- 博客(48)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 markdown模板
Editor.md目录 (Table of Contents)[TOCM]文章目录Editor.mdHeading 1Heading 2Heading 3Heading 4Heading 5Heading 6Heading 1 link [Heading link](https://github.com/pandao/editor.md "Heading link")Heading 2 link [Heading link](https://github.com/pandao/editor.md "H
2022-02-08 20:20:06
1458
原创 训练集和测试集的划分
目标：得到将样本按比例划分维训练集和测试集。 dsets["source"] = ImageList(open(data_config["source"]["list_path"]).readlines(), \ transform=prep_dict["source"]) n_train = len(dsets["source"]) split = n_train // 3 indices = np.rand
2021-05-28 22:33:48
3332
原创 路径替换
在做实验的时候，代码下载下来，需要按照自己的路径重新生成，感觉很麻烦。然后就写了这个替换datalist路径的代码#!/usr/bin/python3.5 import os# print("input old:")# old=input()# print("input new:")# new=input()# old='/data/wq/office_caltech_10/'# new='/media/dl/code/dataset/office_caltech_10_Original_
2020-12-25 16:16:38
663
原创 2020-11-23 912 排序数组
快速排序学习:从数组中找一flag，从左右两端向中间遍历，将大于flag的放左边，小于flag的放右边，flag放中间。class Solution: def sortArray(self, nums: List[int]) -> List[int]: if nums==[] or nums==1: return nums flag=nums[0] left=[] right=[]
2020-11-23 23:09:55
133
原创 2020-11-23 本周刷题计划
这周计划刷排序。一、计划的定制看了一下网上对于知识点的划分。难度低的部分中，排序算法LeetCode按照怎样的顺序来刷题比较好？ - LintCode领扣的回答 - 知乎这位博主也提供了每个小专题的划分：https://blog.csdn.net/pushup8https://zhuanlan.zhihu.com/p/57217890二、任务规划11.23 912. 排序数组 练习基础排序方法11.24 215. 数组中的第K个最大元素 快速排序11.25 75. Sort C
2020-11-23 11:41:01
149
原创 2020-11-17 114. 二叉树展开为链表
1、先完成了前序遍历：144. 二叉树的前序遍历【根左右】class Solution: def preorderTraversal(self, root: TreeNode) -> List[int]: if not root: return None nodelist=[] self.dfs(root,nodelist) return nodelist def dfs(self, root
2020-11-17 22:01:06
102
1
原创 2020-11-16 剑指 Offer 54. 二叉搜索树的第k大节点
一、二叉查找树二叉查找树（Binary Search Tree），（又：二叉搜索树，二叉排序树）它或者是一棵空树，或者是具有下列性质的二叉树： 若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值； 若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值； 它的左、右子树也分别为二叉排序树。【左<根<右】二、遍历二叉树的遍历分为以下三种：先序遍历：遍历顺序规则为【根左右】中序遍历：遍历顺序规则为【左根右】后序遍历：遍历顺序规则为【左右根】（根在哪，就是什么序）中序
2020-11-16 21:59:27
109
原创 2020-11-13 104. 二叉树的最大深度
递归思想的理解参照知乎的答案：https://www.zhihu.com/question/314124361、第一递归函数功能： 二叉树的最大深度2、找出递归结束的条件：叶子节点 root=None3、找出函数的等价关系式：最大深度=max(l,r)+1，左右子树的最大深度+1左右的节点在实现时，都是作为根节点，进行下一次的递归。类似f( n )=max( f( r ) , f( l ) )+1,f是不变的，但是内容会变。f( n )=f( n-1 )+f( n-2)代码实现：第一次做递归的
2020-11-13 22:41:57
68
原创 2020-11-12 142. 环形链表 II
1、解题思路建立等式，求解x。已知，快指针的路程为慢指针的两倍，快指针的路程可描述为：x+y+n(y+z)，慢指针的路程可描述为：x+y。求解x+y+n(y+z)=2*(x+y)整理公式：x = (n - 1) (y + z) + z ，当n=1，x=z，从相遇处到入口和头结点到入口的距离相同，当n≠1，说明从相遇点出发，转圈后能与从头节点出发的点在入口处相遇。2、首先改写了一下之前的环查找，把循环条件和判断条件调换了位置，将初始位置都定在了head处，符合我们的原理。从相遇点和头节点出发，以同
2020-11-12 21:10:18
92
原创 2020-11-11 剑指 Offer 52. 两个链表的第一个公共节点
解题思路：两个链表走到尾后，重新遍历另一个链表，走一样的路。如果有公共节点就会相遇，没有的话，就会null相同，退出循环。class Solution:def getIntersectionNode(self, headA: ListNode, headB: ListNode) -> ListNode:node1,node2=headA,headBwhile node1!=node2:node1=no
2020-11-11 22:36:23
113
原创 2020-11-9 141. 环形链表
解法一：直接用一个集合或list一遍把链表装进去，一边检查元素是否存在。用集合：class Solution: def hasCycle(self, head: ListNode) -> bool: seen=set() while head: if head in seen: return True seen.add(head) head=head.n
2020-11-09 23:07:29
104
原创 2020-11-5 445. 两数相加 II
class Solution: def addTwoNumbers(self, l1: ListNode, l2: ListNode) -> ListNode: s1, s2 = [], [] while l1: s1.append(l1.val) l1 = l1.next while l2: s2.append(l2.val) l2 = l2.nex
2020-11-05 22:13:18
660
原创 2020-11-3 24. 两两交换链表中的节点
关键的解题思路：class Solution: def swapPairs(self, head: ListNode) -> ListNode: dummyHead = ListNode(0) dummyHead.next = head temp = dummyHead while temp.next and temp.next.next: node1 = temp.next n
2020-11-03 22:42:02
93
原创 2020-11-02 206. 反转链表
# Definition for singly-linked list.# class ListNode:# def __init__(self, x):# self.val = x# self.next = Noneclass Solution: def reverseList(self, head: ListNode) -> ListNode: pre=None cur=head while
2020-11-02 22:43:21
53
原创 linux python错误解决：import: not authorized `xx‘ @ error/constitute.c/WriteImage/1028.
报错：今天把windows上写的python代码放到linux下运行，出现了以下错误：import: not authorized `xx’ @ error/constitute.c/WriteImage/1028.总之是一个python代码的import的bug。解决方法：在python文件最前面加上：#!/usr/bin/env python3.5具体路径可以用：where is python查找...
2020-10-13 22:08:11
1017
转载 /usr/bin/env: “python\r“: 没有那个文件或目录
报错：/usr/bin/env: "python\r": 没有那个文件或目录 /usr/bin/env: "python\r": No such file or directory原因：在windows下从github中git clone下来可能创建多了\r字符。 #!/usr/bin/env python 在ubuntu会变成 #!/usr/bin/env python\r 而\r 会被shell 当成参数。 Windows文本文件的行结束标志是\r\n
2020-10-13 21:48:50
4212
2
原创 task10GAN
GAN的核心思想，训练生成器，当生成器生成的数据让判别器无法辨别时就是一个号的生成器。生成模型：建模x的分布p(x)对于生成器,开始绘制一些随机分布的参数z∈Rd\mathbf z\in\mathbb R^dz∈Rd , 如正态分布 z∼N(0,1)\mathbf z \sim \mathcal{N} (0, 1)z∼N(0,1).我们把 z\mathbf zz 成为潜在变量. 然后使用一...
2020-02-25 17:42:21
141
原创 task09
在本节中，我们将解决Kaggle竞赛中的犬种识别挑战，比赛的网址是https://www.kaggle.com/c/dog-breed-identification 在这项比赛中，我们尝试确定120种不同的狗。该比赛中使用的数据集实际上是著名的ImageNet数据集的子集。# 在本节notebook中，使用后续设置的参数在完整训练集上训练模型，大致需要40-50分钟# 请大家合理安排GPU...
2020-02-25 17:25:00
110
原创 task06
批量归一化（BatchNormalization）对输入的标准化（浅层模型）处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。标准化处理输入数据使各个特征的分布相近批量归一化（深度模型）利用小批量上的均值和标准差，不断调整神经网络中间输出，从而使整个神经网络在各层的中间输出的数值更稳定。1.对全连接层做批量归一化位置：全连接层中的仿射变换和激活函数之间。全连接：x=...
2020-02-25 17:17:25
96
原创 task05
LeNet: 在大的真实数据集上的表现并不尽如⼈意。1.神经网络计算复杂。2.还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。机器学习的特征提取:手工定义的特征提取函数神经网络的特征提取：通过学习得到数据的多级表征，并逐级表⽰越来越抽象的概念或模式。神经网络发展的限制:数据、硬件AlexNet首次证明了学习到的特征可以超越⼿⼯设计的特征，从而⼀举打破计算机视觉研究的前状。特...
2020-02-19 21:37:26
102
原创 Task04
Beam Search简单greedy search：维特比算法：选择整体分数最高的句子（搜索空间太大）集束搜索：注意力机制在“编码器—解码器（seq2seq）”⼀节⾥，解码器在各个时间步依赖相同的背景变量（context vector）来获取输⼊序列信息。当编码器为循环神经⽹络时，背景变量来⾃它最终时间步的隐藏状态。将源序列输入信息以循环单位状态编码，然后将其传递给解码器以生成目标...
2020-02-19 21:30:28
141
原创 task03过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶
离散值预测问题， 介绍神经网络中的分类模型分类的基本问题一般连续值到离散值的转化通常会影响到分类质量。因此，我们一般使用更适合离散值输出的模型来解决分类问题。一、softmax回归模型与线性回归的主要不同在于：softmax回归的输出值个数等于标签里的类别数。在这里类似于线性回归中的房屋预测问题，给出猫狗分类问题进行分析。假设输入一共有四种特征，和三种输出动物类别(猫-1，狗-2，鸡...
2020-02-19 20:45:42
108
原创 task2
语言模型一段自然语言文本可以看作是一个离散时间序列，给定一个长度为TTT的词的序列w1,w2,…,wTw_1, w_2, \ldots, w_Tw1,w2,…,wT，语言模型的目标就是评估该序列是否合理，即计算该序列的概率：P(w1,w2,…,wT).P(w_1, w_2, \ldots, w_T).P(w1,w2,…,wT).一段含有4个词的文本序列的概率P(w1,w2,...
2020-02-14 20:40:10
75
原创 task1
一、线型回归模型讲解1、什么是线型模型表示数据可以用线型关系来描述。公式化的情况下为y=wx+b。建模的过程，就是求取w，b的过程。但由于真实数据存在偏差，无法获得无偏估计，只能寻找一个偏差最小的模型。2、线型模型的求解基本概念：数据集=训练集+测试集=样本+标签样本用特征表示(房子与房价相关的特征有面积，新旧等)模型希望能建立这些特征和房价之间的关系，使得预测值和真实值之间的误差...
2020-02-13 19:26:53
229
原创 pytorch（七）卷积神经网络实现MNIST详解
一、卷积神经网络卷积层、池化层、全链接层卷积层：特征提取池化层：压缩卷积层=卷积+激活函数激活函数：非线性激活函数卷积神经网络：https://blog.csdn.net/Ace_Yom/article/details/47254023https://blog.csdn.net/yunpiao123456/article/details/52437794https://blog.c...
2019-08-20 21:19:08
1580
原创 Pytorch(六)优化器
优化器是用来干嘛的？方法=模型+策略+算法模型=logistic回归策略=损失函数算法=求解损失函数的方法，优化器核心：如何更新权重一.了解不同优化器优化器主要分为3类梯度下降、动量优化法、自适应学习率优化。主要关注各种方法如何更新权重。1、梯度下降用于更新权重的误差不同2、动量优化器用于更新当前梯度的不止是代价函数当前的梯度，而是当前梯度与前一次更新时的梯度之和。...
2019-08-18 21:14:34
180
转载 优化器
**版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/weixin_40170902/article/details/80092628优化器总结机器学习中，有很多优化方法来试图寻找模型的最优解。比如神经网络中可以采取最基本的梯度下降法。梯度下降法(G...
2019-08-18 19:02:03
453
原创 pytorch(五)dropout
1.了解知道Dropout原理2.用代码实现正则化(L1、L2、Dropout）3.Dropout的numpy实现4.PyTorch中实现dropout一、Dropout原理作用：防止过拟合方法：训练时，随机关闭神经元2. Dropout工作流程及使用2.1 Dropout具体工作流程假设我们要训练这样一个神经网络，如图2所示。图2：标准的神经网络输入是x输出是y，正常的流...
2019-08-15 19:53:35
8394
2
原创 pytorch(四)神经网络部分详解
解决方案的构成：一、数据导入1、torchvision提供的数据集2、torchvision中的通用数据集ImageFolder来完成加载。3、本地数据二、构建网络模型三、损失函数和优化器四、开始训练模型五、对训练的模型预测结果进行评估一、数据导入数据导入的三种方式1、torchvision提供的数据集https://www.cnblogs.com/CATHY-MU/p/7760992.h...
2019-08-13 19:16:33
886
原创 pytorch资料整理
史上最全的PyTorch学习资源汇总：https://mp.weixin.qq.com/s/YO8hoZzOWy025LhPdBGpEAPyTorch中文文档（函数查找）：https://pytorch-cn.readthedocs.io/zh/latest/60 分钟闪电战——02.自动求导：https://blog.csdn.net/m0_37991005/article/details/...
2019-08-11 16:46:59
338
原创 Pytorch（三）logistics 回归
一．逻辑回归简述逻辑回归实质上是线性回归，把特征线性求和（一阶）之后再使用Sigmoid函数将结果映射到[0,1]区间，得到分类结果为1的概率大小。具体表达式如下：h(w,x) =1/(1+exp(-(w*x+b)))其中x为特征向量，可以表示为[x1,x2,…,xN]，的取值范围为[0,1]表示分类结果为1的概率大小。通过公式可以看出，逻辑回归可以理解为单层的全连接网络加上sigmoid激...
2019-08-10 14:46:27
481
原创 Pytorch(二)：梯度下降
一、梯度下降的作用：https://pytorch.apachecn.org/docs/1.0/blitz_neural_networks_tutorial.html一个神经网络的典型训练过程如下：定义包含一些可学习参数（或者叫权重）的神经网络在输入数据集上迭代通过网络处理输入计算损失（输出和正确答案的距离）将梯度反向传播给网络的参数更新网络的权重，一般使用一个简单的规则：weig...
2019-08-09 20:56:05
1633
原创 Pytorch（一）
1.什么是Pytorch，为什么选择Pytroch？简洁：PyTorch的设计追求最少的封装，尽量避免重复造轮子。速度：PyTorch的灵活性不以速度为代价。易用：PyTorch是所有的框架中面向对象设计的最优雅的一个。活跃的社区：PyTorch提供了完整的文档，循序渐进的指南，作者亲自维护的论坛 供用户交流和求教问题。https://blog.csdn.net/broadview200...
2019-08-07 21:19:08
586
原创 初级算法梳理（三）
1、信息论基础（熵 联合熵 条件熵 信息增益 基尼不纯度）为了构造决策树，算法首先创建一个根节点，然后评估表中的所有观测变量，从中选出最合适的变量对数据进行拆分。为了选择合适的变量，我们需要一种方法来衡量数据集合中各种因素的混合情况。对于混杂程度的测度，有几种度量方式可供选择：熵I(x)I(x)I(x)被称为随机变量 x的自信息 (self-information)，描述的是随机变量的某个...
2019-05-18 21:58:48
322
原创 初级算法梳理（二）
1、逻辑回归与线性回归的联系与区别为什么使用逻辑回归进行分类：https://blog.csdn.net/lx_ros/article/details/812632092、 逻辑回归的原理逻辑回归是利用回归类似的方法来解决分类问题。假设有一个二分类问题，输出y\in{0,1}，而线性模型（下文将展示这个模型）的的预测值z是实数值，我们希望找到一个阶跃函数将实数z映射为{0,1}，这样我们就...
2019-05-15 21:59:38
191
原创 初级算法梳理（一）
一、有监督、无监督、泛化能力、过拟合欠拟合(方差和偏差以及各自解决办法)、交叉验证学习资料：1、笔记《写给人类的机器学习 (Machine Learning for Humans)》1、什么是有监督学习，什么是无监督学习。这两种方式之间的相同和不同点是什么？https://www.sohu.com/a/232571911_100178754小结：有监督学习，学习结果是已有的标签，相...
2019-05-12 21:52:31
364
原创 python入门（六）turtle库的使用
一、先来个小程序练练手是不是感觉晕乎乎的，这就是python的魅力所至。 import turtle import time turtle.pensize(2) turtle.bgcolor("black") colors=["red","yellow",'purple','blue'] turtle.tracer(False) for ...
2019-04-10 21:50:46
1016
原创 统计学基础（四）
一、线性回归1、线性回归原理数据点基本落在一条直线附近。这告诉我们，变量X与Y的关系大致可看作是线性关系，即它们之间的相互关系可以用线性关系来描述。但是由于并非所有的数据点完全落在一条直线上，因此X与Y的关系并没有确切到可以唯一地由一个X值确定一个Y值的程度。其它因素，诸如其它微量元素的含量以及测试误差等都会影响Y的测试结果。如果我们要研究X与Y的关系，可以作线性拟合y^=a+bx（2−1−...
2019-04-09 23:42:29
733
原创 Python入门（五）
1.filea.打开文件方式（读写两种方式）Python3 File read() 方法概述read(size) 方法用于从文件读取指定的字节数，如果未给定或为负则读取所有。语法read() 方法语法如下：fileObject.read(size);参数size – 从文件中读取的字节数。readlines() 方法用于读取所有行(直到结束符 EOF)并返回列表，该列表可以由 ...
2019-04-09 21:51:57
210
原创 python入门-迭代
1、Python next() 函数Python 内置函数 Python 内置函数描述next() 返回迭代器的下一个项目。语法next 语法：next(iterator[, default])参数说明：iterator – 可迭代对象default – 可选，用于设置在没有下一个元素时返回该默认值，如果不设置，又没有下一个元素则会触发 StopIteration 异常。2、什...
2019-04-09 18:03:51
165
GFK_cvpr12_supp_.pdf
2019-08-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人