ccclllyyyy-CSDN博客

原创 datawhale leetcode 刷题 3 查找

datawhale leetcode 刷题 3 查找查找表基本数据结构leetcode 题目349.两个数组的交集350.两个数组的交集 II242.有效的字母异位词202.快乐数290.单词规律205.同构字符串451.根据字符出现频率排序对撞指针1. 两数之和查找表基本数据结构元素’a’是否存在，通常用set：集合 set只存储键，而不需要对应其相应的值。 set中的键不允许重复查找对应关系(键值对应)–dict dict中的键不允许重复改变映射关系–map 通过将原有序列的关系映射统一表示

2020-08-26 03:35:02 130

原创 datawhale leetcode 刷题 2 动态规划

datawhale leetcode 刷题 2 动态规划动态规划主要步骤DP tableleetcode 题目300. 最长上升子序列674. 最长连续递增序列模板总结：5. 最长回文子串516. 最长回文子序列模板总结：72. 编辑距离198. 打家劫舍213. 打家劫舍 II 动态规划主要步骤确定动态规划状态写出状态转移方程（画出状态转移表）考虑初始化条件考虑输出状态考虑对时间，空间复杂度的优化（Bonus） DP table 对我自己， DP table 有一个通用的考虑方式： cla

2020-08-23 07:12:26 92

原创 datawhale leetcode 刷题 1 分治

datawhale leetcode 刷题 1 分治分治主要步骤主要适用范围：最常见的应用leecode题目分治主要步骤将问题递归的分为若干子问题（直到子问题满足边界条件）解决子问题将已解决的子问题逐层合并主要适用范围：原问题的计算复杂度随着问题的规模的增加而增加。原问题能够被分解成更小的子问题。子问题的结构和性质与原问题一样，并且相互独立，子问题之间不包含公共的子子问题。原问题分解出的子问题的解可以合并为该问题的解。最常见的应用二分搜索快排合并排序通常分治可将复杂度降

2020-08-19 21:46:54 93

原创 Datawhale 零基础入门CV-Task5 模型集成

学习目标学习集成学习方法以及交叉验证情况下的模型集成学会使用深度学习模型的集成学习集成学习方法一定程度上提高模型精度，常见方法：stacking， Bagging, Boosting. 深度学习中的集成学习 Dropout 每次训练的过程中，随机让一部分节点停止工作，同时在预测过程中让所有节点都起作用。 TTA 测试集数据扩增。对同一样本预测三次，对三次结果取平均。 Snapshot 使用cycling learning rate 进行训练模型，并保存精度教好的一些checkpoint,最后将

2020-06-02 23:09:32 111

原创 Datawhale 零基础入门CV-Task4 模型训练与验证

学习目标理解验证集的作用，使用训练集和验证集完成训练学会使用Pytorch环境下的模型读取和加载，并参与调参流程构造验证集模型训练过程中，只能在训练集上训练，不能接触测试集的样本。容易造成过拟合。我们可以在本地构建自己的验证集进行本地测试。训练集：模型用于训练和调整模型参数验证集：验证模型精度和调整模型超参数测试集：验证模型泛化能力几种构建验证集的方法：留出法用于数据量较大的情况。交叉验证法将训练集划分为K份，K-1为训练集，1为验证集。循环训练。缺点：不适用于数据量很

2020-05-30 18:55:06 101

原创 Datawhale 零基础入门CV-Task3 字符识别模型

学习目标学习CNN基础和原理使用Pytorch框架构建CNN模型 CNN 卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网络能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网络在图像和语音识别方面能够给出更好的结果。卷积层在输入图像上滑动不同卷积内核并进行运算线性整流层它可以增强判定函数和整个神经网络的非线性特性，而本身并不会改变卷积层。常用线性整流 f(x)=ma

2020-05-26 20:28:14 130

原创 Datawhale 零基础入门CV-Task2 数据读取与数据扩增

Datawhale 零基础入门CV-Task2 数据读取与数据扩增学习目标学习Python和Pytorch中图像读取学会扩增方法和Pytorch读取塞梯数据图像读取常见的库： Pillow (PIL) OpenCV Pytorch读取数据 import os, sys, glob, shutil, json import cv2 from PIL import Image import numpy as np import torch from torch.utils.data.datas

2020-05-23 21:42:23 133

原创 datawhale组队学习入门CV Task1

datawhale组队学习入门CV Task1 Task 1 赛题理解项目数据数据标签评测指标数据读取解题思路 1. 项目数据数据集来自SVHN街道字符训练集：3W张照片，验证集：1W张照片测试集A B 均包含4W张照片 2. 数据标签训练集中图片给出编码标签和具体字符框位置，同一图片可能含有多个字符，使用JSON标注。 3. 评价指标 Score = 编码识别正确数量/测试集图片数量 4. 数据读取 JSON读标签 import json train_json = json.l

2020-05-20 06:48:23 152

qq_38167814的博客