- 博客(34)
- 收藏
- 关注
RSS订阅原创 LeetCode记录8（题目+答案+注释） 语言：python&&C++
1、统计一致字符串的数目给你一个由不同字符组成的字符串allowed和一个字符串数组words。如果一个字符串的每一个字符都在 allowed中，就称这个字符串是 一致字符串 。请你返回words数组中一致字符串 的数目。示例 1：输入：allowed = "ab", words = ["ad","bd","aaab","baa","badab"]输出：2解释：字符串 "aaab" 和 "baa" 都是一致字符串，因为它们只包含字符 'a' 和 'b' 。示例 2：...
2022-05-18 16:45:34
1433
原创 LeetCode记录7（题目+答案+注释） 语言：python
1、长度为三且各字符不同的子字符串如果一个字符串不含有任何重复字符，我们称这个字符串为 好 字符串。给你一个字符串 s ，请你返回 s 中长度为 3 的 好子字符串 的数量。注意，如果相同的好子字符串出现多次，每一次都应该被记入答案之中。子字符串 是一个字符串中连续的字符序列。示例 1：输入：s = "xyzzaz"输出：1解释：总共有 4 个长度为 3 的子字符串："xyz"，"yzz"，"zza" 和 "zaz" 。唯一的长度为 3 的好子字符串是 "xyz" 。示例
2022-05-09 20:14:41
815
原创 LeetCode记录6（题目+答案+注释） 语言：c++ && python
1、子数组异或查询有一个正整数数组 arr，现给你一个对应的查询数组 queries，其中 queries[i] = [Li, Ri]。对于每个查询 i，请你计算从 Li 到 Ri 的 XOR 值（即 arr[Li] xor arr[Li+1] xor ... xor arr[Ri]）作为本次查询的结果。并返回一个包含给定查询 queries 所有结果的数组。示例 1：输入：arr = [1,3,4,8], queries = [[0,1],[1,2],[0,3],[3,3]]输出
2022-05-08 10:06:26
527
原创 LeetCode记录5（题目+答案+注释）难度：简单 语言：c++ && python
1、主要元素数组中占比超过一半的元素称之为主要元素。给你一个 整数 数组，找出其中的主要元素。若没有，返回 -1 。请设计时间复杂度为 O(N) 、空间复杂度为 O(1) 的解决方案。示例 1：输入：[1,2,5,9,5,9,5,5,5]输出：5class Solution: def majorityElement(self, nums: List[int]) -> int: n=len(nums) nums==sorted(nums)
2022-05-05 12:57:48
205
原创 获得tensorflow模型的参数量及flops（内含代码）
from tensorflow.python import pywrap_tensorflowimport osimport numpy as npmodel_dir = "models_pretrained/"checkpoint_path = os.path.join(model_dir, "model.ckpt-82798")reader = pywrap_tensorflow.NewCheckpointReader(checkpoint_path)var_to_shape_map = .
2022-04-24 20:45:06
469
原创 LeetCode记录4（题目+答案+注释）难度：简单 语言：c++ && python
1、得到0的操作数给你两个 非负 整数 num1 和 num2 。每一步 操作中，如果 num1 >= num2 ，你必须用 num1 减 num2 ；否则，你必须用 num2 减 num1 。例如，num1 = 5 且 num2 = 4 ，应该用num1 减 num2 ，因此，得到 num1 = 1 和 num2 = 4 。然而，如果 num1 = 4且 num2 = 5 ，一步操作后，得到 num1 = 4 和 num2 = 1 。返回使 num1 = 0 或 num2 = 0 ..
2022-04-21 11:39:08
430
原创 LeetCode记录3（题目+答案+注释）难度：简单 语言：c++ && python
1、检查平衡性（二叉树）实现一个函数，检查二叉树是否平衡。在这个问题中，平衡树的定义如下：任意一个节点，其两棵子树的高度差不超过 1。示例 1:给定二叉树 [3,9,20,null,null,15,7] 3 / \ 9 20 / \ 15 7返回 true 。//自顶向下class Solution {public: int height(TreeNode* root) { if (root == NULL) { ...
2022-04-18 16:26:10
1296
原创 LeetCode记录2（题目+答案+注释）难度：简单 语言：c++ && python
1、找到和最大的长度为K的子序列给你一个整数数组 nums 和一个整数 k 。你需要找到 nums 中长度为 k 的 子序列 ，且这个子序列的 和最大 。请你返回 任意 一个长度为 k 的整数子序列。子序列 定义为从一个数组里删除一些元素后，不改变剩下元素的顺序得到的数组。示例 1：输入：nums = [2,1,3,3], k = 2输出：[3,3]解释：子序列有最大和：3 + 3 = 6 。2、3、4、5、...
2022-04-11 09:58:47
1571
原创 LeetCode记录1（题目+答案+注释）难度：简单 语言：c++ && python
1、给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。输入：nums = [2,7,11,15], target = 9输出：[0,1]解释：因为 nums[0] + nums[1] == 9 ，返回 [0, 1] 。解答：class Solution: def twoSum
2022-04-07 21:12:46
313
原创 #数据集处理 自建数据集生成.h5文件
根据自身需要修改代码！批量处理.h5数据import h5pyimport osimport cv2import mathimport numpy as nptarget_path = 'D:/../../../../datasets'#.h5文件地址source_path = 'D:/../../../../Data/'#数据地址idx = 34 #创建的group数dataset = h5py.File(os.path.join(target_path, "iris.h5".
2022-01-04 15:21:37
2725
7
原创 #imglab使用指南 imglab.exe资源+读取.xml文件
imglab使用：imglab程序网盘地址：链接：https://pan.baidu.com/s/1G2ui4TyM3pgJ3pjjH7ygSA提取码：70c7获取图片列表：./XXX/imglab.exe(imglab位置) -c ./XXX/(文件名).xml (图片所在的文件夹) （多个文件夹......）标注图片：./XXX/imglab.exe(imglab位置) ./XXX/(文件名).xml注意：不会自动保存，不要忘了保存！！！tips：按住shift键、单击鼠.
2022-01-03 16:39:35
1956
1
原创 #轻量级网络 MobileNetV1+V2+V3（原理+结构详解+代码）
目录MobileNetV1：Depthwise separable convolution：深度可分离卷积原理介绍：深度可分离网络结构：MobileNet网络结构：控制模型大小：MobileNetV2：原理介绍：Linear Bottleneck：Inverted residuals：（倒残差）网络架构：MoileNetV3:改进介绍：重新设计了卷积层：Relu6的激活层替换为h-swish：扩展层使用的滤波器数量不同：瓶颈层输出的...
2021-12-23 15:34:13
3451
原创 #data.append() 数据覆盖问题
问题：使用data.append会在子循环结束后进行数据覆盖。#查看内存import randomdef test(): return random.random()def test1(): with open(savefilename, 'w') as write_file_handler: #打开要保存的.txt文件 for i in range(3): data=[] for i in range(2):
2021-12-15 10:14:18
5142
原创 #Total variation loss（TV Loss）
内容简介：具有过多和可能是虚假细节的信号具有高的总变化，即，信号的绝对梯度的积分是高的。根据该原理，减小信号的总变化，使其与原始信号紧密匹配，去除不需要的细节，同时保留诸如边缘的重要细节。目的：平滑图像，去除鬼影，消除噪声的作用 缺点：会损失图像分辨率。...
2021-12-03 16:32:55
869
原创 #棋盘效应 解决办法列举
棋盘效应主要出现在反卷积部分，因为要从高阶描述中构建图像，先描绘粗糙的图像然后再构造细节。解决办法：步长为1的反卷积层 上采样：确保反卷积核的大小可以被步长整除；从卷积操作中分离出对卷积后更高分辨率的特征图上采样来计算特征...
2021-12-03 10:14:44
3688
原创 #卷积边缘问题处理 原理+代码
卷积需要边缘化处理的原因：图像卷积的时候边界像素，不能被卷积操作，原因在于边界像素没有完全跟kernel重叠，所以当3x3滤波时候有1个像素的边缘没有被处理，5x5滤波的时候有2个像素的边缘没有被处理。代码实现：def conv2d(input_, output_dim, d_h=2, d_w=2 conv_filters_dim=4, use_bias=True, pad=0): """ Wrapper of convolutional ope...
2021-12-02 21:46:00
2657
原创 #空洞卷积（Atrous Convolution） 原理解释+代码学习
空洞卷积概念空洞卷积（atrous convolutions）又名扩张卷积（dilated convolutions），向卷积层引入了一个称为 “扩张率(dilation rate)”的新参数，该参数定义了卷积核处理数据时各值的间距。图a：3*3空洞为1的卷积，与普通卷积相同。 图b：3*3空洞为2的卷积，对于一个7x7的图像patch，只有9个红色的点和3x3的kernel发生卷积操作，其余的点略过。 图c：3*3空洞为3的卷积，能达到15x15的感受野。对比传统的c......
2021-12-02 21:20:48
3307
2
原创 #面试经验004 华为/字节/滴滴/中兴/美团 AI算法题汇总（含答案）
1、item2vec怎么做的？高维稀疏的表示方式(one_hot)映射到低维稠密的向量空间中，这样我们就可以用这个低维向量来表示该项目，进而通过计算两个低维向量之间的相似度来衡量两个项目之间的相似性。2、Deep FM相对于Wide&Deep优点3、...
2021-11-30 16:13:19
258
原创 #面试经验003 华为/字节/滴滴/中兴/美团 AI算法题汇总（含答案）
1、介绍IoU Loss IoU是指预测检测框A和真实检测框B的交并比，是目标检测中最常用的指标，在anchor-based的方法中，他的作用不仅用来确定正样本和负样本，还可以用来作为输出框和ground truth的距离评价指标和训练Loss。缺点： A与B无重合的情况，当预测框和目标框不相交时，IoU=0，无法反应两个框距离的大小（重合度），此时loss=0，损失函数不可导，没有梯度回传，无法进行学习训练，IoU_Loss无法优化两个框不相交的情况。...
2021-11-27 15:45:26
356
原创 #保姆级教学 「图像评价指标」（MSE、LPIPS）——理论+代码
均方误差MSE 给定一个大小为m*n的原图I和生成图K，计算均方误（MSE）定义为：的干净图像和噪声图像，均方误差定义为：#原图为I，生成图为K#pytorch ——直接调用torch.nn.MSELoss()函数function = torch.nn.MSELoss()mse_loss = funciton(I, K)#tensorflow 1.xmse_loss = tf.keras.losses.MSE(I, K)#tensorflow 2.xmse...
2021-11-27 10:08:41
17369
3
原创 #面试经验001 华为/字节/滴滴/中兴/美团 AI算法题汇总（含答案）
1、怎么解决过拟合正则化（L1、L2正则化） 数据增强（数据集越多，过拟合的概率越小，可以通过旋转、缩放、剪切、添加噪声等操作进行数据增强。） dropout(神经元以一定概率不工作) early stopping（验证集准确率不再提高时结束训练）2、1*1卷积核的作用跨通道的特征整合 特征通道的升维和降维（增加或减少channels） 减少卷积核参数 增加非线性（后接非线性激活函数）3、使用大卷积核的好处卷积和越大，感受野越大，看到的图片信息越多，学习全局特征，因此获得的特..
2021-11-24 22:12:16
844
原创 Tensorflow版本问题——UpSampling
鉴于tensorflow1.x不存在UpSampling函数，参考博客：(20条消息) 深度学习：使用Tensorflow Lite部署模型时遇到不支持tf.keras.layers.UpSampling2D()函数问题的解决方法_默语..的博客-CSDN博客采用tf.shape()进行解决x = UpSampling2D(size=(2, 2))(x)#对等替换x = tf.image.resize(input_image, (2 * x.shape[1], 2*x.shape[2]),
2021-11-19 16:57:54
1278
原创 tf.keras.layers.UpSampling2D()（tensorflow2.7.0）与tf.tile(tensorflow1.15.0)的区别
UpSampling2D>>>input = numpy.array([[1,2,3],[4,5,6]])>>>input_shape = Input(shape=(2,3,1))>>>print(input)[[1 2 3][4 5 6]]>>>out = tf.keras.layers.UpSampling2D(size=(2,2))(input_shape)>>>print(out)[[1 1
2021-11-19 16:00:47
881
原创 tf.where(Tensor) --报错：ValueError: Shapes must be equal rank, but are 0 and 3 for ‘ ’
出错代码：mask_windows = window_partition(mask_array, self.window_size) mask_windows = tf.reshape(mask_windows, shape=[-1, self.window_size * self.window_size]) attn_mask = tf.expand_dims(mask_windows, axis=1) - tf.expand_dims(mask_wi
2021-10-30 11:10:27
1941
原创 tf.keras.activations.gelu tensorflow1.15.0
鉴于tensorflow1.15.0没有tf.keras.activations.gelu函数，所以需要添加gelu函数的定义。以下代码为激活函数gelu的定义：class GELU(Layer): ''' Gaussian Error Linear Unit (GELU), an alternative of ReLU Y = GELU()(X) ---------- Hendrycks, D. and Gimpel, K., 2016
2021-10-29 16:03:25
1764
1
原创 ‘int‘ object is not subscriptable
int类型数据不可拆分：example：input_size = 4use：input_size[0] --->然后就报错了。
2021-10-29 11:36:44
694
原创 ‘InputLayer‘ object has no attribute ‘shape‘
首先tf.keras.layers.InputLayer()函数是用于构建网络的第一层--输入层的函数。这层代表的是输入网络的尺寸。暂时没有查到错误，注释掉了。
2021-10-29 11:08:31
303
原创 OperatorNotAllowedInGraphError: iterating over `tf.Tensor` is not allowed in Graph execution.
出错原因：IN = InputLayer(x)分析原因：tf.keras.layers.Input()输入层解析：定义网络的输入尺寸，输入尺寸出现错误。获取尺寸tf.shape（x）出现的问题，改成x.get_shape().as_list()。解决！
2021-10-28 10:25:15
4928
原创 出现‘desktop.ini‘系统文件 --error: img.empty() in function ‘cv::imwrite‘
cv.imwrite(path_out,img)报错：如图所示，可见'desktop.ini'出现了问题。'desktop.ini'文件是文件夹的配置文件。解决办法：点击选项取消隐藏受保护的操作系统文件'desktop.ini'文件显示，删除即可。成功！...
2021-10-27 17:12:10
577
原创 SWIN-UNet--tensorflow
模型github下载地址：GitHub - yingkaisha/keras-unet-collection: The Tensorflow, Keras implementation of U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET, and Swin-UNET with optional ImageNet-trained backbones....
2021-10-27 15:10:15
973
1
原创 Swin—UNet代码学习（pytorch）
Traceback (most recent call last): File "G:/wjy/Eye_VR_Segmentation-master/src/test.py", line 258, in <module> print('Val set: ', utils.eval(loaders['val'], model, utils.generalised_dice_loss_ce)) File "G:\wjy\Eye_VR_Segmentation-master\src\.
2021-10-26 21:44:08
6891
原创 ValueError: Caught ValueError in DataLoader worker process 0.
Traceback (most recent call last): File "G:/wjy/Eye_VR_Segmentation-master/src/test.py", line 258, in <module> print('Val set: ', utils.eval(loaders['val'], model, utils.generalised_dice_loss_ce)) File "G:\wjy\Eye_VR_Segmentation-master\src\.
2021-10-26 17:12:52
7288
1
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