后台运行程序报错:gevent.exceptions.BlockingSwitchOutError:Impossible to call blocking function***

1. 前言&问题叙述使用gunicorn和supervsior搭配来管理后台运行程序,启动主程序后,使用postman来测试接口,发现接口请求时间太久,很容易造成响应时间过长而接口报错的接口,报错:gevent.exceptions.BlockingSwitchOutError: Impossible to call blocking function in the event loop callback2. 问题解决方法:更换gunicorn异步worker类型,将gevent换成even

2020-10-09 15:17:32 889

原创 ubuntu下利用docker搭建centos系统环境

一. 序言之前一直使用ubuntu操作系统,突然有一天需要在centos操作系统下编译项目,不想新弄系统或者下载centos镜像用虚拟机打开,干脆就直接使用docker拉取镜像,小还方便.二.操作流程sudo apt-get install dockerubuntu下安装dockerdocker pull centos:7.6.1810如需指定centos版本,上docker hub输入centos查看可用的镜像版本docker images查看centos镜像do

2020-09-24 15:45:26 2939

原创 linux环境下通过Nginx对静态资源（.html\图片\视频）的代理转发服务，以及解决刷新页面报错404问题

文章目录一、前言二、步骤2.1 上传静态资源到服务器2.2 修改Nginx配置文件2.3 重启Nginx服务2.4 测试三、总结一、前言Nginx服务器是轻量级、高性能的HTTP和反向代理web服务器，本篇文章讲述如何在一个服务器上使用Nginx来转发代理静态资源，包括图片、前端网页html、视频、文档等，整个过程很详细、简单，新手容易上手。开始教程之前，默认个人服务器已经满足如下条件：拥有一台个人的服务器，例如阿里云或腾讯云，并且知道服务器开放的端口有哪些（可在云服务器控制台进行设置），例如80

2020-09-06 16:42:08 7633

原创通过docker安装oracle数据库，并使用navicat远程测试连接的详细教程

一、前言oracle数据库是甲骨文公司旗下的一款关系型数据库产品，提供完整的数据管理功能，相较于mysql、redis等轻量级数据库，oracle数据库显得有点笨重，但因其数据安全性强、稳定性强等优点，仍被很多企业公司所使用。这里是通过docker容器技术来安装oracle，并使用navicat测试连接的详细教程。二、通过docker安装oracleoracle体积很大，大约需要4G左右内存，如果不确定服务器所剩内存空间多大，可以通过下面命令查看内存使用情况：free -m，内存的单位为M2.1

2020-09-04 17:51:36 3324 4

转载 LMDB内存映射型数据库

一、LMDB简要介绍LMDB(Lightning Memory-Mapped Database)，是一个读存速度很快的内存映射型数据库，其属于Key-Value数据库，而不是关系型数据库( 如MySQL )，提供数据管理功能，可以将各种各样的原始数据转换为统一的Key-Value存储，用在深度学习上的情况是可以将神经网络的大型数据集存储在 LMDB 中，LMDB不仅可以用来存放训练和测试用的数据集，还可以存放神经网络提取出的特征数据(要求这些数据结构简单、数据之间没有什么关联)二、LMDB原理LMDB

2020-09-02 11:22:32 1694

原创快速使用wikiextractor提取维基百科语料的简单用法

一、前言wikiextractor（直接下载来还不能直接用，还需要进行安装，得到WikiExtractor.py，才能使用）是一个提取维基百科语料的一个工具，在国内很受欢迎，它可以提取从维基下载下来的带.bz结尾语料的主要文章内容，这里介绍一个快速安装wikiextractor并使用提取的教程。前提条件：已经从维基百科下载好语料，例如：粤语语料：zh_yuewiki-latest-pages-articles-multistream.xml.bz2已安装pip工具二、步骤在项目目录下使用

2020-08-31 12:10:13 5312 13

原创 Nginx快速部署前端代码教程

一、前言一般开发采用前后端分离，前端代码在本地调试没有问题后，这时候需要将其部署到服务器上，这样就可以随时随地使用网址（或域名，域名得备案申请）来进入网站了，我们来使用Nginx来部署前端代码。前提：已经拿到完整的前端代码包已经在服务器上安装好nginx代理服务器二、过程本地前端代码上传到服务器上，使用命令：sudo scp 本地目录主机名@host_ip:服务器目录并提示登录密码，然后输入登录密码例如：sudo scp ubuntu.sh ubuntu@137.*.*.*:ch

2020-08-25 17:42:00 2364 1

原创 python 机器翻译包translate，可以翻译多语种，好用！

一、前言在python中，有个多语种翻译包，可以将各种语言进行翻译转换，例如英语转中文，韩语转中文，日语转韩语等，这个包便是translate，而且使用方便，翻译准确率还可以！二、详情首先需要安装translate包pip install translate然后使用在程序中使用from translate import Translatordef covert(char): translator==Translator(from_lang=" english",to_lang="chin

2020-08-19 11:06:39 5775 5

原创 Ubuntu各版本下载安装知网论文阅读神器CAJViewer，并添加快捷图标启动方式

一、前言如何在ubuntu下阅读中国知网.caj格式的论文，这使得大多数科研者都不得不面对的问题，本篇教程手把手跟大家分享如何在ubuntu安装使用阅读神器CAJViewer，并添加图标快捷启动方式来快速启动CAJViewer软件。二、过程步骤2.1 下载安装包由于CAJViewer目前只能在windows上运行，还没有开发出linux版本，因此我们需要借助一个神器来在linux下运行 Windows才能运行的软件，那就是wine安装wine命令:sudo apt-get install wi

2020-08-18 16:32:58 1494

原创解决keras下载imdb、mnist、boston_housing等数据集且Ubuntu下不知道将下载的数据集放在哪个位置的问题

ubuntu下调用keras的数据集，但国内无法下载的问题经常出现from keras.datasets import imdb(x_train, y_train), (x_test, y_test) = imdb.load_data()此时可以采取离线下载的方式，先从国内网站下载好数据集，在放入相应的目录位置即可，下面提供在百度云的下载kearas等一系列数据集：链接: https://pan.baidu.com/s/1C0iJx5fQR8uxMeEC8O6VSQ 密码: vno5下载完后不

2020-08-04 11:22:30 651

原创 flask+gunicorn+supervisor执行代理服务

文章目录一、前期准备(在服务器环境下)二、中期配置2.1 gunicorn2.2 supervisor三、后期执行一、前期准备(在服务器环境下)准备flask项目：这是由用户自己写好的项目，并上传到服务器上，并记住其项目本地运行ip和端口：0.0.0.0:8092安装gunicorn:pip install gunicorn 或者 sudo apt-get install gunicorngunicorn一个被广泛使用的高性能的python WSGI UNIX HTTP服务器,Gunicor

2020-07-13 14:48:00 331

原创 Linux 编写shell脚本执行脚本自动连接远程服务器ssh name@ip

文章目录一、准备二、编辑内容三、执行一、准备本教程是在ubuntu环境下，centos同样使用，只是安装expect命令有所不同安装工具包：sudo apt-get install expectexpect是用来实现自动交互功能的工具之一，使用expect-send来实现交互过程。新建脚本文件：touch ubuntu.sh运行脚本文件：expect ubuntu.sh 而不是bash ubuntu.sh 这里提前说明一下二、编辑内容编写脚本文件内容，达到自动连接远程服务器的目的 g

2020-07-13 11:03:32 2540

原创 Ubuntu18.04 快捷键和点击图标无法打开终端显示Failed to execute child process “gnome-terminal“

一、问题描述由于删除包，结果误删了东西，造成无论是使用快捷键Ctrl+alt+t还是鼠标点击终端图标，终端始终打不开，并且报错Failed to execute child process "gnome-terminal"（No such file or dir）先不用着急，也不用害怕，按照下面的方法来解决问题。二、问题解决2.1 在某个文件夹右键可以打开终端虽然使用快捷键Ctrl+alt+t还是鼠标点击终端图标都无法打开图标，但是可以发现在某个文件夹右键可以打开终端，这说明终端软件不是损坏，而是

2020-07-03 23:08:36 6809 11

原创 Win10下安装mitie遇到subprocess.CalledProcessError:Command[‘cmake’,‘..’,‘-A’，‘x64’]的解决方法

文章目录一、问题描述二、安装mitie前必须安装的依赖2.1安装Visual Studio C++2.2 安装Cmake2.3 安装boost三、安装mitie及解决问题一、问题描述安装mitie时最后一步出现了错误，根据网上教程安装好了Visual Studio、cmake、boost之后，到最后一步，先是下载了mitie安装包，之后采用本地安装的方法python setup.py install 去安装，结果发现报出了setup.py中的错误：subprocess.CalledProcessErro

2020-06-13 17:46:33 22358 5

原创项目虚拟环境更新pip版本出现的错误以及处理方法

一、问题描述在一个新项目中新建一个虚拟环境的时候，经常会出现You are using pip version 10.0.1, however version 20.2b1 is available.You should consider upgrading via the 'python -m pip install --upgrade pip' command.的升级提示错误，对于一般的依赖包进行安装，完全是可以忽略这个升级提示的，但就是有些依赖包必须得要最新的pip版本才能安装，所以没有办

2020-06-12 18:03:39 1815 1

原创机器学习：采用非监督学习预处理数据，采用监督学习训练数据，提高精度

文章目录一、学习算法：监督与非监督二、为什么要使用非监督学习预处理数据？三、实现过程一、学习算法：监督与非监督监督学习：通过提前训练好一批数据集，成为一个模型，每当有新数据通过模型后输出准确预测。为什么叫有监督的学习？因为训练数据集中有label，可以在训练的过程纠正你的训练非监督学习：不需要提前训练数据集，直接将数据集输入，且从数据集中提取知识。二、为什么要使用非监督学习预处理数据？在监督学习算法中，有很多用于分类和回归的算法对数据集中每个数据点的高维度比较敏感，敏感就是说如果不降维，得到的预测

2020-06-07 11:52:51 1145 1

原创 word2vec模型的导出和载入不同格式（model、vector、bin）模型的疑问与解答

一、.model格式模型的导出与载入from gensim.models import word2vec# 训练模型并导出sentences = list(word2vec.LineSentence('./question_corcus.txt'))model = word2vec.Word2Vec(sentences, min_count=1)model.save('./question.model')print(model)输出：Word2Vec(vocab=59, size=100, a

2020-06-05 17:47:50 6728

原创关于SVM线性与非线性的文字总结

一、SVM基本概念SVM（Support Vector Machines），支持向量机，是一种用于分类的算法。举个例子，桌子上有两种不同颜色的小球，采用一根棍子将其划分成两个部分，使得分类效果最好。其中根据小球摆放的位置，又可分为线性可分和非线性可分，所谓线性和非线性就是指能够用一条直线直接划分数据。eg.线性可分：线性不可分：当一个分类问题，数据是线性可分的，如一根棍子所放的位置能够使得小球距离棍子越大，寻找这个这个最大间隔的过程，就叫做最优化。然而事实是很多数据都是线性不可分的，无法用一根根

2020-05-26 11:33:06 3314

原创 Pycharm集成开发工具自动添加开发者信息【配置】

打开Pycharm，进到Setting\Editor\File and Code Templates\Python Script，如图所示，接着自定义输入模板，主要的模板参数如下：${PROJECT_NAME} 项目名称${PRODUCT_NAME} IDE的名称${NAME} 文件名称${USER} 用户的登录名${DATE} 日期${TIME} 时间${YEAR} 年${MONTH} 月${DAY} 日${HOUR} 时${MINUTE} 分例子如下：然后随便新建一个.py

2020-05-14 12:14:24 520

原创 NLP自然语言处理（二）——中文分词篇

文章目录一、中英文分词的区别二、中文分词技术2.1 基于规则的分词正向最大匹配算法逆向最大匹配算法双向匹配算法2.2 基于统计的分词语言模型隐马尔科模型HMM一、中英文分词的区别英文的分词相较于中文分词比较简单，因为英文中一个词可代表一个名词、形容词、副词等词性，且词与词之间用空格隔开，在写程序进行切分的时候只要匹配到空格即可。而在中文本词语没有明显的区分标记，而中文分词的目的就是由机器在中文文本中加上词与词之间的标记。中文分词存在困难是由于存在交集型歧义、组合型歧义和混合型歧义，交集型歧义如对ATB

2020-05-11 19:07:28 2361

mitie.tar.gz 资源包

空空如也