- 博客(27)
- 收藏
- 关注
RSS订阅原创 LeetCode最热100题--206.翻转链表
在链表最前面，通常会有个头指针用来指向第一个结点。对于链表的最后一个结点，她的指针是个空指针。②指向下一个结点的指针。
2024-03-13 20:24:01
352
1
原创 LeetCode最热100题--88.合并有序数组
首先初始化了指向两个数组末尾的指针 p1 和 p2，以及指向合并后数组末尾的指针 p。然后从后向前比较两个数组的元素，并将较大的元素放入合并后的数组的末尾。最后，如果 nums2 中还有剩余的元素，将其复制到 nums1 的前面。
2024-03-11 15:07:59
340
原创 LeetCode最热100题--283.移动零
①在这个特定的情况下，++j和 j++ 的效果是一样的，因为我们只是在遍历数组，并不会使用j 的值。但是习惯上，使用前置递增操作符 ++j更加高效，因为它不需要保存 j 的值，而后置递增操作符j++ 需要保存 j 的值以便返回。②可以通过using namespace std;语句来省略std::的前缀，但在大型项目中通常不推荐这样做，因为这样可能会导致命名冲突或者不明确的命名。
2024-03-08 15:07:01
337
1
原创 LeetCode最热100题--两数之和
②push_back 是C++中用于在容器的末尾添加元素的函数，常用于向动态数组（如vector）或者动态链表（如list）中添加新的元素。③用于对序列中的元素进行排序。它可以对数组、向量（vector）、链表（list）等容器中的元素进行排序，也可以对普通数组进行排序。①vector 常被称作容器, 它提供了自动调整大小的功能，并且支持随机访问元素。
2024-03-07 21:34:24
429
原创 anaconda配置虚拟环境（一步安装所需库）
使用新的模型，为了避免新装的库与已经存在的库发生冲突，往往需要新建一个虚拟环境。但是配置虚拟环境一个一个添加库十分麻烦，那么有什么办法能快速下载所需库呢？若工程中有所需库的文本文档（），那么可使用如下方式快速配置。：在文本文档所在位置进行如下操作。
2023-08-16 15:45:39
378
1
原创 ResNet网络（TensorFlow）
遗憾的是，在解决梯度消失和梯度爆炸的问题后，层数大的网络效果仍然没有层数小的好。下图中，左侧为层数较小的网络使用的残差结构，如18层、34层的网络，右侧为层数较大的网络使用的残差结构，如50层、101层、152层的网络。这是shortcut的输出也需要做出相应的变化，加入如下图虚线部分所示的结构使主分支与shortcut的输出特征矩阵shape相同。下图中的网络是由简单的卷积层和池化层堆叠而成，奇怪的是56层这个更深层数的网络无论是训练集还是测试集的错误率都要高于26层的网络。ResNet18举例。
2023-08-16 15:26:24
168
1
原创 机器学习笔记——卷积
下图以向量为例，卷积核像一个滑动窗口向右移动，设输入大小为k,卷积核大小为m，则输出大小为k+m-1。卷积在信号处理中，用于计算信号和延迟累积。卷积类型可按输出长度的不同分成三类。
2023-07-27 15:27:26
89
1
原创 机器学习笔记——反向传播算法
反向传播算法是根据前馈网络的特点而设计的高效方法，利用反向传播算法可以高效的计算损失函数关于各参数的梯度。使用矩阵和向量来表示因变量每个成分关于自变量每个成分的偏导数，下图中的表达式采用分母布局。上述内容为本人观看邱锡彭教授《神经网络与深度习》所做的笔记，想要深入了解，请观看相关课程。
2023-07-27 10:58:14
38
1
原创 机器学习笔记——前馈神经网络
对于多分类问题，若使用Softmax回归分类器，相当于最后一层设置m个神经元，其输出经过Softmax函数进行归一化后可作为每个类别的条件概率。上述内容为本人观看邱锡彭教授《神经网络与深度习》所做的笔记，想要深入了解，请观看相关课程。下图中，超参数需要自己定义，参数由学习得到，活性值是不断变化的。可以以任意精度来近似任何一个在实数空间中的有界闭函数。3、整个网络中无反馈，信号从输入向输出层单向传播。1、各神经元分别属于不同的层，层内无连接。2、相邻两层之间的神经元全部两两连接。
2023-07-26 20:03:49
388
1
原创 机器学习笔记——激活函数
1、S型函数性质：饱和函数，Tanh函数是零中心化的，logistic函数的输出恒大于0。非零中心化的输出会使得最后一层的神经元的输入发生偏移，使梯度下降的收敛速度变慢。2、斜坡函数优点：计算上更加高效；生物学合理性：单侧抑制、宽边界兴奋；在一定程度上缓解了梯度消失问题缺点：死亡ReLU问题3、复合函数。
2023-07-26 19:21:53
145
1
原创 机器学习笔记——正则化解决过拟合问题
如过我们要解决上面模型三的过拟合问题，需要减少θ3和θ4的大小，我们要做的便是修改代价函数，在其中θ3和θ4 设置一点惩罚。如下图，蓝色曲线表示未经正则化得到的模型，粉色表示经过正则化参数适当时得到的模型，深红色表示正则化参数过大时得到的模型。第三个模型是一个四次方的模型，过于强调拟合原始数据，若给出一个新的值使之预测，它将表现的很差，是过拟合。我们对比模型1、2、3，可以得出结论：高次项是导致过拟合现象产生的原因，所以如果我们能让这些高次项的系数接近于0的话，我们就能很好的拟合了。
2023-07-26 16:00:46
136
1
原创 手写数字识别（利用TensorBoard监视训练过程）
①导入TensorBoard类②定义日志文件的保存路径③实例化TensorBoard对象，指定日志保存路径④模型编译后，将TensorBoard对象作为回调函数传入⑤启动TensorBoard,指明日志目录⑥在浏览器中打开TensorBoard的网址，既可以看到训练过程中指标的变化过程。
2023-07-24 20:26:13
115
原创 anaconda创建虚拟环境
创建虚拟环境可以让Python代码应用的不同开发环境相互独立，它可以防止系统中出现包管理混乱和版本的冲突。② 创建虚拟环境：conda create -n 虚拟环境名字 python=3.6。⑤ 删除虚拟环境：conda remove -n 虚拟环境的名字 --all。③ 进入虚拟环境：activate 虚拟环境的名字。① 查看虚拟环境：conda env list。④ 查看虚拟环境中已有的库：pip list。
2023-07-24 19:42:12
3782
原创 机器学习笔记（梯度下降）
沿着梯度的反方向走，值通常会变小，直至收敛到一个极值。下图式中搜索步长α也叫作学习率，是机器学习中的一个非常重要的超参数，需要自行选择其值。下图为学习率不同的三种情况，学习率太小会使训练速度非常慢，太大会跨越最低点，来回震荡，永远不收敛。推荐使用自适应学习率，初始取较大值，快接近极值点时取较小值，节约时间且不会错过极值点。：随机选取一小部分训练样本来计算梯度并更新参数，既可以兼顾随机下降法的优点，也可以提高训练效率。：每次迭代时只采集一个样本，当经过足够的迭代次数后，也可以收敛到局部最优解。
2023-07-21 11:54:26
37
1
原创 anaconda安转sklearn 0.0版本无法使用（No module named ‘sklearn‘）
打开anaconda prompt,进入出错的虚拟环境（activate 虚拟环境名称），输入以下命令即可解决。：已安装sklearn，使用时出错。
2023-07-19 11:00:48
210
原创 anaconda用清华镜像源下载PyTorch(CPU)
anaconda换清华镜像源的方法已在上篇博客提过，打开anaconda prompt，在自己所选的虚拟环境下依次输入如下命令（下面可以复制）：到PyTorch官网（https://pytorch.org），根据自己的要求选择并复制红圈中命令。：接着第一步继续，输入第二步中复制的指令。如下图，可以看到下载的速度非常快，一两分钟就能搞定！
2023-07-19 10:42:52
7413
1
原创 anaconda换清华镜像源（Windows）
用记事本打开上一步找到的文件，将里面的内容完全替换为如下内容即可。：在C:\Users\用户名 下输入如下图所示的命令。找到如下图蓝色标记的文件。
2023-07-19 10:29:39
4059
原创 Pycharm添加新的anaconda虚拟环境
若出现上图中的问题，Conda Executable 框处找到conda.exe文件即可解决。接下来添加所需的虚拟环境即可。进入如下界面，依次点击Python Interpreter------>Add local Interpreter。右击要删除的虚拟环境，点击Remove Interpreter即可。若想删除已添加的虚拟环境，点击下图中的Show all。首先进入点击Settings。
2023-07-18 17:45:00
202
1
原创 无人机激光雷达打不开怎么办
若仍不能正常显示，增加cartographer_2d.launch中 ’node_star_delay’ 的值，增加节点的延迟时间。：关闭程序，拔掉激光雷达和TFmini，先接入激光雷达，再接入TFmini，重新开启。：RVIZ能正常开启，终端出现“time out”错误，界面无障碍物显示。：终端界面报错开启速度过快。
2023-07-11 14:23:59
159
1
原创 Keras Conv2D函数的用法
model.add(Conv2D(64, kernel_size=(5, 5), strides=(2, 2), padding='same', activation='relu'))
2023-07-05 15:54:31
223
原创 机器学习笔记——卷积神经网络（CNN）
如下图所示，每次卷积结束后都需加上非线性变换，执行几次卷积后会得到一个比较大的特征图，这时我们进行一次池化，最后把处理过的特征图拉成一个特征向量（全连接），将该向量转化为5分类的概率值。卷积层得到非常多的特征，但不是所有的特征都是有用的，因此我们要对特征进行压缩，选择重要的特征保留下来，将不重要的丢弃。原因很简单，在卷积过程中，卷积核根据步长进行移动，内部的点在计算中的贡献更多，为了弥补边界特征的缺失，所以在外围增加一圈0来作为图像的边界值。①滑动窗口的步长，即卷积核每次移动的大小，步长越小。
2023-06-27 14:46:10
140
原创 逆散射成像--基于子空间优化算法（SOM）
电磁逆散射问题是指利用测量的散射场数据重构探测区域内散射体的电性能参数空间分布。由于逆散射问题内在的非线性和病态性，通常采用迭代优化方法求解该问题。
2023-06-21 16:31:49
897
20
原创 基于matlab的粒子群算法实现
粒子群算法基于“种群”和“进化”的概念，通过个体间的协作与竞争，实现复杂空间最优解得搜索。本文基于matlab利用粒子群算法计算函数的最值。
2022-10-13 16:23:15
729
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