kevin小新-CSDN博客

定义过拟合：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在测试数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。(模型过于复杂)（高方差）欠拟合：一个假设在训练数据上不能获得更好的拟合，并且在测试数据集上也不能很好地拟合数据，此时认为这个假设出现了欠拟合的现象。(模型过于简单)（高偏差）通过Loss判断训练集loss 不断下降，验证集loss不断下降：网络正常，仍在学习。训练集loss 不断下降，验证集loss趋于不变，可能出现过拟合，数据分布不均匀。训练集los

2022-03-29 11:47:58 15606 2

原创（1）实现由先序、中序序列构造二叉树的算法（2）实现由后序、中序序列构造二叉树的算法（3）定义最大堆，封装堆的初始化、插入和删除元素的操作

数据结构上机题-构造二叉树、定义最大堆实现由先序、中序序列构造二叉树的算法实现由后序、中序序列构造二叉树的算法定义最大堆，封装堆的初始化、插入和删除元素的操作题目（1）实现由先序、中序序列构造二叉树的算法（2）实现由后序、中序序列构造二叉树的算法（3）定义最大堆，封装堆的初始化、插入和删除元素的操作实现由先序、中序序列构造二叉树的算法template<class T>BinaryTreeNode<T>* BinaryTree<T>::Build(T* pre

2022-03-07 12:36:51 566

原创定义二叉树类，实现广度优先遍历算法，实现深度优先遍历（先序、中序和后序）的递归和非递归算法。

定义二叉树类，实现广度优先遍历算法，实现深度优先遍历（先序、中序和后序）的递归和非递归算法。在这部分主要是对二叉树类的定义，以及调用函数，输出广度、深度优先遍历的结果。// An highlighted block#include<iostream>using namespace std;template<class T>// 队列的定义class ArrayQueue{private: int maxSize; int front; int rear; T

2021-11-11 16:54:18 719

原创数据结构上机题

下面展示一些内联代码片。（1）设计Strcmp(s,t)算法，实现两个字符串s和t的比较首先判断两个字符串的长度是否相同，不相同则返回1和-1，并结束比较；否则，逐个字符依次比较，当所有字符均相同时返回1，否则根据字符的asclli码表比较，返回1或者-1。（2）设计一个算法，在字符串str中查找子串substr最后一次出现的位置方法1：使用朴素的模式匹配算法，逐个字符依次比较，找到子串substr出现在字符串str中的每个位置，取最后一次的

2021-11-11 16:03:13 1822

原创数据结构上机题——队列及其应用

数据结构第二次上机题——队列及其应用第一题——由用户输入n个10以内的数，每当输入i(0≤i≤9)，就把它插入到第i号队列中。最后把10个队列中非空队列，按队列号从小到大的顺序串接成一条链，并输出该链的所有元素。第二题——设计一个环形队列，用front和rear分别作为队头和队尾指针，另外用一个变量tag表示队列是空（0）还是不空（1），这样就可以用front==rear作为队满的条件。要求设计队列的相关基本运算算法。第三题——选做题：编程实现银行叫号系统（参见教材69页2.7.2），若需使用队列，请使用作

2021-10-28 17:41:18 1075

原创数据结构上机题——使用C++和栈实现简易计算器

下面介绍两种通过方法一：使用两个栈结构，一个存数字，一个存运算符。为了实现用栈计算算数表达式的值，需设置两个工作栈：用于存储运算符的栈fn，以及用于存储操作数及中间结果的栈num。计算步骤：定义index对表达式进行扫描; 创建两个栈，一个栈存放数字，称为数栈(num);一个栈存放符号，称为符号栈(fn);当遇到数字时，入数栈；（注意字符位数，数字有可能是多位数）2.1 若是字符串最后

2021-10-15 17:31:32 1329

原创 Concept Learners for Few-Shot Learning笔记（ICLR 2021）

Concept Learners for Few-Shot LearningBackground —— Few shot learningmeta-learningFew-Shot learning 与传统监督学习的区别Related Work —— Prototypical NetworkMotivationMethod符号定义公式原理Experimental ResultsReferences 这是2021年斯坦福大学在ICLR上发表的一篇论文“

2021-10-06 21:59:56 1541 2

原创 Revisiting Local Descriptor based Image-to-Class Measure for Few-shot Learning阅读笔记

Revisiting Local Descriptor based Image-to-Class Measurefor Few-shot Learning研究动机二级目录三级目录参考文献for Few-shot Learning)研究动机小样本旨在学习一个具有良好泛化能力的模型，这样它就可以通过一个或几个实例来很容易地适应新的未知类(概念)。然而，每个类的样本数量极其有限，很难有效地代表其类别的分布，这使得这项任务真正具有挑战性。目前解决小样本的

2021-05-24 16:12:00 1052

原创使用Anaconda安装GPU版本的pytorch和tensorflow

1. 安装Anaconda可以参考这篇文章安装Anaconda：https://blog.csdn.net/weixin_43715458/article/details/1000964962. 查看自己的cuda版本号GPU版本的pytorch需要有nvidia显卡的硬件支持，请确保您的显卡支持cuda。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使得GPU能够解决复杂的计算问题。为了使用CUDA，需要安装cudatoolkit，在这里我们与pytorch一并都使用conda安装

2021-04-02 15:50:11 830 4

原创修改 jupyter notebook的默认打开的文件夹位置——亲测有用

1. 打开配置文件默认在 C:\Users\用户名.jupyter文件夹下的 jupyter_notebook_config.py如果没有该文件的话，打开anaconda powershell prompt，输入jupyter notebook --generate-config，就会生成该文件2. 修改该文件的c.NotebookApp.notebook_dir使用编辑->查找，输入c.NotebookApp.notebook_dir，将#c.NotebookApp.notebook_

2021-04-02 14:49:53 2211

转载机器学习中的训练集、验证集和测试集的作用

如何正确使用机器学习中的训练集、验证集和测试集？下面这篇简书写的很好，值得参考：如何正确使用机器学习中的训练集、验证集和测试集？

2021-03-27 10:17:21 163

原创 Variational Prototyping-Encoder: One-Shot Learning with Prototypical Images-阅读笔记

小样本-Variational Prototyping-Encoder: One-Shot Learning with Prototypical Images-阅读笔记相关概念KL散度三级目录相关概念KL散度信息量：可以近似的将不确定性视为信息量。一个信息带来的不确定性越大，其带来的信息量就越大。考虑连续型随机变量的情况,设ppp为啥随机变量XXX的概率分布，即p(x)p(x)p(x)为随机变量XXX在X=xX=xX=x处的概率密度函数值，随机变量XXX在xxx的香农信息量为：−log2p(x

2021-01-07 12:16:48 259

原创 Learning to Compare: Relation Network for Few-Shot Learning阅读笔记

小样本-Learning to Compare: Relation Network for Few-Shot Learning阅读笔记一级目录一级目录方法问题定义模型零样本学习网络结构一级目录二级目录三级目录一级目录一级目录方法问题定义形式上来说，我们将数据分为三个数据集：训练集(training set)、支持集(support set)、测试集(testing set)。其中支持集和测试集共享相同的标签空间(也就是这两个集合包含的是多个相同类别的样本集合)，并且训练集与支持集和测试集不相交。如

2020-11-25 13:49:11 2658 1

原创 Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks阅读笔记

小样本-Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks-阅读笔记AbstractMAML vs Pre-trainingMAML算法问题设置算法三级目录Abstract本文是针对meta-learning提供了一种模型无关的，适用于任何使用梯度下降的方式来训练模型的算法，可以应用于各种学习问题：分类、回归、强化学习。元学习(meta-learning)的目标：通过对不同的任务进行训练，以至于在新的学习任务上只需要使用

2020-11-22 21:09:11 443

原创 Prototypical Networks for Few-shot Learning阅读笔记

小样本-Prototypical Networks for Few-shot LearningK-means算法K-means 是一种常用的聚类算法，其特点主要是简单、运算速度快、好理解，但是其职能应用于连续型的数据，并且在聚类前需要手工指定要分成几类。K-means算法的过程：首先输入k的值，即我们希望将数据经过聚类得到k个不同的分组。从数据集中随机选择k个数据点作为初始中心(就是k个中心点)对集合的每一个元素，计算其与每个初始质心的距离(距离的度量方式有多种，通常使用欧式距离、曼哈顿距离)

2020-11-18 14:38:44 1207

原创 Matching Networks for one shot learning阅读笔记

小样本-Matching Networks for one shot learning阅读笔记few/one-shot learning顾名思义，就是通过少量的样本去训练和学习。我们人类非常善于通过极少量的样本去识别一个新事物，比如小孩子只需要书中的一张图片就可以认识什么是“长颈鹿” 。但是现在的主流的深度学习技术需要大量的数据来训练一个好的模型。比如典型的MNIST分类问题，其中包含60000个样本，十个类别(0-9是个数字)，但是我们想一下我们人类自己，我们区分 0 到 9 的数字显然不需要这么

2020-11-13 10:17:28 1108

原创数据结构上机题——二叉树

1.判断一个二叉树是否为完全二叉树思路：设置一个标志位，当遇到一个空节点时，将标志位为修改；当后面在遇到有效节点并且标志位被修改时，则该二叉树不是完全二叉树。templatebool BinaryTree::JudgeTree1(){BinaryTreeNode* pointer = root;ArrayQueue&lt;BinaryTreeNode* &gt; queue(100);...

2018-12-11 15:42:50 673

小新

原创 python 中断点调试 pdb 包的介绍及使用

原创 tmux 包的介绍及使用

原创 PyTorch中的 Dataset、DataLoader 和 enumerate()

原创 python中的魔法函数及pytorch中forward()函数

原创 Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch

原创 Ubuntu22.04 双系统安装、配置及常用设置

原创 conda 常用命令

原创 ImageNet 数据集的下载及解压操作

原创 pytorch 图像预处理 transforms 中的常用函数

原创目标检测-基本知识

原创欠拟合、过拟合判断方法