- 博客(47)
- 资源 (2)
- 问答 (1)
- 收藏
- 关注
原创 python操作矩阵小记(转置、相乘、逆)
python中numpy操作矩阵的一些函数import numpy as np# 定义一个矩阵并打印A = np.mat('3 4; 2 16')print(A)# 计算矩阵的逆并打印inverse_A = np.linalg.inv(A)print(inverse_A)# 矩阵的乘法并打印(为单位矩阵)dot = np.dot(A, inverse_A)print(dot)''' numpy中matrix和array的区别 matrix是矩阵,只能是
2021-12-03 16:34:59
475
原创 112. 路径总和(力扣)
今日份递归题目。虽然我没有掌握这题递归的精髓,但能独立想出来这种方法我觉得也挺好的了。利用到了栈。我是将每条路径上的和全部都求出来了。而正常的递归方法是减去每一次遍历的节点,当减去到叶子节点和剩下的数字相同的话,那么这个时候就存在这条路径,否则就不存在。/** * Definition for a binary tree node. * struct TreeNode { * int val; * TreeNode *left; * TreeNode *rig
2021-05-07 19:48:33
266
1
原创 递归虐我千百遍,下一句是啥来着?
废话不多说,直接上题目。真的应该算是比较简单的一道题目了,可我又是看了解析恍然大悟!!!目录方法一:深度优先遍历方法二:递归方法一:深度优先遍历先深度优先遍历,将树的所有节点中的值放进一个容器中,后面再比较容器中的值是否相等。/** * Definition for a binary tree node. * struct TreeNode { * int val; * TreeNode *left; * TreeNode *right; * Tree
2021-05-06 20:03:00
248
原创 递归真的那么难?我!信!了!
上篇文章记录了我做递归题目的一点点灵感,然后我现在发现我高兴的太早了。。。这不趁着五一假期结束之前赶紧又做了一题递归题目,然后经过我仔细分析,根据我前面总结的经验,感觉还好,用给的示例运行也是对的,然后我很高兴的点击了提交,果不其然,解答错误。。。。。话不多说,来看看怎么错的吧!目录题目提交1(×)提交2(√):自顶向下提交3(√):自底向上题目110. 平衡二叉树给定一个二叉树,判断它是否是高度平衡的二叉树。本题中,一棵高度平衡二叉树定义为:一个二叉树每个节点 的左右两个子树的高度差的绝
2021-05-05 20:46:49
346
原创 递归真的这么难?我!不!信!
说到递归,学习过的筒子们应该都不陌生了吧。陌生是不陌生,知道有这么一个东西,但是真心不会做呀!不要慌,其实我也不大会做。。。所以递归真的有那么难吗?没错,我觉得他真的不是很简单(至少对于我来讲,那些一看就会的就请绕道了哈,我就不撵你们了)还记得刚开始接触递归的时候,应该是那个斐波那契数列了。然后后面学习数据结构,用的最多的就是在树里面了,反正学的是云里雾里,遇到递归题目自己怎么想也想不起来,一看答案就好像知道:哎,好像是这么回事!然后自己再写,还是不会写!啊这,可能这就是一废物吧。。。没有办法,为了
2021-05-03 19:08:23
2719
3
原创 TensorFlow进阶:车牌号识别项目
终于算是闲下来点时间了,也不能算闲,该交的报告什么的算完事了。其他要交的东西现在还不急,然后考研的东西现在也不想看,再加上中午没睡好,下午也不想学习新的东西了,就抽出点时间把前段时间做的一个小项目来记录分享一下吧。一、项目简介1.想要干什么?这个项目就是给你一张有车牌的图片,如下图,你怎么把这张个车牌上的车牌号给识别出来呢?从我前段时间的学习也可以看到,这个地方的识别我肯定想用到前面学习到的机器学习的方法。前面学习到的和识别有关的也就是那个Mnist手写数字识别了,那我接下来的思路就是怎么将这个问
2021-04-30 11:44:30
17854
36
原创 心路随笔
最近也没有发布学习的博客了,确实上周在做我们一门课程的作业,做的东西也就是我前面在学习的和机器学习、深度学习有关的东西,最后实现的比较有用的就是车牌号的识别。等我过两天有时间了会把整个思路以及数据集准备和代码分享给大家。今天不是来讲这个东西的,今天主要就是想谈一谈这段时间的所思所想吧,想到哪说到哪吧。现在是2021年的4月20号晚上,我正坐在我们学校图书馆,现在因为已经大三下了,课程也都结束的差不多了,一周现在也就3 4节课了,今天一整天就没有课,不过说实话感觉今天一天在图书馆也没学到什么东西,反正这段时
2021-04-20 22:08:55
324
原创 1021. 删除最外层的括号
有效括号字符串为空 ("")、"(" + A + “)” 或 A + B,其中 A 和 B 都是有效的括号字符串,+ 代表字符串的连接。例如,"","()","(())()" 和 “(()(()))” 都是有效的括号字符串。如果有效字符串 S 非空,且不存在将其拆分为 S = A+B 的方法,我们称其为原语(primitive),其中 A 和 B 都是非空有效括号字符串。给出一个非空有效字符串 S,考虑将其进行原语化分解,使得:S = P_1 + P_2 + … + P_k,其中 P_i 是有效括号字符
2021-04-05 20:41:51
261
原创 109. 有序链表转换二叉搜索树
给定一个单链表,其中的元素按升序排序,将其转换为高度平衡的二叉搜索树。本题中,一个高度平衡二叉树是指一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过 1。示例:给定的有序链表: [-10, -3, 0, 5, 9],一个可能的答案是:[0, -3, 9, -10, null, 5], 它可以表示下面这个高度平衡二叉搜索树:思路:由于是有序的,所以需要找到中间的节点作为树的根节点。并利用分治的思想,递归的调用这个函数,找到左子树和右子树的根节点。代码:/** * Definiti
2021-03-28 21:08:44
212
原创 445. 两数相加 II
给你两个 非空 链表来代表两个非负整数。数字最高位位于链表开始位置。它们的每个节点只存储一位数字。将这两数相加会返回一个新的链表。你可以假设除了数字 0 之外,这两个数字都不会以零开头。进阶:如果输入链表不能修改该如何处理?换句话说,你不能对列表中的节点进行翻转。示例:输入:(7 -> 2 -> 4 -> 3) + (5 -> 6 -> 4)输出:7 -> 8 -> 0 -> 7解答:思路1:刚拿到这个题目的时候,第一反应就是和我们平
2021-03-28 20:44:28
135
原创 Mnist手写数字识别进阶:模型重构与模型保存
经过前面一段时间的学习,今天终于算是把所有的关于Mnist手写数字识别的问题给学完了。从刚开始的单个神经元到后面的单层隐藏层的神经网络,以及多层隐藏层的神经网络,再加上今天要总结的模型的重构以及保存复用等等问题。从刚开始对深度学习只是听说,到现在跟着慕课敲出了一些简单的机器学习的实现代码,在这几天学习的过程中,感觉也只是大致知道了这个流程,还不能达到自己实现的程度,毕竟也只是跟着慕课敲代码,所以可能效果也不是很明显;不过我觉得首先去学习一门新的知识,能迈出第一步就是很大的进步,后面慢慢学习,慢慢巩固,应该
2021-03-17 20:10:00
1047
原创 JavaScript基础学习2
今天继续学习js基本语法,主要包括两方面的内容:定义对象类型和常用事件。目录1、自定义对象(Object)(1)Object形式定义(2)大括号形式定义2、js中的常用事件(1)onload 加载完成事件(2)onclick 单击事件(3)onblur 失去焦点事件(4)onchange 内容发生改变事件(5)onsubmit 表单提交事件1、自定义对象(Object)说到对象应该都不陌生,学过Java和C++的都知道,它们是一种面向对象编程的语言,那么js中是怎么来定义对象的呢?可以有两种方式。(
2021-03-15 21:36:43
106
原创 Mnist手写数字识别进阶:多层神经网络应用(续)
在上一节中,构建了多层神经网络来对Mnist手写数字进行识别,但是我们也只设置了一个隐藏层,为了是我们的模型准确可以达到更高,其实我们可以多写几个隐藏层,那么这里我们就再加入一个隐藏层。目录构建模型附:完整代码主要做出的修改就是构建神经网络的部分,多加入一层隐藏层。构建模型# 构建隐藏层H1_NN = 256 # 第1隐藏层神经元数量H2_NN = 64 # 第2隐藏层神经元数量# 输入层 - 第1隐藏层参数和偏置项w1 = tf.Variable(tf.truncated_no
2021-03-14 22:47:42
591
原创 JavaScript基础学习
1、<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>
2021-03-14 21:59:29
138
原创 Mnist手写数字识别进阶:多层神经网络应用
在上个实例当中,实现了单个神经元模型来识别手写数字,对于单个神经元模型,首先是输入数据,然后根据对应的权重进行求和,再通过一个激活函数即可得到最终的结果。目录一、单个神经元模型回顾二、全连接单隐含层神经网络1、载入数据2、构建输入层3、构建隐藏层(新)4、构建输出层5、训练模型6、模型应用一、单个神经元模型回顾就如下图所示,就是单个神经元实现的,而我们将一个求和和激活函数这个整体看作是一个神经元,而多层神经网络无非就是多加几个神经元。关于激活函数,常见的有以下几种:但是从上次的训练结果来看,正
2021-03-13 22:48:40
948
原创 MNIST手写数字识别预测结果可视化
在完成了MNIST手写数字模型的训练之后,我们就可以使用训练好的模型进行预测手写数字了。这里还是使用MNIST数据集中所提供的测试数据。可以仅仅对测试集的数据进行预测,并直接打印出来结果即可。但是为了和原图像进行对比,这里定义了一个可视化的函数,将原图像以及预测结果值进行显示,可以使结果更加直观。在上述基础上加上下面代码就可以了。# 对测试集的数据进行预测prediction_result = sess.run(tf.argmax(pred, 1), feed_dict={x: mnist.test
2021-03-11 10:50:32
4057
原创 利用tensorflow进行机器学习实例3(MNIST手写数字识别)
在学习完简单的线性回归问题之后,但是线性回归只能解决一些房价预测等求解具体数值的问题,但是在现实生活中有很多的分类问题,例如:对于图片的分类、判断是否等问题。今天想研究的问题就是这一类的分类问题:MNIST手写数字识别,就是利用我们训练的模型对一张手写数字图片进行识别,判断这个数字是0~9中的哪一个?...
2021-03-08 20:00:21
868
1
原创 利用tensorflow进行机器学习实例2(波士顿房价预测)
昨天已经跟着慕课完成了一个最简单的机器学习实例:线性回归。而且是只有一个变量的,不过通过那个例子我已经理解了机器学习的基本步骤,如何创建数据集、如何创建模型、如何训练模型、如何用训练好的模型进行预测等等。接下来我又跟着慕课做了一个多元线性回归的实例:波士顿房价的预测。这里的变量就不是一个了,而是12个,这样我们就必须使用到多元线性回归的问题。关于慕课的学习,我是在中国大学mooc上学习的,课程名称是:深度学习应用开发-TensorFlow实践,有兴趣可以去学习一下,我觉得讲解的很详细,而且会带着把每一句
2021-03-06 13:14:24
2154
1
原创 线性回归机器学习补充(显示损失Loss)
通过昨天的学习,我们已经可以将那个简单的线性回归问题模型训练出来。接下来我们想要对每一次的损失进行显示出来,需要在原来的基础上加上一些代码。由于每训练一次就会产生一个损失值,所以我们没有必要将他们全部打印出来,这个时候设置一个参数display_step 来控制打印的粒度;然后设置一个step 参数为训练的步数,一个列表loss_list 来存储每次的损失。具体代码如下,只是在原来代码上做了一些改动。import tensorflow as tfimport matplotlib.pyplot as
2021-03-05 11:04:10
878
1
原创 利用tensorflow进行机器学习实例(线性回归)
通过对tensorflow基础知识学习之后,现在可以通过一个简单的例子来进行机器学习的实践了。这里以一个线性回归的例子来做。1、
2021-03-04 22:52:28
506
1
原创 监督式机器学习的基本术语
关于机器学习系统:通过学习如何组合输入西悉尼,来对未见过的数据做出有用的预测。下面来学习一些常用术语。以一个简单的线性回归为例。由于概念比较多,所以大部分是慕课上PPT的截图,以备后续复习使用。目录监督式机器学习1、标签和特征2、样本和模型3、训练4、损失模型训练与降低损失1、模型训练要点2、收敛3、计算损失例子梯度下降法学习率监督式机器学习1、标签和特征标签:是我们要预测的真实事物线性回归中的y变量特征:是指用于描述数据的输入变量线性回归中的{x1, x2, x3,…,xn}变量2、样
2021-03-04 21:43:38
230
1
原创 深度学习应用开发-TensorFlow 入门
今天开始打算学习一下关于深度学习有关的知识,需要安装python和下载配置tensorflow环境。因为原来对环境已经配置好了,在这里就不再赘述,不过确实挺麻烦的,我当时配置的时候花了很长的时间才配置好的,如果自己实在配置不好,就去找淘宝吧…关于人工智能、深度学习、机器学习等概念,其实就是通过让机器通过人的思维方式进行学习,通过大量的已知数据对其进行训练,并不断的改变模型参数,最终得到最优的模型。目录1、hello world程序2、tensorflow中节点信息3、张量的属性4、会话的几种模式5、常量
2021-03-04 20:45:17
439
1
转载 哈希表详解
转载于:https://blog.csdn.net/sinat_33921105/article/details/103344078哈希表详解
2021-03-03 18:44:07
163
1
原创 Python爬虫:正则表达式的应用以及数据保存到excel表
上一节学习了如何解析网页,说白了就是怎么将一个html文件中的信息提取出来,当然这需要有一定的html基础,这样对于一些标签的使用更加的容易和方便一些。解析来要学习的内容就是上节提到的比较常用而且比较重要的一个东西:正则表达式。然后讲一下如何将数据存储到excel表格当中。目录一、正则表达式代码测试二、保存数据代码测试总结一、正则表达式正则表达式简单来说就是:判断一个字符串是否符合一定的标准,当然这个标准就是我们想要爬取到的信息。利用正则表达式将我们想要提取的信息样式表达出来,然后直接匹配爬取即可!
2021-02-24 23:09:17
1614
原创 Python爬虫基础知识(BeautifulSoup4) 网页解析
昨天我先“伪装”成了浏览器对网页进行了访问,爬取到了网页的信息。那么接下来的一步就是对爬取到的信息进行解析,获取到我们想要的信息。这个时候我们就需要引入一个库叫做靓汤,也就是BeautifulSoup4,通过这个库里面的一些函数可以将我们的网页文件解析成我们想要信息的形式。BeautifulSoup4将复杂的HTML文档转换成一个复杂的树形结构,每个节点都是一个Python对象,所有对象可以归纳为4种:Tag 标签NavigableString 标签内的内容(字符串等等)BeautifulSoup
2021-02-20 16:38:56
893
原创 Python爬虫基础 爬取网页 访问网页
前段时间又被人问了会不会爬虫,然后感觉现在爬取数据好像还是挺有用的,所以就在网上找了课程学习了一下,利用Python对网站进行爬取和解析等等。原来使用过八爪鱼这个软件,不太需要有什么编程基础,但是也已经忘得差不错了,所以就想着学习利用Python进行爬取。目录一、对爬虫的理解:二、爬取网页1.模仿浏览器2.实例分析(1)代码(2)获取浏览器User-Agent总结一、对爬虫的理解:爬虫听上去似乎很高大上,其实简单一句话就是:模仿浏览器对网页进行访问并解析,进一步从中复制我们想要的信息,然后将其保存起来
2021-02-18 21:53:11
7885
1
原创 Web前端 学习笔记7(定位)
定位是一种更加高级的布局手段,通过定位可以将一个元素摆放到页面的任意位置,使用position属性来设置定位。目录知识点学习1、定位的简介2、绝对定位3、固定定位4、粘滞定位5、绝对定位元素的布局6、元素的层级7、京东轮播图练习总结知识点学习1、定位的简介<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta http-equiv="X-UA-Com
2021-02-13 22:13:23
150
原创 Web前端 学习笔记6(浮动)
在大致学习完布局之后,现在开始了解下一个知识点:浮动!浮动,字面意思就是使元素浮起来,从而完成元素的布局。目录知识点学习1、浮动的简介2、浮动的其他特点3、网页的布局4、高度塌陷问题5、BFC的演示6、clear7、after伪类解决高度塌陷8、clearfix总结知识点学习浮动有很多特点以及使用,下面分为几个点来分别学习。1、浮动的简介通过浮动可以使一个元素向其父元素的左侧或者右侧移动就是浮动最基本的作用。<!DOCTYPE html><html lang="en">
2021-02-13 22:06:32
457
原创 Web前端 学习笔记5(布局)
学习完基本的一些设置之后,接下来需要了解的就是网页的布局。我们所看到的网页的布局都是这一部分需要学习的知识。目录知识点学习1、文档流2、盒模型3、盒子模型_边框4、盒子模型_内边距5、盒子模型_外边距6、盒子的水平布局7、垂直方向的布局8、外边距的折叠(重叠)9、行内元素的盒模型10、默认样式11、盒子的尺寸12、轮廓和圆角总结知识点学习我们平时见到的网页,都是分为一块一块的,非常有层次感。这里我们要学习的就是网页是怎么完成布局的。1、文档流当见到这个名词的时候我是有点懵的。其实说白了就是网页的最
2021-02-04 22:11:38
184
原创 Web前端 学习笔记4(CSS)
上次学习了一些关于CSS的知识,现在还剩下一些,继续整理一下。目录知识点学习1、样式的继承2、选择器的优先级3、单位4、颜色总结知识点学习上次学习了一些基础的CSS语法,包括各种选择器还有伪类、伪元素的学习,接下来再来看看剩下的一些。1、样式的继承简单来说,一个元素内部的元素会继承它的样式。<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta
2021-02-04 20:55:41
111
原创 1689. 十-二进制数的最少数目
1689.十-二进制数的最少数目如果一个十进制数字不含任何前导零,且每一位上的数字不是 0 就是 1 ,那么该数字就是一个 十-二进制数 。例如,101 和 1100 都是 十-二进制数,而 112 和 3001 不是。给你一个表示十进制整数的字符串 n ,返回和为 n 的 十-二进制数 的最少数目。示例 1:输入:n = “32”输出:3解释:10 + 11 + 11 = 32示例 2:输入:n = “82734”输出:8示例 3:输入:n = “273462098307091823
2021-01-26 22:24:11
272
原创 5645. 找到最高海拔
5645.找到最高海拔有一个自行车手打算进行一场公路骑行,这条路线总共由 n + 1 个不同海拔的点组成。自行车手从海拔为 0 的点 0 开始骑行。给你一个长度为 n 的整数数组 gain ,其中 gain[i] 是点 i 和点 i + 1 的 净海拔高度差(0 <= i < n)。请你返回 最高点的海拔 。示例 1:输入:gain = [-5,1,5,0,-7]输出:1解释:海拔高度依次为 [0,-5,-4,1,1,-6] 。最高海拔为 1 。示例 2:输入:gain = [-
2021-01-24 17:32:51
254
原创 1684.统计一致字符串的数目
给你一个由不同字符组成的字符串 allowed 和一个字符串数组 words 。如果一个字符串的每一个字符都在 allowed 中,就称这个字符串是 一致字符串 。请你返回 words 数组中 一致字符串 的数目。示例 1:输入:allowed = “ab”, words = [“ad”,“bd”,“aaab”,“baa”,“badab”]输出:2解释:字符串 “aaab” 和 “baa” 都是一致字符串,因为它们只包含字符 ‘a’ 和 ‘b’ 。示例 2:输入:allowed = “abc”
2021-01-23 15:35:14
156
原创 宿州市空间数据库管理系统(2)
上次将PL/SQL实现的功能已经写完了,接下来要写的是利用Java连接Oracle数据库并且做出一些可视化的界面,实现用户的交互,用户可以通过用户名和密码登录到这个空间数据库管理系统,并且可以点击相应的功能按钮实现查询功能。这里写目录标题一、最终实现成果1、登录界面与主功能界面实现2、功能1(房地产)3、功能2(买房)4、功能3(修路)5、功能4(最近医院)6、功能5(出租车)二、代码实现部分1、Java代码(1)登录界面(Login.java)(2)主功能界面(oracle.java)(3)功能1界面(
2021-01-23 14:19:10
340
原创 Web前端 学习笔记3(CSS)
学习完基本的Html之后,就进入了CSS的学习,CSS就是进行样式的设置,例如字体的颜色,大小等等。以下是部分的学习笔记。目录知识点学习1、CSS简介2、CSS语法3、CSS选择器4、复合选择器5、关系选择器6、属性选择器7、伪类选择器8、a元素的伪类9、伪元素总结知识点学习CSS和Html可以说是不同的两种“语言”了,所以它的语法结构和Html又有所不同,一般在开发的时候会单独写一个.css的文件,然后其他的文件来引用即可,但是在学习的时候我们就直接在.html文件的内部写,一般写在head标签的内
2021-01-21 21:16:09
119
原创 宿州市空间数据库管理系统(1)
空间数据库管理系统这学期学习了空间数据库这门课程,我们选取一个城市的数据,利用Oracle数据库,结合PL/SQL编程实现了空间数据的一些查询操作。其中利用了PL/SQL语言中的存储过程、函数、游标等。首先下载数据,并将其导入到数据库当中,一共8个表。两个点表(Points和Places)、3个线表(Roads和Railways和Waterways)、3个面表(Buildings和Landuse和Natural)。本次管理系统共实现了两大块功能,分为PL/SQL功能和Java可视化交
2021-01-21 17:03:34
493
原创 1232.缀点成线
1232.缀点成线在一个 XY 坐标系中有一些点,我们用数组 coordinates 来分别记录它们的坐标,其中 coordinates[i] = [x, y] 表示横坐标为 x、纵坐标为 y 的点。请你来判断,这些点是否在该坐标系中属于同一条直线上,是则返回 true,否则请返回 false。示例 1:输入:coordinates = [[1,2],[2,3],[3,4],[4,5],[5,6],[6,7]]输出:true示例 2:输入:coordinates = [[1,1],[2,2
2021-01-21 15:34:50
149
matlab提交吴恩达机器学习代码失败
2021-12-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人