- 博客(48)
- 收藏
- 关注
RSS订阅原创 KMP算法(28题实现 strStr() 函数)
给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串出现的第一个位置（下标从 0 开始）。如果不存在，则返回 -1 。class Solution: def strStr(self, haystack: str, needle: str) -> int: next = self.getNext(needle) i1 = 0 i2 = 0 while i1<le
2022-03-07 16:25:32
217
原创 牛客网视频总结5(二叉树)
牛客网视频总结5目录牛客网视频总结5二叉树先序、中序、后序遍历递归方法非递归方法二叉树的后继节点/先驱节点后继节点前驱节点二叉树的序列化和反序列化判断二叉树是否为平衡二叉树（树型DP）判断二叉树是否为搜索二叉树判断二叉树是否为完全二叉树完全二叉树，求节点个数二叉树先序、中序、后序遍历先序遍历：先打印当前节点，然后打印整棵左子树，然后打印右子树中序遍历：先打印左节点，然后打印当前节点，然后右节点后序遍历：先打印左节点，然后打印右节点，最后打印当前节点递归方法中序遍历为例，先序遍历就把append
2022-02-26 00:06:11
440
原创 牛客网视频总结4（矩阵、链表）
牛客网视频总结4（矩阵、链表）目录牛客网视频总结4（矩阵、链表）矩阵转圈打印矩阵方形矩阵顺时针旋转90°（不允许辅助数组）之字形打印矩阵在行列都有序的矩阵中找数链表打印链表公共部分链表反向判断链表是否为回文结构链表的荷兰国旗问题复制含有随机指针节点的链表两链表相交判断链表是否有环单链表相交节点有环链表相交节点矩阵转圈打印矩阵题目：按照1.2.3.4.8.12.16.15.14.13.9.5.6.7.11.10打印矩阵先算外层，左上角给(a,b)，右下角给(c,d)，打印一圈然后(a++,b+
2022-02-23 22:56:11
431
原创 牛客网视频总结3（排序稳定性、计数排序、队列、栈）
牛客网视频总结3目录）牛客网视频总结3排序总结桶排序（计数排序，计数排序）计数排序相邻两数最大差值队列（先进先出）、栈（后进先出）用数组结构实现栈：用数组结构实现队列：getMin函数用队列结构实现栈用栈实现队列排序总结排序方法时间复杂度稳定性额外空间复杂度简单介绍冒泡排序O(N2)O(N^2)O(N2)稳定-两两比较交换选择排序O(N2)O(N^2)O(N2)不稳定-选最小的放前面(交换index)插入排序O(N2)O(N^2)O(N2)稳定
2022-02-19 20:14:35
260
原创 牛客网视频总结2（荷兰国旗问题、经典/随机快排、堆排序、堆的简单介绍）
牛客网视频总结2本期目录牛客网视频总结2快速排序普通快排快速排序普通快排取固定位置，一般是取第一个或最后一个称为基准，然后就是比基准小的放在左边，比基准大的放到右边。就是和基准进行交换，这样交换完左边都是比基准小的，右边都是比较基准大的，这样就将一个数组分成了两个子数组，然后再按照同样的方法把子数组再分成更小的子数组，直到不能分解为止。问题：划出来的小于区域和等于区域不是等规模的改进后的快排...
2022-02-15 16:45:21
223
原创 牛客网视频总结1(时间复杂度、冒泡/选择/插入/归并排序、对数器、递归)
牛客网视频总结1开始刷题看视频！小孙95%的概率准备找工作啦！准备上！视频无法上传啦，就写一点我自己总结的东西吧，一是提醒自己好翻阅，二是希望能够帮助到其他找工作的小伙伴吖~文章目录牛客网视频总结1时间复杂度排序问题冒泡排序选择排序插入排序归并排序递归对数器例题：小和计算详细笔记时间复杂度时间复杂度为一个算法流程中，常数操作数量的指标。常用O来表示。具体来说，在常数操作数量的表达式中，只要高阶项，不要低阶项，也不要高阶项的系数，剩下的部分如果记为f(N)，那么时间复杂度为O(f(N))。举例子：有
2022-02-12 22:04:01
434
原创 Learning to Reweight Examples for Robust Deep Learning
Learning to Reweight Examples for Robust Deep Learning一、总结二、翻译abstract深度神经网络已被证明是非常强大的建模工具，为许多监督学习任务涉及复杂的输入模式。然而，它们也可以很容易地过度适应训练集的偏差和标签噪声。除了各种正则化器外，示例重加权算法是解决这些问题的流行解决方案，但它们需要仔细调整额外的超参数，例如挖掘计划（mining schedule）和正则化超参数。与过去的重加权方法不同，过去的重加权通常由每个例子的成本值的函数（co
2022-02-12 21:10:59
1464
原创 leetcode——动态规划（53）最大子序和
leetcode——动态规划（53）最大子序和题目：算法：class Solution { public int maxSubArray(int[] nums) { int n = nums.length; int tem = 0; int max = nums[0]; for(int i = 0; i < n; i++){ tem = Math.max(nums[i], tem + nums[i]
2021-08-04 11:55:34
106
原创 Data Dropout: Optimizing Training Data for Convolutional Neural Networks
Data Dropout: Optimizing Training Data for Convolutional Neural Networks小孙研二的第一篇博客，不知不觉时间真快，要努力了哦~一、总结这篇文章是Understanding Black-box Predictions via Influence Functions这篇工作的简化版，利用influence functions模拟’leave one out’的思想，在给定的验证集上计算每个训练样本的影响值，进一步提出了data drop
2021-07-31 16:19:12
433
4
原创 shell脚本报错：-bash: xxx: /bin/sh^M: bad interpreter: No such file or directory
GMED代码shell脚本报错：bad interpreter: No such file or directoryshell脚本报错：bad interpreter: No such file or directory主要原因是.sh是在windows下编辑然后上传到linux系统里执行的。.sh文件的格式为dos格式。而linux只能执行格式为unix格式的脚本。修改方法：...
2021-04-12 15:52:26
715
原创 Why choose lifelong learning in medical images?(附3篇论文翻译)
Why choose lifelong learning in medical images?最近几年顶会上将lifelong用在medical images中的文章，可参考，附abstract和introduction，arxiv上几乎都可以下载，部分需要springer。如有添加，后续会补~PAPERYEARCONFERENCEmethodA Lifelong Learning Approach to Brain MR Segmentation Across Scanners
2021-02-21 21:35:31
358
原创 EEC: LEARNING TO ENCODE AND REGENERATE IMAGES FOR CONTINUAL LEARNING
EEC: LEARNING TO ENCODE AND REGENERATE IMAGES FOR CONTINUAL LEARNING二、翻译0. 摘要abstract：持续学习的两个主要障碍是灾难性的遗忘和数据存储的内存限制。为了应对这些挑战，我们提出了一种新颖的、受认知启发的方法，该方法可以训练具有神经样式传递功能(Neural Style Transfer)的自动编码器来编码和存储图像。在进行新任务的训练期间，将重播编码事件中的重建图像，以避免灾难性的遗忘。对重建图像的损失函数进行加权，以降
2021-02-03 14:48:48
322
原创 Cognitively-Inspired Model for Incremental Learning Using a Few Examples（附翻译）
Cognitively-Inspired Model for Incremental Learning Using a Few Examples二、翻译0. 摘要abstract：增量学习尝试开发一个分类器，该分类器从分离为不同类的数据流中连续学习。 深度学习方法在逐步学习新类时会遭受灾难性的遗忘，而大多数增量学习方法每个类都需要大量的训练数据。 我们仅使用几个训练示例（称为“few shot incremental learning”（FSIL））来研究增量学习的问题。 为了解决这个问题，我们提出
2021-01-27 10:52:07
445
原创 A Lifelong Learning Approach to Brain MR Segmentation Across Scanners and Protocols（附翻译）
A Lifelong Learning Approach to Brain MR Segmentation Across Scanners and Protocols冲冲冲冲冲冲冲！文章目录A Lifelong Learning Approach to Brain MR Segmentation Across Scanners and Protocols一、总结二、翻译0. 摘要1. 引言2. 方法3. 实验3.1 数据集：3.2 训练细节3.3 实验3.4 结果4. 结论三、纸质版材料一、总结
2020-12-25 17:26:41
234
原创 Dynamic memory to alleviate catastrophic forgetting in continuous learning settings
Dynamic memory to alleviate catastrophic forgetting in continuous learning settings冲冲冲冲冲冲冲冲冲冲冲冲冲冲冲！文章目录Dynamic memory to alleviate catastrophic forgetting in continuous learning settings一、总结二、翻译0. 摘要1. 引言相关工作贡献2.方法3. 实验和结果3.1 数据集3.2 实验3.3 结果4. 结论三、纸质版材料
2020-12-21 20:49:09
283
原创 Windows下pycharm远程连接服务器进行debug
Windows下pycharm远程连接服务器进行debug我我我我我我我我我我我我我气死了，配这个环境配了好几天，就差那么一小步，终于今日在我实在受不了本机debug imagenet的时候，我选择硬着头皮解决pycharm远程连接服务器进行debug这一问题了，为啥别人的博客里不写全，算了我来写，造福人类！！！！！！！一、设置远程连接配置tools - deployment - configuration在配置面板中可以为你当前的连接起一个名称，这个名称是用于给你区分你连接的是哪台服务器的。下
2020-11-11 13:11:22
1291
1
原创 python中用sympy对变量求偏导
用sympy 求偏导import numpy as npimport pandas as pdimport sympy as sytheta, n, k = sy.symbols('theta, n, k')z = theta+n+k# print('z :{}'.format(z))# result = z.subs({theta: 0, n: 1}) # 用数值分别对x、y进行替换# print(result)#dx = sy.diff(z, theta) # 对x求偏导#
2020-10-25 19:50:22
2823
原创 plot画图
plot画图风格print(len(plt.style.available))print(plt.style.available)[‘bmh’, ‘classic’, ‘dark_background’,‘fast’, ‘fivethirtyeight’, ‘ggplot’, ‘grayscale’, ‘seaborn-bright’,‘seaborn-colorblind’, ‘seaborn-dark-palette’, ‘seaborn-dark’,‘seaborn-darkgrid’, ‘s
2020-10-18 20:29:57
376
原创 pandas把实验结果写进excel
pandas把实验结果写进excel配置环境pip install pandas=1.0.1pip install xlrd==1.2.0pip install openpyxl=3.0.3写入文件import pandas as pdfrom pandas import DataFrame#写，标题1和标题2是列，value是每列的内容dic1 = {'标题列1': ['张三','李四'], '标题列2': [80, 90] }df = pd.Da
2020-10-03 00:08:51
443
1
原创 实验输出log日志存成文件
一、log日志转自这篇文章最简单的应用# -*- coding: utf-8 -*-import logginglogging.debug('debug级别，一般用来打印一些调试信息，级别最低')logging.info('info级别，一般用来打印一些正常的操作信息')logging.warning('waring级别，一般用来打印警告信息')logging.error('error级别，一般用来打印一些错误信息')logging.critical('critical级别，一般用来打印
2020-09-29 18:24:44
681
原创 问题：could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR
遇到问题could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR解决办法对于此问题尝试了许多办法，最终的解决方案是：换块卡就好了或者其他人的博客里写到：执行 ：sudo rm -rf ~/.nv/ （一定最后边不要漏掉“/”，否则会提示“.nv”是目录, 另外“~”前边有空格）这里解释一下：~/.nv/文件夹下是一些缓存信息，所以这一步的目的就是删除~/.nv/内的缓存信息。那么释放缓存的方式还有一种方式就是重启电脑..
2020-09-25 21:30:03
219
1
原创 把tmux学学学学学起来
tmux使用目录tmux使用会话与进程tmux启动、退出会话管理新建一个会话分离会话查看会话接入会话kill会话切换会话重命名会话快捷键切屏窗格快捷键会话与进程命令行的典型使用方式是，打开一个终端窗口（terminal window，以下简称"窗口"），在里面输入命令。用户与计算机的这种临时的交互，称为一次"会话"（session） 。会话的一个重要特点是，窗口与其中启动的进程是连在一起的。打开窗口，会话开始；关闭窗口，会话结束，会话内部的进程也会随之终止，不管有没有运行完。一个典型的例子就是，S
2020-09-21 19:10:09
137
原创 windows10安装TeXLive+TexStudio
LaTeX简介LaTeX， 是一种基于TeX的排版系统，由美国电脑学家莱斯利·兰伯特在20世纪80年代初期开发，利用这种格式，用户能在几天，甚至几小时内生成很多具有书籍质量的印刷品。因此它非常适用于生成高印刷质量的科技和数学类文档。TexLive和MikTex里面集成了tex编辑环境，封装了多种宏包，方便使用。据我所知，两个都没有太大的区别，目前都还在更新维护，而且维护周期还算比较快。一般里面的宏包都可以满足编辑要求，所以都是安装一次终生受益。都是免费的！TexStudio就算是tex编辑器，重要的
2020-09-18 00:28:11
790
1
原创 精读论文：Learning multiple visual domains with residual adapters（附翻译）
Learning multiple visual domains with residual adapters二、翻译0. 摘要abstract：人们越来越需要学习很好地解决许多不同类型的问题和数据的表示形式。 在本文中，我们特别着眼于学习单一视觉表示的任务，该视觉表示可以成功地用于分析非常类型的图像，从狗的品种到停车标志和数字。 受最近关于预测另一个参数的学习网络的研究的启发，我们开发了一种可调整的深度网络体系结构，该体系结构可通过适配器残差模块即时转向各种视觉域。 我们的方法在保持甚至提高特定于
2020-08-29 21:25:41
992
原创 精读论文：Unifying Multi-Domain Multi-Task Learning: Tensor and Neural Network Perspectives（附翻译）
Unifying Multi-Domain Multi-Task Learning:Tensor and Neural Network Perspectives二、翻译0. 摘要abstract：多领域学习旨在从几个不同但相关领域的同时学习中获益。在这篇文章中，我们提出了一个单一的框架，将多领域学习(MDL)和相关但更好的研究方向多任务学习(MTL)相结合。通过利用语义描述符的概念，我们展示了我们的框架如何包含各种经典的和最近的MDL/MTL算法，结合不同语义描述符编码，作为具有的特殊情况。作为第二
2020-08-25 21:46:05
702
原创 精读论文：A Review on Deep Learning Techniques for the Diagnosis of Novel Coronavirus (COVID-19)（附翻译）
二、翻译0. 摘要abstract：新型冠状病毒（COVID-19）的爆发，在世界各地引起了灾难性的局面，并已成为近百年来最严重的疾病之一。全球范围内，COVID-19的患病率每天都在迅速上升。虽然目前还没有发现这种流行病的疫苗，但深度学习技术已证明是临床医生用于自动诊断COVID-19的武器库中的强大工具。本文旨在概述最近开发的基于深度学习技术的系统，这些系统使用不同的医学成像方式，如计算机断层扫描(CT)和X射线。这篇综述专门讨论了使用深度学习技术为COVID-19诊断开发的系统，并提供了对用于训
2020-08-24 00:32:00
2061
原创 精读论文：Multi-Task Learning as Multi-Objective Optimization(附翻译)
Multi-Task Learning as Multi-Objective Optimization二、翻译0. 摘要abstract：在多任务学习中，多个任务共同解决，它们之间共享归纳偏差。多任务学习本质上是一个多目标问题，因为不同的任务可能会发生冲突，因此需要进行权衡。常见的折衷方案是优化代理目标（proxy objective），以最小化每个任务损失的加权线性组合。但是，这种解决方法仅在任务不竞争时才有效，这种情况很少发生。在本文中，我们明确地将多任务学习视为多目标优化，其总体目标是找到帕累
2020-08-22 19:07:38
7728
原创 ubuntu16.04+cuda10.0+anaconda(20.2)+python3.7+tensorflow-gpu2.0
安装cudacd ~vim .bashrc键入i进入insert编辑模式复制粘贴下面命令esc退出编辑模式，：wq保存使环境变量生效source ~/.bashrc就成功了安装anacondawget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.02-Linux-x86_64.shsh Anaconda3-2020.02-Linux-x86_64.shsource .bashrc创建pyt
2020-08-20 00:20:02
252
原创 Windows10+Cuda10.0+cuDNN+Anaconda+Tensorflow-gpu+Keras安装教程
Windows10+Cuda10.0+cuDNN7.5+Anaconda+Tensorflow-gpu+Keras安装教程菜菜的小孙要念研究生了，于是给自己买了台新电脑。以前的电脑是AMD显卡的，也一直用Google colab跑代码，这次终于是NVIDIA显卡了，所以得安装cuda、tensorflow-gpu等一系列新环境。依稀记得大三在Ubuntu上配置环境配了两个礼拜然后以失败告终，所以非常紧张，终于，用了四个小时顺利配完了，大概是因为电脑照顾小孙今天重感冒却依然在努力学习吧~目录Windows
2020-08-15 11:13:33
1165
原创 查看远程服务器环境并copy文件到本地
连接远程服务器ssh username@ip地址ls查看当前目录的全部内容cd /…/…进入文件夹cd …退出当前目录复制文件到本地scp -r 用户名@IP地址：/home/…/… D:/code
2020-08-14 11:45:28
456
原创 精读论文：Pareto Multi Objective Optimization（附翻译）
Pareto Multi Objective Optimization一、总结1.1 Pareto多目标优化摘自该文章多目标优化问题的数学模型一般可以写成如下形式f1(x),f2(x),...,fn(x)f_1(x),f_2(x),...,f_n(x)f1(x),f2(x),...,fn(x)表示n个目标函数，目的都是使之达到最小1：解A优于解B（解A强帕累托支配解B）假设现在有两个目标函数，解A对应的目标函数值都比解B对应的目标函数值好，则称解A比解B优越，也可以叫做解A强帕累托支
2020-08-11 23:51:30
2887
原创 精读论文：Multi-task, multi-domain learning: Application to semantic segmentation(附翻译)
Multi-task, multi-domain learning: Application to semantic segmentation and pose regression二、翻译0. 摘要abstract：我们提出了一种方法，可以利用不同任务标注的数据集（例如不同标签集的分类）来提高每个数据集上的预测准确性。域适应技术可以纠正数据集偏差，但当任务不同时，它们不适用，而需要补充它们来处理多任务设置。我们提出了一种新的选择性损失函数，它可以集成到深层神经网络中，利用来自多个数据集的训练数据，
2020-08-11 23:42:30
720
转载 医学图像处理SCI期刊介绍
医学图像处理SCI期刊介绍SCI Journals for Medical Image ProcessingSCI一区：SCI二区：SCI三区：SCI四区：
2020-08-05 11:43:27
8881
原创 深度学习在医学影像方面的发展
深度学习在医学影像的三大类项目应用医学影像的分类常见的应用场景就是分类有没有某一类疾病？比如通过胸片判断该胸片是否有尘肺，等一系胸部疾病。最热门的就是大佬吴恩达曾经发布了一个大型数据集，14类胸部疾病的分类数据集ChestX-ray14。关于网络，在分类方面，如果显存等方面压力不大的情况下，可以主推Inception V3。医学影像的检测常见的检测类项目就是，疾病在哪里？比如医学界AI入门项目，肺结节检测。就是检测肺部哪里有结节。公开数据集也很多，曾经阿里举办过天池大赛、以及kaggle、Luna
2020-08-05 00:57:33
5172
2
原创 Life-Long Learning（LLL）终身学习的理解
Life-Long Learning（LLL）看了李宏毅老师的Life-Long Learning视频，以及粗略阅读了A continual learning survey:Defying forgetting in classification tasks这篇综述文章，菜菜的小孙对LLL有了初步的认知。（每次换方向都会秃头，记录一下今日2020年8月3日小孙又去剪了头发，心好痛）目录Life-Long Learning（LLL）一、什么是lifelong learning？二、longlife lea
2020-08-04 16:27:44
8537
2
原创 精读论文：Feature Pyramid Networks for Object Detection（附翻译）
翻译摘要abstract：在检测不同尺度物体的识别系统中，特征金字塔是一个基本的组件。但是最近的深度学习物体检测方法都避免了金字塔表达，在某种程度上因为需要大量计算和内存。在这篇文章，我们利用了深度卷积网络固有的、多尺度的、金字塔层级来构建几乎没有额外损失（marginal extra cost）的特征金字塔。我们提出了一个带有横向连接的自上而下的结构，用来建立所有尺度的高层语义特征图。这个被称为FPN的网络结构作为通用的特征提取器在不同应用中都展现了显著的改进。在一个基本的Faster R-CNN系
2020-07-31 22:01:42
993
原创 精读论文：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Network（附翻译）
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks开始于2020年7月27日 晚八点结束于2020年7月因为本学期看的第三篇FPN论文是和faster rcnn网络结合，并没有学习过什么是faster rcnn，斗争了一下，菜菜的小孙决定来看这篇文章了，于是这篇文章成为了小孙本学期精读的第四篇论文。翻译0. 摘要abstract：SOTA的目标识检测网络依赖于区域提案/候选框生成（regi
2020-07-30 13:03:15
806
2
原创 pytorch 读取数据集(LiTS-肝肿瘤分割挑战数据集)
pytorch 读取数据集我的数据集长这样：xx.png和xx_mask.png是对应的待分割图像和ground truth数据集对象被抽象为Dataset类，实现自定义的数据集需要继承Dataset__ getitem ：返回一条数据，或一个样本。obj[index]等价于obj. getitem __(index)__ len__：返回样本的数量。len(obj)等价于obj.__ len__()from torch.utils.data import Datasetimport
2020-07-25 20:40:02
7063
8
原创 释放Google colab的GPU
#释放Google colab的GPUGoogle colab调试代码经常会跑着跑着显示没内存了，困扰我很久，重新连接貌似也不行，偶然间找到了解决办法。第一步：安装psmisc，以便可以使用fuser工具!apt install psmisc第二步：用fuser查占用gpu进程!sudo fuser /dev/nvidia*3、用查到的pid杀进程，释放gpu显存!kill -9 [pid]...
2020-07-24 20:56:31
5687
5
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