- 博客(12)
- 收藏
- 关注
RSS订阅原创 析构函数为什么是虚函数解析
将析构函数声明为虚函数是一种良好的面向对象设计实践，尤其是在使用多态和继承时。这样做可以保证对象在被删除时，无论它的实际类型是什么，都会执行正确的析构过程，从而避免资源泄漏和其他相关问题。
2023-11-26 22:17:43
70
1
原创 代码随想录day 7刷题 哈希表 977 209 59
给定四个包含整数的数组列表 A , B , C , D ,计算元组 (i, j, k, l) ，使得 A[i] + B[j] + C[k] + D[l] = 0。为了使问题简单化，所有的 A, B, C, D 具有相同的长度 N，且 0 ≤ N ≤ 500。所有整数的范围在 -2^28 到 2^28 - 1 之间，最终结果不会超过 2^31 - 1。输出:2的情况。在一个数组中，我们是需要考虑的。1.惯用思路是，利用四个for进行累加，但是这种方式在四个循环下特别费时。
2023-06-04 01:13:44
126
原创 代码随想录刷题打卡记录 day 6 |242|349|202|1
哈希表是由数组和哈希函数组成的数据结构。数组用于，而哈希函数用于将键到数组的索引。通过使用哈希函数，哈希表可以实现高效的数据插入、查找和删除操作。
2023-06-01 22:19:00
123
1
原创 代码随想录day 2刷题 数组 977 209 59
如何覆盖，从小到大覆盖还是从大到小覆盖？1.假设用从小到大覆盖，要找到最小值，就要正数最小，负数最大中去取，操作比较麻烦。2.假设用从大到小覆盖，要找到最大值只需从两端开始指针移动，数组也从后往前赋值。// solution 2 双指针public:i < size;i++) {j --;else {i ++;
2023-05-28 22:51:00
139
原创 2、torch.nn.Flatten()的参数实例
2、torch.nn.Flatten()的参数实例# 默认参数import torcha = torch.randn(8,3,64,64)F = torch.nn.Flatten()a1 = F(a)a的大小：torch.Size([8, 3, 64, 64])a1的大小：torch.Size([8, 12288])默认将第0维保留下来，其余拍成一维# 一个参数import torcha = torch.randn(8,3,64,64)F = torch.nn.Flatt
2022-03-18 12:24:27
2686
原创 Softmax分类以及交叉熵详解
Softmax分类以及交叉熵详解Softmax分类写这篇文章的目的是记录下实现分类时所遇到的问题在李沐的动手学深度学习中有这样的代码y = torch.tensor([0, 2])y_hat = torch.tensor([[0.1, 0.3, 0.6], [0.3, 0.2, 0.5]])y_hat[[0, 1], y]即使有如下解释：我们[创建一个数据样本y_hat，其中包含2个样本在3个类别的预测概率， 以及它们对应的标签y。] 有了y，我们知道在第一个样本中，第一类是正确的预测； 而
2022-03-14 16:04:19
4061
3
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