- 博客(58)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 单例模式--Singleton with C++
//Singleton#include <memory>#inlcude <mutex>//////////////////////////////////////////////////////////////////懒汉（） 线程不安全 class MySingleton{private: MySingleton(){} static MySingl...
2019-03-21 15:54:09
204
原创 单列模式--Singleton with Go
package mainimport ( "fmt" "sync")/*Singleton: 单例对象的类必须保证只有一个实例存在， 全局有唯一接口访问 1.懒汉模式：指全局的单例实例在第一次被使用是构建 缺点：非线程安全 */type singleton struct{}var ins *singletonvar once sync.Oncefunc GetI...
2019-03-21 00:08:06
184
翻译 caffe2-------Caffe2 Tutorials Overview
原文地址我们首先要说，我们非常感谢您对Caffe2感兴趣，并希望将来您在您的机器学习产品上使用该框架。 Caffe2旨在模块化，促进在深入学习上的想法和实验原型的快速实现。 考虑到这种模块化，请注意，一旦定义了一个模型，并且您有兴趣获得更多的性能和可扩展性，您就可以使用纯C ++部署这些模型，而无需在最终产品中使用Python。 此外，随着社区开发增强的和高性能模块，您可以轻松地将这些模块交换...
2018-12-04 09:51:09
129
原创 C++ 之 allocator
allocator – 是一个模板1.头文件 memory2.作用：帮助我们将内存和对象构造分开， 它分配的内存是原始的、未构造的。3.使用：由于allocator和vector 一样是一个模板， 所以， 当定义一个allocator对象，必须指明要分配的对象类型。根据给定的对象类型恰当的分配内存和对齐位置 分配内存且未构造： allocator&lt;string&gt; a...
2018-10-27 23:40:26
247
原创 牛客网听课红包
优惠码：Ag601zH专属优惠购课链接：http://www.nowcoder.com/courses/1?coupon=Ag601zH使用优惠劵可以优惠10元。
2018-10-02 09:53:01
229
原创 C++内存泄漏及解决办法
1.C++内存泄漏是什么？内存泄漏指的是由于疏忽或错误造成了程序未能释放掉不再使用的内存。2.造成的后果性能不良，内存会耗尽3.C++没有垃圾回收机制，我们需要关注那些类型的内存泄漏？堆内存泄漏。在内存中程序员手动分配的一块内存，malloc\realloc\new。完成相关操作后，没有调用相对应的free\delete释放掉内存，这时这块内存就会常驻内存，造成堆内存泄漏系统...
2018-10-01 21:44:51
11790
原创 把目录下的所有文件的字符串替换-python
由于工作的需要，需要把百万行代码中的某个方法名替换为另一个，方法被用到的地方还挺多。本打算用软件改，夜深人静 时！感觉不行，我可是一只程序猿！怎么能堕落呢，于是乎… 自己下手撸一个脚本python 把当前目录下所有的文件都遍历，把文件中的字符替换！使用命令： python main.py old_string new_string”’ Created on 2018-09-...
2018-09-04 21:50:54
1007
原创 GDB使用
由于工作的需要，开始学习GDB！ 学习使用了GDB一段时间后，发现它真的好强大！好用！GDB是GNU开源组织发布的一个强大的UNIX下的程序调试工具。或许，各位比较喜欢那种图形界面方式的，像VC、BCB等IDE的调试，但如果你是在UNIX平台下做软件，你会发现GDB这个调试工具有比VC、BCB的图形化调试器更强大的功能。所谓“寸有所长，尺有所短”就是这个道理。一般来说，GDB主要帮忙你完...
2018-07-28 18:44:24
182
原创 python--字符串格式化(format)（一）
python之字符串格式化(format)最近翻译caffe2时候碰到format还是较多的。自己对format也不是很清楚，今天就补一篇基础，解惑。用法： 它通过{}和:来代替传统%方式1、使用位置参数要点：从以下例子可以看出位置参数不受顺序约束，且可以为{},只要format里有相对应的参数值即可,参数索引从0开，传入位置参数列表可用*列表复制代码 li = [‘h
2017-06-26 21:08:19
1029
原创 美团--大富翁游戏
大富翁游戏大富翁游戏，玩家根据骰子的点数决定走的步数，即骰子点数为1时可以走一步，点数为2时可以走两步，点数为n时可以走n步。求玩家走到第n步（n<=骰子最大点数且是方法的唯一入参）时，总共有多少种投骰子的方法。 输入描述: 输入包括一个整数n,(1 ≤ n ≤ 6)输出描述:输出一个整数,表示投骰子的方法输入例子:6输出例子:32最近发现好多组合问题，都是高中的数学知识+基础编码能力=suc
2017-06-26 10:51:09
7241
1
翻译 caffe2--Image Pre-Processing(六)
Image Pro-Processing学习怎么把各种各样的图像格式转换为模型可以读取的格式。同时考虑读取效率问题。resizing（改变大小）rescaling（改变尺度比例）HWC->CHWRGB -> BRGimage prep for caffe2 ingestionBrowse the IPython Tutorial#在本教程中，我们将介绍如何从本地文件或URL中加载图像，然
2017-06-25 22:15:11
1156
翻译 caffe2--Toy Regression(五)
Toy Regression怎么样用caffe2特征实现简单的线性回归：随机生成一些样本数据作为模型的输入用这些数据创建一个网络自动训练模型使用SGD算法优化网络学习的参数Browse the Tutorial输入两维的X，一维的输出y，权重向量w=[2.0,1.5],偏置b=0.5，方程式：y=wx+b 在本教程中，我们将使用Caffe2运算符生成训练数据。 请注意，您的日常培训工作通常
2017-06-24 18:16:04
1072
2
翻译 caffe2--Nets(四)
Netsnets本质上是计算图。为了保持前后一致性保留名称Net（同时也向神经网络致敬）。网络由多个operators组成，类似于一段程序由一系列命令组成。当我们讨论nets时候，我们通常也讨论BlobReference,它是一个对象，包装了一个字符串，所以我们可以做简单的运算符链接操作。创建一个基本上等同于下面python数学的网络。X=np.random.randn(2,3)W=np.rand
2017-06-24 12:51:15
2000
2
翻译 caffe2--Operators(三)
OperatorsCaffe2中的运算符类似函数。 从C ++方面，它们都是从公共接口派生的，并且按类型进行注册，这样我们可以在运行时调用不同的运算符。 运算符的接口在caffe2 / proto / caffe2.proto中定义。 基本上，它需要一堆输入，并产生一堆输出。记住，当我们在Caffe2 Python中说“创建一个运算符”时，没有任何运行。 它所做的就是创建协议缓冲区，指定操作员应该是
2017-06-24 00:18:56
745
翻译 caffe2-- Workspaces(二)
这篇教程介绍caffe2的基本组成部分：WorkspacesOperatorsNets开始之前，回顾一下以前的教程。浏览教程在本教程中，我们将介绍一系列的Caffe2基础知识：基本概念，包括操作符和网络的编写方式。首先，导入caffe2.core和workspace，这两个通常是我们最需要的。如果你想要操作由caffe2生成的protocol buffers ，你需要从caffe2.prot
2017-06-23 18:39:25
1847
转载 面向图像分析应用的海量样本过滤方案
转自：http://geek.csdn.net/news/detail/203590背景及问题描述深度学习技术在计算机视觉领域取得了巨大的成功，其标志性事件之一就是计算机算法在Imagenet竞赛中的目标识别准确率已经超过了人类。在学术圈的创新成果爆发式涌现的同时，各大企业也利用深度学习技术，推出了众多图像分析相关的人工智能相关产品及应用系统。这些成果所采用的技术路线，很多都是利用海量
2017-06-21 22:55:58
503
翻译 Caffe2 Tutorials Overview（一）
原文地址 我们首先要说，我们非常感谢您对Caffe2感兴趣，并希望将来您在您的机器学习产品上使用该框架。 Caffe2旨在模块化，促进在深入学习上的想法和实验原型的快速实现。 考虑到这种模块化，请注意，一旦定义了一个模型，并且您有兴趣获得更多的性能和可扩展性，您就可以使用纯C ++部署这些模型，而无需在最终产品中使用Python。 此外，随着社区开发增强的和高性能模块，您可以轻松地将这些模块交换到
2017-06-20 22:54:21
1567
原创 重生归来
Flag今天大致浏览了知乎上深度学习框架的对比，随着caffe2和Pytorch的出现，深度学习框架之争愈演愈烈。立一个flag：准备开始caffe2的旅程。顺便了解一下Pytorch写blog的目的一是为了重温，而是为了督促自己不断的学习新知识！ 加油！
2017-06-19 16:20:09
325
原创 LeetCode: Longest Palindromic Substring
Given a string s, find the longest palindromic substring in s. You may assume that the maximum length of s is 1000.Example:Input: "babad"Output: "bab"Note: “aba” is also a valid answer. Example:I
2017-05-25 23:45:03
219
转载 Google Protocol Buffer 的使用和原理
本文转于点击打开链接 一个简单的例子安装 Google Protocol Buffer在网站 http://code.google.com/p/protobuf/downloads/list上可以下载 Protobuf 的源代码。然后解压编译安装便可以使用它了。安装步骤如下所示： tar -xzf protobuf-2.1.0.tar.gz cd protob
2017-05-24 11:45:54
274
原创 LeetCode:Sort Colors
Given an array with n objects colored red, white or blue, sort them so that objects of the same color are adjacent, with the colors in the order red, white and blue.Here, we will use the integers 0, 1,
2017-05-21 23:13:24
233
原创 LeetCode: Word Search
Given a 2D board and a word, find if the word exists in the grid.The word can be constructed from letters of sequentially adjacent cell, where “adjacent” cells are those horizontally or vertically neig
2017-05-21 00:38:58
353
原创 LeetCode:Validate Binary Search Tree
Given a binary tree, determine if it is a valid binary search tree (BST).Assume a BST is defined as follows:The left subtree of a node contains only nodes with keys less than the node’s key. The right
2017-05-20 11:57:31
266
转载 Ubuntu16.04 Caffe 安装步骤记录（超详尽）
虽然自己装了好多次，由于自己没时间来写blog，今天转载小哥的一篇blog。方便查阅！！！历时一周终于在 ubuntu16.04 系统成功安装 caffe 并编译，网上有很多教程，但是某些步骤并没有讲解详尽，导致配置过程总是出现各种各样匪夷所思的问题，尤其对于新手而言更是欲哭无泪，在我饱受折磨后决定把安装步骤记录下来，尽量详尽清楚明白，避免后来小白重蹈覆辙。安装硬件： intel
2017-05-20 11:43:19
5525
8
原创 LeetCode:Evaluate Reverse Polish Notation
Evaluate Reverse Polish NotationEvaluate the value of an arithmetic expression in Reverse Polish Notation.Valid operators are +, -, *, /. Each operand may be an integer or another expression.Some examp
2017-05-18 22:42:49
271
原创 卷积神经网络：Dropout篇
Dropout作用在hinton的论文Improving neural networks by preventing coadaptation提出的，主要作用就是为了防止模型过拟合。当模型参数较多，训练数据较少时候，根据线性代数相关知识可以知道，当前模型可以非常完美的拟合我们的曲线。但该模型对测试数据集可能就没有很好的表现了，也就是说训练出的模型泛化能力很弱，我们称之为过拟合。从文章题目通过阻止特征
2017-05-18 10:04:06
5762
原创 LeetCode:Same Tree
Given two binary trees, write a function to check if they are equal or not.Two binary trees are considered equal if they are structurally identical and the nodes have the same value.Subscribe to see wh
2017-05-16 22:28:19
245
原创 LeetCode:Maximum Subarray
Find the contiguous subarray within an array (containing at least one number) which has the largest sum.For example, given the array [-2,1,-3,4,-1,2,1,-5,4],the contiguous subarray [4,-1,2,1] has the
2017-05-16 22:20:32
221
原创 百度：寻找三角形
三维空间中有N个点，每个点可能是三种颜色的其中之一，三种颜色分别是红绿蓝，分别用’R’, ‘G’, ‘B’表示。 现在要找出三个点，并组成一个三角形，使得这个三角形的面积最大。 但是三角形必须满足：三个点的颜色要么全部相同，要么全部不同。 输入描述: 首先输入一个正整数N三维坐标系内的点的个数.(N <= 50) 接下来N行，每一行输入 c x y z，c为’R’, ‘G’, ‘B’ 的
2017-05-15 22:22:05
334
原创 字符串的旋转
把字符串”abcdef”转换为”defabc”,行话：把字符串的前n个字符放在字符串的后面。 思路：首先，把字符串的前n个字符先对调，即：abc->cba然后，把剩余的字符串对调，即：def->fed最后，把整个字符串都对调，即：cbafed->defabc#include "iostream"#include "string"using namespace std;void
2017-05-15 09:21:01
223
原创 SVM笔记
1.线性可分1.1 训练好的模型算法复杂度是由支持向量的个数决定的，而不是由数据维度决定的。所以，SVM不太容易产生overfitting。1.2 SVM训练出来的模型完全依赖于支持向量，即使训练集里面所有非支持向量的点都被去除，重复训练过程，结果仍然会得到完全一样的模型。1.3 一个SVM如果训练得出的支持向量个数比较小，SVM训练出的模型比较容易被泛化。2.线性不可分2.1 利用一个非线性的映
2017-05-12 15:52:21
201
原创 百度：度度熊回家
一个数轴上共有N个点，第一个点的坐标是度度熊现在位置，第N-1个点是度度熊的家。现在他需要依次的从0号坐标走到N-1号坐标。 但是除了0号坐标和N-1号坐标，他可以在其余的N-2个坐标中选出一个点，并直接将这个点忽略掉，问度度熊回家至少走多少距离？ 输入描述:输入一个正整数N, N <= 50。接下来N个整数表示坐标，正数表示X轴的正方向，负数表示X轴的负方向。绝对值小于等于100输出描述:
2017-05-10 11:20:38
598
原创 百度：度度熊有一个N个数的数组，他想将数组从大到小排好序...
度度熊有一个N个数的数组，他想将数组从大到小排好序，但是萌萌的度度熊只会下面这个操作： 任取数组中的一个数然后将它放置在数组的最后一个位置. 问最少操作多少次可以使得数组从小到大有序？ 输入描述: 首先输入一个正整数N，接下来的一行输入N个整数。(N <= 50, 每个数的绝对值小于等于1000)输出描述: 输出一个整数表示最少的操作次数。输入例子: 4 19 7 8 25输出例子:
2017-05-09 17:03:56
7428
2
原创 百度：度度熊想去商场买一顶帽子，商场里有N顶帽...
度度熊想去商场买一顶帽子，商场里有N顶帽子，有些帽子的价格可能相同。度度熊想买一顶价格第三便宜的帽子，问第三便宜的帽子价格是多少？ 这个问题是求最小K的问题的具体问题。 输入描述：首先输入一个正整数N（N <= 50），接下来输入N个数表示每顶帽子的价格（价格均是正整数，且小于等于1000）选好数据结构来存储数据对处理数据至关重要。输出描述:如果存在第三便宜的帽子，请输出这个价
2017-05-09 10:36:32
2496
转载 制作python版本的类CIFAR10数据集.Tensorflow
本系列文章由 @yhl_leo 出品，转载请注明出处。 文章链接： http://blog.csdn.net/yhl_leo/article/details/71357097 之前发布的仿照CIFAR10数据集格式，制作自己的数据集 (C++版本)，得到一些网友的关注，并且不断有网友在评论区或者私信里询问，怎样制作Python版本的。趁着下午有点闲时间，把制作方法整理发
2017-05-08 16:42:23
1734
1
转载 深度神经卷积网络总结
本文对深层神经网络可能存在的致命问题进行了较为详细的阐述，可以帮助避免一些常见的坑。一、Logistic回归、传统多层神经网络1.1 线性回归、线性神经网络、Logistic/Softmax回归线性回归是用于数据拟合的常规手段，其任务是优化目标函数：h(θ)=θ+θ1x1+θ2x2+….θnxn线性回归的求解法通常为两种：解优化多元一次方
2017-02-19 21:45:45
1668
转载 caffe和digist来轻松创建高精度的分类网络
机器学习初学者入门实践：怎样轻松创造高精度分类网络为了实现我们的目标，我们将训练和应用一个卷积神经网络(CNN)。我们将从实践的角度来接近我们的目标，而不是阐释其基本原理。目前人们对人工智能有很大的热情，但其中很多都更像是让物理学教授来教你自行车技巧，而不是让公园里你的朋友来教你。作者：机器之心|2017-01-06 13:33 收藏 分享
2017-01-10 14:56:36
3630
原创 Supervised Hashing for Image Retrieval via Image Represention Learning-笔记1
摘要Background： In the existing supervised hashing methods for images ,an input image is usually encoded by a vector of hand-crafted visual features. e.g. Such hand-crafted feature
2016-12-28 22:29:43
1207
3
转载 CS231n课程笔记翻译：Python Numpy教程
CS231n课程笔记翻译：Python Numpy教程 杜客 · 8 个月前 译者注：本文智能单元首发，翻译自斯坦福CS231n课程笔记Python Numpy Tutorial，由课程教师Andrej Karpathy授权进行翻译。本篇教程由杜客翻译完成，Flood Sung、SunisDown、巩子嘉和一位不愿透露ID的知友对本翻译亦有贡献。原文如下这篇教程由Justin Johnson创
2016-12-25 19:23:54
420
K-SVD_An_algorithm_for_designing_overcomplete_dictionaries_for_sparse_represe
2015-04-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人