huanqu4673的博客

原创 二叉树 前中后序三种遍历的迭代形式

前序class Solution {public: vector<int> preorderTraversal(TreeNode* root) { vector<int> res(0); stack<TreeNode*> s; while(root || !s.empty()) { while(root) { res.emplace_back(root -&

原创 2020 leetcode 刷题记录

leetcode 347. 前 K 个高频元素 巧妙使用快排的思想

原创 c++常用排序规则，以及优先队列记录

#include<algorithm>#include<iostream>#include<vector>#include<queue>using namespace std;bool cmp1(int a,int b){ return a > b;}struct number1{ int a; number1(){} number1(int a):a(a){} bool operator

原创 Lucas定理证明及线性逆元递推小记

原创 c++ 十种基础排序方法的实现

选择排序、快速排序、希尔排序、堆排序不是稳定的排序算法，而冒泡排序、插入排序、归并排序、奇数排序（注意倒着插入）、桶排序和基数排序是稳定的排序算法冒泡、选择、插入、归并、希尔、堆排序都是基于比较的排序平均时间复杂度最低O(nlogn)计数排序、桶排序、基数排序不是基于比较的排序使用空间换时间，某些时候，平均时间复杂度可以低于O(nlog）class Solution {p...

原创 GAN 训练笔记(持续更新)

输入(input):normalize至(-1,1)区间生成器(Generator):激活函数最后一层使用tanh(),中间的激活层使用Relu()或者leakyRelu() 隐向量Z使用高斯分布生成, 不要使用均匀分布. (Z是三维的对于图像而言) 使用dropout判别器(Discriminator):最后一层使用的是sigmoid() 损失函数(Loss):...

转载 关于解决torch优化器做正则化时会对bias进行正则化处理（转）

将参数分开使用字典传参给优化器， 这样可以将weight 和 bias 参数分隔开import torchimport torch.nn as nnimport numpy as np## build modelclass net(nn.Module): def __init__(self): super().__init__() self....

原创 关于torch.stack() 的例子

可以将axis的参数理解为将原来的第0维移动至axis的位置上（如torch的例子所示）import numpy as npimport torcha = np.arange(1,41,1).reshape(2,4,5)ta = torch.from_numpy(a)b = np.arange(41,81,1).reshape(2,4,5)c = np.arange(81,121...