- 博客(12)
- 收藏
- 关注
原创 算法--搜索算法(持续更新)
定义:b:分支数(可能为无穷)d:最优解的深度(一定存在)m:搜索树的最大深度(可能为无穷)(1)时间复杂度:O(b^d)(2)空间复杂度:O(b^d)(3)完备性:是(当且仅当b是有限的)(4)最优性:是(当且仅当单步代价相同) 引入单步代价,每次扩展一个代价最小的节点(注意:搜索到某一结点但不一定扩展它,只有当它是当前所有未扩展结点中代价最小时才扩展),第一次被扩展的节点一定是最优解。(当单步代价相同时,该算法退化为宽度优先搜索)
2024-01-05 00:22:20
1014
1
原创 Python--matplotlib--颜色表
cmap即matplotlib.colors.Colormap,是一个包含三列矩阵的色彩映射表,简单来说就是一个shape为(N,3)的矩阵,矩阵中的值的值取值范围为[0,1];每一行代表一个颜色,即RGB值。
2023-04-09 21:59:37
3420
原创 深度学习--梯度下降算法(持续更新)
引入物理学中的动量思想,加速梯度下降,梯度下降在不变的维度上,参数更新变快,梯度有所改变时,更新参数变慢,这样就能够加快收敛并且减少动荡。Adadelta的一个特例,当ρ=0.5时,E就变为了求梯度平方和的平均数;momentum的改进,在梯度更新时做一个矫正,具体做法就是在当前的梯度J上添加上一时刻的动量。NAG:(绿色)先在原来动量方向(棕)迈一大步,然后算梯度(红),得到矫正之后的绿色线。(1)优点:前期在参数空间更为平缓的方向,会取得更大的进步。(1)优点:仅需要计算一个样本的梯度,训练速度很快。
2022-11-22 13:06:56
873
原创 深度学习--超参数(持续更新)
通常情况下,一个或者一组优秀的学习率既能加速模型的训练,又能得到一个较优甚至最优的精度。以上两种情况在训练初期以及中期,此时若仍然以固定的学习率,会使模型陷入左右来回的震荡或者鞍点,无法继续优化。在小数据集上,通常微调的效果比从头训练要好很多,因为在于数据量较小的前提下,训练更多参数容易导致过度拟合。对数据的拟合较好,而在实际应用中,也验证了这一点。若有两类超参数,每类超参数有3个待探索的值,对它们进行笛卡尔积后得到9个超参数组合。机器学习中一直说的“调参”,实际上不是调“参数”,而是调“超参数”。
2022-11-21 16:50:03
13513
原创 Python--matplotlib(持续更新)
Matplotlib,全称“Matlab plotting library”,是Python中的一个库,它是数字的-NumPy库的数学扩展,是Python中绘制二维和三维图表的数据可视化工具pyplot,面向当前图;axes,面向对象;Pylab,沿用 matlab 风格。Matplotlib中的所有内容都按层次结构组织,层次结构的顶部是由matplotlib提供的matplotlb“状态机环境”——pyplot模块,仅用于图形创建等少数功能,用户显式创建并跟踪图形和轴对象。
2022-11-18 00:55:29
8999
1
原创 Python--numpy(持续更新)
N维数组对象(矩阵),所有元素必须是相同类型numpy对象分为数组array和矩阵mat,需要与列表list进行区分 表示维度个数 (数据类型对象)属性,表示数据类型 用于读取矩阵的长度,表示各维度大小 前者返回值:后者返回值:看前面的数组array,其他同上,不要“()” 用于在不更改数据的情况下为数组赋予新形状。 参数:(1)array:需要reshape的数组(2)newshape:新形状应与原始形状兼容。如果是整数,则结果将是该长度的一维数组。一个形状尺寸可以为-1或其他负数。在
2022-11-17 18:38:28
1901
原创 第一篇博客
本人初学者一枚,虽然之前一段时间一直在CSDN上查阅资料和看大佬们的文章,坚持做笔记,但还是打算把这些东西都写成博客记录下来吧,祝福自己一路前行。
2022-11-15 11:42:57
78
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