【统计学习方法】学习笔记——第二章:感知机
统计学习方法:感知机
- 1. 感知机模型
- 2. 感知机学习策略
- 3. 感知机学习算法
- 3.1 感知机学习算法的原始形式
- 3.2 算法的收敛性
- 3.3 感知机学习算法的对偶形式
- 总结
- 参考资料
感知机是二分类的线性分类模型,输入为实例的特征向量,输出为实例的类别(取+1和-1)。感知机对应于输入空间中将实例划分为两类的分离超平面,属于
判别模型
。
感知机旨在求出将训练数据进行线性划分的分离超平面,为求得超平面导入了基于误分类的损失函数,利用梯度下降法
对损失函数进行最优化。
感知机算法分为原始形式
和对偶形式
,感知机预测是用学习得到的感知机模型对新的输入实例进行分类。
感知机模型对线性可分的数据集
比较有效。
1. 感知机模型
定义2.1 (感知机) 假设输入空间(特征空间)是X∈RnX\in R^nX∈Rn , 输出空间是y={+1,−1}y=\{+1,-1\}y={+1,−1}。输入z∈Xz\in Xz∈X表示实例的特征向量,对应于输入空间(特征空间)的点;输出y∈Yy \in Yy∈Y表示实例的类别。由输入空间到输出空间的如下函数:
f(x)=sign(w⋅x+b)f(x)=sign(w\cdot x +b)f(x)=sign(w⋅x+b)
称为感知机。其中www和bbb为感知机模型参数,w∈Rnw\in R^nw∈Rn叫作权值(weight)或者权值向量(weight vector),b∈Rb\in Rb∈R叫作偏置(bias),w⋅xw\cdot xw⋅x表示w和x的内积,sign是符号函数,即
sign(x)={+1if x>=0−1if x<0sign(x)=\begin{cases} +1 & \text{ if } x>=0 \\ -1 & \text{ if } x<0 \end{cases}sign(x)={+1−1 if x>=0 if x<0
感知机是一种线性分类模型,属于判别模型。感知机模型的假设空间是定义在特征空间中的所有线性分类模型(linear classification model)
或线性分类器(linear classifier)
,即函数集合{f∣f(x)=w⋅x+b}\{f|f(x)=w\cdot x+b\}{f∣f(x)=w⋅x+b}。
感知机又如下集合解释:线性方程w⋅x+b=0w\cdot x+b=0w⋅x+b=0对应于特征空间RnR^nRn中的一个超平面SSS,其中www是超平面的法向量,bbb是超平面截距。这个超平面将特征空间划分为两个部分,位于两部分的点(特征向量)分别被分为正、负两类。因此,超平面SSS被称为分离超平面(sparating hyperplane),如下图所示:
感知机学习,由训练数据集(实例的特征向量及类别)T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}T={(x1,y1),(x2,y2),...,(xN,yN)},其中xi∈X=Rnx_i\in X=R^nxi∈X=Rn,yi∈Y={+1,−1},i=1,2,...,Ny_i\in Y=\{+1,-1\},i=1,2,...,Nyi∈Y={+1,−1},i=1,2,...,N,求得感知机模型f(x)=sign(w⋅x+b)f(x)=sign(w\cdot x +b)f(x)=sign(w⋅x+b),即求得模型参数w,bw,bw,b。感知机预测,通过学习得到的感知机模型,对于新的输入实例给出其对应的输出类别。
2. 感知机学习策略
**定义2.2(数据集的线性可分性)**给定数据集T=(x1,y1),(x2,y2),⋯,(xN,yN)T={(x_1,y_1),(x_2,y_2),⋯,(x_N,y_N)}T=(x1,y1),(x2,y2),⋯,(xN,yN),其中xi∈X=Rn,yi∈Y=+1,−1,i=1,2,⋯,Nx_i∈X=R^n, y_i∈Y={+1,−1},i=1,2,⋯,Nxi∈X=Rn,yi∈Y=+1,−1,i=1,2,⋯,N,如果存在某个超平面 S 满足:w⋅x+b=0w⋅x+b=0w⋅x+b=0能将数据集的正实例点和负实例点完全正确地划分到超平面的两侧,即对所有yi=+1y_i=+1yi=+1的实例 xix_ixi,有w⋅xi+b>0w⋅x_i+b>0w⋅xi+b>0;对所有yi=−1y_i=−1yi=−1的实例xix_ixi,有w⋅xi+b<0w⋅x_i+b<0w⋅xi+b<0,则称数据集TTT为线性可分数据集 ;否则,称数据集TTT线性不可分。
在学习感知机模型中,需要确保数据集线性可分,才能够找到一个完全将正实例点和负实例点正确分开的分离超平面
,即才能够确定感知机模型参数w,bw,bw,b。
为了确定感知机模型(超平面)参数 w,bw,bw,b ,需要确定一个学习策略,即定义(经验)损失函数并将损失函数极小化。
感知机学习的策略:在假设空间中选取使损失函数式最小的模型参数, 即感知机模型。
损失函数的选择:
- 损失函数的一个自然选择是误分类点的总数,但是这样的损失函数不是参数w,bw,bw,b的连续可导函数,不易优化。
- 损失函数的另一个选择是误分类点到超平面S的总距离,这是感知机所采用的。
点到超平面S的距离:首先,输入空间RnR^nRn中任一点x0x^0x0到超平面S的距离如下式所示,这里∣∣w∣∣||w||∣∣w∣∣表示L2范数
。
1∣∣w∣∣∣w⋅x0+b∣\frac{1}{||w||}|w\cdot x_0+b|∣∣w∣∣1∣w⋅x0+b∣
误分类点到超平面S的距离:其次,对于误分类数据(xi,yi)(x_i,y_i)(xi,yi)来说,−yi(w⋅xi+b)>0−y_i(w⋅x_i+b)>0−yi(w⋅xi+b)>0成立。因为当w⋅xi+b>0w\cdot x_i+b>0w⋅xi+b>0时,yi=−1y_i=-1yi=−1,而w⋅xi+b<0w\cdot x_i+b<0w⋅xi+b<0时,yi=+1y_i=+1yi=+1。因此,误分类点xix_ixi到超平面S的距离为
−1∣∣w∣∣yi(w⋅xi+b)−\frac{1}{||w||}y_i(w⋅x_i+b)−∣∣w∣∣1yi(w⋅xi+b)
假设超平面S的误分类点集合为M,那么所有误分类点到超平面S的总距离为−1∣∣w∣∣∑xi∈Myi(w⋅xi+b)-\frac{1}{||w||}\sum_{x_i\in M}y_i(w⋅x_i+b)−∣∣w∣∣1xi∈M∑yi(w⋅xi+b),不考虑1∣∣w∣∣\frac{1}{||w||}∣∣w∣∣1,就得到了感知机学习的损失函数
。
给定训练数据集T={(x1,y1),(x2,y2),⋯,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),⋯,(x_N,y_N)\}T={(x1,y1),(x2,y2),⋯,(xN,yN)},其中xi∈X=Rn,yi∈Y=+1,−1,i=1,2,⋯,Nx_i∈X=R^n, y_i∈Y={+1,−1},i=1,2,⋯,Nxi∈X=Rn,yi∈Y=+1,−1,i=1,2,⋯,N。感知机sign(w⋅x+b)sign(w\cdot x+b)sign(w⋅x+b)学习的损失函数定义为L(w,b)=−∑xi∈Myi(w⋅xi+b)L(w,b)=-\sum_{x_i\in M}y_i(w⋅x_i+b)L(w,b)=−xi∈M∑yi(w⋅xi+b),其中M为误分类点的集合。这个损失函数就是感知机学习的经验分线函数
。
显然,损失函数L(w,b)L(w,b)L(w,b)是非负的。如果没有误分类点,损失函数值是0。而且,误分类点越少,误分类点距离超平面越近,损失函数值就越小。
一个特定的样本点的损失函数:在误分类时是参数w,b的线性函数,在正确分类时是0,因此,给定训练数据集T,损失函数L(w,b)L(w,b)L(w,b)是w,b的连续可导函数。
感知机学习的策略是在假设空间中选取使损失函数L(w,b)=−∑xi∈Myi(w⋅xi+b)L(w,b)=-\sum_{x_i\in M}y_i(w⋅x_i+b)L(w,b)=−∑xi∈Myi(w⋅xi+b)最小的模型参数w,b,即感知机模型
。
3. 感知机学习算法
感知机学习问题转化为求解损失函数式L(w,b)=−∑xi∈Myi(w⋅xi+b)L(w,b)=-\sum_{x_i\in M}y_i(w⋅x_i+b)L(w,b)=−∑xi∈Myi(w⋅xi+b)的最优化问题,最优化的方法是随机梯度下降法。
3.1 感知机学习算法的原始形式
给定一个训练数据集T={(x1,y1),(x1,y2),...,(xN,yN)}T=\{(x_1,y_1),(x_1,y_2), ..., (x_N,y_N)\}T={(x1,y1),(x1,y2),...,(xN,yN)},其中xi∈χ=R∗x_i\in \chi=R^*xi∈χ=R∗,yi∈y={−1,1},i=1,2,...,Ny_i \in y = \{-1,1\}, i=1,2,...,Nyi∈y={−1,1},i=1,2,...,N,求参数w,bw, bw,b,使其为以下损失函数极小值问题的解:
minw,bL(w,b)=−∑xi∈Myi(w⋅xi+b)\min_{w,b} L(w,b)=-\sum_{x_i \in M} y_i(w\cdot x_i+b)w,bminL(w,b)=−xi∈M∑yi(w⋅xi+b)
其中M为误分类点的集合。
感知机学习算法是误分类驱动的,采用随机梯度下降法。首先,任意选取一个超平面w0,b0w_0,b_0w0,b0,然后用梯度下降法不断地极小化目标函数。极小化过程中不是一次使M中所有误分类点的梯度下降,而是一次随机选取一个误分类点使其梯度下降。
假设误分类点集合M是固定的,那么损失函数L(w,b)L(w,b)L(w,b)的梯度由:
∇wL(w,b)=−∑xi∈Myixi\nabla _wL(w,b)=-\sum_{x_i\in M}y_ix_i∇wL(w,b)=−xi∈M∑yixi
∇bL(w,b)=−∑xi∈Myi\nabla _bL(w,b)=-\sum_{x_i\in M}y_i∇bL(w,b)=−xi∈M∑yi
给出。
随机选取一个误分类点(xi,yi)(x_i,y_i)(xi,yi), 对于w,b进行更新:
w←w+ηyixiw \leftarrow w + \eta y_ix_iw←w+ηyixi
b←b+ηyib \leftarrow b + \eta y_ib←b+ηyi
式中η(0<η<=1)\eta(0<\eta<=1)η(0<η<=1)是步长,在统计学中又称为学习率(learning rate)。通过迭代可以期待损失函数L(w,b)L\left( {w,b} \right)L(w,b)不断减小,直到为0。
算法2.1 感知机学习算法的原始形式:
输入:训练数据集T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}T={(x1,y1),(x2,y2),...,(xN,yN)},其中xi∈χ=Rnx_i∈\chi =R^nxi∈χ=Rn,yi∈Y={−1,+1},i=1,2,...,,Ny_i∈Y=\{−1,+1\}, i=1,2,...,,Nyi∈Y={−1,+1},i=1,2,...,,N; 学习率η(0<η⩽1)η(0<η⩽1)η(0<η⩽1);
输出:w,bw,bw,b;感知机模型f(x)=sign(w⋅x+b)f(x)=sign(w⋅x+b)f(x)=sign(w⋅x+b).
(1)选取初值w0,b0w_0,b_0w0,b0
(2)在训练集中选取数据(xi,yi)(x_i,y_i)(xi,yi)
(3)如果yi(w⋅xi+b)⩽0y_i(w⋅x_i+b)⩽0yi(w⋅xi+b)⩽0
w←w+ηyixiw←w+ηy_ix_iw←w+ηyixi
b←b+ηyib←b+ηy_ib←b+ηyi
(4)转至(2),直至训练集中没有误分类点。
这种学习算法直观上有如下解释:当一个实例点被误分类,即位于分离超平面的错误一侧时,则调整w,b的值,使分离超平面向该误分类点的一侧移动,以减少该误分类点与超平面间的距离,直至超平面越过该误分类点使其被正确分类。
3.2 算法的收敛性
对于线性可分数据集感知机学习算法的收敛性,即经过有限次迭代可以得到一个将训练数据集完全正确划分的分离超平面及感知机模型。
为了便于叙述与推导,将偏置bbb并入权重向量www,记作w^←(wT,bT)\hat{w}←(w^T,b^T)w^←(wT,bT),同时将输入向量加以扩充,加进常数1,记作x^←(xT,1)T\hat{x}←(x^T,1)^Tx^←(xT,1)T,这样x^∈Rn+1,w^∈Rn+1\hat{x}\in R^{n+1},\hat{w}\in R^{n+1}x^∈Rn+1,w^∈Rn+1。此时w^⋅x^←(w⋅x+b)\hat{w}⋅\hat{x}←(w⋅x+b)w^⋅x^←(w⋅x+b)。
定理(Novikoff):设训练数据集T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}T={(x1,y1),(x2,y2),...,(xN,yN)}是线性可分的,其中xi∈χ=Rnx_i\in \chi = R^nxi∈χ=Rn,yi∈Y={−1,+1},i=1,2,...,Ny_i\in Y = \{-1,+1\},i=1,2,...,Nyi∈Y={−1,+1},i=1,2,...,N,则
(1)存在满足条件∣∣wopt^∣∣=1||\hat{w_{opt}}||=1∣∣wopt^∣∣=1的超平面wopt^⋅x^=wopt⋅x+bopt=0\hat{w_{opt}}\cdot \hat{x}=w_{opt}\cdot x+b_{opt}=0wopt^⋅x^=wopt⋅x+bopt=0将训练数据集完全正确分开;且存在条件γ>0\gamma >0γ>0,对所有i=1,2,...,Ni=1,2,...,Ni=1,2,...,N,
yi(wopt^⋅xi^)=yi(wopt⋅x+bopt)>=γy_i(\hat{w_{opt}}\cdot \hat{x_i})=y_i(w_{opt}\cdot x+b_{opt})>=\gammayi(wopt^⋅xi^)=yi(wopt⋅x+bopt)>=γ
(2)令R=max1<=i<=N∣∣xi^∣∣R=\max_{1<=i<=N}||\hat{x_i}||R=max1<=i<=N∣∣xi^∣∣,则感知机算法f(x)=sign(w⋅x+b)f(x)=sign(w\cdot x +b)f(x)=sign(w⋅x+b)在训练数据集上的误分类次数kkk满足不等式k<=(Rr)2k<=(\frac{R}{r})^2k<=(rR)2
定理表明,误分类的次数kkk是有上届的,经过有限次搜索可以找到将训练数据完全正确分开的分离超平面。也就是说,当训练数据集线性可分时,感知机学习算法原始形式迭代是收敛的。
3.3 感知机学习算法的对偶形式
对偶形式的基本想法是:将www和bbb表示为实例xix_ixi和标记yiy_iyi的线性组合的形式,通过求解其系数而求得w和b。
详细过程:
假设初始值w0=b0=0w_0=b_0=0w0=b0=0,对于误分类点(xi,yi)(x_i,y_i)(xi,yi)通过w←w+ηyixiw←w+ηy_ix_iw←w+ηyixib←b+ηyib←b+ηy_ib←b+ηyi逐步修改w,bw,bw,b,设修改n次,则w,b关于(wi,yi)(w_i,y_i)(wi,yi)的增量分别是αiyixi\alpha_iy_ix_iαiyixi和αiyi\alpha_iy_iαiyi,这里令αi=niη\alpha_i=n_iηαi=niη。这样,最后学习到的w,bw,bw,b可以分别表示为w=∑i=1Nαiyixiw=\sum_{i=1}^N\alpha_iy_ix_iw=i=1∑Nαiyixib=∑i=1Nαiyib=\sum_{i=1}^N\alpha_iy_ib=i=1∑Nαiyi,其中αi≥0,i=1,2,...,N\alpha_i \ge 0, i=1,2,...,Nαi≥0,i=1,2,...,N,当α=1\alpha=1α=1时表示第iii个实例点由于误分而进行更新的次数。实例点更新次数越多,意味着它距离分离超平面越近,也就越难以正确分类。
算法2.2 感知机学习算法的对偶形式
输入:线性可分的数据集T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}T={(x1,y1),(x2,y2),...,(xN,yN)},其中xi∈Rnx_i\in R^nxi∈Rn,yi∈{−1,+1},i=1,2,...,Ny_i\in \{-1,+1\},i=1,2,...,Nyi∈{−1,+1},i=1,2,...,N;学习率η(0<=η<=1)\eta(0<=\eta <=1)η(0<=η<=1);
输出:α,b\alpha,bα,b;感知机模型f(x)=sign∑j=1Nαjyjxj⋅x+bf(x)=sign{\sum_{j=1}^N \alpha_jy_jx_j\cdot x+b}f(x)=sign∑j=1Nαjyjxj⋅x+b
(1)α←0,b←0\alpha \leftarrow 0, b\leftarrow 0α←0,b←0
(2)在训练集中选取数据(xi,yi)(x_i,y_i)(xi,yi)
(3)如果yi(∑j=1Nαjyjxj⋅xi+b)<=0y_i(\sum_{j=1}^N \alpha_j y_j x_j\cdot x_i +b)<=0yi(∑j=1Nαjyjxj⋅xi+b)<=0αi←αi+η\alpha_i \leftarrow \alpha_i+\etaαi←αi+ηb←b+ηyib\leftarrow b+\eta y_ib←b+ηyi
(4)转至(2)直到没有误分类数据
对偶形式中训练实例仅以内积的形式出现。为了方便,可以预先将训练集中实例间的内积计算出来并以矩阵的形式存储,称之为Gram矩阵(Gram matrix)G=[xi⋅xy]M×NG=[x_i\cdot x_y]_{M\times N}G=[xi⋅xy]M×N
总结
- 感知机是根据输入实例的特征向量xxx对其进行二类分类的线性模型:f(x)=sign(w⋅x+b)f(x)=sign(w\cdot x+b)f(x)=sign(w⋅x+b),感知机模型对应于输入空间(特征空间)中的分离超平面w⋅x+b=0w\cdot x+b=0w⋅x+b=0。
- 感知机学习的策略是极小化损失函数minw,bL(w,b)=−∑xi∈Myi(w⋅x+b)\min_{w,b}L(w,b)=-\sum_{x_i\in M}y_i(w\cdot x+b)w,bminL(w,b)=−xi∈M∑yi(w⋅x+b),损失函数对应于误分类点到分离超平面的总距离。
- 感知机学习算法是基于随机梯度下降法的对损失函数的最优化算法,有原始形式和对偶形式。在原始形式中,首先任意选取一个超平面,然后用梯度下降法不断极小化目标函数。在这个过程中一次随机选取一个误分类点使其梯度下降。
- 当训练数据集线性可分时,感知机学习算法是收敛的。感知机算法在训练数据集上的误分类次数k满足不等式k<=(Rr)2k<=(\frac{R}{r})^2k<=(rR)2,当训练数据集线性可分时,感知机学习算法存在无穷多个解,其解由于不同的初值或不同的迭代顺序而可能有所不同。
- 感知机的扩展学习方法包括口袋算法(pocket algorithm)、表决感知机(voted perceptron)、带边缘感知机(perceptron with margin)。
参考资料
- https://blog.csdn.net/weixin_54814385/article/details/122462070
- https://zhuanlan.zhihu.com/p/307094622
- https://blog.csdn.net/qq_45761584/article/details/114680687
- 《统计学习方法》 李航 著
- https://www.cnblogs.com/BlairGrowing/p/14791795.html
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- 2022中国眼博会,恭祝全国人民新年快乐、阖家幸福、生意兴隆
又是一年春来到,CEYEE中国眼博会组委会全体职员祝愿全国人民新年快乐、阖家幸福、万事如意! 时光如梭、白驹过隙,转眼2022虎年已经来到,CEYEE中国国际青少年眼健康产业展览会在相关主管单位、协会组织、企业及社会各界人士的关注和…...
2024/5/8 4:26:33 - 极客Linux日记-2022年2月04日
今日是立春 方向比努力更重要, 努力是后来的事情。...
2024/4/18 19:54:36 - 每日刷题 Day22
题一:直接插入排序 #include<iostream> #include<vector> using namespace std;vector<int> InsertSort(vector<int> str){int temp; //用于暂存待插入元素 int j;for(int i1;i<str.size();i){ //因为将第一个元素看作有序区…...
2024/5/8 0:49:29 - Spark常用端口号和Hadoop中常用端口号区分
Spark中常用端口号区分: - Master进程的通信端口号-7077 - Master进程web ui查看端口号-8080 - Worker进程的通信端口号-7078 - Worker进程web ui查看端口号-8081 - Spark的历史日志服务web ui端口-18080 - yarn的all application 的web ui端口-8088 - Spark应用的运行时的端口…...
2024/5/8 7:36:27 - SAP UI5 应用开发教程之三十一 - SAP UI5 的路由历史和路由回退(Routing back and history)
本教程前面的步骤,我们已经实现了从 Overview 视图跳转到 Detail 视图的路由功能: 在上图的 Overview 页面里,点击任意一个发票行项目,可以导航到该发票的明细页面,并且地址栏的 url 也随之变化: 这里我们发现一个缺陷:跳转到发票明细页面之后,无法再在 SAP UI5 应用内…...
2024/4/22 12:35:48 - Pytorch的gather用法理解
Pytorch的gather用法理解 - 星辰之衍 - 博客园 转载自 星辰之衍,比较通俗易懂...
2024/4/27 5:30:22 - 社区发现算法——LPA与SLPA算法
LPA(Label Propagation Algorithm) LPA算法是2002年由zhu等提出的,在2007年被Usha、Nandini、Raghavan应用到了社区发现领域,提出了RAK算法。但是大部分研究者称RAK算法为LPA算法。 LPA是一种基于标签传播的局部社区划分。对于网…...
2024/4/7 20:40:24 - 使用注解开发,Lombok,多对一处理
使用注解开发 删除 UserMapper.xml UserMapperpackage com.hou.dao;import com.hou.pojo.User; import org.apache.ibatis.annotations.Select;import java.util.List;public interface UserMapper {Select("select * from user")List<User> getUsers(); } 核…...
2024/4/19 18:57:01 - UVA1610 聚会游戏 Party Games
知识点:不详, 这个看不出来是什么知识点,但是我为了分类讨论的时候方便一点,分成三种情况考虑,就是两个字符串的长度关系,可以看出,前面两种是一致的,最后一种最麻烦,要…...
2024/5/8 0:34:07 - mysql 服务启动:发生系统错误 1067
电脑重置系统后,程序和服务都需要重新安装配置,mysql服务安装后启动不起来,提示1067。 最终使用命令 mysqladmin -u root -p shutdown解决。...
2024/4/18 14:52:33 - 树莓派配置ftp和文件共享
ftp服务器搭建 安装vsftpd sudo apt-get install vsftpd启动ftp服务 sudo service vsftpd start编辑配置文件 sudo nano /etc/vsftpd.conf添加内容 anonymous_enableNO # 不允许匿名 local_enableYES # 本地用户可以访问 write_enableYES # 可以进行写操作 local_umask02…...
2024/5/8 8:32:37 - 蓝桥杯--大写
1.题目 2.思路 用字符串的索引做了一遍 做不出来 然后转化为字符数组做的 能解决 具体思路简单 转化为字符数组 然后找到小写字母 变为大写字母 就ok 3.代码 import java.util.Scanner;public class J60 {public static void main(String[] args) {Scanner scan new Scanner(…...
2024/4/17 2:23:03 - 【kuangbin】简单搜索 - 5.找倍数【BFS】
Date:2022.02.04 题意: 给定一个正整数 n,请你找到一个它的非零倍数 m。 要求 m 中只包含数字 0 或 1,并且总位数不超过 100 位。 输入格式 输入包含多组测试数据。 每组数据占一行,包含一个正整数 n。 当输入 n0 时&a…...
2024/4/13 16:34:07 - Houdini保存自定义节点
很多时候我们希望把自己写的Houdini节点记录下来,方便其他工程使用。 首先要选择节点们,点击上图工具栏的纸盒子图标,相当于一个文件夹。 然后我们要保存为HDA格式,看下图 这里随便存地方,但是名字有要求,…...
2024/4/26 12:08:19 - 对象生命周期和GC
一、 辛存者0区别名:from区 辛存者1区别名:to区 from区和to区,他们的位置和名分,不是固定的,每次GC后会交换,GC之后有交换,谁空谁是to eden区和from区,to区比例:8&…...
2024/4/13 16:34:58 - 1_科普—什么是GNU?什么是GPL协议?GNU和Linux是怎么结合在一起的?
文章目录一、GNU二、GPL协议三、GNU和Linux是怎么结合在一起的呢?四、Linux是什么?五、Linux发行版本六、内核一、GNU GNU是在1983年由理查德马修斯托曼提出的一个项目计划,目标是提供一个和Unix100%兼容的自由软件的操作系统。这个系统的…...
2024/4/13 16:35:13 - AUTOSAR LIN STACK Configuration
General 本文主要介绍如何配置LIN Stack , 对于LIN Stack的功能介绍还请参见AUTOSAR LIN Introduction 本文配置内容以VECTOR 工具为基础,不过对于其他工具也是一样的配置方法。 很多朋友可能有疑问认为很多工具都支持自动导入LIN LDF 文件,所有配置都…...
2024/4/18 1:50:07 - 【笔记】Apache Iceberg 原理介绍 | 阿里云 x StarRocks社区联合Meetup
Iceberg是为了解决Hive上云诞生的一个工具 强烈推荐看下这篇学习日志,看下iceberg如何读写,实际如何使用?同时,了解下Hive的架构 Apache Iceberg 学习日志 https://xie.infoq.cn/article/61a82b983ef97c3e05a6e7d82 Hive架构&a…...
2024/5/6 9:21:20 - 分数(蓝桥杯2018省赛第一题)
题目: 1/11/21/41/8… 每项是前一项的一半,如果一共有20项,求这个和是多少,结果用分数表示出来。 类似:3/2,当然,这只是加了前 2 项而已。分子分母要求互质。 思路: 仅题目而言,…...
2024/4/13 16:35:18 - mongodb主从复制
地址规划 关闭27017防火墙端口 更改mongodb主配文件 互相连接查看是否连接成功 定义变量 首先指定 id,id 就是副本集名称,members 里面是一组数组,数组中是各 MongoDB 实例的地址和监听端口 打开admin库,使用 rs.initiat…...
2024/4/20 5:47:20
最新文章
- AI视频教程下载:学会用AI创作文本图片音频视频
在不断发展的科技领域,人工智能 (AI) 是毋庸置疑的冠军,它是一种不断创新的力量,在我们的生活中扮演着越来越重要的角色。随着 2023 年的到来,我们诚挚地欢迎您加入人工智能精通课程的大门。 这不仅仅是一个课程,它专为…...
2024/5/8 10:00:44 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/5/7 10:36:02 - Stable Diffusion 本地部署教程
Stable Diffusion 是一个开源的本地部署的软件,用于在本地网络中进行消息传递和同步。下面是 Stable Diffusion 的本地部署教程: 安装稳定扩散软件:首先,您需要从 Stable Diffusion 的官方网站或 GitHub 页面上下载并安装 Stable …...
2024/5/2 9:10:34 - Oracle 正则表达式
一、Oracle 正则表达式相关函数 (1) regexp_like :同 like 功能相似(模糊 匹配) (2) regexp_instr :同 instr 功能相似(返回字符所在 下标) (3) regexp_substr : 同 substr 功能相似&…...
2024/5/7 4:19:23 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/5/8 6:01:22 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/5/7 9:45:25 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/5/4 23:54:56 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/5/7 14:25:14 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/5/4 23:54:56 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/5/4 23:55:05 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/5/4 23:54:56 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/5/7 11:36:39 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/5/4 23:54:56 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/5/6 1:40:42 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/5/4 23:54:56 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/5/4 23:55:17 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/5/7 9:26:26 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/5/4 23:54:56 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/5/4 23:55:06 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/5/5 8:13:33 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/5/4 23:55:16 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/5/4 23:54:58 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/5/6 21:42:42 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/5/4 23:54:56 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57