2019年1月22日训练日记

最新推荐文章于 2022-07-12 15:49:59 发布
最新推荐文章于 2022-07-12 15:49:59 发布
阅读量129 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43457185/article/details/86601634
版权

   第五天咯！菜鸟坚持来报到！不知不觉已经坚持了这么长时间了，每天写代码已经成为了习惯，但也有点懈怠，积极性没有那么高了，但是想到自己还有很多不足，瞬间就元气满满啦！

   怎么说呢，今天被代码整的有一点小崩溃。不过最开心的是把昨天困扰我很长时间的问题解决了，但是还是没找到之前wa的原因。

   今天一个求最大最小值的题难住我了。一开始不想逐个比较，浪费时间，就想先用sort排序后输出第一个值和最后一个值就好了，我个人觉得我的思路没有错误，但是只有部分数据能得到正确结果，尝试了很多次最后还是放弃了。然后就一个一个逐一比较，但是又超时了。最后就假设第一个数为最大值，如果不是，就把比它大的数的值赋给它，用scanf，printf代替cin，cout，折腾了好长时间终于AC了。

   现在感觉就是大佬不是一蹴而就的，程序员说起来简单，做起来真的是很难，还是希望自己能坚持下去。

     明天也要元气满满鸭!加油，菜鸟!

DIY&&DIM
关注
【实习】一面日记 记录实习的点点滴滴
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
12-07 774
1w 字 一面日记 记录实习的点点滴滴
2019年蓝桥杯每周一练题目练习
Spf小鱼干
03-18 5385
每周一题之1 3n+1问题 PC/UVa IDs: 110101/100 Popularity: A Success rate: low Level: 1 测试地址： https://vjudge.net/problem/UVA-100 [问题描述] 考虑如下的序列生成算法：从整数 n 开始，如果 n 是偶数，把它除以 2；如果 n 是奇数，把它乘 3 加1。用新得到的值重复上述步骤，直到 n ...
2019年1月22日学习日记
No Pain, No Gain .
01-22 419
今天的题比较难，但是学到了新知识。 "^"在C语言中为异或。在【布尔值运算】中：真异或假的结果是真，假异或真的结果也是真，真异或真的结果是假，假异或假的结果是假。就是说两个值不相同，则异或结果为真。反之，为假。 在【二进制值运算】中：不同为1，相同为0，如1001异或1010等于0011。异或也叫半加运算，其运算法则相当于不带进位的二进制加法：二进制下用1表示真，0表示假，则异或的运算法则为：00...
"在线日记的三种积极心理学干预：随机对照试验与安慰剂比较
版权所有©2019-2019深圳市创科科技有限公司使用在线日记的三种积极心理学干预的效果：一项随机安慰剂对照试验Nektaria Tagalidoua，Zhao，Jessica Baiera，Anton-Rupert Laireitera，ba萨尔茨堡大学心理学系，...
【日记】Java学习日记（第63天）持续无聊更新
snow_chant的博客
08-26 1091
前言 Youtube上EJ Media（up主）的视频我依次学完了HTML、CSS、Javascript、Jquery。觉得他教得挺好的（短小精悍），就继续学他教的JAVA。感觉EJ教的都是些语法什么的。太复杂的没教。以及我也学过一点点python的语法。另外，大一还是大二的时候把Coursera上吴恩达的《机器学习》看了一遍，当时不懂编程所以操作题都是github上抄的，无奈，顺便学了点o...
2019年下半年教师资格幼儿园《综合素质》真题与参考答案
kkjs99的博客
07-12 1775
1. 在孙老师组织的“我为班级做件事”讨论中，晨晨说：“我收垃圾。”琴琴立刻说：“妈妈说如果不好好学习，长大以后就去收垃圾。”孙老师接着说：“环卫工很辛苦地收垃圾，让我们生活在干净的环境里，收垃圾也是一件很有意义的事情。”从教育观的角度分析，下列说法正确的是( )...
weblogic 补丁 p28710912_1036_Generic.zip
01-17
weblogic 补丁，p28710912_1036_Generic.zip， 2019年1月
2019年1月22日寒假日记
qq_43641668的博客
01-22 422
今天做了几个题，感觉做不下去了，肚子的墨水太少了，做了一个关于斐波那契的，就是最简单的那种，对于斐波那契有很多变形题，相信以后会遇到。 看着上面的题，不会做真的很难受，还特受打击，喜欢那种看见题有思路的感觉，我知道这都是需要学习，需要锻炼的，我也会更加努力地去学习，今天打开书看了一下结构体的东西，看完之后还是有一点模糊，不知道出了表格之外，还有啥其他用处，这个也需要做题去...
2020年1月22日训练日记
No Pain, No Gain .
01-23 265
今天白天帮妈妈打扫了一天卫生，感觉其实还蛮开心的，经常不在家，能回来帮妈妈干点活也算是尽了自己的一份心了吧，只不过这几天过年包包子、蒸馒头的确是没帮上什么忙，往常年都是跟妈妈一起做的，今年妈妈看我在学习就没让我干。 这两天的话，主要是做了做题，也没怎么干别的，数论三的题实在太难了，我就先放了放，去做了做数论四的内容，换换脑子。数论四的内容主要还是锻炼思维的。今晚做了一道题，卡了我好久。四重循环打表...
Weblogic补丁升级操作手册
热门推荐
XuBlog的博客
06-26 1万+
1、查看Weblogic版本 方法一 [weblogic@Weblogic201 ~]$ cd/home/weblogic/Oracle/Middleware/wlserver_10.3/server/bin/ [weblogic@Weblogic201 bin]$ sourcesetWLSEnv.sh > /dev/null [weblogic@Weblogic201 bin]$ ja
2018年1月22日训练日记
LSD20164388的博客
01-22 385
今天主要学习了图论算法知识里的强连通分量部分。代码模板基本都是一样的，关键是理解。理解之后就感觉简单多了。 主要是学会求连通分量的个数以及哪些点属于哪些连通分量。这里附上个人Tarjan算法模板代码： void tar(int k) {     low[k]=dfn[k]=++ti;     us[k]=1;     sta[++f]=k;     for(int i=he[k];i
基于yolov3结合卡尔曼滤波匈牙利算法虚拟线圈的车流量检测python源码+项目说明.zip
09-21
本项目专注于视频基的车辆跟踪与流量统计，依托深度学习技术，实时追踪路面车辆动态并精准统计各车道车流量。该项目通过以下核心步骤高效处理输入视频数据： 高精度目标检测：采用YOLOv3模型，凭借其卓越的实时性与准确性，快速识别视频中的车辆目标，为后续追踪奠定坚实基础。 稳定目标追踪：集成SORT（Simple Online and Realtime Tracking）算法，结合卡尔曼滤波器预测车辆未来位置，同时运用匈牙利算法优化目标间的匹配，实现连续、稳定的车辆追踪，有效应对遮挡、交叉等复杂场景。 智能车流量统计：借鉴虚拟线圈概念，巧妙设计算法以监测穿越预设区域的车辆，自动计数并准确统计各车道车流量，为交通管理与分析提供可靠数据支持。 整体而言，本项目通过融合先进的目标检测与追踪技术，结合创新的流量统计方法，构建了一个高效、精准的实时车辆跟踪与流量统计系统，为智慧交通领域的发展贡献力量。
本科毕业设计--基于深度学习的人脸面部表情识别.zip
最新发布
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
雷电模拟器改成真机环境
09-21
在Android系统中，模拟器通常会被识别为非真实的设备，这可能导致某些应用或服务无法正常运行，尤其是那些需要硬件信息或root权限的应用。改真机环境意味着通过技术手段使模拟器的行为更接近真实的Android设备，包括模拟设备硬件信息、IMEI、MAC地址等，以绕过检测并提升兼容性。LSPSED（Linux System Property Setter and Editor）模块是Magisk的一个扩展，专门用于修改Android系统的系统属性。通过LSPSED，我们可以更改设备的各种系统属性，如设备型号、制造商信息等，这些修改对于使模拟器看起来更像真实设备至关重要。在使用过程中，还需要添加几个机型模块，这些模块通常包含了特定设备的系统配置信息，如设备代号、硬件信息等。通过安装这些模块，雷电模拟器可以模仿各种流行的Android设备，进一步提高应用的兼容性和真实性。
Linux初学者指南：2006年学习日记
书中记录了作者在使用FerodaCore5发行版Linux过程中的学习和实践经历，每日更新内容，直至2006年7月31日。作者强调大部分内容为个人一手记录，同时也参考了网络上的资料。书中的知识点涵盖了系统安装、软件安装、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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