- 博客(11)
- 收藏
- 关注
RSS订阅原创 排序算法的C++实现
排序算法的C++实现排序算法比较冒泡排序选择排序插入排序功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 排序算法比较 时间复杂度（最好） 排序方法 时间复杂度（最好） 时间复杂度（最坏) 时间
2022-02-14 12:48:22
985
原创 排序算法(C++以及Python的实现)
排序算法一、冒泡排序 一、冒泡排序 C++代码： #include<iostream> using namespace std; int bubblesort1A(int A[], int n) { bool sorted = false; while (!sorted) { sorted = true; for (int i = 1; i < n; i++) { if (A[i - 1] > A[i]) { swap(A[i - 1], A
2021-09-03 11:34:14
93
原创 pytorch中 optimizer
优化器 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录优化器1.Optimizer1.1Optimizer基本属性1.1Optimizer基本方法二、使用步骤1.引入库2.读入数据总结 1.Optimizer 1.1Optimizer基本属性 class Optimizer(object): def __init__(self, params, d
2021-03-04 16:54:10
186
原创 权值初始化
权值初始化1、梯度消失与梯度爆炸2、全连接网络权值初始化3. 具有激活函数时的权值初始化4. Xavier初始化5. Kaiming初始化6. Pytorch提供的初始化方法总结 1、梯度消失与梯度爆炸 梯度消失与梯度爆炸的产生是权值与激活函数相互作用的共同结果。针对一个神经网络： H2=H1∗W2H_{2} = H_{1}*W_{2}H2=H1∗W2 ∂Loss∂W2=∂Loss∂out∗∂out∂H2∗∂H2∂W2=∂Loss∂out∗∂out∂H2∗H1\frac{\partial Los
2021-02-05 21:13:44
237
原创 池化层&线性层
池化层&线性层1.池化层-Pooling Layer1.1 nn.MaxPool2d1.2 nn.AvgPool2d1.3 nn.MaxUnpool2d2.线性层-Linear Layer 1.池化层-Pooling Layer 池化可实现冗余信息的剔除以及减小后续计算量。 下采样：将大尺寸图像变换为小尺寸的图像 上采样：将小尺寸图像变换为大尺寸的图像 MaxPool2d和AvgPool2d属于下采样 准备：将图片转为Tensor： img_transform = transforms.Co.
2021-02-04 21:37:18
791
3
原创 二维卷积和转置卷积
文章目录1.nn.Cov2d2.转置卷积 1.nn.Cov2d 实现： nn.Cov2d(in_channels, out_channels, kernel_size, stride = 1, padding = 0, dilation = 1, groups = 1, bias = True, padding_mode = ‘zero’ ) 功能：对多个二维信号进行二维卷积 主要参数： • in_channels：输入通道数 • out_channels：输出通道数，等价于卷积核个数 • kernel
2021-02-04 16:26:18
430
原创 Containers
Containers Containers包含三种容器，nn.Sequential 、nn.ModuleList、nn.ModuleDict。三者都是 nn.module的容器。 文章目录Containers1、通过nn.Sequential构建LeNet2、通过nn.ModuleList构建网络3、通过nn.ModuleDict构建网络4、AlexNet网络 • nn.Sequential： 顺序性，各网络层之间严格按顺序执行，常用于block（子模块）构建 • nn.ModuleList： 迭代性
2021-02-04 10:51:23
145
原创 transforms操作
transforms操作 transforms.RandomChoice 功能：从一系列transforms方法中随机挑选一个 transforms.RandomChoice([transforms.RandomVerticalFlip(p=1), transforms.RandomHorizontalFlip(p=1)]) transforms.RandomApply 功能：依据概率执行一组transforms操作 transforms.RandomApply([transforms.Rando
2021-02-03 21:02:30
356
原创 Dataloader&transforms图像变换方法
Dataloader 示例： Dataloder(dataset, batch_size = 1, num_works = 0, shuffle = False, drop_last = False ) 功能：构建可迭代的数据装载器 • dataset: Dataset类，决定数据从哪读取及如何读取 • batchsize : 批大小 • num_works: 是否多进程读取数据 • shuffle: 每个epoch是否乱序 • drop_last：当样本数不能被batchsize整除时，是否舍弃最后一批数
2021-02-01 22:21:58
3349
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