pyinstaller打包exe文件太大解决方法
pyinstaller打包exe文件太大
线性回归实战---Abalone鲍鱼年龄预测
官方的文档介绍如下:从中我们可以看到原始数据集共有4177条数据,其中每条数据包含9个特征,见下表名称数据类型测量单位描述性别标称–M、F和I（婴儿）长度连续mm最长外壳测量直径连续mm垂直于长度高度连续mm壳中有肉全重连续g整只鲍鱼屠宰重量连续g肉的重量内脏重量连续g肠道重量（出血后）壳重连续g干
使用Python实现Hull Moving Average (HMA)
在下面的文章中，我们将介绍如何使用Python实现HMA。本文将对计算WMA的两种方法进行详细比较。然后介绍它在时间序列建模中的作用。
深度学习制作自己的数据集—为数据集打上标签保存为txt文件，并进行划分和加载数据集
1 为图片数据集打上标签并保存为txt文件2 将txt文件中的图片标签数据集随机划分为训练集和测试集3 加载txt文件中的图片标签数据集
openai.error.AuthenticationError: No API key provided.
在所有的openai 的部署都完成后，就在运行的最后一步出了问题首先，如果API_KEY是直接使用而不是放在环境里的话，就不用。
VASP计算--INCAR参数详解以及INCAR模板和例子，铜的INCAR
VASP计算--INCAR参数详解以及INCAR模板和例子，铜的INCAR
52_Pandas处理日期和时间列（字符串转换、日期提取等）
将解释如何操作表示 pandas.DataFrame 的日期和时间（日期和时间）的列。字符串与 datetime64[ns] 类型的相互转换，将日期和时间提取为数字的方法等。以下内容进行说明。
华为OD机试真题大全，用 Python 解华为机试题 | 机试宝典
华为OD机试题华为OD面试华为OD笔试华为OD算法华为OD编程题华为OD岗位要求华为OD职位评估华为OD考试经验分享华为OD在线测试华为OD评估标准华为OD评测系统华为OD筛选机制华为OD编程语言要求华为OD数据结构与算法华为OD程序设计华为OD程序优化华为OD编程能力考核华为OD编程技巧与经验
IoU、Precision、Recall、AP、mAP详解
目标检测中的IoU、Precision、Recall、AP、mAP详解
yolov5 loss函数理解
不同于IOU匹配，yolov5采用基于宽高比例的匹配策略，GT的宽高与anchors的宽高对应相除得到ratio1，anchors的宽高与GT的宽高对应相除得到ratio2，取ratio1和ratio2的最大值作为最后的宽高比，该宽高比和设定阈值（默认为4）比较，小于设定阈值的anchor则为匹配到
Multihead Attention - 多头注意力
多头注意力的基本概念及实现
应用统计432考研复试复试提问总结精简版【一】
一、区间估计与假设检验的联系与区别联系：二者利用样本进行推断，都属于推断统计区别：原理： 前者是基于大概率，后者基于小概率；统计量：前者是构造枢轴量（不含未知参数，分布明确），后者是检验统计量；结果：前者是区间，后者是对假设作出判断；二、原假设和备择假设的选取原假设是不会轻易否定、传统的、已有的、大
Colossal-AI的安装
是一个集成的大规模深度学习系统，具有高效的并行化技术。最近在学习stable diffusion model,但是这个模型成本比较高，作为低端学习者，借助colossal-ai加速训练，即能满足显卡要求又能节约时间。下载并解压缩，进入ColossalAI/ -> examples/ -> tutor
查看cudnn版本号
cudnn里的include里只有。cudnn的include里有。
Python二手房价格预测（三）——二手房价格预测模型baseline
Python二手房价格预测（三）——二手房价格预测模型baseline。使用线性回归、KNN、决策树以及随机森林进行二手房的价格预测，以及模型效果的可视化，并且对重要特征进行分析。
21世纪20年代的ConvNet——ConvNeXt
基于论文《21世纪20年代的ConvNeXt》的翻译以及一些思考总结
基于BiLSTM-Attention实现天气变量预测风速
风速预报是预警灾害性天气的一项重要任务，本项目使用循环神经网络BiLSTM-Attention训练一个网络模型，来预测在给定指定日期的天气变量来预测对应的风速情况。
基于人体姿态识别的AI健身系统(浅谈
本文设计了一个基于 OpenCv 和 MediaPipe 中的 BlazePose 算法的 AI 健身教 练系统。该系统主要内容包括对于单人人体关键点的检测，关键点的连接，以及运动健 身关键点的角度变化展示。该 AI 健身教练系统可以实现从读入图片或者视频文件来处 理，显示出该运动健身的关键点的角度
Pytorch加载模型只导入部分层权重，即跳过指定网络层的方法
需求Pytorch加载模型时，只导入部分层权重，跳过部分指定网络层。（权重文件存储为dict形式）本文参考总结他人的做法，主要是load时加if判断哪些网络层不需要，或者直接strict=False，跳过没有的网络层。还有对载入的参数更新有具体要求的方法，固定参数、或者不同参数有不同的更新速度。同时
pytorch离线安装
pytorch离线安装
