- 博客(15)
- 收藏
- 关注
RSS订阅原创 Java视频------------反射
1、反射基本概念2、动态语言和静态语言3、反射功能4、反射的简单使用学反射前对象属性方法的调用学反射后使用反射调用对象属性方法注：通过反射可以调用私有结构：5、Class类的理解由上面的反射构建的Class类的对象：Class clazz = Person.class;Person类加载到内存中，称为运行时类，这个类是Class的一个实例，又因为Person是关键字所以再后面加一个.class。6、获取运行时类的四种方法这四种方法获取的运行时类都是同一个。7、
2020-09-20 14:22:18
132
1
转载 Linux常用命令大全
Linux常用命令大全（非常全！！！）最近都在和Linux打交道，感觉还不错。我觉得Linux相比windows比较麻烦的就是很多东西都要用命令来控制，当然，这也是很多人喜欢linux的原因，比较短小但却功能强大。我将我了解到的命令列举一下，仅供大家参考：系统信息arch 显示机器的处理器架构uname -m 显示机器的处理器架构uname -r 显示正在使用的内核版本dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI)hdparm -i /dev/hda 罗列一个磁盘
2020-06-17 18:09:43
142
转载 深度学习网络结构发展
经典网络结构LeNet5由两个卷积层，两个池化层，两个全连接层组成。卷积核都是5×5，stride=1，池化层使用maxpoolingAlexNet模型共八层（不算input层），包含五个卷积层、三个全连接层。最后一层使用softmax做分类输出AlexNet使用了ReLU做激活函数；防止过拟合使用dropout和数据增强；双GPU实现；使用LRNVGG全部使用3×3卷积核的堆叠，来模拟更大的感受野，并且网络层数更深。VGG有五段卷积，每段卷积后接一层最大池化。卷积核数目逐渐增加。
2020-06-12 16:44:28
898
转载 深度可分离卷积
一些轻量级的网络，如mobilenet中，会有深度可分离卷积depthwise separable convolution，由depthwise(DW)和pointwise(PW)两个部分结合起来，用来提取特征feature map相比常规的卷积操作，其参数数量和运算成本比较低常规卷积操作对于一张5×5像素、三通道（shape为5×5×3），经过3×3卷积核的卷积层（假设输出通道数为4，则卷积核shape为3×3×3×4，最终输出4个Feature Map，如果有same padding则尺寸与输入层
2020-06-12 15:26:34
240
转载 深度学习中过、欠拟合解决办法总结
过拟合模型过拟合说到底还是因为数据跟模型的参数不匹配，所以防止模型过拟合的方法大概可以分为四大类：数据方面、模型方面、损失函数、训练技巧方面。数据方面：准备大量的数据，还可以用数据增强的方式产生大量数据；模型方面：(1)设计合适的模型，(2)选择预训练模型进行微调； 图解Python数据结构与算法-实战篇 (3)在模型的中间使用BN层；(4)在
2020-06-12 10:20:33
271
原创 Python实现leetcode代码——重复数字（面试）
题目在一个长度为 n 的数组 nums 里的所有数字都在 0～n-1 的范围内。数组中某些数字是重复的，但不知道有几个数字重复了，也不知道每个数字重复了几次。请找出数组中任意一个重复的数字。示例 1：输入：[2, 3, 1, 0, 2, 5, 3]输出：2 或 3注：时间复杂度不能超过n2,空间复杂度为1。思考法一：遍历数组将每个数对应的索引上的数加上n（n>=数组长度），依次遍历，如果值作为索引时大于n则需减去n,再将得到的值作为索引，得到索引对应的值，如果该值大于n则说明该数出现过
2020-06-11 19:45:35
213
1
原创 Python实现leetcode代码——矩形面积（面试）
题目在二维平面上计算出两个由直线构成的矩形重叠后形成的总面积。每个矩形由其左下顶点和右上顶点坐标表示，如图所示。示例:输入: -3, 0, 3, 4, 0, -1, 9, 2输出: 45思考法一：如何两个矩形相交，则计算相交后的总面积，如何不相交则计算两矩形的面积和。考虑如果两个矩形相交，则重叠矩形的左下角坐标分别为两个矩形左下角坐标的最大值（x1 = max(A,E），y1 = max(B,F)）。重叠矩形的右上角坐标分别为两矩形右上角坐标的最小值（x2 = min(C,G)，y2 = m
2020-06-10 20:03:08
602
原创 Python实现leetcode代码——找零1
题目给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。示例 1:输入: amount = 5, coins = [1, 2, 5]输出: 4解释: 有四种方式可以凑成总金额:5=55=2+2+15=2+1+1+15=1+1+1+1+1示例 2:输入: amount = 3, coins = [2]输出: 0解释: 只用面额2的硬币不能凑成总金额3。思考法一：动态规划实现#float(‘inf’)表示正无穷大class
2020-06-05 14:51:28
250
原创 python实现leetcode代码——青蛙跳台阶问题1
题目一只青蛙一次可以跳上1级台阶，也可以跳上2级台阶。求该青蛙跳上一个 n 级的台阶总共有多少种跳法。答案需要取模 1e9+7（1000000007），如计算初始结果为：1000000008，请返回 1。示例 1：输入：n = 2输出：2示例 2：输入：n = 7输出：21思路动态规划解决，转移方程：dp[n] = dp[n-1] + dp[n-2],dp[0] = 1,dp[1] = 1,若构建大小为n的dp列表，空间复杂度为o(n)。空间优化：由于dp[n]只和dp[n-1],dp
2020-06-05 11:08:49
322
原创 语义分割模型评价指标
语义分割模型评价指标PA（Pixel Accuracy）像素精度：分类正确的像素点数和所有的像素点数的比例假定一定有k+1类（包括k个目标类和1个背景类），Pij 表示本属于i类却预测为j类的像素点总数，具体地，Pii表示true postives， Pij表示false positives，Pji表示false negatives公式：MPA(Mean Pixel Accuracy)计算每一类分类正确的像素点数和该类的所有像素点数的比例然后求平均公式：MIOU（Mean Interse
2020-06-04 18:54:31
1446
原创 Python实现leetcode代码——3
题目定义一个函数，输入一个链表的头节点，反转该链表并输出反转后链表的头节点。示例:输入: 1->2->3->4->5->NULL输出: 5->4->3->2->1->NULL思考法一：遍历链表逐个pop然后重新绘制链表法二：使用递归。实现#Definition for singly-linked list.class ListNode:def init(self, x):self.val = xself.next = No
2020-06-04 15:45:45
175
原创 Python实现leetcode代码——2
题目输入一个链表的头节点，从尾到头反过来返回每个节点的值（用数组返回）。示例 1：输入：head = [1,3,2]输出：[2,3,1]思考法一：遍历链表，使用Python的append方法输入到列表，然后使用list.reverse()（注意：list.reverse()没有返回值）法二：使用递归。实现#Definition for singly-linked list.class ListNode:def init(self, x):self.val = xself.next
2020-06-04 14:44:52
166
原创 Python实现单链表及其方法
题目输入一个链表的头节点，从尾到头反过来返回每个节点的值（用数组返回）。示例 1：输入：head = [1,3,2]输出：[2,3,1]思考法一：使用递归法二：使用辅助栈法。遍历链表，使用Python的append逐个保存，然后使用list的reverse（）方法（注意a.reverse()没有返回值）实现#Definition for singly-linked list.class ListNode:def init(self, x):self.val = xself.next
2020-06-04 09:30:22
137
原创 Python实现leetcode代码——1
题目输入一个链表，输出该链表中倒数第k个节点。为了符合大多数人的习惯，本题从1开始计数，即链表的尾节点是倒数第1个节点。#例如，一个链表有6个节点，从头节点开始，它们的值依次是1、2、3、4、5、6。这个链表的倒数第3个节点是值为4的节点思考第一时间想到的解法：先遍历统计链表长度，记为 nn ；设置一个指针走 (n-k)(n−k) 步，即可找到链表倒数第 k 个节点。使用双指针则可以不用统计链表长度。实现#Definition for singly-linked list.class L
2020-06-04 09:14:58
162
转载 目标检测模型评估指标
模型评估指标一：准确率、错误率准确率：分类正确的样本除以总样本数。错误率：与正确率相反，分类错误的样本除以总样本数。二：混淆矩阵三： 召回率、精确率召回率：精确率：四：P-R曲线、平均精度（AP）、F指标P-R曲线平均精度（AP）F指标（F-MeasureF-Measure）F1指标（F1-Measure）五：受试者工作特征曲线（Receiver Operating Characteristic，ROC）、AUC（Area Under Curve）、EER（Equal Error Rate）六：平均精度均值
2020-05-28 21:07:59
1503
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