- 博客(15)
- 收藏
- 关注
RSS订阅原创 代码随想录007--哈希法:两个数组的交集,两数之和
思路：将numbers1处理转变为哈希表的形式来存储numbers1里面的所有元素，再用numbers2去遍历每一个元素去查询哈希表中是否出现过，若出现过放入result。unordered_set 做映射和取值操作时效率最高；unordered_set 可直接做去重操作。哈希表善于解决：给出一个元素，判断该元素是否在集合里出现过；数组：数组适用于数值不大的情况；2.两数之和（哈希表map）
2024-08-14 16:45:38
36
原创 代码随想录006--哈希表有效的字母异位词
for(i=0;i<s.size();i++)for(i=0;i<t.size();i++)for(i=0;i<26;i++)if(hash[i]!=0)
2024-08-14 10:57:57
134
原创 代码随想录链表--005
链表：链表是一种通过指针串联在一起的线性结构，每一个节点由两部分组成，一个是数据域一个是指针域（存放指向下一个节点的指针），最后一个节点的指针域指向null（空指针的意思）。双链表：每一个节点有两个指针域，一个指向下一个节点，一个指向上一个节点。循环链表：顾名思义，就是链表首尾相连，循环链表可以用来解决约瑟夫环问题。链表的入口节点称为链表的头结点也就是head。单链表：中的指针域只能指向节点的下一个节点。双链表 既可以向前查询也可以向后查询。学不明白，delay。
2024-08-14 10:26:58
52
原创 代码随想录002--移除元素
先找到目标元素的位置，从目标元素的位置开始依次用后一个元素覆盖前面一个元素；在一个数组中删除元素是不能直接删除的，只能进行覆盖；
2024-08-13 09:31:14
76
原创 深度学习每日学习0808--003
堆叠小的卷积核所需的参数更少一些，并且卷积过程越多，特征提取也会越细致，假如的非线性变换也随着增多，还不会增大权重参数个数，这就是VGG网络的基本出发点，用小的卷积核来完成体特征提取操作。感受野：如果堆叠3个3*3的卷积层，并且保持滑动窗口步长为1，其感受野就是7*7的了，这跟一个使用7*7卷积核的结果是一样的。3个3*3卷积核所需参数=3*c*（3*4*c）=27c^2；一个7*7卷积核所需参数=c*（7*7*c）=49c^2；只有带参数的运算才能称为神经网络的层数；基本都是采用最大池化，最有效；
2024-08-08 17:40:52
305
原创 深度学习每日学习0806--002
其中w1、h1表示输入的宽度、长度；w2、h2表示输出特征图的宽度、长度；drop-out：为了解决过拟合问题，在训练过程中，在每一层随机的选择一部分神经元不参与训练，卷积层涉及参数：滑动窗口步长、卷积核尺寸、边缘填充、卷积核个数；步长：步长越小，特征丰富越细腻；步长越大，特征越大；边缘填充：eg.矩阵外一圈/两圈添加全0或全1；经过卷积操作后也可以保持特征图长度宽度不变；卷积核个数：取决于最终要生成多少特征图；链式法则：梯度是一步一步传播的；前向传播：得到损失值；反向传播（梯度下降）卷积核：一般3*3；
2024-08-06 17:51:02
98
原创 深度学习每日学习0805--001
KNN（K-Nearest Neighbor）算法是机器学习算法中最基础、最简单的算法之一。它既能用于分类，也能用于回归。KNN通过测量不同特征值之间的距离来进行分类。KNN算法的思想非常简单：对于任意n维输入向量，分别对应于特征空间中的一个点，输出为该特征向量所对应的类别标签或预测值。没有学习过程，无法分辨背景和主体，不适用于图像任务。神经网络做回归还是分类是由损失函数所决定的。收集数据并给标签---特征提取---算法。深度学习：计算量太大；
2024-08-06 09:11:14
98
原创 isp算法学习0801--002
SharpnessUD：无方向性edge的强度，发丝草地等细小纹理清晰度，横轴为高中低频率，纵轴为无向性edge的强度增益，值越大edge越强。SharpnessD：方向性edge的强度，用于增强图像边缘，建筑边缘等，但调的太强会导致锯齿状。gamma：与其他机器进行对比时需要先进行gamma对齐，因为gamma会对亮度影响较大；PreCorUD：无向性edge做coring（减法），减小edge保留大edge；本质是分区，无方向性--平坦区，细节区；噪声处理整体思路为分区：平坦区、高频区、边缘区。
2024-08-01 15:31:38
134
原创 isp算法学习0731--001
调试思路：在画面中无运动的区域3D更强使画面更安静，动态区减弱3D强度，使拖影和噪声稳定；调试参数为两类，一是围绕判断静止区和运动区的参数（额外还有动态区转静态区的参数），二是3D强度（一般很少调）；动态区NRluma更强，静态区少上或不上，静态区噪声由其他2D噪声抹去。降低时域噪声（画面中一直抖动的噪声，包括亮度和颜色噪声），开强3DNR噪声可以有效降低蠕动噪声，若太强会导致运动物体出现残影；增加画面分辨率的同时减少方向误判与artifacts的产生；一般静态区上更强3D，动态区更强2D；
2024-08-01 09:12:08
157
原创 c++每日学习0725---003
2.起名习惯：下划线 first_name，驼峰 FirstName；4.采用5 == num写法优于num ==5，当少敲一个=时会报错；7.调试循环，将断点打在循环判断入口，如while处，然后f10；1.c语言的结构化：顺序结构、选择结构、循环结构；3.函数中的return直接跳出当前函数并返回；4.break只能跳出当前的switch语句；5.if后面千万不要加；
2024-07-26 09:26:20
167
原创 c++每日学习0724---002
局部变量存储位置一般在栈区，+static后变为静态区，变量的生命周期变长，和程序的生命周期一样。指针变量的大小取决于地址的大小，32位平台下地址是个32bit位，即4个字节；8.宏表示函数，eg:#define ADD(x,y) ((x)+(y));内存单元：编号->地址->地址也被成为指针，存放指针（地址）的变量就是指针变量；7.电脑上的存储设备：寄存器-集成到cpu上，高速缓存-cache，内存 硬盘。5.++和--：后置++ 先使用 后++，前置++ 先++ 后使用。4.打印小数，%.1f。
2024-07-24 21:28:57
298
原创 c++每日学习0723---001
(即-2^31~2^31-1)）int：4 （32bit，-2147483648~2147483647；(即-2^31~2^31-1)）bit-比特位（二进制中一个数字空间），byte-字节（8个二进制数字空间），kb，mb，gb，tb，pb。(即-2^15~2^15-1)）c语言习惯，函数正常运行完后返回0，函数异常终止返回1；新建工程->新建源文件。
2024-07-24 09:21:54
246
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