- 博客(18)
- 收藏
- 关注
RSS订阅原创 Two Sum
Brute Force :class Solution {public: vector<int> twoSum(vector<int>& nums, int target) { int i,j; for(i=0;i<nums.size()-1;i++){ for(j=i+1;j<nums...
2019-07-24 12:46:30
230
原创 Linux下载谷歌云盘文件
代码来自：https://stackoverflow.com/a/50573452/9055194 （觉得好用可以去给作者点个赞）新建一个wgetdrive.sh文件#!/bin/bash# Get files from Google Drive# $1 = file ID# $2 = file nameURL="https://docs.google.com/uc?export...
2019-07-24 10:39:31
4380
原创 （PyQt5）垂直布局控件混乱，QMainWindow要背锅
自己写好的小字典程序想要更改绝对布局的方式，改成BoxLayout。但是屡屡不行，浪费了很多时间。 只能复制代码过来一个个试探哪里错，发现影响的不是代码，而是继承的类。在网上搜到的关于布局的代码都是QWdiget类，但是我所用的是QMainWindow。唉，心累。之后百度找了下QMainWindow的布局方式，在贴吧（http://tieba.baidu.com/p/2253908335...
2018-08-30 22:19:19
1292
1
原创 Pyinstaller闪退补救措施
用Pyinstaller封装一个py文件时，过程没有问题，但打开后会出现闪退的现象。因此上网找，找到了上面网址所示的解决方法。也就是用cmd打开exe文件。假如我要封装mani.py，Windows下进入文件所在地址，按住shift点击鼠标右键打开Powershell。之后出现Powershell的界面，我们打入pyinstaller -F -w main.py其中-F会让生成...
2018-08-30 09:43:19
11763
1
原创 制作简易词典（PyQt5+爬虫）
在查看剑桥词典网页版的时候，逼着自己看英英，但有时候看不懂还得打开英汉的页面。 然后，就自己查了点界面的知识，结合前面学的一点爬虫，捣鼓了一下。 放在这里~~~先说明，我也是新手。from PyQt5.QtWidgets import QApplication, QToolTip, QPushButton, QMessageBox, QDesktopWidget, \ QMai...
2018-08-25 00:12:30
1185
原创 爬虫（四）selenium添加购物车(cookies)
上一篇关于selenium的文章其实只是通过它来得到网页代码，然后用BeautifulSoup来进行信息的查找。这一次也不复杂，只是通过selenium自带的CSS选择器来选择按钮，然后点击选入购物车。这次模拟的是抢购的场景，也就是设定时间，然后自行选购。（emmm，好吧，就是按键精灵低级版，虽然我也没用过按键精灵）from selenium import webdriverfrom s...
2018-08-21 21:27:01
1440
原创 爬虫（三）lxml+requests（豆瓣Top250电影）
回家之后就不想学习了…这次用的是lxml库，因为听说比起BeautifulSoup它的速度更快，然后就想了解一下。（全部的代码在最下面）import库from lxml import etreeimport requestsimport json# from time import sleep这是要用到的库。requests请求html，lxml解析html文档，然后得到的数...
2018-08-19 20:57:03
631
原创 优化器（Optimizer）介绍
Gradient Descent（Batch Gradient Descent，BGD）梯度下降法是最原始，也是最基础的算法。它将所有的数据集都载入，计算它们所有的梯度，然后执行决策。（即沿着梯度相反的方向更新权重）优点是在凸函数能收敛到最小值。但显而易见的是，这方法计算量太大。假如我们的数据集很大的话，普通的GPU是完全执行不来的。还有一点，它逃不出鞍点，也容易收敛到局部最小值（也就...
2018-08-10 16:03:55
54641
原创 正则化（L1和L2范数）
说实话，这么后才来写正则化是听奇怪的。相信大家都知道损失函数，是用来描述我们模型与训练数据之间的差距（即是否能准确拟合训练数据）。但其实我们真正在实战用的是目标函数。目标函数的构造是：损失函数+正则化。 参考 https://blog.csdn.net/zouxy09/article/details/24971995 (大神） http://www.cnblogs.com/...
2018-08-09 21:53:11
2520
原创 Batch Normalization和Internal Covariate Shift
其实一开始接触深度学习我没有看公开课的，所以看到这个名词我觉得实在是太恐怖了，就没看了。 后面看了CS231n，然后自己又在知乎这些平台查了查，查了查，开始慢慢看懂了。 本文参考： https://www.zhihu.com/question/38102762?utm_campaign=webshare&amp;amp;utm_source=weibo&amp;amp;utm_medium=zhi...
2018-08-09 14:01:14
454
原创 As的完全倒装句
在韩刚的三级笔译的书里面看到这么一句：Its overall national strength has considerably increased, as has its international standing and influence.虽然知道这句话的意思，但没有接触过as的完全倒装句，也是查了一下资料才能确定自己的想法。解释可以看：http://ask.yygramma...
2018-08-09 12:07:17
6669
1
原创 激活函数（Sigmoid, tanh, Relu）
按照进程这章总结的是激活函数（Activation Function）。其实这节CS231n讲的就很细了，但是！！！我感觉困惑还是有的。我沿着它的步骤慢慢来讲。来自CS231nSigmoid的函数和导数为： σ(x)=11+e−xσ(x)′=σ(x)⋅(1−σ(x))σ(x)=11+e−xσ(x)′=σ(x)⋅(1−σ(x))\sigma(x) = \frac {1}{1 + ...
2018-08-06 14:20:06
37902
3
原创 爬虫（二）selenium爬二手房
我决定爬房价。因为原本的教程，后面也是爬58同城，我也就跟着爬了。不过这次，我是基本都改了。其实一开始很快就写好了，但是第二页开始就要输入验证码了。我查了下，说selenium可以规避这个问题，我就去安装了这个库。但是还有很多得需要提前安装。 （代码在最下面）chromedriver下载地址：http://chromedriver.storage.googleapis.com/inde...
2018-08-05 19:40:57
674
原创 爬虫（一）request和BeautifulSoup
先说明，我也是新手。我也是昨晚突然有兴趣才看的爬虫。我是在知乎找的教程。改动很少（有一句扑街了，我改了）。主要是想记录理解的东西。Show the Code:import requestsfrom bs4 import BeautifulSoupcomments = []r = requests.get('http://tieba.baidu.com/f?kw=%E5%8D%8E%...
2018-08-05 15:25:37
5514
2
原创 卷积层与池化层
构建了最简单的网络之后，是时候再加上卷积和池化了。这篇，虽然我还没开始构思，但我知道，一定是很长的文章。卷积神经网络（Convolutional Neural Layer, CNN)，除了全连接层以外（有时候也不含全连接层，因为出现了Global average pooling），还包含了卷积层和池化层。卷积层用来提取特征，而池化层可以减少参数数量。卷积层先谈一下卷积层的工作原理。...
2018-08-04 16:08:16
72588
16
原创 神经网络的传播（权重更新）
本文重在阐述神经网络里的前向传播和反向传播。上一篇文章构建了一个简单的网络，可以看出来它对于手写数字的识别率还是可以高达91%。但我们尚未对神经网络处理的过程做出太多解释。数据在网络中的传播有两种方式。一种是沿着输入到输出的路径，被称为前向传播。一种是从输出返回到输入，被成为反向传播(backprop)。train_step = tf.train.GradientDescentOpti...
2018-08-03 20:23:36
21988
3
原创 全连接层解决MNIST
Tensorflow一开始呢，让我们先了解一下tensorflow的运行方式。简单来说，我们使用步骤一共有三个：创建图，运行图，保存图。 Tensorflow的计算是在图(graph)里面计算的，因此我们必须按照自己的需求来设计一张图。当然图的意思不是代表图片，而是代表一种结构。当创建好图之后，我们导入数据（也叫喂数据）来运行这张图。运行的过程中我们需要调整自己的参数。假如结果符合我...
2018-08-03 19:38:27
8105
原创 损失函数(MSE和交叉熵）
[全连接层解决MNIST](http://t.cn/Red79Ea)：只是一层全连接层解决MNIST数据集[神经网络的传播](http://t.cn/Red76Gn)：讲解了权重更新的过程这个系列的文章都是为了总结我目前学习的积累。损失函数在我文章的网络中，我利用MSE（mean-square error，均方误差）作为损失函数，softmax作为激活函数。predicti...
2018-08-03 18:13:52
21174
2
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