2021-09-30

最新推荐文章于 2022-11-22 17:55:17 发布
最新推荐文章于 2022-11-22 17:55:17 发布
阅读量97 收藏
点赞数
分类专栏： 笔记 文章标签： 算法 python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41807182/article/details/120566981
版权

位运算符


在这里插入图片描述
在这里插入图片描述

异或运算

概念：

异或是基于二进制基础上按位异或的结果 ，并将结果转换为二进制。

二进制位数相同为0，不同为1；

例：

a = 3, b = 5;则 a^b= 6

a =3
b = 5
print(a^b)
解释： a转换为二进制表达为：011；b转换为二进制表达为101；将“011” 与 “101” 间进行比较，可以得到 “110”，则将“110”由二进制转换为十进制可得6。

以上部分内容转自：https://www.runoob.com/python/python-operators.html#ysf5

充实而又快乐
关注
专栏目录
Python-Flask实战(2021-09-30-09-22-51).marginpkg
09-30
Python-Flask实战(2021-09-30-09-22-51).marginpkg
中小学数学学习相关书籍-2021-09-30(H)-169页.pdf
09-30
中小学数学学习相关书籍的知识点涵盖了从幼儿启蒙到高中数学、以及数学史等多个层面，以下是对标题和描述中提到的书籍的具体知识点展开： 首先，书中提到了一系列针对儿童的数学启蒙书籍，这些书籍的设计以趣味性和...
2021中国智能电动汽车竞争格局分析报告_2021-09-30-30页.pdf
11-04
2021中国智能电动汽车竞争格局分析报告_2021-09-30-30页.pdf
6-2021中国智能电动汽车竞争格局分析报告_2021-09-30-30页.pdf
11-04
6-2021中国智能电动汽车竞争格局分析报告_2021-09-30-30页.pdf
UM_HDL-MBR06.431 6端口交换机使用说明书(2021-09-30).pdf.lnk
12-14
UM_HDL-MBR06.431 6端口交换机使用说明书(2021-09-30).pdf.lnk
Self-supervised
weixin_41807182的博客
02-28 1486
本文针对自己阅读文献资料做的笔记： 目录： 1.为什么会有self-supervised？ 2.什么是self-supervised？  1.为什么会有self-supervised？         为了利用深度网络进行有监督学习时，我们需要大量有标签的数据。而现实生活中，有很多领域的有标签数据很少，而我们只能通过类似人工标注的方法获得相对应的大量标记数据，该过程是非常耗时耗力。相反，无标签的数据在当今信息时代是非
图像数据增强之Mixup
weixin_41807182的博客
09-19 718
Mixup，泛化，鲁棒性
supervised——＞self-supervised
weixin_41807182的博客
03-02 485
在CV中，以数据与神经网络为基础，我们通常以supervised的方式与unsupervised的方式来进行网络的训练，这些行为的目的都是为了想要使学到的网络能够具有较好的特征表示能力，以进行如分类、目标检测、语义分割等。这两种方式的主要异同在于数据是否有无label。 Supervised： 以简单的分类任务为例： 现有不同的猫的数据集：n张，标签均以1表示；不同的狗的数据集：n张，标签均以0表示； 以supervised的方式进行训练，将这些样例输入网络模型中，通过数据与标签构建损失，以进行梯度反传更新
Detect Faces Efficiently：A Survey and Evaluations学习笔记
weixin_41807182的博客
11-22 456
FaceDetector
将新环境配置到Jupyter Notebook中
weixin_41807182的博客
12-20 274
1.先激活一个已有环境 2.使用conda安装nb_conda 3.进入jupyter notebook中
2020-12-19 nn.CrossEntropyLoss()
weixin_41807182的博客
12-19 252
nn.CrossEntropyLoss()实例理解： N*K中的某一行所对应的单个损失： 1. (1) -x[0] + log(exp(x[0]), exp(x[1]), exp(x[2])) = 0.7715 + log(exp(-0.7715) + exp(-0.6205) + exp(-0.2562)) = 1.3447 (2) -x[0] + log(exp(x[0]), exp(x[1]), exp(x[2])) = 0.7715 + log(exp(-0.7715) + exp(-0.620
Anaconda中快速创建虚拟环境
weixin_41807182的博客
10-19 214
在环境已激活的情况下使用conda导出已有环境： conda env export>environment.yaml; 使用导出的yaml文件移到其他服务器上： conda env create -f environment.yaml。
天池阿里云python基础：Task1
weixin_41807182的博客
09-06 200
Task1：自认为比较难懂、重要的知识点 简介: Python 是一种通用编程语言，其在科学计算和机器学习领域具有广泛的应用。如果我们打算利用 Python 来执行机器学习，那么对 Python 有一些基本的了解就是至关重要的。本 Python 入门系列体验就是为这样的初学者精心准备的。 在此，感谢天池阿里云提供的课程。 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验；
天池阿里云Python基础：Task2
weixin_41807182的博客
09-09 177
天池阿里云Python基础：Task2 本章包含以下内容： 1.列表 ·列表的定义 ·列表的创建 ·向列表中添加元素 ·删除列表中的元素 ·获取列表中的元素 ·列表的常用操作符 ·列表的其他方法 2.元组 ·创建和访问一个元组 ·更新和删除一个元组 ·元组相关的操作符 ·内置方法 ·解压元组 3.字符串 ·字符串的定义 ·字符串的切片与拼接 ·字符串的常用内置方法 ·字符串格式化 4.字典 ·可变类型与不可变类型 ·字典的定义 ·创建和访问字典 ·字典的内置方法 5.集合 ·集合的创建 ·访问集合中的值 ·
12.21pytorch学习笔记
weixin_41807182的博客
12-21 176
1.Python中读取显示图像时： from PIL import Image img_path = ’ image_path ’ img = Image.open(img_path) img.size # 显示图像尺寸 img.show() 2.pytorch中学习使用tensorboard： from torch.utils.tensorboard import Summarywriter writer = Summarywriter(‘text_files_name’) for i in rang
阿里云天池python训练营
weixin_41807182的博客
09-06 165
天池阿里云
YOLO5Face
weixin_41807182的博客
09-20 165
YOLO5Face，代码，train
天池阿里云python基础 Task3
weixin_41807182的博客
09-12 128
天池阿里云python基础 Task3 Python基础进阶：从函数到高级魔法方法 day07：函数、Lambda表达式： 函数的定义： ·函数以def关键词开头，后接函数名和圆括号()。 ·函数执行的代码以冒号起始，并且缩进。 ·return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回None。 def functionname (parameters): "函数_文档字符串" function_suite retur
交叉熵损失函数
weixin_41807182的博客
09-22 120
交叉熵简介： 交叉熵是信息论中的一个重要概念，主要用于度量两个概率分布间的差异性。 **注： 1.信息量：信息量的大小与信息发生的概率成正比。概率越大，信息量越小。概率越小，信息量越大。 2.信息熵：信息熵也被称为熵，用来表示所有信息量的期望。 3.相对熵(KL散度) 如果对于同一个随机变量X 有两个单独的概率分布P(x)和Q ( x )，则我们可以使用KL散度来衡量这两个概率分布之间的差异。 KL散度越小，表示P(x)与Q(x)的分布更加接近。 ** 交叉熵 KL散度 = 交叉熵 - 信息熵 即交叉熵
id uid exam_id start_time submit_time score 1 1001 9001 2021-09-01 09:01:01 2021-09-01 09:51:01 78 2 1001 9002 2021-09-01 09:01:01 2021-09-01 09:31:00 81 3 1002 9002 2021-09-01 12:01:01 2021-09-01 12:31:01 81 4 1003 9001 2021-09-01 19:01:01 2021-09-01 19:59:01 86 5 1003 9002 2021-09-01 12:01:01 2021-09-01 12:31:51 89 6 1004 9002 2021-09-01 19:01:01 2021-09-01 19:30:01 85 7 1005 9001 2021-09-01 12:01:01 2021-09-01 12:31:02 85 8 1006 9001 2021-09-07 10:01:01 2021-09-07 10:21:01 84 9 1003 9001 2021-09-08 12:01:01 2021-09-08 12:11:01 40 10 1003 9002 2021-09-01 14:01:01 (NULL) (NULL) 11 1005 9001 2021-09-01 14:01:01 (NULL) (NULL) 12 1003 9003 2021-09-08 15:01:01 (NULL) (NULL) sql求时间差
最新发布
07-25
您可以使用 SQL 中的函数来计算时间差。假设您想要计算 start_time 和 submit_time 之间的时间差，可以使用以下语句： ```sql SELECT id, uid, exam_id, start_time, submit_time, score, EXTRACT(EPOCH FROM ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值