- 博客(113)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Jetson Nano 使用移动硬盘拷贝大文件的通用流程（终极版）
本文介绍在Linux系统中挂载exFAT格式移动硬盘并拷贝数据的完整流程：1）创建挂载点目录；2）通过lsblk命令确认设备名称；3）加载fuse模块；4）使用mount.exfat-fuse命令挂载设备；5）验证挂载成功；6）推荐使用rsync命令进行带进度显示的文件拷贝；7）操作完成后务必卸载设备。文中特别强调了正确卸载的重要性，并提供了强制卸载的备用方案。该流程适用于需要在Linux系统下处理exFAT格式移动硬盘的场景。
2025-11-14 14:28:41
210
原创 fastapi服务设置为开机自启服务
StandardOutput 和 StandardError: 设置为 journal，表示日志输出到 systemd 的日志系统，可以通过 journalctl 查看日志。资源限制和优化：systemd 可以对服务设置资源限制，如内存、文件描述符数量等，防止服务过度消耗系统资源。日志管理：systemd 与 journal（日志系统）集成，可以集中管理服务的日志，便于查看和排查问题。开机自启动：systemd 支持设置服务在系统启动时自动启动，方便系统重启后自动恢复服务。
2025-07-17 14:13:01
945
原创 Qwen-vl
注意：事项上面代码在训练完成后没有额外将训练好的模型保存到指定文件夹，模型自动将模型保存在了"/autodl-fs/data/wzs/trained_model/Qwen2.5-VL-3B-Instruct/checkpoint-124"，其中尾号。data2csv.py：使用modelscope下载coco_2014_caption数据集，并将其转化为.csv文件。csv2json.py：将得到的.csv文件转化为json格式。参考文章：Flash-Attention-2安装指南。
2025-06-25 11:55:59
1010
原创 Fastapi+Celery实现异步回调
用户请求接口 /analyze，传入一个文本；FastAPI 处理后，用 Celery 异步任务 模拟调用大模型进行文本分析；分析完成后，调用用户提供的回调地址（比如 /callback）并把分析结果发回去。
2025-04-27 13:49:19
887
1
原创 python中venv用法
将该目录的所有者更改为当前用户，这将允许你在该目录下进行写操作。输出结果将会显示 wzs wzs 而不是 root root。
2025-04-23 10:02:49
411
原创 树莓派5首次开机保姆级教程（无显示器通过VNC连接树莓派桌面）
选择 Interface Options > VNC > Yes 启用服务。2.在Windows电脑上安装VNC软件。重启树莓派：sudo reboot。3.使用VNC远程访问树莓派桌面。
2025-03-08 13:40:36
1976
1
原创 Layer Normalization和Batch Normalization
归一化是在每个mini-batch的每个通道上进行的。计算的是每个通道在整个mini-batch上的均值和方差。公式中涉及到每个通道的均值 (\mu_c) 和方差 (\sigma_c^2)。归一化是在每个样本的所有特征（即所有通道、所有高度和宽度）上进行的。计算的是每个样本在所有特征上的均值和方差。公式中涉及到每个样本的均值 (\mu_i) 和方差 (\sigma_i^2)。
2024-09-02 15:20:19
679
原创 trtexec命令用法
trtexec 是 TensorRT 提供的一个命令行工具，用于将深度学习模型转换为 TensorRT 引擎，并对其进行性能测试和推理。它支持多种模型格式（如 ONNX、Caffe 等），并允许用户配置各种参数以优化模型性能。
2024-08-30 10:29:24
3265
原创 docker常用命令使用dockerfile构建镜像，推送到私有镜像仓库
相当于启动启动容器命令，可以在文件中指定参数，尤其适合需要同时启动多个容器，并且容器间存在交互的场景。使用dockerdocker build命令来构建。
2024-08-30 10:09:57
869
原创 Pytorch模型转ONNX模型
将PyTorch转为ONNX模型很简单，使用torch.onnx.export()函数即可。将.pth模型转为onnx文件导出。
2024-08-22 15:09:24
1090
原创 langchain教程-（1）Prompt模板
AIMessage, #等价于OpenAI接口中的assistant role。SystemMessage #等价于OpenAI接口中的system role。HumanMessage, #等价于OpenAI接口中的user role。
2024-06-18 17:12:34
729
原创 通过编写dockerfile部署python项目
总结：在 Dockerfile 中，应优先考虑使用 COPY 指令来复制本地文件或目录到镜像中。只有在需要特定功能（如从远程 URL 下载文件或解压压缩文件）时，才使用 ADD 指令。如果需要从远程 URL 下载文件，或者需要解压压缩文件到镜像中，可以使用 ADD 指令。但是，请注意 ADD 的一些潜在问题，如缓存失效和不必要的复杂性。通常，推荐使用 COPY 指令，因为它更直观、更简单，并且更容易理解。当需要复制本地文件或目录到镜像时，COPY 是首选。
2024-05-09 15:27:03
5523
原创 指数平滑代码
指数平滑是一种常用的时间序列预测方法。它通过对历史数据进行平滑处理，来预测未来的趋势。指数平滑方法主要适用于具有较弱季节性和趋势的时间序列数据。指数平滑可以分为一次指数平滑、二次指数平滑和三次指数平滑。每种方法都有不同的平滑因子，可以根据实际情况选择最合适的平滑因子来进行预测。选择适合的指数平滑方法：根据时间序列数据的特点，选择一次、二次或三次指数平滑方法。初始化平滑参数：为指数平滑方法选择适当的平滑因子（如 α、β、γ）。
2023-07-30 17:17:05
694
原创 用sqlalchemy连接pg数据库报错记录
报错信息：sqlalchemy.exc.ObjectNotExecutableError: Not an executable object: ‘select * from my_database.table;：利用sqlalchemy中的text函数将sql字符串加工为原生sql。：需要传递“连接”变量而不是“引擎”
2023-07-21 17:48:09
964
原创 动态规划详解Python
它通常用于优化问题，其中问题可以被分解成一系列重叠子问题，通过存储并重复使用已经解决过的子问题的解，可以避免重复计算，从而提高算法的效率。问题：有一个数组，求其中两个数x,y，满足x的索引小于y的索引，使得 x-y 最大。例如 arr = [3,7,2,6,4,1,9,8,5]， 最大回撤是6，对应的x=7,y=1。例如：arr = [1,5,-10,2,5,-3,2,6,-3,1]. 输出为：12。动态规划算法通常具有较高的时间复杂度，但通过存储已解决的子问题的解，可以大大减少重复计算，提高算法效率。
2023-06-28 23:44:16
6018
原创 经典算法-两数之和、三数之和
给你一个整数数组 nums ，判断是否存在三元组 [nums[i], nums[j], nums[k]] 满足 i!= k ，同时还满足 nums[i] + nums[j] + nums[k] == 0。给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。思路2：利用哈希表，存储{val：index}，遍历列表判断，判断哈希表中是否有“target-nums[i]”的key。你可以按任意顺序返回答案。
2023-06-28 23:19:00
203
原创 贪心算法详解
在贪心算法中，我们从问题的初始状态开始，通过每一步的选择来逐步构建解决方案，直到达到最终目标。贪心算法的关键在于如何定义局部最优解，并证明通过每一步选择局部最优解最终可以达到全局最优解。如果可以确保通过贪心选择得到的解决方案是全局最优的，那么贪心算法通常是一种高效的求解方法，因为其简单性和高效性。然而，贪心算法并不适用于所有问题，因为在某些情况下，贪心选择可能导致局部最优解无法达到全局最优解。因此，在使用贪心算法解决问题时，需要仔细分析问题的特性，并验证贪心选择是否能够得到正确的解。
2023-06-26 08:57:51
2513
原创 窗口函数之-前后函数（lag/lead）
练习题目：请输出连续出现3次及以上的Num。expression：作用的字段。应用：求同比增长、环比增长。窗口函数之-前后函数。
2023-06-25 17:04:13
519
原创 查找算法-Python代码
二分查找要求数据集是有序的。它通过重复将数据集分成两半，并根据目标元素与中间元素的大小关系来确定目标元素在哪一半中。二分查找的时间复杂度为O(log n)，其中n是数据集的大小。查找算法是计算机科学中的一种常见算法，用于在数据集合中查找指定的元素或确定元素是否存在。它们的目标是通过有效地比较元素来最小化查找的时间复杂度。线性查找是最简单的查找算法之一。它从数据集的起始位置开始逐个比较元素，直到找到目标元素或遍历完整个数据集。线性查找的时间复杂度为O(n)，其中n是数据集的大小。
2023-06-24 22:12:04
785
原创 归并排序详解-附Python代码
合并前：# 定义合并函数，将两个有序序列合并为一个有序序列 def merge(lst , left , mid , right) : """思路：定义一个列表merged，循环比较两个有序序列的首元素大小，并放入临时空列表。
2023-06-24 15:36:10
620
原创 快速排序-详解附Python代码
定义归位函数，每次将首元素归位并返回对应的序号 def partition(lst , left , right) : """思路：定义left、right指针，首先将left指针的值传给temp,至此left指针”空缺“。while(左右指针没有相遇):（1）从right指针开始移动寻找比temp小的值，放到left所指的”空缺“。完成后right”空缺“（2）从left指针开始移动寻找比temp大的值，放到right所指的”空缺“。完成后left”空缺“
2023-06-23 22:24:01
1278
原创 datetime时间格式与频率格式
在Python中，你可以使用strptime()和strftime()方法来进行字符串与datetime对象之间的相互转换。在上述示例中，我们使用strptime()方法将一个字符串date_string转化为一个datetime对象datetime_obj。需要提供一个格式化字符串’%Y-%m-%d %H:%M:%S’，用于指定字符串的日期时间格式。打印datetime_obj将输出转换后的datetime对象。
2023-06-20 18:57:00
296
原创 AIOps介绍
AIOps是指人工智能运维（Artificial Intelligence for IT Operations）的缩写。它是将人工智能（AI）和机器学习（ML）技术应用于IT运维领域的一种方法。传统的IT运维通常需要人工监测和管理大量的系统日志、性能指标、事件和警报，以确保系统的正常运行和故障的快速解决。然而，随着企业规模的增长和复杂性的提高，传统方法已经变得繁琐且效率较低。AIOps旨在利用人工智能和机器学习的能力来改进和自动化IT运维。
2023-06-20 18:23:05
3460
原创 数据样本不平衡处理
处理数据样本不平衡问题是在机器学习和数据挖掘任务中常见的挑战之一。以下是一些常用的数据样本不平衡处理方法：过采样（Over-sampling）：过采样方法通过增加少数类样本的数量来平衡数据集。常见的过采样方法包括随机复制样本、SMOTE（Synthetic MinorityOver-sampling Technique）等。欠采样（Under-sampling）：欠采样方法通过减少多数类样本的数量来平衡数据集。
2023-06-20 15:22:22
2471
原创 One-Class SVM详解
One-Class SVM（Support Vector Machine）是一种无监督学习算法，用于异常检测和离群点检测。它的目标是通过仅使用正常数据来建模，识别出与正常模式不同的异常数据点。数据映射：将正常数据映射到高维特征空间中，使得正常数据点能够被一个超平面所包围。这个超平面被称为决策边界。寻找最优超平面：通过最大化超平面与正常数据之间的间隔，寻找一个最优的分割超平面，使得异常点尽可能远离该超平面。这意味着决策边界要尽可能远离正常数据点。
2023-06-19 18:44:10
7402
原创 孤立森林详解
孤立森林（Isolation Forest）是一种基于异常检测的机器学习算法，用于识别数据集中的异常点。孤立森林算法在异常检测、网络入侵检测、金融欺诈检测等领域有广泛应用，并且在处理大规模数据和高维数据时表现出色。孤立森林的基本思想的前提是，将异常点定义为那些。可以理解为分布稀疏，且距离高密度群体较远的点。从统计学来看，在数据空间里，若一个区域内只有分布稀疏的点，表示数据点落在此区域的概率很低，因此可以认为这些区域的点是异常的。
2023-06-19 16:25:55
3813
原创 基于Tensorflow搭建卷积神经网络CNN（服装分类）保姆及级教程
TensorFlow2.X 搭建卷积神经网络（CNN），实现服装的分类识别。搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。
2023-04-17 13:17:55
1351
5
原创 基于Tensorflow搭建卷积神经网络CNN（新冠肺炎医学图像识别）保姆及级教程
TensorFlow2.X 搭建卷积神经网络（CNN），实现人脸识别（可以识别自己的人脸哦！搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。
2023-04-17 12:54:17
1838
9
原创 基于Tensorflow搭建卷积神经网络CNN（花卉识别）保姆及级教程
TensorFlow2.X 搭建卷积神经网络（CNN），实现人脸识别（可以识别自己的人脸哦！搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。
2023-04-17 12:40:04
3949
4
原创 基于Yolov5的草莓病虫害检测识别
上一篇文章介绍了基于卷积神经网络的交通标志分类识别Python交通标志识别基于卷积神经网络的保姆级教程（Tensorflow），并且最后实现了一个pyqt5的GUI界面，并且还制作了一个简单的Falsk前端网页实现了前后端的一个简单交互，只能实现单张交通标志图像的分类，没有位置检测功能，并且不支持视频的实时检测识别，总体上来讲较为简单。本文介绍一个交通标志识别的进阶项目–基于Yolov5的交通标志检测识别，它不仅能实现图片的多目标检测识别还可以实现视频的实时检测识别。大家可以看一下视频展示效果如下链接。
2023-04-16 13:12:47
2796
4
原创 基于Tensorflow搭建卷积神经网络CNN（人脸识别）保姆及级教程
TensorFlow2.X 搭建卷积神经网络（CNN），实现人脸识别（可以识别自己的人脸哦！搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。
2023-04-10 15:05:29
8034
6
原创 基于Yolov5的交通标志检测识别设计
上一篇文章介绍了基于卷积神经网络的交通标志分类识别Python交通标志识别基于卷积神经网络的保姆级教程（Tensorflow），并且最后实现了一个pyqt5的GUI界面，并且还制作了一个简单的Falsk前端网页实现了前后端的一个简单交互，只能实现单张交通标志图像的分类，没有位置检测功能，并且不支持视频的实时检测识别，总体上来讲较为简单。本文介绍一个交通标志识别的进阶项目–基于Yolov5的交通标志检测识别，它不仅能实现图片的多目标检测识别还可以实现视频的实时检测识别。大家可以看一下视频展示效果如下链接。
2023-03-11 11:38:29
6845
6
原创 Python交通标志识别基于卷积神经网络的保姆级教程（Tensorflow）
TensorFlow2.X 搭建卷积神经网络（CNN），实现交通标志识别。搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。
2023-03-10 22:31:01
11515
11
原创 （三）循环神经网络RNN之LSTM和GRU
LSTM(Long Short Term Memory)是 Hochreater 和 Schmidhuber 在 1997 年提出的一种网络结构，尽管该模型在序列建模上的特性非常突出，但由于当时正是神经网络的下坡期，没有能够引起学术界足够的重视。随着深度学习逐渐发展，后来 LSTM 的应用也逐渐增多。LSTM 区别于 SimpleRNN 的地方，主要就在于它在算法中加入了一个判断信息有用与否的“处理器”，这个处理器作用的结构被称为记忆块（Memory Block）遗忘门输入门输出门。
2023-02-08 17:41:25
1316
1
原创 (二)循环神经网络RNN实战情感分类
循环神经网络RNN实战情感分类：下面我们开始用tensorflow中的keras来搭建一个简单的RNN模型，数据用的是tensorflow.keras中自带的情感文本的数据集。
2023-02-08 14:55:29
477
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人