dropsong's

积累了一些有点用处的 prompt. 效果还不错，分享之。 一些其他的 prompt 分散在博客的各处，例如 实习笔记一 等，请参阅。 持续更新。 期末课程小论文123作业要求：『小论文: 请针对我国电力体制改革、电力市场建设、电价体系建设的某个具体问题，结合电力市场理论与技术的授课内容开展研究和分析，题目自拟。4000-5000字。』可以有什么方向？选什么题目？ 网上查询到两个相关网页，想以此为方向。导出为 pdf，附上： 1234就这两个文件的内容，是否可以写和电力市场相关的小论文？- 这是一个期末课程作业，要求不是很高，有小论文的形式就行。- 国内外相关研究可以用哪些中英文关键词搜索？- 分析写作思路，形成初步框架 找了一些论文附上： 1234引言部分，参考这些 pdf 简要写写研究现状，然后再按你的写作框架简要写写：『1.1 研究背景：在“双碳”目标下，新能源汽车快速普及与新型电力系统建设对电网灵活性的迫切需求 。1.2 V2G的角色与价值：介绍V2G技术（车辆到电网）的基本原理，明确其作为“移动分布式储能单元”的定位，是重要的需求侧资源 。1.3 研究内容与结构：提出本文将要 ...

前置知识请见 人工智能导论 。 初识 TensorFlow官网： https://www.tensorflow.org TensorFlow 大框架： Estimator 属于 High level 的 API，而 Mid-level API 分别是： Layers：用来构建网络结构 Datasets：用来构建数据读取 pipeline Metrics：用来评估网络性能 Tensorflow1.0 主要特性： XLA —— Accelerate Linear Algebra 提升训练速度 58 倍 可以在移动设备运行 引入更高级别的 API —— tf.layers / tf.metrics / tf.losses / tf.keras Tensorflow 调试器 支持 docker 镜像，引入 tensorflow serving 服务 Tensorflow2.0 主要特性： 使用 tf.keras 和 eager mode 进行更加简单的模型构建 鲁棒的跨平台模型部署 强大的研究实验 清除不推荐使用的 API 和减少重复来简化 API 使用 Tensorflow ...

使用 win11 + debian12 双系统有挺久了，稍微记一下使用经验。 挂载 win 下的盘debian 可以自动识别 win 下的盘，但是是只读模式。这会造成一些麻烦，例如我们想将数据都放到 win 的 D 盘下面，这样就可以只给 debian 分配较小的空间，因此必须能对 win 下的磁盘进行读写，以支持在 debian 下的工作。 若 Windows 没有完全正常关机，而是进入了休眠或者启用了快速启动功能，会导致 Windows 的 NTFS 文件系统处于“不干净”的状态。为此，在 Windows 系统中进行操作： 控制面板 -> 电源选项 -> 更改高级电源设置 在“电源按钮和盖子”下面，将“按下电源按钮时”设置为“关机” 取消勾选“启用快速启动(推荐)” Apply 关机，启动 debian. 查看 Windows D 盘在 debian 系统中的设备名称： 1sudo fdisk -l 安装 NTFS-3G 驱动： 12sudo apt updatesudo apt install ntfs-3g 创建挂载点： 1sudo mkdir /media/你 ...

献祭五一劳工节的假期，权且作为对本科时代摆烂过度的补偿。 理论部分 目录对弧长的曲线积分 2对坐标的曲线积分 7格林公式及其应用 14对面积的曲面积分 27对坐标的曲面积分 31高斯公式 通量与散度 40斯托克斯公式 环流量与旋度 48 少量练习例 1计算 $\int_{L} x^2 \mathrm{d}s$ ，其中 L 是由 $x^2+y^2+z^2 = a^2 (a>0)$ 与 $x+y+z=0$ 所表示的圆的一周。 解法 1 先找曲线 L 的一个参数方程。由 $x^2+y^2+z^2=a^2$ 与 $x+y+z=0$，消去 $z$，得 x^2 + xy + y^2 = \frac{a^2}{2}或 \frac{3x^2}{4} + (y+ \frac{x}{2})^2 = \frac{a^2}{2}令 $\begin{cases} x= \sqrt{\frac{2}{3}} a \mathrm{cos}t \\ y+\frac{x}{2} = \frac{1}{\sqrt{2}}a \mathrm{sin}t \end{case ...

一些基础内容参见 人工智能导论 。 绪论一些机器学习的框架： 可以在 github 上搜索它们。 框架 机构 支持语言 Stars Forks Contributors TensorFlow Google Python/C++/Go/… 41628 19339 568 Caffe BVLC C++/Python 14956 9282 221 Keras fchollet Python 10727 3575 322 CNTK Microsoft C++ 9063 2144 100 MXNet DMLC Python/C++/R/… 7393 2745 241 Torch7 Facebook Lua 6111 1784 113 Theano U. Montreal Python 5352 1868 271 Deeplearning4J DeepLearning4J Java/Scala 5053 1927 101 Leaf AutumnAI Rust 4562 216 14 Lasagne Lasagne Python 2749 761 ...

前置知识历史资料一些以前的资料，扫描备份（然后本体就可以扔了，芜湖～）。 目录整除 1最大公约数和最小公倍数 5素数及唯一分解定理 11同余 15母函数 19递推数列 22 逆元若 $ax \equiv 1 \pmod{b}$ ，则 $x$ 为 $a$ $\mathrm{mod}$ $b$ 的逆元，记为 $a^{-1}$ . 逆元概念的理解： 逆元约等于模 b 意义下的倒数，这个概念和离散数学中的差不多。 在一些算法竞赛中，由于各种缘故，并不是很想处理浮点数，而是用整数替代。遇到两数相除的情况，就不会算出小数，而是通过“逆元”的概念，得到一个整数。 欧几里得算法这个算法用来求两个数的最大公约数，它基于以下定理： \mathrm{gcd}(a,b) = \mathrm{gcd}(b, a \ \mathrm{mod} \ b)这个定理可以通过几何直观理解。 由此写出代码： 12345int gcd(int a, int b){ return b ? gcd(b, a % b) : a;}// 或者使用函数 __gcd ...

一篇随手记，记录开发过程中遇到的问题。 项目介绍项目地址：https://github.com/dropsong/tiny-shop对应的前端代码：https://github.com/dropsong/tiny-shop-front 通过 Vue + Django REST framework 实现一个电商平台。 此教学项目的完成方式：前端、资源图片等已经准备好了，我负责后端的开发。 权限和认证采用 Authentication 用户认证设置，动态设置 Permission、Authentication，Validators 实现字段验证。 序列化和表单验证使用 Serializer、ModelSerializer，动态设置 Serializer. 实现了支付、登录、注册功能。 Json Web Token 方式登录，单点登录 手机注册 / 支付宝支付 第三方账户微博登录 View 实现 REST API ApiView / GenericView 方式实现 API 接口 ViewSet 和 Router 方式实现 API 接口和 URL 配置 Django_filter、Se ...

const qzconst_list = {F, M, B, Z, zd, zr, wc, qz} 去年底，一直在和 qz 谋划去日本的事。但临近出发，因为某明星在东瀛死掉的缘故，国内掀起了一波日本流感的舆论，登时人心惶惶，qz 的家人马上反对，于是只有我一人成行。M 虽然也表示了反对但是反对无效。 旅行计划和事后总结 注意文章时效，最新情况可能已经变更。本来我是不会记这些东西的，因为之前和 qz 做计划的时候需要一个共享文档，现在我直接拿过来，做点修改。 护照、签证https://www.bilibili.com/video/BV1rg1xYwEdv 第一次办护照，根据地区的不同，可能需要咨询学校方面，取得相关材料，然后才能到出入境管理处办理。 办好护照，找淘宝弄签证。签证找淘宝是因为，日本使馆要求办签要找代理旅行社，所以直接在淘宝上找好了。 注意事项网络、手机卡：推荐买流量卡。淘宝买，落地插卡。当然也可以开通国际漫游，但是我查看的时候有点贵。 支付方式： 景点附近的门店大多支持微信支付宝，银座等商圈也支持。一些小店仅收现金。如果不购买交通卡的话，JR 线、新干线、公交地铁也仅 ...

numpy数组中的轴： 其实很好理解，越外面循环的 axis 值越小。 一些值得注意的特性： 1234567891011121314151617181920212223242526272829303132333435import numpy as npt = np.arange(24, dtype=float).reshape(4, 6)t[2, 4] = np.nant[3, 4] = np.nanprint(t)print(np.count_nonzero(t))print(np.nan == np.nan)print(t!=t)print(np.count_nonzero(t != t))# 将 nan 换成 0# t[np.isnan(t)] = 0t[t!=t] = 0print(t)'''[[ 0. 1. 2. 3. 4. 5.] [ 6. 7. 8. 9. 10. 11.] [12. 13. 14. 15. nan 17.] [18. 19. 20. 21. nan 23.]]23False[[False False Fal ...

数据分析概述文章分享：一份来自贾扬清的AI青年修炼指南：不存在算法工程师、调参侠没有市场 大致流程： 原始数据收集 数据埋点。收集用户在网页端，APP，小程序等终端的各种数据。 业务数据 外部数据 数据加工处理 将收集的数据转换成可理解、可量化、可观察的业务指标 数据可视化 数据决策和执行 数据产品 将策略制作成数据应用和产品，开始自动化和系统化运营。 数据战略 积累了大量数据，大量模型，大量数据应用 不只是数据分析，可以将数据变现 三类岗位: 业务线 数据分析 研发线 数据仓库 数据仓库也是普通的数据库（例如 mysql），里面存的数据是为数据分析人员服务的，不对接用户。举例来说，里面可以存储用户行为路径、每日新增用户数等指标。 算法线 数据挖掘 相对于数据分析，需要建模，模型的目的是做预测。 行业黑话： ETL：提取转换加载（英语：Extract, transform, load，简称ETL），用来描述将资料从来源端经过抽取、转置、加载至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。 DW 数据仓库（data warehous ...