诗岸梦行舟

# 基于 PyTorch 的手写数字识别 # MNIST 数据集 MNIST 是一个经典的手写数字识别数据集，包含 60,000 张用于训练的图片和 10,000 张用于测试的图片。每张图片分辨率为 28×28 像素，内容是数字 0–9 的手写体。我们将基于该数据集对模型进行训练和验证。 # 神经网络的定义 # 输入 一张图片大小： 1 × 28 × 28 （灰度图，通道数 = 1） # 第一层卷积 nn.Conv2d(in_channels=1, out_channels=16, kernel_size=5, stride=1, padding=2) 输入： 1 × 28 ×...

# PyTorch 深度学习 基于小土堆：https://www.bilibili.com/video/BV1hE411t7RN # 安装 基于 conda 环境来安装 conda create --name pytorch python=3.11查询已有环境 conda info --envs conda environments: base * D:\anaconda pytorch D:\anaconda\envs\pytorch 激活 pytorch 环境 conda activate pytorch其他命令 conda remove -n...

# Pandas 核心处理方法 # 什么是 Pandas Pandas 是一个基于 Python 的开源数据分析和数据处理库 它提供了两种核心数据结构： 数据结构 描述 类似于 索引 数据存储 类比 Series 一维带标签的数组 一列 单索引 同质化 Excel 单列 DataFrame 二维带标签的表格数据结构 一张表格（像 Excel 表） 双索引 各个列之间可以是不同的 整个 Excel 表格 应用场景： 数据预处理（机器学习前） 数据统计分析 自动化报表 数据可视化前处理 # Series Series 就像这样： Series Index Series...

# NumPy 核心处理方法 NumPy（Numerical Python）是一个用于科学计算的 Python 第三方库，它提供了： # 核心功能： 多维数组对象 高效地存储和操作大规模数字数据。 比原生 Python 的列表（list）更快、更节省内存。 广播功能 允许不同形状的数组进行数学运算，简洁高效。 数学函数库 包括线性代数、傅里叶变换、随机数生成、统计分析等。 数组索引与切片 支持布尔索引、花式索引，比 Python 原生更灵活强大。 # 引用 import numpy as np# 多维性 arr = np.array(5) # 创建了一个 0...

# SpringCloud # 从单体到集群再到分布式 早期阶段，单体架构是主流选择，所有功能模块打包在一个应用中，开发简单直接，但是随着业务增长，代码变得臃肿，难以扩展特定功能模块，技术栈单一，难以采用新技术。 为了应对单体架构的性能瓶颈和高可用需求，集群架构应运而生。 实现方式： 水平扩展：部署多个相同的单体应用实例 通过负载均衡器 (Nginx、F5 等) 分配请求 共享数据库或数据库主从复制 但是仍然有缺陷，比如应用本身仍然是单体，业务复杂时扩展不灵活。 此时分布式架构与微服务应运而生，分布式架构通过将系统拆分为多个服务来解决上述问题。 本次学习使用尚硅谷 b...

# 2024.01——2025.03 昨天收到了学校的拟录取通知，很幸运我的名字出现在了拟录取名单里，一年多的努力于此刻兑现。回想一年来的旅途，我真的有很多话想说。 #...

# 计算机操作系统复试 # 操作系统的作用 是用户与计算机硬件之间的接口 是计算机系统资源的管理者 实现了对计算机资源的抽象 # 操作系统基本特征 并发 共享 虚拟 异步 # 操作系统最基本调特征 并发 共享 # 处理机的双重工作模式 用户态、核心态 特权指令在核心态执行，非特权指令在用户态下执行 #...

# 计算机网络复试 # 物理层 传输比特流，规定机械特性、电气特性、功能特性。 # 数据链路层 将原始比特流封装成帧，将物理层提供的可能出错的物理连接改造为逻辑上无差错的数据链路，是对物理层的一次增强。 # 网络层 传输单位是数据报，进行路由选择，实现流量控制、拥塞控制、差错控制、网际互连。 # 传输层 负责主机中两个进程通信，提供端到端的可靠传输。 端到端：进程的端口号之间 点对点：IP 之间 # 应用层 OSI 最高层，是用户与网络之间的接口。 # 信道、串行与并行 是通信的通道，即传输介质。串行适合长距离通信，并行适用于并行通信。 #...

# MD5 计算时间的实践 # 引言 最近在做一个项目，里面用到了 MD5 算法来生成文件名，并且可以对相同文件进行合并存储，不禁让我想到了一个问题 ——MD5 的计算很耗时吗还是 MD5 是一个轻量级的算法，在网上翻阅了一些资料，得到了结果，确实 MD5 的计算是很轻量的。 但是，他到底需要多长时间呢？我直接开始实践一下。 # 配置 机器采用：AMD Ryzen 7 5800H 处理器 + 32GB 内存 频率为 3200 使用约 50% # 实践 先对小文件进行测试，现选用文件大小为 2.83 MB 的图片，在 anaconda 环境下，对比不同 chunk_size...

# 基于用户的协同过滤算法 本篇文档将会用通俗易懂的方式带你来了解并实现基于用户的协同过滤算法，不再基于特定开源库，使用原生代码完成协同过滤的构建，实际上，基于用户的协同过滤很简单，只需要弄懂那几个公式是怎么用的就好了，真正的难点是公式的提出与证明，不过呢今天我不想讲相关的证明了。 本篇文章主要是带你打开协同过滤的大门，我只是想告诉你，作为人的你我具有不断认识的能力，且在认识中不断消除谬误，并无限趋近于真理，我们有能力也必将认识这个世界，而协同过滤正是其中之一，究其本质并不复杂。 那么请坐好，协同过滤的列车要发车啦！ #...