- 博客(21)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 HUAWEI 机试题：充分发挥GPU算力 （Python解法）
https://blog.csdn.net/weixin_47243236/article/details/122775971#comments_21461297Python解法N = int(input())M = int(input())arr = sorted(list(map(int, input().split(' '))))res = 0tmp = 0for each in arr: res += 1 if each + tmp > N: t
2022-05-23 13:04:48
1083
原创 HUAWEI 机试题：参赛团队能力值 (Python解法)
https://blog.csdn.net/weixin_47243236/article/details/123056359?spm=1001.2014.3001.5502Python解法N = int(input())abi = sorted(list(map(int, input().split(' '))))t = int(input())flags = [-1 for _ in range(N)]res = 0for i, right in enumerate(abi[::-1])
2022-05-23 12:49:31
584
原创 HUAWEI 机试题：内存资源分配 （Python解法）
题目描述：有一个简易内存池，内存按照大小粒度分类，每个粒度有若干个可用内存资源，用户会进行一系列内存申请，需要按需分配内存池中的资源，返回申请结果成功失败列表。分配规则如下：分配的内存要大于等于内存申请量，存在满足需求的内存就必须分配，优先分配粒度小的，但内存不能拆分使用。需要按申请顺序分配，先申请的先分配。有可用内存分配则申请结果为true，没有可用内存分配则返回false。注：不考虑内存释放。输入描述:第一行为内存池资源列表，包含内存粒度数据信息，粒度数据间用逗号分割，一个粒度信息内部用
2022-05-23 11:30:13
1305
2
原创 HUAWEI 机试题：整数表达为连续自然数之和(Python解法)
题目描述：一个整数可以由连续的自然数之和来表示，给定一个整数，计算该整数有几种连续自然数之和的表达式，并打印出每一种表达式。输入描述：一个目标整数t 1<= t <=1000输出描述：该整数的所有表达式和表达式的个数，如果有多种表达式，自然数个数最少的表达式优先输出每个表达式中按自然数递增输出在每个测试数据结束时，输出一行"Result:X"，其中X是最终的表达式个数示例:输入:9输出:9=99=4+59=2+3+4Result:3输入：10输出：10=101
2022-05-22 23:44:40
1304
原创 Keras标准的模型训练、验证以及评估测试
from keras.models import Model, Sequentialfrom keras.layers import Input, Conv2D, GlobalAveragePooling2D, Dropout, Dense, Flatten, MaxPooling2Dfrom keras.layers import Activation, BatchNormalization, Add, Reshape, DepthwiseConv2Dfrom keras.callbacks imp
2021-12-07 13:46:07
1994
1
原创 【PaddlePaddle】基于动态图编程方式和自动混合精度训练方式（AMP）实现对Cifar10数据集的分类
Paddle的编程方式动态图编程方式是一种Python风格的编程方式，其特点是易于与数据交互，拥有该特点的框架最有名的是pytorch。此外，与此相对的，有静态图编程方式，启动一个会议session，然后在session中run optimizer,accuracy等等，然后编写对应的feed字典，这种方式的特点是易于部署，拥有该特点的框架最有名的是tensorflow。而paddle既可以用动态图方式编程，也可以用静态图方式编程，二者的模型也可以相互转化，本文使用的方式是动态图编程。自动混合精度训
2021-05-29 17:34:35
376
原创 关于深度学习中迁移学习（Transfer learning）技巧的一些个人理解
迁移学习简介迁移学习是深度学习中的一个技巧，是通过使用某种方式调用已经在某个数据集A上预训练过的模型并在新的数据集B上进行训练的学习方法，通常数据集A和数据集B具有相关性，比如猫狗分类和虎熊分类，由于进行过预训练，模型的特征提取模块对图像的某些细节已经具有一定的提取能力，所以再训练时，可以减少学习周期之类的超参数，降低计算资源并且兼顾了很好的效果。总的来说，迁移学习有三个方法：①完全冻结特征提取层（即学习率为零，参数不更新），只训练替换过的分类层（通常是全连接层）②特征提取层次和分类层都训练，但是各自
2021-02-03 23:47:35
1704
原创 使用python写一个数据清洗器
前言对于数据科学工作者来说，整理数据为样本分类是必不可少的工作，然而用传统的复制、粘贴来移动图片或者一张一张打开图片检查的方式效率太低，所以本人使用python（ui基于tkinter，文件io基于os和shutil，图像处理基于PIL和numpy）写了一个数据分类器，可以有效提高数据整理工作的效率。效果展示打开脚本时，会弹出文件夹选择框，此时需要选择样本集所在的文件夹正式的工作界面如下图所示，具有的功能有：①可以重新导入其他样本②可以显示图片，同时图片上方有当期图片索引和样本总数的提示③可
2020-12-25 19:24:42
306
1
原创 K-means的python实现
算法描述代码实现import numpy as npfrom matplotlib import pyplot as pltdef distance(x1,x2): x = (x1-x2)**2 return np.sum(x)inputs = np.random.random([1000,2])**(2)#输入样本k = 3#聚类簇数us = inputs[np.random.choice(np.arange(0,inputs.shape[0]),k,False)]#从
2020-11-27 11:39:04
114
原创 使用LSTM模型做股票预测【基于Tensorflow】
LSTM模型简介LSTM是循环神经网络的一种，它具有长短时记忆的能力，克服了传统RNN在输入序列较长时产生的遗忘问题（即梯度消失）。LSTM通过三个分别称为遗忘门、输入门和输出门的结构控制信息的输入输出。LSTM有两个状态h(隐藏状态)和c(细胞状态)，h控制短期记忆，c控制长期记忆。其结构示意图为：其各个门的数学表达为：其中小圆圈表示哈达玛乘积。最后，再总结一下各个门的客观意义：遗忘门：控制上个细胞状态有多少信息被保留输入门：控制当前的输入信息有多少被保留输出门：控制当前输出有多少信息
2020-11-26 21:36:50
6811
28
原创 【PYTHON】使用最小二乘法与梯度下降法求解多项式回归模型
多项式回归对于一个足够光滑的函数，由泰勒公式可知，我们可以用一个多项式对该函数进行逼近，而且随着多项式阶数的提高，拟合的效果会越来越好。多项式回归通常可写成下面的形式：其中u表示随机干扰项，α0~αk是待定参数。对于所有的线性回归模型（包括多项式回归），我们都可以用最小二乘法或者梯度下降法去求解，这两种算法各有利弊，其中：对于最小二乘法来说，它是利用线性代数里求解矩阵方程的方法得到参数向量，不需要多次迭代，也不需要调参，运算效率很高而且通常拟合效果很好，但缺点是系数矩阵并不总是可逆的，此时就需要
2020-11-25 22:53:01
3279
原创 用Python实现MergeSort
关于MergeSort的原理，推荐参考斯坦福的精品课程：MergeSort --by Tim Roughgarden废话不多说，直接上代码import numpy as npdef merge(sorted_a,sorted_b): output = [] i = 0 j = 0 for k in range(len(sorted_a)+len(sorted_b)): if i == len(sorted_a): output
2020-11-11 22:23:28
1162
原创 [曲线拟合]使用Tensorflow拟合COS函数
如果把神经网络比作电脑，那么层结构就好比硬件，而网络参数就好比软件；那么由一系列层结构和其内部的函数，构成了函数簇。所谓函数簇，就是一些列的函数，复杂的网络拥有复杂的函数簇，其能表达的信息也相应更多。在1989年，就有人证明过拥有至少一层隐藏层的神经网络可以逼近任何函数，所以，我们也可以将神经网络看成是一个函数逼近器。现用基于Tensorflow编写一个拟合COS函数的网络，实际上它可以逼近任何函数，不过需要细心的调参和一些适当的训练技巧，本文只是那COS函数举个例子。同时使用mpl库的animation
2020-10-04 23:59:26
772
原创 [pytorch入门]使用全连接神经网络实现MNIST手写数字识别
import torchfrom torch import nnfrom torch.utils.data import DataLoaderimport numpy as npfrom matplotlib import pyplot as pltfrom load_mnist import load_mnist#pytorch 中计计算交叉熵损失函数时，#输入的 label 不能是 one-hot 格式，因为函数内部会自己处理成 one hot 格式。#需要在label后面加上.lon
2020-10-04 14:48:34
441
原创 Linux常用的终端命令
修改目录和浏览文件系统用来浏览文件系统的主要命令是cd（change directory）。在cd命令后面，你必须规定你要切换到的目录。例： cd / (进入根目录)要想了解当前文件夹的位置，你可以借助命令pwd（print working directory）.命令ls（list）展示当前目录下的所有文件和目录。同时，你可以在ls命令后使用通配符*号缩小展示的内容范围，比如：ls p* （展示当前目录下所有p开头的文件和目录）复制文件或文件夹使用cp命令复制文件或目录比如： c
2020-09-08 17:59:36
284
原创 使用Python包wordcloud实现词云
下载需要的包（wordcloud是用来形成词云的包，jieba是分词工具，能够将文本分成一系列的词语，其他的都是辅助用的）pip install wordcloudpip install jiebapip install matplotlibpip install numpypip install pillow上代码，具体解释可看注释from wordcloud import WordCloud as WCfrom matplotlib import pyplot as pltimpor
2020-09-08 14:38:45
214
原创 使用Python仿真波的叠加
前言：1.波动知识波动是一种传递能量的方式，根据物理学的知识，波动具有独立性，叠加性和相干性。独立性是指当若干个波相遇于同一区域时，可以各自保持自己的特性（频率、振幅和振动方向等），按照原来的传播方向继续前进，彼此不受影响。叠加性是指在相遇区域内，介质质点的合位移是各波分别单独传播时在该点引起位移的矢量和。这种叠加性是以独立性为基础的线性叠加。叠加分为相干叠加和非相干叠加，这取决于各波的特性，以两个沿同一直线的且频率相同简谐波为例，其中：中括号括起来的便是干涉项，干涉的结果取决于各波的初始相位，只
2020-08-19 14:51:08
2232
原创 使用卷积神经网络（普通CNN和改进型LeNet）以及数据增强和迁移学习技巧识别猫和狗，并制作成分类器软件（基于Keras）
使用卷积神经网络识别猫和狗，并打包成分类器软件（基于Keras）数据集:https://www.microsoft.com/en-us/download/confirmation.aspx?id=54765猫和狗的图片各自有15000张。第一步整理数据集，查看各类别图片的分辨率，发现猫和狗图片的分辨率都毫无规律，且不少于10种。在这里插入代码片...
2020-08-03 21:24:15
1468
空空如也
关于链式队列的实现问题
2021-03-09
TA创建的收藏夹 TA关注的收藏夹
TA关注的人