- 博客(34)
- 问答 (4)
- 收藏
- 关注
RSS订阅原创 LeetCode入门计划 | 并查集（Python3）
文章目录前言一、并查集二、LeetCode 例题1.547.省份的数量2.684.冗余连接总结前言并查集一、并查集并查集一共可以分为三步：1.初始化2.合并3.查询首先是初始化： 初始化是用一个数组来来记录自己（我们以谁是谁的先辈为例），初始化时，自己是自己的先辈。初始化用如下代码表示： def init(length:int)->List[int]: return list(range(length))用一个数组parent 来表示 pare
2022-01-22 22:04:45
1354
2
原创 LeetCode入门计划 | 广度优先搜索（Python3）
提示：LeetCode学习打卡文章目录简介一、LeetCode 例题1.637.二叉树的层平均值2.剑指offer|| 044.二叉树每层的最大值3.迷宫问题探索中。。。。。总结简介广度优先搜索是用来搜索图或者树的算法，与深度优先搜索不同的是，它是先搜索自己周围所有相邻的节点，不会搜索到最深处才返回值。追求的是广度。在实现过程中往往需要借助一个队列来完成遍历，算法图解如下：1.将根节点入队，然后将根节点出队2.出队后将，根节点的左右孩子入队。3.然后一直出队，直到队列为空。再加入每个节点
2022-01-17 15:59:10
434
原创 LeetCode入门计划 | 深度优先搜索（Python3）
文章目录简介LeetCode例题1.111二叉树的最小深度2.剑指offer55-i.二叉树的深度3.岛屿的最大面积总结简介深度优先搜索是对图或者树的搜索，主要是按照深度优先，搜索见底之后，在回溯。在理解深度优先时，最好理解递归和回溯之后。再理解这个算法会相对容易些。下图是深度优先搜索遍历树的过程。从A->B->E在回退到B再到F。再回退到B。最后回退到A。然后遍历CD。这就是深度优先搜索啦。LeetCode例题1.111二叉树的最小深度我们先将示例中的树给画出来。深度优先
2022-01-15 21:03:05
744
原创 LeetCode入门计划 | 回溯（Python3）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录简介LeetCode例题：1.46.全排列2.77.组合3.78.子集总结简介回溯算法类似于决策树，根据已有条件在列表中做出选择。将每一种可能出现的情况列举出来。长用于处理全排列问题。例如将[1,2,3]的全排列画出来如下图所示：在第一阶段，我们的选择有，1, 2,3 三条路劲可以选择。例如选择了第一条1，接着第二阶段有2,3两个选择，如果选择2，最后就只能选择3，如果选择3，就只能选择2。假如第二阶段选择2，则第三阶段选
2022-01-13 22:44:45
432
原创 LeetCode入门计划 | 分治（Python3）
文章目录前言一、分治二、LeetCode 例题1.归并排序2.169.多数元素总结前言分治算法是将一个大问题，分解成若干个小问题，再将小问题合并成如干个大问题。也是以中递归的方法。一、分治分治方法如上图所示，分是将一个大问题 分解成子问题，治就是处理分开后的若干个小问题，然后将处理后的问题合并返回。最常见的分治算法就是归并排序。如下图所示：先将数组分解一个元素，一个数字是有序的，然后合并另一个数字，保证两个数字有序，然后依次类推。得到这个数组有序。下面我们开看看代码.二、LeetCode
2022-01-11 21:40:17
572
原创 Leetcode 入门计划 | 递归 （Python3）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、递归是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、递归是什么？递归的四要素：接受的参数，返回值，终止条件，递归拆解：如何进入到下一层二、使用步骤1.引入库代码如下（示例）：import nu
2022-01-10 20:06:35
599
原创 LeetCode 入门计划 | 滑动窗口 （Python3）
文章目录前言一、什么是滑动窗口二、LeetCode例题1.209. 长度最小的子数组2.1456.定长子串中元音的最大数目总结前言滑动窗口算法，多用于处理定长的数组问题,例如定长子数组的最大合，等等。我们今天来学习学习它。一、什么是滑动窗口滑动窗口更像是一种技巧，用于解决数组中的定长问题。如下图所示：上图是滑动窗口长度为3，求解窗口中和的例子，每次滑动时，只需减去移除的元素，加上新滑到的元素即可。下面我们做两到例题来学学它。二、LeetCode例题1.209. 长度最小的子数组解
2022-01-09 18:09:50
878
原创 LeetCode入门计划 | 二分法（Python3）
文章目录前言一、二分查找二、LeetCode例题1.704. 二分查找2.35. 搜索插入位置3.162. 寻找峰值4.74. 搜索二维矩阵总结前言二分查找，是用来在有序数组中来查找目标值的，能有效降低算法复杂度，提升查找效率。一、二分查找二分查找如下图所示：查找过程是将 low 和high的中间值与目标值target比较，在根据条件来移动low 或者high。最后查询到target的值。二、LeetCode例题1.704. 二分查找该题就是实现一个二分查找。解题思路：该数组是一
2022-01-08 16:04:47
409
原创 LeetCode入门计划 | 双指针（Python3）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、双指针——普通指针二、双指针——对撞指针二、双指针——快慢指针总结前言双指针是算法入门，用于处理数组，字符串等问题。我们今天来学习学习它。并用对应的例题来实践一下。一、双指针——普通指针就是两个指针往一个方向移动。常见的就是两个for 循环的嵌套了。上图所示，i，j 指正移动遍历数组题目：这题的解法有很多，但我们只使用普通指针的解法。解题思路: **两个for循环** #该方法能过测试的方
2022-01-07 20:53:05
4194
原创 Unet 语义分割模型（Keras）| 以细胞图像为例
文章目录前言一、什么是语义分割二、Unet1.基本原理2.读入数据总结前言最近由于在寻找方向上迷失自我，准备了解更多的计算机视觉任务重的模型。看到语义分割任务重Unet一个有意思的模型，我准备来复现一下它。一、什么是语义分割语义分割任务，如下图所示：简而言之，语义分割任务就是将图片中的不同类别，用不同的颜色标记出来，每一个内别使用一种颜色。二、Unet1.基本原理什么是Unet，它的网络结构如下图所示：整个网络是一个“U” 的形状，Unet 网络可以分成两部分，上图红色方框中是特征提
2021-12-13 16:26:47
12033
10
原创 SRGAN 图像超分辨率重建（Keras）
SRGAN 网络是用GAN网络来实现图像超分辨率重建的网络。训练完网络后。只用生成器来重建低分辨率图像。网络结构主要使用生成器（Generator）和判别器（Discriminator）。训练过程不太稳定。一般用于卫星图像和遥感图像的图像重建。这里我们使用的高分辨率的数据集 **（DIV2K）**
2021-12-05 17:50:01
7917
21
原创 复现 DenseNet （Keras）
文章目录前言一、什么是DenseNet？二、keras 复现1.Conv Block2.Dense Block3.Transition Block总结前言据说DenseNet 是优于ResNet的网络结构，有着参数少，性能优越的特点并且实现思路很简单。表面上好像是跨连接，实际上是concatenate 特征图。一、什么是DenseNet？先来看一张图上图描述的就是DneseBlock的计算过程，它并不是像ResNet 一样 对卷积计算的结果进行Add，而是利用每次计算的特征图进行堆
2021-10-24 14:56:03
4260
原创 浅淡ConvMixer （Pytorch and Keras）
文章目录前言一、什么是ConvMixer？1.网络结构图：二、实现步骤1.pytorch实现2.keras实现总结前言继现在炒得火热的Mixer 结构和Vit 结构，最近又出来了一种叫ConvMixer 的结构。真的是服气，刚出没多久，感觉是个新坑，可以踩一踩~。我记得9月10号的时候看见出来的，这两天代码刚开源。官方链接：论文地址：https://openreview.net/pdf?id=TVHS5Y4dNvMGithub 地址：https://github.com/tmp-iclr/con
2021-10-11 16:43:03
6201
8
原创 tensorflow 报错 IndexError: pop from empty list
项目场景：复现SRGAN 时 使用VGG19 9层 提取特征时报错。由于tensorflow版本更新所造成得。问题描述：代码如下 def build_vgg(self): # 建立VGG模型，只使用第9层的特征 vgg = VGG19(weights="imagenet") vgg.outputs = [vgg.layers[9].output] img = Input(shape=self.hr_shape) im
2021-10-08 16:36:47
3564
1
原创 神经网络中特殊的网络层
文章目录前言一、Squeeze_excitation_layer(SE)前言总结一下特殊层的Tensorflow 实现方式。说不定以后用得着。一、Squeeze_excitation_layer(SE)操作方法如下图所示：上图看起来有点复杂，我直接从国内论文里摘了一张图，这样比较直观。r 是压缩比，相当于对用到进行一个权重占比，我们来看一下TensorFlow的实现方式。def squeeze_excitation_layer(x, outdim, ratio): '''
2021-10-08 10:40:56
487
原创 SRCNN 图像超分辨率重建（tf2）
文章目录前言一、SRCNN二、SRCNN 实现1.模型的搭建2.生成训练数据3.训练过程：4.测试过程总结前言把由放大缩小的引起的导致分辨率低的图像，转换成为 分辨率高的图像。更加关注的是重构图片过程中，填充新的像素。SRCNN 呢也是将深度学习用于图像重建的鼻祖，网络结构非常简单，于是我决定来复现一下它。代码链接：https://github.com/jiantenggei/SRCNN-Keras （包含所有资源）一、SRCNNSRCNN 的网络结构特别简单，首先将一张低分辨率的图像作为输入
2021-10-03 17:06:15
2653
8
原创 ACGAN 生成自己手写数字数据集
文章目录前言一、GAN是什么？二、使用步骤1.引入库2.读入数据总结前言由于有可能使用GAN 网络来做一些数据增强，所以这里复现一下Gan 网络，发现这玩意儿还挺好玩。一、GAN是什么？GAN （Generative Adversarial Networks）生成对抗网络，用来生成一下不存在的真实数据。应用场景如下:1.风格迁移：也就是传说中的AI 画家2.图像超分辨率重建: 让图像更加清晰3.生成不存在的真实数据：人脸生成等~根据训练时带不带标签，GAN 网络是可分为无监督和半监督式的
2021-09-29 13:58:27
2256
5
原创 Yolov3 和 Yolov3-tiny目标检测算法理论与实现（TensorFlow2）
文章目录前言一、Yolov3 和 Yolov3-tiny二、使用步骤1.引入库2.读入数据总结前言上一篇文章 神奇的目标检测 已经介绍了目标检测的基础啦。目标检测呢，就是在图片中定位出目标的位置，把它“框”出来就好了。本篇文章使用Yolov3 和Yolov3-tiny，以训练VOC2007和口罩检测为例。教大家如何快速的搭建自己的目标检测平台。下面是资源链接：内容链接VOC2007 数据集链接戴口罩数据集链接权重文件链接 提取码：y32mgithub
2021-09-24 19:48:21
10601
19
原创 神奇的目标检测
文章目录前言一、目标检测是什么？二、目标检测的相关概念1.Bounding Box2.读入数据总结前言总结完经典的卷积神经网络后，我决定“进军”目标检测，谈一谈什么是目标检测，以及目标检测中经常出现的几个概念，同时会对比目标检测和分类任务有哪些地方不同。一、目标检测是什么？目标检测任务，是图像分类任务的延伸，给定神经网络一张图片，对于图像分类网络来说，只需要识别图片属于哪一个类别即可，给定的图片往往只包含单一目标。对于目标检测网络来说，我们不仅要识别图中对象的类别（例如：人，汽车，），还需要知道
2021-09-01 09:44:47
932
2
原创 浅谈 Mlp-Mixer（pytorch and keras）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码
2021-07-11 19:19:18
3808
20
原创 使用Hash模板法快速计算子串出现的次数
快速查找子串出现的次数首先我们来看问题描述：给定两个字符串A,B。计算字符串B,在字符串A中出现的次数。这题的第一种思路就是循环遍历字符串A,当在A 中找到字符串B的首字母，再往下逐一匹配，如果匹配过程中发现不一致的就跳出循环，如果完全匹配，count就加1。这样的匹配过程显然是很繁琐，很慢的。今天我们讨论一种快速的方法，就是将字符串通过Hash公式映射成数字，通过比对数字，判断字符串时候匹配。那么我们先来看一下如何映射：假设我有字符串hello world。一、pandas是什么？示例：pan
2021-07-07 21:01:56
281
原创 Vigenere密码
一、Vigenere密码16世纪法国外交家Blaise de Vigenère设计了一种多表密码加密算法——Vigenère密码。Vigenère密码的加密解密算法简单易用，且破译难度比较高，曾在美国南北战争中为南军所广泛使用。单一字母替换通过字母频率分析很容易被破解，Vigenère使用的方法是，有秘钥和明文，明文字符的替换是根据秘钥对应字母来替代。假设现在有秘钥TIG,明文ABB。那么对ABB进行加密的过程如下。ABCDEFGHIJKLMNOPQRST
2021-07-05 20:05:50
2562
原创 快速搭建自己的人脸识别系统
文章目录前言一、原理介绍1.mtcnnP-Net(Proposal Network)R-Net（Refine Network）O-Net (Output Network)2. facenetSVM(Support Vector Machine)二、人脸识别实现1.准备工作引入mtcnn下载facenet的权重文件：安装skleran2.训练和预测数据准备训练预测识别结构总结参考前言如何用人工"智障"快速的识别人脸呢？首先我们拿到一张图片，需要去看看图片中是否有人脸，如果有人脸，我们需要把人脸截取出来
2021-06-26 22:13:37
4420
9
原创 Springboot+Vue快速搭建个人博客系统
文章目录前言一、SpringBoot实现后端二、Vue.js实现前端1.Header和Footer实现：2.Vue其他配置总结前言本篇博客讲解如何使用SpringBoot和Vue如何快速搭建自己个人博客系统，功能比较少，但是作为一个期末小作业应该够了。本篇博客默认你已经有了SpringBoot和Vue的基础啦！后端还是用了MyBatis-Plus 完成数据库增删改查，我会分别从前后端介绍如何实现。同时呢，代码也会上传到GitHub上。内容地址GitHub链接项目演示地址
2021-06-23 23:09:43
4639
7
原创 Python爬豆瓣电影Top250，Springboot+Vue展示
目录前言一、Python爬虫二、SpringBoot+Vue展示1.编写SpringBoot后端程序2.Vue展示总结前言最近搞各种期末作业，决定把作业的实现思路写一下，代码放GitHub（懂的都懂）。本篇文章默认你已经有了Python，Springboot和Vue的基础了。项目地址连接一、Python爬虫简述一样爬虫的原理：我们在点开一个网页时，其实也是在向别人的服务器发请求，浏览器获取的前端代码后，解析，再展示。Python爬虫，就是用代码模拟浏览器，将获得到得前端代码进.
2021-06-16 19:46:30
1251
4
原创 ResNet原理讲解和复现( Keras)
文章目录前言一、ResNet1.为什么要引入残差结构2.残差网络二、ResNet501.网络结构及实现2.数据读取与模型训练总结前言本片博客，通过参考了pytorch复现的代码，成功复现了ResNet50，并使用270 Bird Species also see 73 Sports Dataset去训练了ResNet50。最后在验证集和测试集上都达到了80%~83%的准确率。本篇文章还会介绍一下ResNet网络的一些理论，简要分析一下为什么ResNet能够加深到100层甚至1000层。内容
2021-06-02 22:32:20
1351
7
原创 Hello GoogLeNetV3
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码
2021-05-21 21:23:19
663
2
原创 复现VGG（keras and pytorch）
Paddle复现VggNet前言一、VGGNet1.简介2. 网络结构二、网络复现步骤1.Paddle复现2.Kera复现总结前言大家好！距离上一篇博客已经有十天了，因为这十天我去了解Paddle了，这是百度的一个框架，官网已经有很多教程了。设计理念有点类似与Pytorch，但是之前学Keras的我，拿着代码一脸懵逼。慢慢啃了一下，这里就跟大家分享一下。另外VGGNet 用keras的复现我也做了，会在下面附上链接。我会在这篇博客简单介绍，由于我也是刚开始了解，介绍不对的地方还请大家指正。.
2021-05-15 20:03:00
1236
3
原创 使用SppLayer 实现花的分类
使用SppLayer 实现花的分类目录使用SppLayer 实现花的分类前言一、Flatten，GlobalAveragePooling2D和SpatialPyramidPooling1.Flatten2.GlobalAveragePooling2D二、使用步骤1.引入库2.读入数据总结前言五一假期的第二篇博客，这边文章我会总结一下卷积层和全连接之前的“文章”，基于的框架TensorFlow和Keras 去比较Flatten，GlobalAveragePooling2D和SPP(SpatialPyr
2021-05-04 20:40:33
2019
6
原创 AlexNet 实现猫狗分类（keras and pytorch）
AlexNet 实现猫狗分类前言在训练网络过程中遇到了很多问题，先在这里抱怨一下，没有硬件条件去庞大的ImageNet2012 数据集 。所以在选择合适的数据集上走了些弯路，最后选择有kaggle提供的猫狗数据集，因为二分类问题可能训练起来比较容易一下。实验结果和代码我放在kaggle上了，有时会加载不出来。ipynb文件百度云里面也有 下载完成后用jupyter打开。下面附上链接内容地址数据集链接kaggle实验过程链接百度云ipynb文件链接 提取码：di7
2021-05-01 22:21:40
3582
5
原创 LeNet手写数字识别
LeNet手写数字识别简介LeNet 是由Y.Lecun等人在1998年提出的第一个真正的卷积神经网络，现在的LeNet现在主要指LeNet5，其主要特点是卷积层和下采样层相结合作为网络的基本结构，其包括3个卷积层和2个下采样层和2个全连接层。最初设计LeNet的目的是识别手写字符和打印字符，效果非常好，曾被广泛应用于美 国银行支票手写体识别，取得了很大成功 。网络结构直接上图看着更直观。C1层是卷积层，包含6个特征图，是由6个5x5的卷积核对输入图像卷积得到。S1层是一个下采样层，包含6个
2021-04-28 16:17:11
1713
2
原创 TensorFlow 简单案例
个人理解，深度学习模型其实保存的是权重和偏置。构建最好的网络，就是要找到特定情况下最好的偏置和权重。模型训练阶段模型训练开始前一般都会初始化网络中的权重和偏置，当然，当前的权重和偏置不是最终模型中的值，这些值需要在训练过程中不断的更新，最后达到一个更为“乐观”的情况。模型训练时，一般都有对应的训练数据，也就是对应的数据和标签。数据用于输入你构建的神经网络。输出的结果与标签做比对（也就是计算损失），然后再通过反向传播的方法，依次次寻找每一层神经网络中，每个节点的权重值和偏置对这种误差损失的“贡献”，然后
2021-01-19 14:12:04
1090
空空如也
平台打赏问题，请问一下大家
2021-07-07
求mlp mixer的权重 tensor flow版
2021-07-03
求子字符串在父字符串出现的次数
2021-07-02
文章MLP-Mixer 代码维度问题
2021-06-10
TA创建的收藏夹 TA关注的收藏夹
TA关注的人