技术笔记
55
通过GitHub Actions给微信公众测试号和钉钉群定时推送消息(Python)
网络爬虫(Python:Requests、Beautiful Soup笔记)
如何在cmd中打开指定文件夹路径(三种方法)
基于Hexo的主题Fluid搭建Github博客
从零搭建GoogLeNet,ResNet18,ResNet50,vgg、mobilenetv1、mobilenetv2、shufflenetv1、shufflenetv2模型(Pytorch代码示例)
XGBoost原生接口和Sklearn接口参数详解
Windows 定时任务设置、批处理(.bat)命令详解和通过conda虚拟环境定时运行Python程序
Windows Docker部署PaddleOCR-VL:基于Blackwell架构GPU与vLLM的高性能VLM配置指南
Web之JavaScript(jQuery)笔记
Web之HTML笔记
Web之CSS笔记
Transformer;Hugging Face之transformers库、datasets库详解;Modelscope
Tkinter详解和爱心跳动示例(Python)
Tabnet介绍(Decision Manifolds)和PyTorch TabNet之TabNetRegressor
SQL常用语句 笔记
More...
机器学习
11
超参数调优:网格搜索,贝叶斯优化(optuna)详解
概率预测之NGBoost(Natural Gradient Boosting)回归和分位数(Quantile Regression)回归
机器学习面试笔试知识点之非监督学习-K 均值聚类、高斯混合模型(GMM)、自组织映射神经网络(SOM)
机器学习面试笔试知识点之K近邻算法(KNN)、最大期望算法(EM)
机器学习面试笔试知识点-贝叶斯网络(Bayesian Network) 、马尔科夫(Markov) 和主题模型(T M)
机器学习面试笔试知识点-线性回归、逻辑回归(Logistics Regression)和支持向量机(SVM)
机器学习面试笔试知识点-决策树、随机森林、梯度提升决策树(GBDT)、XGBoost、LightGBM、CatBoost
机器学习面试笔试之特征工程、优化方法、降维、模型评估
机器学习笔试面试之图像数据不足时的处理方法、检验方法、不均衡样本集的重采样、数据集分布是否一致
LightGBM、XGBoost和CatBoost自定义损失函数和评估指标
CatBoost原生接口和Sklearn接口参数详解
深度学习
11
深度学习面试笔试之迁移学习(Transfer)、强化学习(Reinforcement) & 多任务
深度学习面试笔试之深度学习的优化方法
深度学习面试笔试之循环神经网络(RNN)、门控循环单元(GRU)、长短期记忆(LSTM)
深度学习面试笔试之卷积神经网络(CNN)
深度学习面试笔试之前向神经网络-多层感知器、损失函数、反向传播
深度学习Pytorch框架Tensor张量
深度学习Pytorch-Tensor的属性、算术运算
深度学习Pytorch-Tensor函数
图深度学习、A_(A-Star)算法、EMD和VMD详解
从零搭建CBAM、SENet、STN、transformer、mobile_vit、simple_vit、vit模型(Pytorch代码示例)
Pytorch与卷积神经网络(OpenCV)