- 博客(15)
- 收藏
- 关注
原创 【Leetcode】刷题之路6(python版)——栈与队列
本章开始栈与队列的刷题了栈与队列的基本概念见我的另一篇文章《栈和队列在python中的实现》https://blog.csdn.net/qq_42368281/article/details/12384723920.有效的括号1047.删除字符串中的所有相邻重复项150.逆波兰表达式求值239.滑动窗口最大值......
2022-06-04 00:46:48
313
原创 【Leetcode】刷题之路5(python版)——回溯3
回溯专题的最后一章,有关游戏问题和一些其他问题。棋盘问题51.N皇后37.解数独其他问题491.递增子序列332.重新安排行程棋盘问题51. N皇后n 皇后问题 研究的是如何将 n 个皇后放置在 n×n 的棋盘上,并且使皇后彼此之间不能相互攻击。给你一个整数 n ,返回所有不同的 n 皇后问题 的解决方案。每一种解法包含一个不同的 n 皇后问题 的棋子放置方案,该方案中 ‘Q’ 和 ‘.’ 分别代表了皇后和空位。解题思路n皇后问题是回溯算法解决的经典问题,37.
2022-05-04 23:38:04
285
原创 栈和队列在python中的实现
栈和队列是两种基本的数据结构,同为容器类型,队列是先进先出,栈是先进后出。本篇文章介绍栈和队列在python中的实现。
2022-03-30 16:30:28
359
原创 【目标检测】yolo系列:从yolov1到yolov5之YOLOv3详解及复现
在v1、v2的原理和技巧介绍之后,v3除了网络结构,其余的改变并不多。本文着重描述yolov3的原理细节。相关阅读:论文:YOLOv3: An Incremental Improvement源码:https://github.com/ultralytics/yolov31. Yolov3网络结构1.1 backbone:Darknet-53Yolov3使用Darknet-53作为整个网络的分类骨干部分。backbone部分由Yolov2时期的Darknet-19进化至Darknet-53,加深了
2022-02-09 21:13:20
4687
原创 从头理解self-attention机制
注意力机制中较为重要的是self-attention机制,直接做了个小白能看懂的总结,也便于自己复习。
2022-01-18 17:19:48
2687
原创 【目标检测】yolo系列:从yolov1到yolov5之YOLOv2详解及复现
YOLO v2Yolov2论文链接:YOLO9000: Better, Faster, Strongeryolov2的改进从Yolov2论文的标题可以直观看到就是Better、Faster、Stronger。Yolov1发表之后,计算机视觉领域出现了很多trick,例如批归一化、多尺度训练等等,v2也尝试借鉴了R-CNN体系中的anchor box,所有的改进提升,下面逐一介绍。1. Batch Normalization(批归一化)*检测系列的网络结构中,BN逐渐变成了标配。在Yolo的每个卷积
2021-12-22 18:06:50
3277
1
原创 opencv+python图像匹配——模版匹配、特征点匹配
最近在做图像检测上的项目,需要进行图像匹配的相关内容,查阅了opencv的匹配方法,整理了模版匹配和特征点匹配的内容,并总结成博客。模版匹配与特征点匹配模板匹配模版匹配是一种最原始、最基本的识别方法。简单来说,模板匹配就是用一幅已知的模板图片在目标图片上依次滑动(类似于滑窗法),每次滑动都计算模板与模板下方的目标子图的相似度。但模板匹配具有一定的局限性,也是我在实际操作时发现的。局限性主要表现在模版图片只能在目标图标上进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该算法无效。也就是说,如
2021-12-10 23:05:01
9214
原创 【Leetcode】刷题之路2(python)——哈希映射
哈希映射类题目242.有效的字母异位词349.两个数组的交集1002.查找常用字符202.快乐数383.赎金信242. 有效的字母异位词用python的Counter类太绝了!!!一行代码解决问题,这道题实际上就是比较两个字符串的每个字母数是不是一样。在刷题之路1的最后我列出了collections模块的几个字典的子类Counter:字典的子类,提供了哈希对象的计数功能class Solution: def isAnagram(self, s: str, t: str) -
2021-11-19 00:19:56
1070
原创 pytorch中tensor.mul()和mm()和matmul()
tensor * tensor 和 tensor.mul都是将矩阵的对应位置的元素相乘,因此要求维度相同(矩阵相乘)tensor = torch.ones(4, 4)tensor[:,1] = 0print(tensor)tensor([[1., 0., 1., 1.], [1., 0., 1., 1.], [1., 0., 1., 1.], [1., 0., 1., 1.]])print(f"torch.mul(tensor) \n {to.
2021-11-17 16:55:46
6424
原创 【Leetcode】 刷题之路1(python)
leetcode 刷题之路1(python)看到有大佬总结了一些相关题目,想着先刷一类。1.两数之和15.三数之和16.最接近的三数之和11.盛最多的水18.四数之和454.四数相加II1. 两数之和给定一个整数数组 nums 和一个整数目标值 target,请你在该数组中找出 和为目标值 target 的那 两个 整数,并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是,数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。示例 1:输入:nums =
2021-11-17 00:40:11
1549
原创 pytorch学习——torch.cat和torch.stack的区别
合并tensorstorch.cat 沿着特定维数连接一系列张量。torch.stack 沿新维度连接一系列张量。torch.cat在给定维度中连接给定的 seq 个张量序列。所有张量必须具有相同的形状(连接维度除外)或为空。torch.cat(tensors, dim=0, *, out=None) → Tensor参数tensors(张量序列):任何相同类型的张量序列。 提供的非空张量必须具有相同的形状。在给定维度上对输入的张量序列进行连接操作。dim (int) : 张量连接
2021-11-16 18:16:43
1585
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