bVtmceYJfDgV
在时间序列、数字信号的数据处理中经常会看到使用FFT作为一段数据中提取频率的手段，但是往往文中没有花大笔墨去解释，仿佛所有人都了解这个概念。 FFT(FastFourierTransform)为快速傅里叶变换，是一种高效计算DFT(DiscreteFourierTransform)，离散傅里叶变换的方法。在了解FFT之前需要先了解DFT的作用。 DFT 离散傅里叶变换（DiscreteFourierTransform，简称DFT）是一种数学算法，用于将一个序列或信号从时域转换到频域，广泛应用于信号处理、图像处理、音频分析、通信系统等领域。时域是指信号随时间的变化，而频域则描述了信号中不同频率成...
AnomalyTransformer是一个由Transformer:AttentionIsAllYouNeed启发出的检测时间序列异常点的无监督学习算法。在这一篇我会深度解析论文算法以及代码的一一对应，让人更方便能读懂和使用源代码。 阅读笔记前篇：ICLR2022:AnomalyTransformer论文阅读笔记+代码复现 阅读前提 你应该大致阅读了AnomalyTransformer论文本体（起码Introduction） 你应该下载好了论文代码并安装好了环境。论文源码可以在github上获取：在https://github.com/thuml/Anomaly-Transformer处下载...
json.loads()/json.dumps()vsjson.load()/json.dump()的区别：s代表string，前两个用于字符串转换，后两个用于读取/写入.json文件 json(dict)与字符(str)转换 str转json：json.loads() json.loads()函数主要用于转换字符串格式的JSON文件（或者dict）。用法例如 d='{"a":1,"b":2}' json.loads(d) {"a":1,"b":2} d1='[{"a":1,"b":2},{"a":1,"b":2}]' json.loads(d1) [{"a":1,"b":2},{"a":1,...
在上传一篇文献阅读笔记到Githubpage时发现公式无法正常显示，之前在typora中能够正常显示的代码在网页上显示为纯latex格式于是进行了一些搜索。 我使用的Jekyll模板是chirpy，具体效果可能与使用的模板也有关系。 问题原因 这个问题的原因出在GitHubPage里的Jekyll虽然支持Markdown，但是不能正确显示公式[1]。在检索中我发现比较通用的一种方式就是借用MathJax帮助渲染。 解决方法 首先以下所有方法都需要在_config.yml中设置markdown:kramdown.我使用的主题中有一段默认设置为： markdown:kramdown kramd...
本论文全名为AnomalyTransformer:TimeSeriesAnomalyDetectionwithAssociationDescrepancy（通过关联差异进行时序异常检测），主要提出了一种无监督的异常点检测算法，并在6个benchmarks上测试，获取良好结果。 论文链接：ANOMALYTRANSFORMER:TIMESERIESANOMALYDETECTIONWITHASSOCIATIONDISCREPANCY 论文主要想法 作者这里定义了两个概念：prior-association与series-association，用于捕捉时间序列数据中的异常模式和正常模式。 将Tra...
有时候在调用需要用异步调用API接口。在python中有很多框架，比如asyncio，Celery，Quart等。这里我选择了asyncio。Python3.5以上版本内置了asyncio库，可以用来编写单线程的并发代码。可以使用此库与aiohttp结合来发送异步HTTP请求。 Python调用案例 GET importasyncio importaiohttp asyncdeffetch(session,url): asyncwithsession.get(url)asresponse: returnawaitresponse.text() asyncdefmain(): 指定要请求的U...
在运行程序时有时候会需要查看资源占用，以方便部署在其他服务器上时进行参考。以下是总结了我在linux上查找程序进程资源的两种方法（cpu和gpu都有）。 CPU 1.查找进程号 如果进程较多，输入ps-ef|grep+指令关键词进行搜索。如果运行的是python程序，可以输入ps-ef|greppython3 比如我想查找所有指令中含hello关键词的进程，输入：ps-ef|grephello 输出示例： user5258475914013:22pts/900:00:00dockerrun-it-p8887:8887image_hello:v1 user 1234512345013:21pts...
混淆矩阵 当我们已经获取到一个分类模型的预测值，可以通过不同指标来进行评估。 往往衡量二分类模型是基于以下的混淆矩阵概念： TruePositive：真实值为正、预测值为正（真阳性） FalsePositive：真实值为负、预测值为正（假阳性） FalseNegative：真实值为正、预测值为负（假阴性） TrueNegative：真实值为负、预测值为负（真阴性） 但面对多个分类，比如40多个类别时无法单纯通过正负来混淆矩阵的每个值。在多个类别分类中，可以将每个类别视为应该独立的二元分类问题。对于每个类别A，其余不是类别A的样本可以临时合并为应该“非A”类别。我们将以上定义为： 真阳性(...
此教程的运行主要是在StarFive的VisionFive2（昉·星光2）开发板上，板子的具体信息或者其他产品参考官网主页；VisionFive2的开源技术文档和装机教程参考官方文档。 1.在VisionFive2上安装debian系统 将DebianOS烧录到Micro-SD上 这一部分主要参考官方文档中的3.3.将OS烧录到Micro-SD卡上 【事前准备】准备32g的Micro-SD卡，首先通过外接读卡器或者内置的读卡器将Micro-SD卡接入个人计算机中。格式化Micro-SD卡。 如果是MacOS用户，Micro-SD卡有可能不会显示读入。可以通过在终端中输入diskutillis...
在使用镜像新建了一个cuda11.2-python3.9容器配置环境的过程中需要安装PyTorch。一开始我直接使用pipinstalltorch来进行安装，但是运行程序时出现报错： RuntimeError:TheNVIDIAdriveronyoursystemistooold(foundversion11020).PleaseupdateyourGPUdriverbydownloadingandinstallinganewversionfromtheURL:http://www.nvidia.com/Download/index.aspxAlternatively,goto:https:/...
在使用镜像新建了一个cuda11.2-python3.9容器配置环境的过程中需要安装PyTorch。一开始我直接使用pipinstalltorch来进行安装，但是运行程序时出现报错： RuntimeError:TheNVIDIAdriveronyoursystemistooold(foundversion11020).PleaseupdateyourGPUdriverbydownloadingandinstallinganewversionfromtheURL:http://www.nvidia.com/Download/index.aspxAlternatively,goto:https:/...
在PyTorch中，我们可以使用torch.save函数将PyTorch模型保存到文件。这个函数接受两个参数：要保存的对象（通常是模型），以及文件路径。 保存模型参数 importtorch importtorch.nnasnn 假设有一个简单的模型 classSimpleModel(nn.Module): def__init__(self): super(SimpleModel,self).__init__() self.fc=nn.Linear(10,5) model=SimpleModel() 这里可以进行模型的训练 trainingstep...... 定义保存路径 save_...
//本文章由chatgpt-3.5协助生成。// 步骤1:下载并安装SQLite （此部分有参考） 访问SQLite官方DownloadPage:https://www.sqlite.org/download.html 选择适用的文件：PrecompiledBinariesfor<你的操作系统>例如Windows就在PrecompiledBinariesforWindows中下载 sqlite-dll-win-x64-3440200.zip(1.24MiB) 64-bitDLL(x64)forSQLiteversion3.44.2.(SHA3-256:bf2b78a7f61...