英语二大小作文总结笔记
引言对于英语二来讲，我其实花的时间不多，除了大小作文和阅读，其它基本没怎么做题。所以本篇主要总结作文相关方面的内容。可能我花的时间很少，所以对其理解不深，以下是为各PDF截图以及一些我的主观理解，仅带有参考意义。小作文2022与2021一样，为邀请信的邮件，作为一个主办方邀请同学参加一场food festival，没啥生词，基本套模板，下面我将总结一下几位老师和空卡的小作文模板与方式说明。空卡小作文模板建议信邀请信抱怨信告示个人笔记上面四张均截取自空卡的作文模板PDF，前三种
lightgbm打卡笔记（一）：部署与分类预测可视化
lightgbm的安装CPU安装方式默认CPU：pip install lightgbmGPU安装方式GPU安装方式有点难，如果是在linux下，预装环境需要编译的东西有点多，详情见上一篇为：linux下openssl、cmake与boost的更新总结如果确保了cmake是在3.16版本以上，boost这些前置环境编译成功，那么就可以编译lightgbm了。1. 从源码安装lightgbmgit clone --recursive https://github.com/microsoft
minio技术选型与部署测试
引言MinIO号称是目前速度最快的对象存储服务器。在标准硬件上，对象存储的读/写速度最高可以高达183 GB/s和171 GB/s。对象存储可以作为主存储层，用来处理Spark、Presto、TensorFlow、H2O.ai等各种复杂工作负载以及成为Hadoop HDFS的替代品。即为机器学习、分析和应用程序数据工作负载构建高性能基础架构。技术选型（为什么选择minio）本节想探讨的是我为什么会选择minio，或者往更大一点的方向上讲，为什么要使用对象存储，根据我查到的资料以及个人理解，下面做一
pycharm直连Linux内部docker过程记录
引言本篇想大概记录一下在这之前所遇到的一些问题，主要是从一些安装过程，还有一些不当方式进行总结。docker中安装ssh首先需要在docker里面安装ssh，一般跟宿主机一样，在docker里的操作为：root@xxxxx:/# apt-get updateroot@xxxxx:/# apt-get upgraderoot@xxxxx:/# apt-get install vimroot@xxxxx:/# apt-get install openssh-serverroot@xxxxx:/#
deepin系统下python的编译安装以及库加载问题总结
引言本篇想总结的是最近两天我遇到过的在deepin系统下的一些问题，主要是一些bug以及python编译安装的东西，以防下次还遇到，如果可能（最好不要）。apt-get无法更新问题当我刚进入系统后，遇到了如下错误：Couldn’t create temporary file /tmp/apt.conf.g1YDx9解决方案，tmp没有权限：chmod 777 /tmp我也不知道为什么会遇到这个错误，但是就是那么巧合，所以在这里记录一下。deepin无法安装docker问题我不知道是不是
C++刷题练习（一）：三数之和、删除有序数组重复元素
引言本系列是对之前刷过的，以及没有刷过的题进行复习与总结，同时主要是想尝试用cpp进行刷题。去年一年很多次看王道代码题似懂非懂，除了之前没学过c/c++以外，书上题基本也没有完整的历程，所以从这一节开始，将记录一下题与相关基础的cpp笔记。三数之和题目说明给你一个包含 n 个整数的数组 nums，判断 nums 中是否存在三个元素 a，b，c ，使得 a + b + c = 0 ？请你找出所有和为 0 且不重复的三元组。注意：答案中不可以包含重复的三元组。来源：力扣（LeetCode）示例
python-opencv学习笔记（七）：滑动窗口与图像金字塔
引言本节内容是我在实验楼所做实验，结合opencv官方对于这两种方法的例子与说明，想总结一些关于自己的笔记，也算是更系统的学习了yolo的运行方式。滑动窗口滑动窗口（Sliding Windows）在目标检测过程中的作用是定位目标（物体、动物等）在图片中的位置。在计算机视觉中滑动窗口是一个矩形框，它沿着从左向右、从上向下的方向在图片上滑动以达到提取出图片中每一个区域的目的。下图就是一个滑动窗口的例子，可以看到一个绿色矩形框沿着从左向右、从上向下的方向在图片上滑动。对于矩形框滑过的每一区域，我们使用分类
ansible自动化基础学习笔记
引言本节主要讲解的是 Ansible 工具，虽然 Chef、Puppet、SaltStack and Fabric（后面章节会讲） 等等这些都是比较流行的自动化运维管理工具，但是相较于 Ansible 来说要复杂得多，不过每个工具也是各有各的好处，这里我们就先来学习这个比较简单的一款自动化运维工具—— Ansible。Ansible 是一款基于 python 开发，能够实现了批量系统配置、程序部署、运行命令等功能的自动化运维工具。Ansible 主要是基于模块进行工作的，本身没有批量部署的能力，真正实现
基于arm64的atlas加速卡使用docker问题
引言本篇博客本来是没有发的必要，由于这个东西用的人应该不多，大多数还是nvidia，事实上生态圈确实如此，国内几个厂商大多都是去适配nvidia原来的生态，比如说tensorflow、pytorch等等。不过atlas好像没有这样做，就目前来讲，感觉还是有非常大的优化空间，不管从产品还是用户体验，单说体验，这东西的适配时间抵得上我适配其它的几倍有余，就也不是难，官网资料有些乱，能帮助的也很少，基本上像在做一个全新的未知领域一样，只有不断把时间浪费进去才有戏，过程中遇到过非常多荆棘，我前面有几篇博客是把比较
docker安装neo4j与数据导入过程记录
引言根据neo4j的官网可以看到，neo4j的下载方式有提供docker版本，事实上它的下载也很简单，只是需要针对stl的方式改变配置文件就可以了，现在我们就针对neo4j的过程进行说明neo4j安装如果在宿主机上安装，可能还需要Java环境。因为neo4j是Java所写，但如果是docker则不需要，我们可以使用search查找相关的版本：一般如果没有什么特殊要求，我们都默认使用最新版本的：docker pull neo4j(:版本号) //缺省 “:版本号” 时默认安装latest版本的
知识图谱构建实验笔记（一）：环境搭建与试验原理介绍
引言最近刚在实验楼做了这个关于知识图谱的课程，想总结点什么，也勾起了我的一点回忆，因为最早我写博客就是为了记录一些我对web与nlp还有爬虫的笔记，博客标签上就是标的这些。结果最后发现这三者我都没有在继续做下去了，而是工作于视频图像，有够戏剧化的，所以这里，想找回一点当年那种感觉。知识图谱架构根据一文揭秘！自底向上构建知识图谱全过程，构建知识图谱一般分为3个部分，分别为：信息抽取：从各种类型的数据源中提取出实体、属性以及实体间的相互关系，在此基础上形成本体化的知识表达；知识融合：在获得新知
知识图谱构建实验笔记（二）：知识图谱搭建过程与总结
文章目录引言命名实体识别1. 数据预处理2. 构建模型并预测3. 总结关系抽取1. 数据预处理2. 模型构建并预测3. 总结数据入库load csv方式neo4j-admin import方式与Cypher用法GitHub项目实验参考与推荐引言本篇记上篇原理后对整个构建知识图谱的过程进行一个比较系统的实践过程。同样，实验代码记录自实验楼的射雕英雄传，根据个人习惯与理解程度，进行了重新排版与修改，实验过程与结果在个人腾讯云上完成。命名实体识别1. 数据预处理原始文本和标签分别定义为：raw_tex
python-opencv学习笔记（八）：判断是否雾天与图像能见度测算
引言本篇是最近碰到的一个关于雾天能见度的问题，然后查阅到很多资料，顺便记录一下思考过程，进行总结归类成笔记。主要参考资料是华为杯2020年E题论文，结合一下自己的实际情况，做出了改进与延伸，文献在最后引出。相关定义说明能见度定义：1. 大气能见度： 能见度是气象、公路行车、飞机飞行中常见指标，单位通常是米。在气象上的能见度定义为：标准视力眼睛观察到水平方向以天空为背景的黑体目标物（0.50）标注为你轮廓的最大水平距离。2. 雾： 在水汽充足、微风及大气稳定的情况下，相对湿度达到100%时，空气中的
python-opencv学习笔记（九）：图像的仿射变换与应用实例
引言本篇是在实验楼所做实验，因为感觉整个过程做得十分通畅，另外脉络比较清晰，加上了点自己的理解，整理成学习笔记。图像平移图像平移的数学推导简单来说，图像的本质可以看做一个三维矩阵，第一维为长度，第二维是宽度，第三维是通道数(RGB)，如果一张图在 python 中是一个变量 image，那么其长宽即 width， height = image.shape[:2]。图像的平移就是在 xy 平面内对图像进行移动，所以该操作有两个自由度。其表达式为：[x′y′]=[1001]×[xy]+[b0b1]
今日推荐
周排行