- 博客(27)
- 收藏
- 关注
RSS订阅原创 非常易懂的神经网络数学推导及Matlab源码
前向传播z1=xw1+b1z_1=xw_1+b_1z1=xw1+b1(M,N1)=(M,N)(N,N1)+(1,N1)a1=sigmoid(z1)a_1=sigmoid(z_1)a1=sigmoid(z1)(M,N1)=(M,N1)z2=a1w2+b2z_2=a_1w_2+b_2z2=a1w2+b2(M,N2)=(M,N1)(N1,N2)+(1,N2)a2=sigmoid(z2)a_2=sigmoid(z_2)a2=sigmoid(z2)(M,N2)=(M,N2)z3
2021-12-28 15:35:09
1023
转载 Selenium启动Chrome时配置选项
https://blog.csdn.net/liaojianqiu0115/article/details/78353267https://www.cnblogs.com/guapitomjoy/p/12150416.html
2020-08-11 21:21:47
157
原创 Python中的lambda函数
函数格式lambda匿名函数的格式：冒号前是参数，可以有多个，用逗号隔开，冒号右边的为表达式。使用要点1、lambda 函数不能包含命令。2、包含的表达式不能超过一个。示例文件p = lambda x,y:x+yprint(p(4,6))a=lambda x:x*xprint(a(3)) 输出结果109...
2020-07-29 23:47:40
133
原创 规划问题的建模与编程（三）指派问题
建模阶段更多：https://www.jianshu.com/p/9be417cbfebb编程阶段示例文件# 1.导入相关库import numpy as npfrom scipy.optimize import linear_sum_assignment# 2.定义系数矩阵efficiency_matrix = np.array([ [12,7,9,7,9], [8,9,6,6,6], [7,17,12,14,12], [15,14,6,6,10],
2020-07-29 18:12:05
479
原创 规划问题的建模与编程（二）运输问题
建模阶段更多：https://www.jianshu.com/p/9be417cbfebb编程阶段示例文件# 1.导入相关库import pulpimport numpy as npfrom pprint import pprint# 2.定义相关类def transportation_problem(costs, x_max, y_max): row = len(costs) col = len(costs[0]) # 定义初始问题 prob = pu
2020-07-29 17:17:24
864
原创 Python中的pulp模块
定义问题prob = pulp.LpProblem('problem name', sense=pulp.LpMinimize)定义变量x0 = pulp.LpVariable('x0', lowBound=0, upBound=None, cat=pulp.LpInteger)x1 = pulp.LpVariable('x1', lowBound=0, upBound=None, cat=pulp.LpInteger)x2 = pulp.LpVariable('x2', lowBound=0,
2020-07-29 16:59:17
2061
原创 规划问题的建模与编程（一）投资问题
建模阶段多目标规划模型：第一个优化目标为总体风险尽可能小。第二个优化目标为总净收益尽可能大。约束条件为总购买额为M和单个购买额大于等于零。对于一个多目标优化模型，常用的考虑方式为先固定其中一个目标，再优化另一个目标。模型一、固定风险水平，优化收益模型二、固定盈利水平，极小化风险模型三、用投资偏好系数赋权更多：https://blog.csdn.net/qq_29831163/article/details/89502094编程阶段模型一的求解示例文件# 1.导入相关库
2020-07-29 16:04:41
883
1
原创 整数规划的思路和概念
整数规划模型在规划模型中，变量（部分或全部）限制为整数，则称为整数规划。在线性规划模型中，变量限制为整数，则称为整数线性规划。当决策变量均为整数时，称纯整数规划。当决策变量中部分为整数，部分为实数时，称混合整数规划。线性规划图解法添加整数约束，则可行域变为了多边形内的整点。可以看出，可行域变成了离散的点，这也使得整数规划问题比线性规划问题要更难求解，但现实中的许多决策变量都只能取整数，因此混合整数规划问题也成为了了研究最多的线性规划问题。注意：整数规划最优解不能按照实数最优解简单取整而获得。整
2020-07-29 12:09:27
1352
原创 规划问题的示例与实现
线性规划示例文件# 1.导入相关库import numpy as npfrom scipy import optimize as op# 2.给出变量范围x1 = (0, None)x2 = (0, None)x3 = (0, None)# 3.给出相关参数# 目标函数参数c = np.array([-2, -3, 5])# 不等式参数A_ub = np.array([[-2, 5, -1], [1, 3, 1]])B_ub = np.array([-10, 12])#
2020-07-28 17:15:51
182
原创 线性规划的思路和概念
规划问题的分类线性规划整数规划非线性规划多目标规划动态规划规划问题的三要素决策变量目标函数约束条件线性规划模型的数学表示线性规划模型的标准形式1.最小化目标函数PS：最大化目标函数可以添加负号变成最小化目标函数2.小于等于约束PS：<1>大于等于约束可以添加负号变成小于等于约束<2>等于约束可以直接写入编程线性规划模型的求解方法1.图解法2.单纯形法超平面：一个线性方程是一个超平面半空间：超平面划分出来的两个半空间多胞形：若干个半
2020-07-28 12:44:56
1009
原创 tensor.squeeze()和tensor.unsqueeze()
示例文件 test.pyimport torchA = torch.arange(6)A = A.reshape(1, 1, 2, 3, -1)B = A.squeeze()print(A)print(B)C = B.unsqueeze(0)D = B.unsqueeze(1)E = B.unsqueeze(2)print(C)print(D)print(E)终端命令行和运行结果<user>python test.pytensor([[[[[0],
2020-07-11 22:28:23
2121
原创 tensor.view()和tensor.reshape()和tensor.resize_()
tensor.view()和tensor.reshape()示例文件 test.pyimport torcha = torch.randint(0, 10, (3, 4))b = a.view(2, 6)c = a.reshape(2, 6)print(id(a)==id(b), id(a)==id(c), id(b)==id(c))print(id(a.storage())==id(b.storage()), id(a.storage())==id(c.storage()),
2020-07-11 09:29:01
10164
原创 tensor.permute()和tensor.transpose()
示例文件 test.pyimport torchcor1 = torch.arange(5).float()cor2 = torch.arange(4).float()print(cor1)print(cor2)X, Y = torch.meshgrid(cor1, cor2)print(X)print(X.permute(0, 1))print(X.permute(1, 0))print(X.transpose(0, 1))print(X.transpose(1, 0))终端
2020-07-10 23:55:59
4653
原创 torch.meshgrid()三维
示例文件 test.pyimport torchcor1 = torch.arange(5).float()cor2 = torch.arange(4).float()print(cor1)print(cor2)X, Y = torch.meshgrid(cor1, cor2)print(X)print(Y)cor1 = torch.arange(3).float()cor2 = torch.arange(5).float()cor3 = torch.arange(4).floa
2020-07-10 23:20:17
1185
原创 torch.meshgrid()
示例文件 test.pyimport torchcor1 = torch.arange(5).float()cor2 = torch.arange(4).float()print(cor1)print(cor2)X, Y = torch.meshgrid(cor1, cor2)print(X)print(Y)终端命令行及运行结果<user>python test.pytensor([0., 1., 2., 3., 4.])tensor([0., 1., 2., 3.
2020-07-10 20:56:14
170
原创 torch.range()和torch.arange()
示例文件 test.pyimport torchx = torch.arange(0, 6)print(x)print(x.type())y = torch.range(0, 6)print(y)print(y.type())终端命令行和运行结果<user>python test.pytensor([0, 1, 2, 3, 4, 5])torch.LongTensortensor([0., 1., 2., 3., 4., 5., 6.])torch.FloatTen
2020-07-10 20:24:04
1492
原创 基本张量类型的转换
Tensor类型的转换Pytorch数据类型的转换可以通过三个方式：1）调用Tensor成员函数long()，int()，double()，float()，byte()2）调用Tensor成员函数type()，传入数据类型3）调用Tensor成员函数type_as()，传入实例对象示例文件 test.pyimport torcha = torch.randn(2, 3)print(a.type())b = a.int()c = a.type(torch.LongTensor)pri
2020-07-10 17:44:27
1623
原创 基本张量类型及检测
基本类型Data typeCPU tensorGPU tensor32-bit floating pointtorch.FloatTensortorch.cuda.FloatTensor64-bit floating pointtorch.DoubleTensortorch.cuda.DoubleTensor16-bit floating pointN/Atorch.cuda.HalfTensor8-bit integer(unsigned)torch
2020-07-10 17:22:47
299
原创 CPU和GPU张量类型转换
(1) CPU张量 ----> GPU张量，使用Tensor.cuda()(2) GPU张量 ----> CPU张量，使用Tensor.cpu()我们可以通过torch.cuda.is_available()函数来判断当前的环境是否支持GPU，如果支持，则返回GPU类型，否则返回CPU类型。def commonType(Tensor): if torch.cuda.is_available(): cuda = "cuda:0" return Tens
2020-07-10 16:57:36
1257
原创 Python中的csv模块
写文件写法1import csvcsvfile=open('temp/csvfile.csv', 'w', newline='')writer=csv.writer(csvfile)writer.writerow('a')writer.writerow('b')csvfile.close()写法2import csvwith open('temp/csvfile.csv', 'w', newline='') as f: writer = csv.writer(f)
2020-07-10 16:25:34
142
原创 Python中的argparse模块
初始化import argparseparser = argparse.ArgumentParser()args = parser.parse_args()添加数据成员import argparseparser = argparse.ArgumentParser()parser.add_argument('-r', '--recycle', action='store_true')parser.add_argument('-e', '--epsilon', type=float, de
2020-07-10 13:26:04
156
原创 Python中的sys模块
sys.argv[]sys.argv[0] 表示程序自身sys.argv[1] 表示程序的第一个参数sys.argv[2] 表示程序的第二个参数示例文件 test.pyimport sysa=sys.argv[0]b=sys.argv[1]c=sys.argv[2]print(a)print(b)print(c)终端的命令行python test.py input1 input2终端的输出结果test.py input1 input2...
2020-07-10 11:02:18
105
原创 第一章 绪论
什么是数据结构数据结构：一组有特定关系的数据的存储与处理。数据结构的研究内容：1.逻辑关系----来源于生活经验，取决于数据本身2.存储实现----数据及数据关系的存储3.基本操作----数据及数据关系的处理4.典型应用数据的逻辑关系（逻辑结构）集合结构线性结构树形结构图型结构算法及算法分析面向对象的数据结构...
2020-06-23 22:50:24
136
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人