算法与模型研究
文章平均质量分 87
本专栏对具体的算法、高效的模型等进行原理和应用层面的分析!
hash怪
热爱技术,尤爱探索
展开
-
重走Python之路:一文搞懂字典操作的方法
目录☆写在前面☆字典的概念和用途【1】字典的概念【2】字典的用途☆字典的操作☆字典的方法☆写在前面在前面,我们介绍了Python内置的数据结构,包括列表、字符串和元组。本文将介绍Python内置的数据结构的最后一种——字典。在介绍字典之前,需要先向大家介绍一下Json,它和字典具有极强的相似性。Json是一种数据格式,就像txt、mp4一样。Json里面主要可以包含三种语法结构:【1】Object(Key-Value)上面这种图我们称之为语法图,可以.原创 2021-09-14 21:06:24 · 367 阅读 · 0 评论 -
重走Python之路:一文搞懂字符串操作的方法
☆写在前面在前面几篇文章中,我介绍了Python的正则匹配模块re、Python的数据结构和列表知识,本篇我们继续研究Python的数据结构——字符串。python中的字符串是不可变的序列,除了元素赋值、切片赋值对其来说是非法的之外,索引、切片、乘法、成员资格检查、长度、最大值等都是适用于字符串的。以下,将主要介绍字符串的格式和字符串的操作。☆设置字符串的格式什么是设置字符串的格式?ok,这就是设置字符串的格式,也即是将值转换为字符串并设置其格式。上图中的%s我们通常将其称为转.原创 2021-09-08 16:36:52 · 234 阅读 · 0 评论 -
重走Python之路:一文搞懂列表(list)操作的方法
☆写在前面任何一个算法,都是由逻辑和数据结构组成的。现在流行与世的编程语言有很多,比如Java、Python、C、C++等等,使用不同的编程语言可以实现一个相同的算法,除了一般的编程语言本身的语法规则有差异之外,主要的差异就在于编程语言支持的数据结构,因为逻辑都是一样的。一个好的数据结构,将使得编程过程、算法运行效率都更加的巴适!!!Python语言是大家公认的最容易上手的语言,其背后的一个最重要的原因就是Python值支持的数据结构非常的灵活和完备,这篇文章要介绍的就是最为常用的一个序列数据结构原创 2021-09-06 12:29:50 · 632 阅读 · 0 评论 -
重走Python之路:一文搞懂基于re模块的正则表达式与匹配
有些人在碰到问题时,就想“我知道,我可以使用正则表达式”。现在,他就有了两个问题。 正则表达式为高级的文本模式匹配、抽取、与文本形式的搜索和替换功能提供了基础。简单地说,正则表达式(简称为 regex)是一些由字符和特殊符号组成的字符串,它们描述了模式的重复或者表述多个字符,于是正则表达式能按照某种模式匹配一系列有相似特征的字符串。换句话说,它们能够匹配多个字符串……一种只能匹配一个字符串的正则表达式模式是很乏味并且毫无作用的,不是吗?在Python中我们使用re模...原创 2021-08-21 17:54:38 · 562 阅读 · 1 评论 -
VGG-19 python代码 图片内容检测 预训练模型
目 录【1】简介【2】预训练模型下载【3】代码与结果【1】简介 本文针对VGG-19网络,完成图像内容检测,对ImageNet的1000种常见物体进行识别。基本的思路是先下载预训练模型,使用已有的参数模型进行训练。【2】预训练模型下载 下载预训练模型vgg19.npy,这是后一步放入项目的文件夹下【Link】。【3】代码与结果 链接 (提取码:x1o8 ) 注意可能会需要的问题:ValueError: Object arrays cannot be loaded when allow_原创 2021-02-09 18:46:32 · 1295 阅读 · 2 评论 -
梳排序(Comb Sort)原理与Java实现,一看就懂
梳(comb)排序基于冒泡排序。目前最为大家熟知的冒泡排序是相邻两个元素进行比较,核心思路就是调整相邻2个元素之间的位置,每进行一次内循环,就可以将最大值调整到最后 然而梳排序提出了不同的观点,每个梳都有自己的gap(间隙),或大或小。如果在冒泡排序中找到类似的说法,那就是gap = 1。梳排序有这样一个1.3的比率值。附有java代码实现!原创 2021-02-08 23:03:53 · 539 阅读 · 1 评论 -
重学CNN——基础知识(入门)与图像处理主要DL网络结构
目 录【1】简介与基本概念(1)二维卷积层(2)参数的学习 (3)特征图和感受野 (4)填充和步幅 (5)多输入通道和多输出通道 (6)池化 【2】典型的CNN网络(LeNet、AlexNet)(1)经典模型:LeNet (2)历史突破:AlexNet 【3】使用重复元素的网络(VGG)【1】简介与基本概念 卷积神经网络CNN,是近些年在CV领域取得进展的基石,甚至“任何令人欣喜的深度神经网络领域的成就都和CNN有关”。CNN现在不仅仅是在计算机视觉上大放异彩,在自然语言处理(比如text-CNN)、原创 2021-02-07 20:32:54 · 1434 阅读 · 2 评论 -
图像特征提取技术
基于颜色的特征提取:颜色空间;直方图以及特征提取;图像分块;颜色矩;基于纹理的特征提取:灰度共生矩阵;tamura纹理;基于深度神经网络的图像处理原创 2021-02-03 09:23:39 · 5884 阅读 · 0 评论 -
实体识别NER——BiLSTM+CRF知识总结与代码(Pytorch)分析——细粒度实体的识别(基于CLUENER)
0-写在前面最近在做关于NER的相关问题,在使用了Hanlp、哈工大的LTP[Link]进行简单的NER之后,发现确实比较方便快捷,但是这类通用的工具只对通用领域的“人物、机构、地点”进行了识别,准确率不是特别的高。刚好课程需要,于是决定对常见的BiLSTM+CRF的算法模型进行学习,找到新的训练数据集,完成更宽领域的实体识别工作,比如书籍,职位等。当然本篇文章还包括对具体的代码实现与分析,如果你对原理并不感兴趣,请直接移步第三节。上图描述了BiLSTM-CRF的架构,底层的BiLSTM和上层的C原创 2021-01-06 19:42:21 · 5179 阅读 · 6 评论 -
CV中深度神经网络发展历程(VGG、ResNet、Inception、Xception等)
一、AlexNet与VGG在课程中,我们学习了CNN最简单的结构:卷积层、池化层、激活层、还有最后的全连接分类层。AlexNet(2012)和VGG(Visual Geometry Group,2015)等都是遵循了传统CNN的层层堆砌的结构,其中VGG的改进是使用连续的几个3x3的卷积核代替AlexNet中的较大卷积核(11x11,7x7,5x5等),这样可以带来更深的非线性网络结构,便于学习更加复杂的模式,同时参数之和较之大卷积核的参数更少,比如2个33的卷积核可以代替1个55的卷积核:可以总结出原创 2021-01-04 08:13:50 · 2014 阅读 · 2 评论 -
scrapy爬虫框架和相关解释
一、概述scrapy是一个用于爬取网站和提取结构化数据的应用程序框架,它的结构清晰,效果稳定,通用性强,且能够较容易的连接数据库等附加组块。可以说是很好的爬虫开发工具。二、安装最好用的命令:pip install scrapy但是,很大概率下,scrapy库的安装不会一帆风顺。你的环境不是缺这就是少那,如果你安装成功就当我没说:这些关键的python包,如果pip 不上,那就直接下载...原创 2019-05-25 17:07:59 · 171 阅读 · 0 评论 -
神经网络优化算法看这一篇就够了,详解!!!(梯度下降、牛顿法、LMS)
https://blog.csdn.net/qq_32611933/article/details/52008538?depth_1-转载 2020-07-09 11:23:28 · 1058 阅读 · 1 评论 -
Bert应用于文本多分类(原生分类模型+传统分类模型对比 【干货】)
Bert在文本多分类任务中的使用(干货)一、从无到有第一步二、搭配起来作比较三、言归正传扯代码1.[Bert-util详解](https://gitee.com/zengyy8/bert-utils)2.下游的传统分类手段3.Bert原生的分类器写在前面: 自2018年来,Bert在多个NLP领域都取得了颠覆性的成绩,诸如词性标注、问答系统等等。它本身采用的依然是Transform的机制,但是对于文本它是双向编码表示,,也就是Bert的全称:Bidirectional Encoder Representa原创 2020-05-09 20:27:47 · 4973 阅读 · 3 评论