- 博客(17)
- 收藏
- 关注
RSS订阅原创 python-yacs库的用法
原文：https://blog.csdn.net/wxtcstt/article/details/106851999YACS 是一个轻量级的用来管理系统配置参数的库,使用*.YAML格式的文件进行参数的存储使用方法：1. 创建一个yaml文件如config.yamlGPUS: (0,1,2,3)OUTPUT_DIR: 'output'CUDNN: ENABLED: trueMODEL: NAME: 'yolo' PRETRAINED: 'xx.pth' EXTRA: FINAL
2020-08-31 10:16:45
1704
1
原创 python之argparse --- 命令行选项、参数和子命令解析器
创建一个解析器使用 argparse 的第一步是创建一个 ArgumentParser 对象：parser = argparse.ArgumentParser(description='Process some integers.')添加参数给一个 ArgumentParser 添加程序参数信息是通过调用 add_argument() 方法完成的。通常，这些调用指定 ArgumentParser 如何获取命令行字符串并将其转换为对象。这些信息在 parse_args() 调用时被存储和使用.
2020-08-31 10:01:24
146
原创 Python之collections.deque 模块用法
collections 是 python 内建的一个集合模块，里面封装了许多集合类，其中队列相关的集合只有一个：deque。deque 是双边队列（double-ended queue），具有队列和栈的性质，在 list 的基础上增加了移动、旋转和增删等。常用方法：d = collections.deque([])d.append('a') # 在最右边添加一个元素，此时 d=deque('a')d.appendleft('b') # 在最左边添加一个元素，此时 d=deque(['b.
2020-08-31 08:34:22
176
原创 Leetcode 08/31 每日一题 （841. 钥匙和房间）
有 N 个房间，开始时你位于 0 号房间。每个房间有不同的号码：0，1，2，…，N-1，并且房间里可能有一些钥匙能使你进入下一个房间。在形式上，对于每个房间 i 都有一个钥匙列表 rooms[i]，每个钥匙 rooms[i][j] 由 [0,1，…，N-1] 中的一个整数表示，其中 N = rooms.length。 钥匙 rooms[i][j] = v 可以打开编号为 v 的房间。最初，除 0 号房间外的其余所有房间都被锁住。你可以自由地在房间之间来回走动。如果能进入每个房间返回 true，否则返
2020-08-31 06:50:40
109
原创 Leetcode 08/30 每日一题 （557. 反转字符串中的单词 III）
给定一个字符串，你需要反转字符串中每个单词的字符顺序，同时仍保留空格和单词的初始顺序。示例：输入：“Let’s take LeetCode contest”输出：“s’teL ekat edoCteeL tsetnoc”idea:(1) 按空格划分每个单词：s.split()(2) 使用切片反转单词：i = i[::-1]...
2020-08-30 07:39:51
88
原创 Transductive learning（传导性学习）和 Inductive learning（归纳性学习）的理解
先来看WIKIPEDIA的定义：Inlogic,statistical inference, andsupervised learning,transductionortransductive inferenceisreasoningfrom observed, specific (training) cases to specific (test) cases.In contrast,inductionis reasoning from observed training case...
2020-08-29 16:18:26
3961
原创 Leetcode 每日一提 08/29 （214. 最短回文串）
给定一个字符串s，你可以通过在字符串前面添加字符将其转换为回文串。找到并返回可以用这种方式转换的最短回文串。idea：双指针
2020-08-29 08:48:29
107
原创 Leetcode 每日一题 08/28 （657. 机器人能否返回原点）
在二维平面上，有一个机器人从原点 (0, 0) 开始。给出它的移动顺序，判断这个机器人在完成移动后是否在(0, 0) 处结束。移动顺序由字符串表示。字符 move[i] 表示其第 i 次移动。机器人的有效动作有R（右），L（左），U（上）和 D（下）。如果机器人在完成所有动作后返回原点，则返回 true。否则，返回 false。注意：机器人“面朝”的方向无关紧要。 “R” 将始终使机器人向右移动一次，“L” 将始终向左移动等。此外，假设每次移动机器人的移动幅度相同。...
2020-08-28 08:54:29
134
原创 Expectation Maximization 期望最大化算法/极大似然估计/Jensen不等式
期望最大画算法被称为机器学习十大算法之一，它主要从不完整的数据中计算最大似然估计。它是隐马尔可夫（HMM）等算法的基础，广泛应用于自然语言处理中。EM算法是一种迭代优化策略，每一次迭代都分为两步：期望步（E）和极大步（M）。EM算法都到缺失思想影响，最初是为了解决数据缺失情况下的参数估计问题。其基本思想为：首先根据已经给出的观测数据，估计模型参数的值；然后再通过此参数值估计缺失数据的值；再根据估计出的缺失数据加上已经给出的观测数据，重新估计模型参数的值；反复迭代，直至收敛。.
2020-08-24 20:12:47
338
原创 P 问题、NP 问题、NPC 问题、NP Hard 问题的通俗理解
P：算起来很快的问题；NP：算起来不一定快，但对于任何答案我们都可以快速的验证这个答案对不对；NP-hard：比所有的NP问题都难的问题；NP-complete：满足两点：1. 是NP hard的问题2. 是NP问题这里的“问题”一般形式化为判定问题，如：三班是否有同学刷知乎。P: 我能在多项式时间内判定三班是否有同学刷知乎。NP: 我能在多项式时间内判定你给定的某个人（如：王二）是否证明了这个问题（王二在三班且王二刷知乎）。也就是说，对于一个判定性问题，如果其能在多项式时间内得.
2020-08-24 09:44:54
242
原创 最小割最大流 Minimum Cut-Max Flow/图割 Graph Cut的理解
最小割（Minimum Cut）在图论中，图的最小割是划分两个不相交的子集时，所割掉的边为最小，如绿色的线：具体的例子：从s点到t点有三条路径：s --> a --> t;s --> a --> b --> t;s --> b --> t.现要求在保证所剪去边的权重最小的情况下，使得s --> t 的路径不存在。答案是剪去s --> a (2) 和 b --> t (3) 两条边，这种方法称为最小割。最大.
2020-08-23 06:04:59
774
原创 对于CNN如何改变通道数的理解
每个卷积核的通道数与输入特征图的通道数必须是相同的。例如，输入特征图的维度为32 x 32 x 3, 则卷积核的维度为5 x 5 x 3。每个卷积核（5 x 5 x 3) 在每个输入特征图的位置输出的结果为一个数字。卷积核的深度（数量）。例如，5 x 5 x 3 x 5。最后输出的特征图为 28 x 28 x 5。...
2020-08-18 20:48:41
4582
原创 谱图卷积（Spectral Graph Convolution)
谱图卷积（Spectral Graph Convolution）正定矩阵和半正定矩阵：【定义1】给定一个大小为的实对称矩阵A，若对于任意长度为 n 的非零向量x，有恒成立，则矩阵A是一个正定矩阵。【定义2】给定一个大小为的实对称矩阵A，若对于任意长度为 n 的非零向量x，有恒成立，则矩阵A是一个半正定矩阵。拉普拉斯矩阵的谱分解：拉普拉斯矩阵作为半正定矩阵，能够进行谱分解且对角元一定是非负数： ;同时，作为对称矩阵， -->Gra...
2020-08-18 12:11:20
4842
原创 图论（Graph）分割（Segmentation）之最小生成树（Minimal Spanning Tree, MST)
定义（from Wikipedia）：最小生成树包括了一个连接的有权重的无向图的所有节点和部分边，并且不能包括任何回路和其内所有边的和为最小值。一个图有一个最小生成树森林（Minimum Spanning Forest）。实例：电信公司安装电话线时，有的路很远，其成本很高，对应这边的值很大。一个生成树代表为包括了所有用户，但是没有回路的图。最小生成树可以使得成本最低。...
2020-08-07 10:26:58
726
原创 随机模拟/蒙特卡罗法/马尔可夫链/MCMC/Gibbs
随机模拟中有一个重要的问题就是给定一个概率分布p(x), 如何在计算机中生成其样本。常见的分布，如正态分布、指数分布、Gamma分布、t分布等都可以通过均匀分布Uniform(0, 1)变换得到，而均匀分布可通过线性同余发生器生成。例如，正态分布可由Box-Muller变化而来： 其中U1和U2相互独立且服从均匀分布，则Z0和Z1也相互独立且服从标准正态分布。但当概率分布p...
2020-08-03 10:58:18
701
原创 为什么VGG16的感受野（Receptive field）是212x212
感受野(Receptive field)的定义特征图上的每一个点对应的输入图片的区域感受野计算公式RF_i = (RF_i-1 - 1) x Stride_i + KS_i
2020-08-03 10:16:34
158
原创 概率图(probabilistic graphical model)/贝叶斯网络(Bayesian network)/马尔可夫模型(Markov Model)/条件随机场 等理解解释
1. 概率图模型结合概率论与图论知识，使用图（Graph）来表示与模型相关的变量的联合概率分布。其中节点表示相关变量，边用于描述随机变量的依赖或相关性。概率图模型分为贝叶斯网络（Bayesian Network） 和马尔可夫（Markov Network） 两大类。1.1 贝叶斯网络贝叶斯网络又称信念网络（Belief Network），或有向无环图模型 （directed acyclic graphical model）。其中节点表示随机变量X1, X2, …, Xn。他们既可以是可观察到的变
2020-08-02 13:26:51
757
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