DaringTang的博客

原创 Andrew NG深度学习课程第二周logistic回归模型编程大作业

参考资料：大佬的博客import numpy as npimport matplotlib.pyplot as pltimport h5pyfrom lr_utils import load_datasetdef sigmoid(z): """ :param z: 任何大小的标量或者np数组 :return:sigmoid(z) """ return 1.0/(1.0+np.exp(-z))def initialize(dim): """

原创 SVM简单理解

原创 2021年最新解决办法之AttributeError: ‘module‘ object has no attribute ‘xfeatures2d‘

参考大型基佬交友网站：https://stackoverflow.com/questions/37039224/attributeerror-module-object-has-no-attribute-xfeatures2d-python-opencv-2解决办法分为两个部分：1.重装cv2（可能其他版本也能用，但是我没有验证过）pip install opencv-python==4.5.1.48pip install opencv-contrib-python==4.5.1.482.修改

原创 sift配准

sift得到有黑边的配准图片：链接：还未找到去除黑边算法：链接：https://blog.csdn.net/CuGBabyBeaR/article/details/36213255这两个链接中的代码结合起来就可以实现两张图片的配准，但是黑边去除算法还存在一些bug，不是完备的算法...

原创 vivo2020校招编程--寻找位数之积等于n的最小数m

**题目描述：**现给定任意正整数 n，请寻找并输出最小的正整数 m（m>9），使得 m 的各位（个位、十位、百位 … …）之乘积等于n，若不存在则输出 -1。输入例子：10036输出例子：45548实现代码：\# 输入一个整形数值，返回一个整形值\# @param n int整型 n>9\# @return int整型class Solution: def solution(self , n ): temp = n nums =

原创 ResNet和ResNext--网络架构、设计思路、主要差异

1.ResNet网络2.ResNext网络

原创 使用K-means算法对anchors进行聚类--原理与实操

1.为何需要K-means在基于anchors的目标检测算法中，anchors一般都是通过人工进行设计的，例如SSD，Faster-RCNN，设计了3种大小、3种宽高比的anchors。但是通过人工选定anchors会有一个很明显的弊端，那就是不能够和好的适应不同的数据集，如何anchors和目标数据集种待检测的物体尺寸差异较大，则会对模型的检测效果产生很大影响。因此通过某种算法，基于数据集中待检测物体的尺寸计算出anchors的大小，明显更加的合理。2.K-means算法的原理标准的K-means是

原创 Dropout理解-原理，实现，优缺点

一，为何提出dropout？在机器学习或者深度学习中，经常出现的问题是，训练数据量小，模型复杂度高，这就使得模型在训练数据上的预测准确率高，但是在测试数据上的准确率低，这时就是出现了过拟合。为了缓解过拟合，可采用的方法有很多，其中一种就是集成，通过训练多个模型，采用“少数服从多数”的策略决定最终的输出，但同时这个方法有一个很明显的缺点–训练时间长。因此，dropout的提出主要基于以下两点：...

原创 CAE-Classify 利用cae进行特征提取后分类

1.概述参考论文：Surface defect classification of steels with a new semi-supervised learning method上述论文的基本思路是：1.构建一个cae模型，该模型的结构如下图所示。其最主要的特点在于在encoder层的最后输出处有一个passthrough ayer，该层通过将相邻的特征堆叠到不同的特征图通道中，pas...

原创 pytorch:在执行loss.backward()时out of memory报错

在自己编写SurfNet网络的过程中，出现了这个问题，查阅资料后，将得到的解决方法汇总如下可试用的方法：reduce batch size, all the way down to 1remove everything to CPU leaving only the network on the GPUremove validation code, and only executing ...

原创 百度AIstudio破解框架限制--如何在AIstudio中使用非飞浆框架

1.制作数据集数据集中加入anaconda3的安装包，pytorch1.2-3.7-cu92的tar.gz2, torchvision0.4.0的tar.gz2。2.安装新的anaconda3rm -rf /opt/condash data/anaconda3.sh 安装好3.使用新的anaconda3，cd 到anaconda的安装目录1. vim .bashrc2. 末尾加入...

原创 算法基础--梯度消失的原因

深度学习训练中梯度消失的原因有哪些？有哪些解决方法？

原创 美团2020算法工程师问答题--黑客入侵定位

题目描述：【黑客入侵点定位】集团内部有一核心机密项目，共由150个代码模块按顺序串行执行组成（示例：模块1->模块2->…模块N…->模块149->模块150)。偶然一天，某一个模块突然被黑客入侵（当前模块也称入侵点）。因为内部已经有预防措施，现存两款从不同角度设计的反入侵检测程序，但同时也有一定检测限制：1.输入：顺序代码段，必须以模块1开始（比如：模块1->模...

原创 算法基础：过拟合、欠拟合发生的原因以及解决办法

机器学习和深度学习中，模型都可能发生过拟合和欠拟合的问题，这些问题产生的原因需要根据具体的情况进行分析，但是简单来说，过拟合产生的原因在于使用了过于复杂的模型去拟合比较简单的数据，而欠拟合刚好相反，使用了简单的模型去拟合复杂的数据分布。作者对于这两个概念理解不深，本文总结也只是拾人牙慧，写作的目的也只是作为总结之用，将之前学过的知识留下痕迹。1.过拟合1.1 过拟合概念及产生原因分析在统计学...

原创 美团点评2020校招算法工程师编程题--工作安排--动态规划

题目描述：小美是团队的负责人，需要为团队制定工作的计划，以帮助团队产出最大的价值。每周团队都会有两项候选的任务，其中一项为简单任务，一项为复杂任务，两项任务都能在一周内完成。第i周，团队完成简单任务的价值为li，完成复杂任务的价值为hi。由于复杂任务本身的技术难度较高，团队如果在第i周选择执行复杂任务的话，需要在i-1周不做任何任务专心准备。如果团队在第i周选择执行简单任务的话，不需要提前做任...

原创 美团2020算法工程师编程题--字符串排序

题目描述：生活中经常有需要将多个字符串进行排序的需要，比如将美团点评的部分业务名称（外卖、打车、旅游、丽人、美食、结婚、旅游景点、教培、门票、酒店），用拼音表示之后按字母逆序排序。字母逆序指从z到a排序，比如对两个字符串排序时，先比较第一个字母按字母逆序排z在a的前面，当第一个字母一样时再比较第二个字母按字母逆序排，以此类推。特殊情况1)空字符串需排在最前面；2)若一个短字符串是另一个长字符串的...

原创 美团2020算法工程师编程题--外卖小哥的保温箱

题目描述：众所周知，美团外卖的口号是:”美团外卖,送啥都快”。身着黄色工作服的骑手作为外卖业务中商家和客户的重要纽带，在工作中，以快速送餐突出业务能力；工作之余，他们会通过玩智力游戏消遣闲暇时光，以反应速度彰显智慧，每位骑手拿出装有货物的保温箱，参赛选手需在最短的时间内用最少的保温箱将货物装好。我们把问题简单描述一下:1 每个货物占用空间都一模一样2 外卖小哥保温箱的最大容量是不一样的,每...

原创 美团2016年编程题：直方图最大矩形面积

题目说明：有一个直方图，用一个整数数组表示，其中每列的宽度为1，求所给直方图包含的最大矩形面积。比如，对于直方图[2,7,9,4],它所包含的最大矩形的面积为14(即[7,9]包涵的7x2的矩形)。给定一个直方图A及它的总宽度n，请返回最大矩形面积。保证直方图宽度小于等于500。保证结果在int范围内。测试样例：输入：[2,7,9,4,1],5输出：14题目分析：方法一：简单分析，...

原创 美团2016年编程题：拜访--动态规划

题目说明：现在有一个城市销售经理，需要从公司出发，去拜访市内的商家，已知他的位置以及商家的位置，但是由于城市道路交通的原因，他只能在左右中选择一个方向，在上下中选择一个方向，现在问他有多少种方案到达商家地址。给定一个地图map及它的长宽n和m，其中1代表经理位置，2代表商家位置，-1代表不能经过的地区，0代表可以经过的地区，请返回方案数，保证一定存在合法路径。保证矩阵的长宽都小于等于10。测...

原创 求字典序在s1和s2之间的，长度在len1到len2的字符串的个数，结果mod 1000007。

题目：求字典序在s1和s2之间的，长度在len1到len2的字符串的个数，结果mod 1000007。输入描述：每组数据包涵s1（长度小于100），s2（长度小于100），len1（小于100000），len2（大于len1，小于100000）示例：输入：ab ce 1 2输出：56解析：首先要理解什么是字典序，字典序即是从下表为0的字符开始，从左往右进行比较。比如ab和ce之间，...

原创 latex中设置表格的整体宽度的两种方法

方法一：通过设置每个单元格的宽度代码：\setlength{\tabcolsep}{1.5mm}{xxxx}使用范例：\begin{table*}\centering\caption{采用F-FPN的模型在不同模板上的泛化性分析}\vskip2mm {\smallTable 7 \quad Generalization Analysis of Models Using F-FPN...

原创 Faster R-CNN中的公式记录

Faster R-CNN中的公式记录1.最简单的特征图尺寸变换公式Hout=Hin−hkernel+2∗paddingstride+1H_{out}= \frac{H_{in}-h_{kernel}+2*padding}{stride}+1Hout​=strideHin​−hkernel​+2∗padding​+12.Bounding box 回归原理​ ...

原创 NMS和Soft_NMS

NMS：假设有一张图片，输入到RPN中，RPN会输出bbox集合D，这些bbox的置信度各不相同，当然位置也各有差异，但是，总是会存在一些bbox它们的位置会有重叠，这会是得：如果直接使用RPN的输出，那么很多bbox是多余的。此时，NMS的做法是，先取出集合D中置信度最大的bbox bmax0，将其放到集合R中，同时将D中的bmax0删除，接着寻找D中与集合R中的bbox的IOU大于设定阈...

原创 SMOTE_RSB:基于粗糙集理论的SMOTE过采样方法

SMOTE_RSB:基于粗糙集理论的SMOTE过采样方法算法主体：SMOTE_RSB算法是SMOTE算法的一种扩展算法，该算法主要分为两个阶段：1.使用SMOTE算法生成一些少数类样本2.基于粗糙集理论对生成的少数类样本进行清理算法的主要步骤：基于粗糙集理论的SMOTE算法以相似度作为判别依据，可细分为以下五步：使用SMOTE算法对原数据集进行过采样，得到合成样本Synthet...

原创 OSError: [Errno 22] Invalid argument: 'D:\\Python\\Works\x0benvtf\\picture3.jpg'解决办法

在使用Python导入或者存储文件时，系统报这个错误。查了一下，发现是Python会将‘\’误认为是转义字符。要解决这个错误也很简单，这里有两个办法。一、直接在路径前面加上r，如：html = converter.convert(r'D:\Python\Works\venvtf\picture3.jpg')加上r之后，系统会禁止转义，也就不会出现路径和转义字符冲突的情况。二、将‘...

原创 三支决策算法（Three Decison Way）用于多分类任务的Matlab程序

function [ result ] = TDW_multiclass( TrainingData_File)%% This is a function expand TDW to multiclass% 该函数是基于one-vs-one方法的得到的处理多类问题的TDW分类器% trainX 训练样本的特征向量构成的n行m列矩阵，每一行是一个样本% trainY 训练样本的标签构成的n行...

转载 CSDN中Markdown编辑器使用

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...