- 博客(13)
- 收藏
- 关注
RSS订阅原创 每日刷题
使用栈实现队列的下列操作：push(x) – 将一个元素放入队列的尾部。pop() – 从队列首部移除元素。peek() – 返回队列首部的元素。empty() – 返回队列是否为空。示例:MyQueue queue = new MyQueue();queue.push(1);queue.push(2);queue.peek(); // 返回 1queue.pop(); // 返回 1queue.empty(); // 返回 false来源：力扣（LeetCode）链接：ht
2020-08-29 14:44:22
151
原创 每日刷题
链表创建链表class ListNode: def __init__(self, val, next = None): self.val = val self.next = next# [1, 2, 3] => 1->2->3def gen_list(nums): if not nums: return None head = ListNode(nums[0]) pre = head for i in range(1, len(nums)): node
2020-08-26 20:01:21
152
原创 leetcode每日刷题
1、两数之和给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。示例:给定 nums = [2, 7, 11, 15], target = 9因为 nums[0] + nums[1] = 2 + 7 = 9所以返回 [0, 1]来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/two-sum思路1
2020-08-25 18:39:36
191
原创 目标检测学习笔记
什么是目标检测目标检测指的是检测出图片中物体的位置并作出标注。不同于分类网络的每个图片只有一个lable。目标检测的网络往往会对图片中的多个目标进行定位。（多个lable信息）一般来说可以将分类网络视为一张图片输入；一个类标签输出。而目标检测网络可以被视为：向网络输入一张图像；获得多个边框和类标签作为输出。yolo 模型介绍上文提到了，目标检测网络是要获得多个边框作为输出。那么，原始边框的获取就成为了一个问题。我们都知道卷积可以聚合空间信息。那么，可以理解成原始图片和通过卷积神经网
2020-06-17 23:50:28
680
原创 tensoflow学习笔记
神经网络越靠后，特征图的尺寸越小，通过增加卷积核的个数，来增加特征图的深度，保持了信息的承载能力。VGGNet 使用小尺寸卷积核（33）相比AlexNet（55）减少了参数的同时，提高了识别准确率。VGGNet网络结构规整，非常适合硬件加速。InceptionNet引入Inception结构块，在同一层网络内使用了不同尺寸的卷积核，提升了模型感知力。使用了批标准化，缓解了梯度消失。Inception结构块在每一层用不同尺寸的卷积核，用来提取不同尺寸的特征。比如多个1*1卷积核，作用与特征图的每一
2020-06-09 23:54:34
381
原创 TensorFlow学习笔记
保存训练参数，并再下一次训练时直接使用1、保存模型：下面展示一些 内联代码片。cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_save_path, save_weights_only=True, save_best_on
2020-06-03 16:22:46
229
原创 TensorFlow学习笔记
tf.keras搭建神经网络- 六步法importtrain,testSequential or Classmodel.compilemodel.fitmodel.summaryQ1：当有个自己本领域的数据，又有了标签。显然不能用 load_dataQ2：若数据量过少，模型训练量不够，泛化能力不够。应该怎么解决。（数据增强）Q3：每次训练都从头开始，不利于效率。（断点续训，参数提取）今日主要学习内容：自制数据集，解决本领域应用数据增强，扩充数据集断点续训，存取模型参数提取
2020-06-02 22:03:10
898
1
原创 搭建神经网络
搭建网络八股文六步法tf.keras.models.Sequential([网络结构])model.compile(optimizer = 优化器，loss = 损失函数，metrics = ["准确率"]model.fit()model.summary()class MyModel(Model)六步法1. import2. train,test3. model = tf.keras.model.Sequential(在Sequential中描述网络结构，相当于走一遍前向传播)4. model.c
2020-06-01 00:17:44
146
原创 Tensor flow学习笔记
欠拟合和过拟合欠拟合：模型表达能力不够过拟合：模型表达能力过强，缺少模型泛化能力欠拟合的解决办法：1、增加输入特征项2、增加网络参数量3、减少正则化参数过拟合的解决方法：1、数据清洗2、增大训练集3、采用正则化3、增大正则化参数正则化缓解过拟合什么是正则化： 在随时函数中引入模型复杂度指标，利用给每个参数w增加一个权重，用来弱化训练数据时的噪声。（一般不对b进行正则化）这时新的loss定义为：loss = loss(y_, y) + REGULARIZER * loss(w
2020-05-31 00:35:45
261
原创 TensorFlow学习笔记
TensorFlow学习笔记tf.where （条件语句，真返回A，假返回B） 条件语句真 ，返回A，条件语句假。返回Btf.greater(a,b) 返回 a，b中大的那个元素np.random.RandomState.rand(维度) 返回一个[0, 1 ]之间的随机数，若维度为空，则返回标量np.vstack(数组1，数组2 ) 将连个数组按垂直方向叠加np.mgrid(起始值：结束值：步长，起始值：结束值：步长…)np.ravel(x) 将x变为一维数组，“把 丶前的变量拉直 ”
2020-05-28 22:21:14
119
转载 tensorflow学习笔记
TensorFlow学习笔记张量（Tensor）生成维度：如何创建一个tensor常用函数理解axis神经网络实现鸢尾花分类准备数据数据集读入数据集乱序数据集分成永不相见的训练集和测试集配成[输入特征，标签]对，每次喂入一个batch搭建网路偶定义神经网络中所有的可训练参数参数优化嵌套循环迭代，with结构更新参数，显示当前loss测试效果计算当前参数前向传播后的准确率，显示为当前accacc/loss 可视化张量（Tensor）生成Tensor：多维数组（列表）阶：张量的维度t = [[[…
2020-05-27 22:38:55
202
1
原创 Numpy学习笔记
1、Numpy创建array创建数组np.array([list],dtype=np.int32)生成一个格式为int 32的数组np.zeros()生成全部为0的数组np.ones()生成全部为1的数组np.empty()生成一个空数组np.linspace(1,10,5)生成1到10 间隔为5的数列np.reshape((n,n)) 强制转换格式为n*nnumpy基础运算a=np.array([10.20.30.40])b=np.arange(4)c=a+b 逐个相加b*
2020-05-23 13:43:30
114
原创 Python学习笔记
Python学习笔记1、表达式 {1, 2, 3, 4, 5} ^ {4, 5, 6, 7} 的值为？由程序输出结果猜测是取两个字典中不一样的部分并合并成一个新的字典。A：{1, 2, 3, 6, 7}2、range函数有三个参数，前两个是上下界，第三个是间隔。其中上下界遵循下包上不包3、Python ord() 函数 ，返回参数的ASCII码值4、表达式 sorted([13, 1, 237, 89, 100], key=lambda x: len(str(x))) 的值为：这个问题中的s
2020-05-20 22:15:03
261
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