- 博客(10)
- 收藏
- 关注
RSS订阅转载 3.查找
文章目录一.查找表考虑的基本数据结构算法应用LeetCode 349 Intersection Of Two Arrays 1题目描述分析实现LeetCode 350 Intersection Of Two Arrays 2题目描述分析实现LeetCode 242 Intersection Of Two Arrays 2题目描述分析实现LeetCode 202 Happy number题目描述分析实现tipsLeetCode 290 Word Pattern题目描述分析实现tipsLeetCode 205
2020-08-28 14:56:18
234
转载 Ai Studio零基础学习心得
内容提要：参见了百度AI Studio的零基础深度学习，让我之前对神经网络的理解加深了。哈哈哈，本来就是自学的，所以有很多盲点没有扫清。然后因为要百度要一个心得体会才能结业，所以处于期末考试的我还是出来写一篇水文。因为基础不好，这篇文章主要是给零基础的人看的。有错也请指出，原谅我这菜鸟。主要讲解方向为#mermaid-svg-CTXz0HioedTl6kJv .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--merma
2020-08-28 09:24:34
1198
1
转载 3.查找
文章目录一.查找表考虑的基本数据结构算法应用LeetCode 349 Intersection Of Two Arrays 1题目描述分析实现LeetCode 350 Intersection Of Two Arrays 2题目描述分析实现LeetCode 242 Intersection Of Two Arrays 2题目描述分析实现LeetCode 202 Happy number题目描述分析实现tipsLeetCode 290 Word Pattern题目描述分析实现tipsLeetCode 205
2020-08-25 17:02:51
224
转载 2.动态规划
动态规划动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。主要思想若要解一个给定问题，我们需要解其不同部分（即子问题），再根据子问题的解以得出原问题的解。动态规划往往用于优化递归问题，例如斐波那契数列，如果运用递归的方式来求解会重复计算很多相同的子问题，利用动态规划的思想可以减少计算量。动态规划法仅仅解决每个子问题一次，具有天然剪枝的功能，从而减少计算量，一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题解之时直接查表。动态规划
2020-08-23 21:21:02
128
转载 1.分治
分治引文MapReduce（分治算法的应用） 是 Google 大数据处理的三驾马车之一，另外两个是 GFS 和 Bigtable。它在倒排索引、PageRank 计算、网页分析等搜索引擎相关的技术中都有大量的应用。尽管开发一个 MapReduce 看起来很高深，感觉遥不可及。实际上，万变不离其宗，它的本质就是分治算法思想，分治算法。如何理解分治算法？为什么说 MapRedue 的本质就是分治算法呢？主要思想分治算法的主要思想是将原问题递归地分成若干个子问题，直到子问题满足边界条件，停止递归。将子
2020-08-19 21:07:04
101
转载 Datawhale 零基础入门CV - Task 05 模型集成
Datawhale 零基础入门CV赛事-Task5 模型集成在上一章我们学习了如何构建验证集，如何训练和验证。本章作为本次赛题学习的最后一章，将会讲解如何使用集成学习提高预测精度。5 模型集成本章讲解的知识点包括：集成学习方法、深度学习中的集成学习和结果后处理思路。5.1 学习目标学习集成学习方法以及交叉验证情况下的模型集成学会使用深度学习模型的集成学习5.2 集成学习方法在机器学习中的集成学习可以在一定程度上提高预测精度，常见的集成学习方法有Stacking、Bagging和Boost
2020-06-02 19:29:00
205
转载 Datawhale 零基础入门CV - Task 04 模型训练与验证 (1)
Datawhale 零基础入门CV赛事-Task4 模型训练与验证在学习完CNN模型之后，我们可以简单的搭建模型了。然后通过不断的训练模型，使模型可以达成我们的目标。1 模型训练与验证为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解，在部分小节中将会结合Pytorch代码进行讲解。2 构造验证集在训练模型的时候，我们需要通过其它正确的样本来评价模型的好坏。而我们最终测试模型好坏的样本成为测试集，而拿来比较的样本则称为验证机。验证集和测试集虽然都是拿来验证模型的好坏的。如
2020-05-30 21:08:58
171
转载 Datawhale 零基础入门CV - Task 03 字符识别模型
Datawhale 零基础入门CV赛事-Task3 字符识别模型在前面的章节，我们讲解了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型，基于对赛题理解本章将构建一个定长多字符分类模型。3 字符识别模型本章将会讲解卷积神经网络（Convolutional Neural Network, CNN）的常见层，并从头搭建一个字符识别模型。3.1 学习目标学习CNN基础和原理使用Pytorch框架构建CNN模型，并完成训练3.2 CNN介绍卷积神经网络（简称CNN）是一类特殊的人工神
2020-05-26 19:07:01
126
转载 Datawhale 零基础入门CV - Task 02 数据读取与数据扩增
Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增在上一章节，我们给大家讲解了赛题的内容和三种不同的解决方案。从本章开始我们将逐渐的学习使用【定长字符识别】思路来构建模型，逐步讲解赛题的解决方案和相应知识点。2 数据读取与数据扩增本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。2.1 学习目标学习Python和Pytorch中图像读取学会扩增方法和Pytorch读取赛题数据2.2 图像读取由于赛题数据是图像数据，赛题的任务是识别图像中的字
2020-05-24 13:11:27
164
转载 Datawhale 零基础入门CV - Task 01 赛题理解
Datawhale 零基础入门CV赛事-Task1 赛题理解本章内容将会对街景字符识别赛题进行赛题背景讲解，对赛题数据的读取进行说明，并给出集中解题思路。1 赛题理解赛题名称：零基础入门CV之街道字符识别赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。为了简化赛题难度，赛题数据采用公开数据集SVHN，因此大家可以选择很多相应的paper作为
2020-05-19 17:34:23
218
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