个人笔记

1 BMI

体重指数 BMI = 体重/身高的平方（国际单位 $kg/m^2$）

• 小于 18.5 是偏低，正常是 18.5~24.0
• 超重是 24.0~28.0，肥胖是大于 28.0

BMI 只能反映全身性肥胖，无法衡量内脏脂肪

单纯使用 BMI 来判断肥胖与否，是存在很大偏差的。对经常运动健身的人群来说，他们通常肌肉含量较高，而肌肉比脂肪的质量大，往往会导致其 BMI 也是

Read more

项目地址

Windows 平台自动打字软件，适用于无法复制粘贴的编辑环境下小批量数据的传入

注意：

• 需要在 windows 环境下运行该文件，才能生成 exe 文件
• 非增强模式输出的结果为 base64 编码的字符串，可以用第三方工具解码
• 增强模式输出的结果只能用本程序解码，暂不支持其他第三方工具
• 为了保证纠错功能，增强模式输出的结果长度一般高于非增强模式
• 当文本较多时或远程环境网络不稳定时，优先考虑增强模式（带压缩功能）
• 本工具只适用于小批量的文本信息传输，不适合大规模数据和其他格式文件

Read more

JSON 基本介绍

1 JSON 内置库

适用内置库实现 json 的基本操作

import json

food_ratings = {"organic dog food": 2, "human food": 10}
json.dumps(food_ratings) # 将 Python 字典转换为 JSON 对象
# '{"organic dog food": 2, "human foo

Read more

一个基于 web 的交互式开发环境，用于 Jupyter 笔记本、代码和数据。在包含 Jupyter Notebook 的几乎全部功能的同时，有着更丰富的专注于交互式、探索性计算的功能和革新。

JupyterLab 官方文档
notebook 常用技巧

1 安装与启动

可选安装方式：

conda install -c conda-forge jupyte

Read more

结论：

• 现阶段 4090 能满足 DL 的入门需要，且 LLMs 推理的性价比最高
• 缺点是性能不足够支持 LLMs 训练（通信不高效，显存不够用）

1 GPU 的基本概念

NVIDIA 的三个产品线：

• GeForce 类型：面向个人计算和游戏市场推出的产品线，适用于游戏、图形处理等，并且在深度学习上的表现也非常出色，很多人用来做推理、训练，性价比高。例如目前热门的 4090、3090等型号
• Quadro 类型：定位于专业可视化市场的产品线，主要面向专业人士和企业用户，例如，影视制作、建筑可视化、产品

Read more

Mean Shift 算法，又称为均值漂移算法

核心思想：

• 该算法假设真实的样本集合是服从不同概率密度分布的数据簇的并集
• 任意选择一个样本通过密度增加最快的方向将收敛到样本密度高的区域
• 样本密度高的区域对应一个分布的聚集区，即样本数据的局部最大值
• 能够收敛到相同局部最大值的样本被认为是服从同一分布的数据簇

算法流程：

1. 随机确定样本空间内一个样本 $x$ 作为球心，构建半径为 $h$ 的高维球

$$ S_h\left(x\right)=\left(y\mid\left(y-x\right)\left(y-x\right)^T\leqslant h^2\right) $$ 2. 计算该

Read more

本小节的示例均围绕以下知识图展开：

• 该示例数据描述了疾病、药物、不良事件和蛋白质之间的相互关系

1 推理的类型

常见的三种知识图推理类型：

• 单跳查询（one-hop queries），从起始节点经过一条边是否可以达到终止节点，即预测两个节点之间是否有边连接（示例：Fluvestrant 这种药物可能导致哪些不良反应？）
• 路径查询（path queries），从起始节点经过 n 条边是否可以达到终止节

Read more

Read more

冷冻食品最终品质的好坏, 很大程度上取决于解冻

不同食材最适合的解冻方法不一样：

1. 常温空气解冻：热交换效率低，容易造成氧化。营养物质流失，还容易滋生细菌。解冻后食材的色泽和品质都较差。==不建议日常使用==
2. 微波解冻：快速, 受热不均匀，适合蔬果类解冻以及肉类的快速解冻
3. 冷藏室低温解冻：适合大多数食材，但解冻慢，对小黄鱼一类的品质受损严重
4. 静水解冻：速度快，品质好，建议带密封包装。流水解冻速度更快, 但比较费水
5. 加热解冻：适合冷冻蔬菜、淀粉类、腌制过的肉类、需要长时间烧煮不怕加热过头的食材
6. 半解冻：解冻终温在-10°C~-3°C 间，该温度食品的硬度较软，好切割，适合不易整形的肉类

参

Read more

Read more