8.2学习总结

对于动态规划入门题目进行三步楼梯题目  需要对于状态转移公式有一个熟悉的应用和掌握,今日题目转移公式dp[i] = dp[i - 1] + dp [i - 2] + dp [i - 3] 进行入门级理解,所用到的数组进行缓存。

另外对快速幂进行初步的理解,当要计算a^{n}。如果n为偶数 可以算(a^{\frac{n}{2}})的2次方算出来结果,当n为奇数时a^{\frac{n-1}{2}}的平方,再×a    可以得出这样只需要用O(log n)的复杂度就可以计算出a^{n}了。

当解动态规划问题的时候,需要对回溯算法有一定的了解,回溯算法简单来说就是在对数据进行遍历的过程中,即搜索寻找解时当在搜索的过程中无法继续向下继续寻找的时候,需要回到原来的出发点去重新寻找其他路径找寻解,这个过程就是回溯算法的过程。

在此过程中可能会遇到的一个问题时需要将找寻存储的撤销选择的操作,这其中需要了解的是递归算法中的一个操作范例,当去找到一个数组组合时,需要回溯到前一个点找另外的数组组合的时候 需要将原有的查找记录撤销掉, 当然不撤销也有方式完成就是在每一步都要重新创建一个新的list来存新遍历的数组成员。

https://mp.weixin.qq.com/s?__biz=MzU0ODMyNDk0Mw==&mid=2247488558&idx=1&sn=bb600c06c773960b3f4536c4c6c8d948&chksm=fb41870ecc360e18db1ca13783050d1a2efb19579407587baeea9b258a92e4c90c7ad12cbc1a&scene=21#wechat_redirect

回溯算法的模板:

 leetcode2115题中所提到的为需要将位运算应用在数乘当中,其中将所给数进行位数拆分时应对此方法的关键所在。

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在《python深度学习》的第八章中,主要讨论了在ImageNet大规模视觉识别挑战(ILSVRC)上训练深度神经网络的主题。其中最后一章讨论了SqueezeNet深度学习架构[1]。SqueezeNet是在2016年的一篇论文中提出的,它在准确度上和AlexNet相当,但参数减少了50倍,模型大小小于0.5MB。 在这一章中,还提到了一个名为test_alexnet.py的脚本,用以测试在ImageNet上训练的CNN模型。这个脚本没有进行任何修改,因为该章节中的test_*.py脚本旨在成为可以应用于任何在ImageNet上训练的CNN模型的模板。 此外,这一章还介绍了处理问题的一种方法,即使用softmax温度。在使用softmax温度时,需要尝试多种不同的温度值,以找到合适的温度值。 总结起来,《python深度学习》第八章主要涵盖了SqueezeNet深度学习架构、在ImageNet上训练的CNN模型的测试脚本以及使用softmax温度来处理问题的方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Python视觉深度学习系列教程 第三卷 第8章 在ImageNet上训练SqueezeNet](https://blog.csdn.net/bashendixie5/article/details/122175562)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [《python深度学习学习笔记与代码实现(第八章:8.1,8.2,8.3)](https://blog.csdn.net/qq_41718518/article/details/90216766)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值