Lavi的专栏

有位同学问我“Visual C++和C++有什么区别？”，这的确是初学者会感到困惑的问题，比较常见。除此之外，还有“先学C++好，还是先学Visual C++好？”，都属于同样的概念不明的问题，就比如问“英语和英语词典有什么区别”一样。要弄清这个问题的答案，就要明白语言，工具，库，标准的概念。可以参考我之前发的 Programming Language 那篇笔记。一门程序语言，例如C++，根本上是一套语法体系，是逻辑领域上的规则集。而要真正使用计算机来应用程序语言，就需要有相应的语言实现，历史上，C++有

学习shell脚本1. 什么是 Shell Script1.1 干嘛学习 shell scripts1.1.1 自动化管理的重要依据：1.1.2 追踪与管理系统的重要工作：1.1.3 简单入侵侦测功能：1.1.4 连续命令单一化：1.1.5 简易的数据处理：1.1.6 跨平台支持与学习历程较短：1.2 第一支 script 的撰写与运行1.3 撰写 shell script 的良好习惯创建2. 简单的 shell script 练习2.1 简单范例： 对谈式脚本, 随日期变化, 数值运算2.1.1 对谈式脚

bash学习

镜像、容器和仓库0 前言1. Docker镜像2. Docker容器3. Docker仓库0 前言Docker大部分的操作都围绕着它的三大核心概念：镜像、容器和仓库。因此，准确把握这三大核心概念对于掌握Docker技术尤为重要。1. Docker镜像Docker镜像类似于虚拟机镜像，可以将它理解为一个只读的模板。例如，一个镜像可以包含一个基本的操作系统环境，里面仅安装了Apache应用程序（或用户需要的其他软件）。可以把它称为一个Apache镜像。镜像是创建Docker容器的基础。通过版本管理和增量

python装饰器详解0 前言1 闭包2 简单装饰器3 带参数的装饰器4 传参数给被装饰的函数5 类作为装饰器6 普通装饰器装饰类成员函数7 装饰类的装饰器8 装饰器类应用于类的成员函数0 前言Python装饰器看起来类似Java中的注解，然鹅和注解并不相同，不过同样能够实现面向切面编程。装饰器本质上是一个 Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。

1 unittest 简介unittest是python内置的用于测试代码的模块，无需安装， 使用简单方便。unittest case的运行流程：写好一个完整的TestCase多个TestCase 由TestLoder被加载到TestSuite里面, TestSuite也可以嵌套TestSuite由TextTestRunner来执行TestSuite，测试的结果保存在TextTestResult中TestFixture指的是环境准备和恢复unittest中最核心的部分是：TestFixtur

0 前言在Python开发和测试过程中主要有两种模式可以选择：脚本模式、命令行模式。在代码的开发和调试过程中使用脚本模式还是很方便的，尤其接触pycharm、eclipse这类强大的IDE，或者配合vs code这种综合的文本编辑器。但是如果使用纯文本编辑器，或者是在做整个系统开发时，与其他模型进行接口调用时，命令行模式就显得非常重要了。目前有很多热门的命令行工具，本文会一一介绍一下，并且重点介绍一下最近发现的一款命令行神器Click。这款包配合setuptools的end_points参数可以，在命令

0 前言我们经常会使用pip setup.py install 安装一个源码包，可是这个可以安装的源码包是怎么生成的，这个setup.py又是怎么生成的呢？这篇文章中，我们就来一探究竟。用来进行python程序打包的两个常用工具为Distutils和setuptools，据说setuptools是Distutils的高级版本，添加了更多特性。我们就先来看一看Distutils的使用，然后再看setuptools,添加了什么样的内容。1 Distutils简介Distutils可以用来在Python环

0 前言python灵活的语法，给我们带了一些便利，同时也给我们带了一些困惑。其中就是我们常见的_、__和__xx__的作用和区别，这节我们就来看一下。1 理论Python中不存在真正的私有方法。为了实现类似于c++中私有方法，可以在类的方法或属性前加一个“_”单下划线，意味着该方法或属性不应该去调用，它并不属于API。但是，这只是一个形式上的约定，python并不阻止调用。__双下划线的作用是避免覆盖其内容，实现的机制是在带有双下划线的方法或属性前加上_类名的标识。由于，python自动对方法和

Python没有像Java、C、C++那样定义程序的执行入口，在python中，程序是从上到下逐行编译的。Python解释器从文件的第一行开始执行程序中的def和class语句创建函数和类对象，这些对象由代码和原数据组成，且这些代码和数据在显示调用之前不会运行。首先我们来看一下__name__,__name__是python文件的一个特殊属性,名称两边的双下划线称为dunders,是特殊方法的意思。python中每个模块都有一个名称，模块的名称可以在模块的程序语句中找到。python的每个模块可以作为库导

1. __class__属性__class__是是实例的一个属性，指向实例所属的类如使用 self.__class__表示self这个实例所属的类2. self.classs.nameself.__classs__表示self这个实例所属的类，__name__则是类的一个属性，这样写可以获得self示例所属类的类名。例子：class Parent(object): def __init__(self, name): self.name = name pri

在python的类继承中，我们经常会有在子类中调用父类方法的需求。这时候我们有两种方式来实现：第一种：是使用类名称直接调用这样做存在两个缺点：当父类的名称修改时，必须修改代码由于python是支持多继承的语言，即一个类可以同时继承多个类。在多继承的情况下，会存在重复调用的问题。所以python引入了如下方式，来调用父类函数。第二种：使用super函数首先来看一个例子：class Foo: def bar(self, message): print(message)>&g

list底层实现原理0 前言1 List对象的C结构2 List的初始化3 Append4 Insert5 Pop6 Romve总结0 前言在Python中list特别有用。在使用的过程中，python中的list呈现给我们的是一个长度可变对的数组。但是list底层的数据结构是什么呢？这篇文章就来介绍Python中list是如何实现的。原文是这篇英文原文Python list implementation。1 List对象的C结构来看下面简单的程序，在list中添加一些整数并将他们打印出来。&g

python中的*,**与*args,**kwargs0 前言1 用作算符运算符2 用作打包运算符2.1 用作函数形参2.2 用作序列打包3 用作解包运算法3.1 用作函数实参3.2 用作序列解包4 打包和解包的混合使用0 前言python是一门及其灵活的语言，这一点在python函数中的不定参数传递也具有很好的提现。我们在使用python函数的时候，会经常看到*args,**kwargs两个参数，这两个参数表示什么意思，这里的*和**又表示什么意思？这里我们进行一探究竟。1 用作算符运算符首选最基

__init__.py文件作用0 前言1 作为包表示2 __init__.py什么时候执行3 简化模块导入4 定义模块的方法和属性总结0 前言我们在pycharm等IDE中，我们可以选择新建一个python package或者一个directory。选择两种都会新建一个文件夹，不同的是，新建python package会在文件夹下自动创建一个__init__.py文件。那么这个__init__.py文件有什么作用呢？本篇文章就来一探究竟。1 作为包表示在IDE中新建python package会在文

0 前言在编程的过程中，字符串是我们最常打交道的数据类型，对字符串进行切分也是我们经常进行的操作。python提供了很多处理字符串的函数，处理起来非常方便。这里介绍python中与字符串切分相关的三个函数，分别是split，rsplit与splitlines。首先需要明确的一点是三个函数的作用都是进行字符串切分。其中split函数是最基本的切分函数，rsplit与splitlines函数的功能，都能使用split函数实现，额外提供这两个函数，仅仅是为了操作方便而已。1 split语法：str.sp

前言在我们使用git的时候用的更新代码是git fetch，git pull这两条指令。但是有没有小伙伴去思考过这两者的区别呢？有经验的人总是说最好用git fetch+git merge，不建议用git pull。也有人说git pull=git fetch+git merge，真的是这样吗？为什么呢？既然如此为什么git还要提供这两种方式呢？区别与联系首先在作用上他们的功能是大致相同的，都是起到了更新代码的作用。下面通过示例，讲解他们的区别。git相关知识引入首先我们要说简单说git的运行机

SSH,SSH-Key及其在Git中的使用0 ssh是什么2 中间人攻击3 ssh提供的两种登录方式3.1 口令登录3.2 公钥登录4 ssh基本用法5 ssh在Git中的使用5.1 Github/GitLab 中为什么会用到 SSH?5.2 与 Github 主机进行通信的两种方式5.3 GitHub/GitLab 中导入 SSH Key0 ssh是什么简单说，SSH(Security Shell)是一个允许两台电脑之间通过安全的连接进行数据交换 的网络协议。通过加密保证了数据的保密性和完整性。SSH

Git解惑0 前言1 准备条件2 git必须要有远程仓库吗？3 ssh生成秘钥对时的邮箱4 本地仓库名和远程仓库名是否必须相同5 如何让别人参加入你的项目开发0 前言git是常用的分布式版本控制工具。之前也简单使用过git，但是对于git的很多方面存在一些疑惑。这个周末，抽空通过实验解决了这些疑惑。在此进行记录。1 准备条件首先需要安装git，去Git官网下载windows版本的安装包，按照默认的配置进行安装即可。安装的具体过程就不做介绍了。关于git的使用，廖雪峰的官网网站介绍的浅显易懂，可操作

PyCharm快捷键速查1 搜索相关1 搜索相关Ctrl+N 按文件名搜索py文件Ctrl+shift+N 按文件名搜索所有类型的文件ctrl+shift+f 全局字符串搜索ctrl+shift+a双shift搜索参考文章pycharm如何全局搜索...

详解grep命令0 引言1 grep命令详解2 示例3 高级应用3.1 多条件联合搜索3.2 和find并用0 引言在前面我们讲解了whereis命令，locate命令以及find命令。他们是在文件系统搜索满足一定条件的文件。在日常的工作中，我们还有一个十分常见的需求，就是在指定的文件查找指定的字符串。我们可以使用grep命令来完整这个需求。1 grep命令详解作用：查找文件里符合条件的字...

进程管理0 引言1 什么是进程1.1 进程与程序(process&program)1.2 子进程与父进程1.3 fork and exec：程序呼叫的流程1.4 系统或网络服务：常驻在内存的进程1.5 Linux的多人多任务环境2 工作管理2.1 什么是工作管理2.2 job control的管理2.2.1 直接将命令丢到背景中『运行』的 &2.2.2 将『目前』的工作丢到背景中『...

1 符号基本含义/dev/null 表示空设备文件，将输出重定向到这个位置即表示丢弃0 表示stdin标准输入1 表示stdout标准输出2 表示stderr标准错误&：命令最后的&表示将命令放到后台执行标准输入（stdin）：默认指向键盘的输入，可以通过标准输入重定向<，让标准输入指向文件输入标准输出（stdout) ：指命令产生的正常的输出，如echo ...

Linux系统文件的压缩与打包0 前言1 常见的压缩命令1.1 compress1.2 gzip, zcat1.3 bzip2, bzcat2 打包命令:tar2.1 tar命令介绍2.2 使用 tar 加入 -j 或 -z 的参数备份目录2.3 查阅 tar 文件的数据内容(可察看档名)，与备份文档名是否有根目录的意义2.4 将备份的数据解压缩，并考虑特定目录的解压缩动作 (-C 选项的应用)2...

cmake入门教程1 什么是CMake2 单个源文件3 多个源文件3.1 同一个目录，多个源文件3.2 多个目录，多个源文件4 自定义编译选项5 安装和测试5.1定制安装规则5.2 为工程添加测试6 支持gbd7 添加环境检查8 添加版本号9 生成安装包10 将其他平台的项目迁移到 CMake11 相关链接1 什么是CMakeCMake是个一个开源的跨平台自动化建构系统，用来管理软件建置的程...

gcc与g++的区别和联系0 前言1 gcc与g++是什么2 区别与联系3 常见的误区3.1 误区一：gcc只能编译c代码,g++只能编译c++代码3.2 误区二:gcc不会定义__cplusplus宏，而g++会3.3 误区三:编译只能用gcc，链接只能用g++3.4 误区四:extern "C"与gcc/g++有关系0 前言在linux环境下进行程序开发时，gcc和g++经常会被相提并论。...

Linux下C++开发系列1：入门基础入门基础0 前言1 安装编译器，并开始第一程序1.1 安装编译器gcc &g++1.2 编写第一个程序2 多文件混合编程3 预处理（预编译），编译，汇编，链接3.1 预处理3.2 编译3.3 汇编3.4 链接总结：4 编译5. make工具6 windows上的代码移植到linux7 linux上编译so库，并兼容.c与.cpp的调用0 前言以下...

我们知道权限对於使用者帐号来说是非常重要的，因为他可以限制使用者能不能读取/创建/删除/修改文件或目录！ 在这一章我们介绍了很多文件系统的管理命令，第六章则介绍了很多文件权限的意义。在这个小节当中， 我们就将这两者结合起来，说明一下什么命令在什么样的权限下才能够运行吧！_一、让使用者能进入某目录成为『可工作目录』的基本权限为何：可使用的命令：例如 cd 等变换工作目录的命令；目录所需权限：使...

vi与vim编辑器0 引言1 vi的使用1.1 vi的模式介绍1.2 简易示例1.3 功能键介绍1.4 案例练习1.5 vim的暂存，恢复与开启时的警告2 vim的额外功能2.1 区块选择2.2 多文件编辑2.3 多窗口功能2.4 vim的补全功能2.5 vim环境设定与记录3 vim的注意事项3.1 中文编码问题3.2 DOS与Linux的换行符的区别3.3 预习编码转换0 引言编辑文件需要...

命令与文件的查找0 引言1 命令的搜索 which1.1 which(查找命令位置)1.2 type(判断命令是否为内建命令，查找命令)2 文件的搜索2.1 whereis(寻找特定文件)2.2 locate / updatedb2.3 find0 引言文件的搜寻可就厉害了！因为我们常常需要知道那个文件放在哪里，才能够对该文件进行一些修改或维护等动作。 有些时候某些配置文件的文件名是不变的，但...

文件内容查阅0 引言1 直接查看文件内容 cat, tac, nl1.1 cat(concatenate)1.2 tac(反向查看)1.3 nl (添加行号显示)2 可翻页查看 more,less2.1 more(向下翻页)2.2 less(上下翻页)3 数据摘取 head, tail3.1 head(取出前面几行)3.2 tail(取出后面几行)4 非文本文档查看 od5 修改文件时间与创建新文...

写程序大体步骤为：1.用编辑器编写源代码，如.c文件。2.用编译器编译代码生成目标文件，如.o。3.用链接器连接目标代码生成可执行文件，如.exe。但如果源文件太多，一个一个编译时就会特别麻烦，于是人们想到，为什么不设计一种类似批处理的程序，来批处理编译源文件呢，于是就有了make工具，它是一个自动化编译工具，你可以使用一条命令实现完全编译。但是你需要编写一个规则文件，make依据它来批处...

聊一聊Linux和Windows的文件互传0 前言1 常用的文件互传工具2 文件互传命令sz和rz总结0 前言日常的办公我们大部分人喜欢使用Windows系统，而我们的线上部署环境一般是Linux系统。经常会涉及到Windows和Linux系统文件互传的需求。一般我们将windows系统看做客户机，将Linux系统看做服务器。所以将文件从Windows系统传输到Linux的过程称为上传，将文件...

MXNet符号编程mxnet深度学习实战：跑自己的数据实验和一些问题总结【MXNet官方教程3】Symbol -神经网络图和自动区分【MXNet常见问题1】怎么创建新运算符(网络层)【MXNet官方教程4】Module - 神经网络训练和预测Mxnet学习笔记(3)–自定义Op ...

0 前言日常的开发工作中，经常会有处理字符串的需求，简单的字符串处理，我们使用python内置的字符串处理函数就可以了，但是复杂的字符串匹配就需要借助正则表达式了。python是一门及其灵活的语言，在使用正则表达式的时候也是这样，这里集中介绍一下python中使用正则表达式来处理字符串。1 正则表达式简介首先简单介绍正则表达式的基础知识。正则表达式是独立于任何语言的一种字符串匹配表达式，任何...

关于正则表达式的基础的知识参考，稍后再做进一步的整理:正则表达式30分钟入门教程读懂正则表达式就这么简单

0 operator模块简介operator 模块提供了一套与Python的内置运算符对应的高效率函数。例如，operator.add(x, y) 与表达式 x+y 相同。 许多函数名与特殊方法名相同，只是没有双下划线。为了向后兼容性，也保留了许多包含双下划线的函数。为了表述清楚，建议使用没有双下划线的函数。函数包含的种类有：对象的比较运算、逻辑运算、数学运算以及序列运算。operator模...

字符串格式化有两种方式：百分号方式、format方式。其中，百分号方式比较老，而format方式是比较先进的，企图替代古老的方式，目前两者共存。1、百分号方式格式：%[(name)][flags][width].[precision]typecode(name) 可选，用于选择指定的keyflags 可选，可供选择的值有：+　右对齐：正数的加正号，负数的加...

0 前言字典是python中一种非常常用的内置数据类型，字典用来存储成对出现的数据，类似C++中的unordermap类型。python中字典的底层数据结构是哈希表，因此python中存储的元素是无序的，即元素的输出顺序并不是元素放入字典中的顺序。字典中元素是key-value对的形式，需要使用key来访问value，因此字典的中的key必须唯一，不能重复，此外字典的key还必须是不可变的类型。...

0 前言python的tuple是非常常用的数据结构，tuple集合类型用来存储对象引用的序列。tuple中的元素是补课更改的，tuple中的元素通过索引进行访问。如：t = ('tom', 23, 170.5)print(t[0])tuple中的元素需要使用索引进行访问，如果tuple中的元素较多的话，我们就需要记住tuple中元素的顺序才能正确访问tuple中的元素，这是很不方便的...

原文链接：PyramidBox 中文翻译及阅读笔记

原文链接:空洞卷积(dilated convolution)理解

一个数列，先升序后降序，返回最大值的下标。package org.fan.learn;/** * Created by fan on 2016/10/10. */public class BinarySearchMeituan { public static int search(int[] arr) { //特殊处理 if (arr == n...

8位二进制原码的表示范围：-127～+1278位二进制反码的表示范围：-127～+1278位二进制补码的表示范围：-128～+127实际上，将负数用补码表示，实际上是实现了一种从[-128, 127]到[0, 255]的映射。原码、补码、反码的关系原码、反码和补码—— -128的补码为什么是10000000...

原文链接:二进制如何转十进制，十进制如何转二进制

原文链接：梯度提升树(GBDT)原理小结

独热编码 (onehot encoding)标签编码（label encoding）二进制编码频数编码 （count encoding）labelcount编码目标编码 （target encoding）它使用目标变量的均值编码类别变量。我们为训练集中的每个分组计算目标变量的统计量（这里是均值），之后会合并验证集、测试集以捕捉分组和目标之间的关系。原文链接：特征工程方法：类别变量...

最近看到一个巨牛的人工智能教程，分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。平时碎片时间可以当小说看，【点这里可以去膜拜一下大神的“小说”】。从一个通道的图片进行卷积生成新的单通道图的过程很容易理解，对于多个通道卷积后生成多个通道的图理解起来有点抽象。本文以通俗易懂的方式讲述卷积，并辅以图片解释，能快速理解卷积的实现原理。最后手写pyt...

原文链接：HTTP和HTTPS协议，看一篇就够了

原文链接：Java面试–垃圾回收机制(GC)

如果使用均方差作为损失函数所以，如果当前模型的输出接近0或者1时，σ′(z)就会非常小，接近0，使得求得的梯度很小，损失函数收敛的很慢。如果使用交叉熵作为损失函数原文链接：为什么LR模型损失函数使用交叉熵不用均方差？...

由于图结构非常复杂且信息量很大，因此对于图的机器学习是一项艰巨的任务。本文介绍了如何使用图卷积网络（GCN）对图进行深度学习，GCN 是一种可直接作用于图并利用其结构信息的强大神经网络。本文将介绍 GCN，并使用代码示例说明信息是如何通过 GCN 的隐藏层传播的。读者将看到 GCN 如何聚合来自前一层的信息，以及这种机制如何生成图中节点的有用特征表征。选自TowardsDataScience，...

五分钟弄懂有点难度的排序：堆排序

关于图的几个概念定义：连通图：在无向图中，若任意两个顶点vivi与vjvj都有路径相通，则称该无向图为连通图。强连通图：在有向图中，若任意两个顶点vivi与vjvj都有路径相通，则称该有向图为强连通图。连通网：在连通图中，若图的边具有一定的意义，每一条边都对应着一个数，称为权；权代表着连接连个顶点的代价，称这种连通图叫做连通网。生成树：一个连通图的生成树是指一个连通子图，它含有图中全部n...

计算步骤：256KB =25610248位，按计算机按32位字长单字编址。则单字的位数为32位，范围为（25610248位）/32位=64K。（已化成位，故没有B单位）本题中一个字长是32位，对于按字编址来说一个地址单元有32个基本单元，按双字编址则是一个地址单元有64个，按字节是8个，总容量是25610248个。所以按字编址的地址数是25610248/32个，按双字是25610248/64...

IP地址由四段组成，每个字段是一个字节，8位，最大值是255，,IP地址由两部分组成，即网络地址和主机地址。网络地址表示其属于互联网的哪一个网络，主机地址表示其属于该网络中的哪一台主机。二者是主从关系。IP地址的四大类型标识的是网络中的某台主机。IPv4的地址长度为32位，共4个字节，但实际中我们用点分十进制记法。IP地址根据网络号和主机号来分，分为A、B、C三类及特殊地址D、E。 ...

回归损失绝对误差(L1损失)均方误差(L2损失)Huber损失(L1和L2损失的结合，平滑的L1损失)分类损失：4. 0-1损失:常用于感知机5. Logistic 损失：二元的交叉熵损失，用于逻辑回归等二分类的问题6. softmax交叉熵：多分类7. 折页损失：SVM8. 指数损失：Adaboost参考文章：机器学习中常见的损失函数常见的损失函数常见回归和分...

Python列表的切片是创建了新的对象的：list1 = ['a','b','c','d']list2 = list1[:]list2[1] = 'x'print(list1)print(list2)print(id(list1))print(id(list2))['a', 'b', 'c', 'd']['a', 'x', 'c', 'd']1943713374792194...

python如何进行内存管理

三点：垃圾回收引用计数内存池详细内容参考博客：python的内存管理机制Python内存管理Python进阶09 动态类型python如何进行内存管理

一定要注意：Python所有的参数传递都是引用传递。Python是引用和对象分离的，对象的多个引用相互独立。不可变类型的效果类似于值传递，但是仍然是引用传递。详细内容参考如下博客: Python进阶09 动态类型...

原文链接:矩阵行列式的性质

原文链接:如何不使用第三个变量来交换两个数的值

原文链接:三大抽样分布：卡方分布，t分布和F分布的简单理解

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作： 获取数据 get 和 写入数据 put 。获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。写入数据 put(key, value) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数...

OrderedDict位于collections包，是有顺序的字典，底层的实现是哈希表加双链表。需要注意三个点：只有当两个Ordered的元素相同，并且顺序也相同的时候，两个OrderDict才相同。popitem(last = True)，弹出一个元素，last为True时是从尾部删除，为False时从头部删除，默认last为True。返回的是key-val对组成的元组。move_to...

两个参考的博客：使用排列组合腾讯2019技术岗笔试 花匠小Q动态规划codeforces 474D Flowers 动态规划codeforces 474D flowers 普通计数dp动态规划的没有看懂，以后再回头看看...

注：1 归并排序可以通过手摇算法将空间复杂度降到O（1），但是时间复杂度会提高。2 基数排序时间复杂度为O（N*M），其中N为数据个数，M为数据位数。辅助记忆时间复杂度记忆-冒泡、选择、直接 排序需要两个for循环，每次只关注一个元素，平均时间复杂度为O（n2）O（n2）（一遍找元素O(n)O(n)，一遍找位置O(n)O(n)）快速、归并、希尔、堆基于二分思想，log以2为底，平均...

Python保留指定位数的小数1 ’%.2f’ %f 方法(推荐)2 format函数(推荐)3 round（）函数4 不进行四舍五入，直接进行截断1 ’%.2f’ %f 方法(推荐)f = 1.23456print('%.4f' % f)print('%.3f' % f)print('%.2f' % f)结果：1.23461.2351.23这个方法会进行四舍五入2 ...

2 二叉树（Binary Tree)2.1 什么是二叉树（Binary Tree)每个结点至多拥有两棵子树(即二叉树中不存在度大于2的结点)，并且，二叉树的子树有左右之分，其次序不能任意颠倒。2.2 二叉树的性质（1）若二叉树的层次从0开始，则在二叉树的第i层至多有2^i个结点(i>=0)。（2）高度为k的二叉树最多有2^(k+1) - 1个结点(k>=-1)。 (空树的高度...

bisect：一个有趣的与排序相关的内置模块，使用这个模块的前提是保证列表是排好序的。主要的功能：进行插入排序bisect.insort(), insort_left 和 insort_right,存在重复值时指定插入到左侧还是右侧查找元素应该插入的位置，而不进行插入 bisect.bisect()，bisect_left 和 bisect_right，存在重复元素的话，稍后详细整理。...

Counter 类位于collections模块中：用于追踪值的出现次数。内部封装类似一个字典。最近有点忙，稍后再整理，主要参考如下博客：【python深入】collections-Counter使用总结python3 Counter类（计数器）...

并查集：其实也就是满足两种结构的一种数据结构,这两个结构分别为：①isSameSet结构，这个结构是用来查找两个元素是否属于一个集合②还有一个是union结构，完成的就是把两个集合合并成一个大集合现在有点忙，稍后再整理，主要参考博客内容如下：并查集并查集详解（超级简单有趣~~就学会了）...

最近有点忙，过段时间再整理，主要参考这两篇博客：python中defaultdict方法的使用Python 字典(Dictionary) get()方法对于传统的没有默认值的dict，想要使用默认值有两种方式setdefault方法还有就是get方法，get方法可以指定一个默认值python中defaultdict用法详解...

前言因为别人问了我一个问题当时一两分钟没想上来，后面搜索了下，找到了一个文章写的很全。搬过来记一下。原问题是想设计一个算法在一个集合中随便选一个数，但是选出来这个数的概率要和这个数的大小成正比。也就是说希望越大的数被大概率的选出来。这个问题更清晰点儿描述是，有一组数字，他们都带有不同的权重，现在要从中“随机”抽一个数字，但是抽到某个数字的概率要正比于他的权重。假设这个集合中的元素和其对应权重为...

0 前言学习CNN的反向传播算法之前最后先弄明白全连接网络的反向传播算法。裂墙推荐这个篇博客神经网络BP反向传播算法原理和详细推导流程，保证博到病除。CNN 中的卷积操作则不再是全连接的形式，因此 CNN 的 BP 算法需要在原始的算法上稍作修改。这篇文章主要讲一下 BP 算法在卷积层和 pooling 层上的应用。1 全连接网络的反向传播算法首先，用两个例子回顾一下原始的 BP 算法。（...

神经网络的反向传播算法1 反向传播算法和BP网络简介2 信息的前向传播3 误差反向传播3.1 输出层的权重参数更新3.2 隐藏层的权重参数更新3.3输出层和隐藏层的偏置参数更新3.4 BP算法四个核心公式3.5 BP 算法计算某个训练数据的代价函数对参数的偏导数3.6 BP 算法总结:用“批量梯度下降”算法更新参数4 梯度消失问题及其解决办法5 加快 BP 网络训练速度:Rprop 算法1 ...

在物体检测领域当中，非极大值抑制应用十分广泛，目的是为了消除多余的框，找到最佳的物体检测的位置。那么具体如何操作呢？如下图所示，有三个boundingbox，其中第一个绿色boundingbox的置信度是0.7，第二个绿色boundingbox的置信度是0.6，第三个绿色boundingbox的置信度是0.7。非极大值抑制就是在这三个框当中选出置信度最高，且最有可能代表是目标的boundingbo...

1. 参数首先比较二者的参数部分：np.max：(a, axis=None, out=None, keepdims=False)求序列的最值最少接收一个参数axis：默认为列向（也即 axis=0），axis = 1 时为行方向的最值；np.maximum：(X, Y, out=None)X 与 Y 逐位比较取其大者；最少接收两个参数2. 使用上 >> np...

1. Kmeans算发流程2. Kmean的Python代码# -*- coding: utf-8 -*-"""Created on Mon Feb 5 11:58:12 2018@author: Administrator"""# -*- coding: utf-8 -*-"""Created on Sat Feb 3 13:51:03 2018@author: Adm...

0 前言OHEM是CVPR2016的文章，它提出一种通过online hard example mining 算法训练Region-based Object Detectors，其优点：1.对于数据的类别不平衡问题不需要采用设置正负样本比例的方式来解决，这种在线选择方式针对性更强。2.当数据集增大，算法可以在原来基础上提升更大。当我们遇到数据集少，且目标检测positive proposa...

代码实现主要是AlexeyAB/darknet中scripts/gen_anchors.py，这里根据yolov2，yolov3的版本不同进行部分修改。yolov2的配置文件yolov2.cfg需要的anchors是相对特征图的，值很小基本都小于13；yolov3的配置文件yolov3.cfg需要的3个anchors是相对于原图来说的，相对都比较大。还有输入图片的大小（32的倍数）对于输出也是有...

0 正则化的作用正则化的主要作用是防止过拟合，对模型添加正则化项可以限制模型的复杂度，使得模型在复杂度和性能达到平衡。常用的正则化方法有L1正则化和L2正则化。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。 L1正则化的模型建叫做Lasso回归，使用L2正则化的模型叫做Ridge回归（岭回归。但是使用正则化来防止过拟合的原理是什么？L1和L...

1 为什么需要Dropout在机器学习的模型中，如果模型的参数太多，而训练样本又太少，训练出来的模型很容易产生过拟合的现象。在训练神经网络的时候经常会遇到过拟合的问题，过拟合具体表现在：模型在训练数据上损失函数较小，预测准确率较高；但是在测试数据上损失函数比较大，预测准确率较低。过拟合是很多机器学习的通病。如果模型过拟合，那么得到的模型几乎不能用。为了解决过拟合问题，一般会采用模型集成的方法，...

Python多线程能够做并行计算吗在Python的原始解释器CPython中存在着GIL(Global Interpreter Lock，全局解释器锁)，因此在解释执行Python代码时，会产生互斥锁来限制线程对共享资源的访问，直到解释器遇到I/O操作或者操作次数达到一定数目时才会释放GIL所以有GIL效果就是：一个进程内同一时间只能允许一个线程进行运算 （这尼玛不就是单线程吗？）所以Pyth...

马氏距离(Mahalanobis Distance)是度量学习中一种常用的距离指标，同欧氏距离、曼哈顿距离、汉明距离等一样被用作评定数据之间的相似度指标。但却可以应对高维线性分布的数据中各维度间非独立同分布的问题。1 什么是马氏距离马氏距离(Mahalanobis Distance)是一种距离的度量，可以看作是欧氏距离的一种修正，修正了欧式距离中各个维度尺度不一致且相关的问题。单个数据点...

笔试的时候遇到一个题，和凸集有关：以下集合是凸集的是A. {(x,y) |y=x+1}B. {(x,y) | x的平方 + y的平方 = 1}C. {(x,y) | x的平方 + y的平方 <= 1 }D. {(x,y) |x=1 | y=1 }正确答案应该是：A, C首先来看凸集的定义：如果对于一个集合S中的任意两个点A和B，这两个点的连线AB也在S内，那么S就是一个凸集。...

来源文章:探究余弦距离

今天做牛客的一个题目：求1+2+3+…+n，要求不能使用乘除法、for、while、if、else、switch、case等关键字及条件判断语句（A?B:C）。看到讨论区有大佬是这么写的：class Solution: def Sum_Solution(self, n): # write code here tmp = n > 0 and sel...

为什么图像是波以及滤波0 前言1 图像为什么是波呢2 频率3 滤波4 图像的滤波4.1 滤波的作用4.2 滤波的分类4.2.1 线性滤波和非线性滤波4.2.1.1 线性滤波4.2.1.2 非线性滤波4.2.2 卷积滤波和相关滤波4.2.3 空间滤波和频域滤波0 前言在图像处理中滤波是一种很常用的操作，无论是去噪、模糊，还是锐化和提取边缘都是在进行滤波，只不过是使用的滤波器不同。为什么图像可以进...

首先来看L1 Loss和L2 loss：从上面的导数可以看出，L2 Loss的梯度包含 (f(x) - Y)，当预测值 f(x) 与目标值 Y 相差很大时，容易产生梯度爆炸，而L1 Loss的梯度为常数，通过使用Smooth L1 Loss，在预测值与目标值相差较大时，由L2 Loss转为L1 Loss可以防止梯度爆炸。Fast RCNN首先提出了smooth L1损失函数：如上面的公式...

0 前言我们在设计一个CNN网络时，通常要考虑两个事情，一个是这个网络需要的计算量有多大，一个是这个模型的参数量有多少。前者决定了网络训练的快慢（硬件设备确定的情况），后者决定了计算设备需要多大的内存或显存。本文CNN的计算量以计算机做乘加次数为单位，即完成某个操作，需要执行多少次乘法和加法操作。参数量以参数个数为单位，要计算内存或显存的，用参数量乘以每个参数所占的字节数即可。1 计算量...

主要参考py-faster-rcnn开源代码中的generate_anchors的实现：首先来看main函数：if __name__ == '__main__': import time t = time.time() a = generate_anchors() #最主要的就是这个函数 print time.time() - t print a ...

图卷积神经网络0 前言1 为什么有图卷积神经网络2 什么是图卷积神经网络3 如何理解图卷积算法？4 我们怎么用图卷积神经网络写在最后0 前言今天想和大家分享的是图卷积神经网络。随着人工智能发展，很多人都听说过机器学习、深度学习、卷积神经网络这些概念。但图卷积神经网络，却不多人提起。那什么是图卷积神经网络呢？简单的来说就是其研究的对象是图数据（Graph），研究的模型是卷积神经网络。1 为什么...

参考文章：浅析图卷积神经网络 - GEETEST极验的文章 - 知乎何时能懂你的心——图卷积神经网络（GCN） - 蝈蝈的文章 - 知乎

字典的排序：在学习python的时候，字典是一个无序的数据结构，一般都不对其进行排序的。但是要想对字典进行排序，是可以通过sorted()函数进行操作的。sorted()默认是按照升序排列，并且是按照ASCII码表的顺序排列的。sorted函数的介绍：sorted( iterable, key, reverse)（1）iterable：是可迭代类型的数据;（2）key：用列表元素的某个属性...

0 前言C++中的map和set都是使用红黑树来实现的，是一个排序的结构，插入，查找和删除都可以在logn的时间复杂度完成。另外C++中还提供了unordermap和unorderset数据结构，这两个数据结构是使用哈希表实现的，是没有排序，插入、查找和删除都可以在O(1)的时间复杂度内完成。除了C++，Python也是我常用的一门编程语言，python提供了dict来存储键值对，相当于c++...

直接使用：pip install pyltp安装:会提示缺少：Microsoft C++ 9.0 编译器之类的问题，并且是提示到一个网站上下载安装VCForPython27.msi去提示的网站上下载安装就好了。安装完成之后再次运行pip安装命令：pip install pyltp出现如下问题：Setup script exited with error: command ‘C:\Prog...

anaconda可以很方便的管理python的虚拟环境，但是如果不能使用anaconda的话，怎么使python2和python3共存呢。其实也很简单。同时安装python2和python3到不同的目录。然后把python2和python3的安装路径都配置到环境变量中。并且把python2安装路径下的python.exe改名为python2.exe，这样在cmd中输入python就是启动pytho...

1.numpy乘法运算中"*"是数组元素逐个计算>>> import numpy as np>>> a = np.array([[2,3],[3,4]])>>> b = np.array([[3,4],[5,6]])>>> c = a * b>>> carray([[ 6, 12], ...