qq_42390121的博客

当人数大于3的时候，有两种方法，在介绍方法之前我们先给列表中特定的元素一个代号，假设列表从小到大排序后为list=[0,1,2,...,n] 我们令a=0号元素,b=1号元素,x=n-1号元素,y=n号元素。每个人的速度不同，若两人组队，队伍速度等于较慢一人的速度。这两个方法的共同点都是一次摆渡两个最大值过去，在不同的情况下这两者的优劣不同，所以要分当前情况下哪一种方案最佳就用哪一种方案。人数为2时就有可能是经过上述循环的结果了，在上面消耗的总时间t上加入max(list[0],list[1])即可。

在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）移除列表中的一个元素（默认最后一个元素），并且返回该元素的值。Python3.4版本后不存在，可以直接用arr1>arr2判断。不需要返回值的话可以用 del list[index]进行删除。从列表中找出某个值第一个匹配项的索引位置。arr为 [1,2,3,4]标红为有用但自己不知道的。arr为 [1,2,3]

python中创建元素统一固定size的二维数组。

稀疏自编码器就是在编码器的基础上，于损失函数加上kl散度。这里是一个实现的代码。

训练时使用nn.CrossEntropyLoss()作为损失函数，输入数据时报错报错[debug] RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘float‘看报错内容应该是类型问题，查阅pytorch官网CrossEntropyLoss — PyTorch 1.11.0 documentationhttps://pytorch.org/docs/stable/generated/

1、使用深度学习训练网络时出现了大量的nan数据，各种调试无果后，最后将learning rate 从0.1缩小了十倍变为0.01，重新训练，之后输出正常。2、之后又出现了不管input是什么，输出output都相同的问题，猜测是因为正则化权重过大，导致层内参数weight过小，再经过relu层后全变成零。尝试降低正则化权重，将weight_decay=0.09变为·weight_decay=0.009...

这是网络的结构(resnet18): Sequential( (0): Conv2d(3, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False) (1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True) (2): ReLU(inplace=True) (3): MaxPool2d(

我在使用torchvision.models.resnet18（）下载resnet18网络时，手动终止了一次，再次运行时就出现了报错PytorchStreamReader failed reading zip archive: failed finding central directory这是因为手动终止后文件下了一半，但是重新运行的时候，程序以为已经下好了，就开始解包，结果解包错误导致报错。这是我下了一半的文件：检测文件是否已经存在的程序在torch.hub文件中的585行，顺着报错信息就能找到

安装python的包时出现了这个错误提示，有一种可能是因为下载速度太慢。这张图是我两次下载的记录，同样的指令，只是换了一个比较通畅的网络再试了一次就成功了。（我是在anaconda prompt中使用代码下载的）所以大家如果感觉下载速度过慢，之后出现了这个错误，可以：1、换一个更通畅的网络2、选择一个网速较快的时间3、使用国内的镜像源：pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple（可以

函数定义reduce(tensor: Tensor, pattern: str, reduction: Reduction, **axes_lengths: int)介绍：该函数可以用非常直观的方式对张量进行一系列处理。Parameters:参数： tensor: 要处理的张量 pattern：维度变换 reduction: 要执行的操作，可以是('min', 'max', 'sum', 'mean', 'prod') axes_lengths: any ad...

官方介绍：torch.mean — PyTorch 1.11.0 documentationtorch.mean(input, dim, keepdim=False, *, dtype=None, out=None)参数input，要输入的张量dim，要求均值的维度keepdim，求完均值之后是否要保留该维度dtype，数据格式，（输入整数会被识别为long报错）1、当dim为空时，输出全部值的平均数2、当dim为常数时，输出延该维度求完平均数之后的张量这是官方实例

paper地址Uninformed Students: Student-Teacher Anomaly Detection with Discriminative Latent Embeddings代码地址GitHub - denguir/student-teacher-anomaly-detection: Student–Teacher Anomaly Detection with Discriminative Latent Embeddings​​​​​​g想复现一下这个论文中的实验，然后看

这段时间做一个项目要进行MAVLINK的解包校验，但有一个叫做CRC_EXTRA的位导致这个校验码怎么算结果都不对，后来找了好久还是在github的论坛上看见别人讨论才找到方法的。 1、先上从官网上拿的mavlink包格式图里字有点小，放大可以看到，最后两个字节是校验码，然后校验方法是CRC-16/MCRF4XX，校验范围是1-n+6（即除去包头和校验字节）再额外加上一个叫CRC_EXTRA的东西。2、首先说这个校验方法，之前不知道从哪里看到的说是用CRC16CCITT校验，看到官...