- 博客(9)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 复旦大学计算机2020年机试题题解
复旦大学计算机2020年机试题题解博主AC了前三道题，D题采用了建树的方法，所以有一半用例超时；E题没什么思路而且没什么时间了就没来得及做了。A ⽃⽜给定五个 0~9 范围内的整数 a1, a2, a3, a4, a5。如果能从五个整数中选出三个并且这三个整数的和为 10 的倍数（包括 0），那么这五个整数的权值即为剩下两个没被选出来的整数的和对 10 取余的结果，显然如果有多个三元组满⾜和是 10 的倍数，剩下两个数之和对 10 取余的结果都是相同的；如果 选不出这样三个整数，则这五个整数的权值
2020-06-03 17:33:57
2449
2
原创 复旦大学往年计算机机试题及题解（2015 ～2019）
复旦大学往年计算机机试题及题解（2015 ～2019）2019年1 相隔天数题目：输入日期格式：YYYYMMDD，求与20190205相隔的天数。样例：输入：20190208输出：3/*思路：把输入的日期和20190208都转换到20190101，天数分别记为count1，count2，然后再计算YYYY到2019之间相隔的天数count，最后相隔的天数就等于abs（count+count1-count2）（注意：count可能为负数）*/#include <iostream
2020-06-03 17:30:36
1744
5
原创 CS224N笔记 Lecture12 Subword Models
0 大纲A tiny bit of linguisticsPurely character-level modelsSubword-models: Byte Pair Encoding and friendsHybrid character and word level modelsFastText1 人类语言发音：语音（Phonetics）和语音学（Phonology）语音（Phonetics）是发音流–是一种毫无争议的"物理信息"。语音学由一小部分或几组独特的类别单元组成：音素
2020-06-30 18:51:54
201
原创 CS224N笔记 Lecture2: Word Vectors and Word Sences
0 大纲回顾词向量和word2vec优化基础基于统计的词向量Glove模型和词向量1 回顾词向量和word2vec关于word2vec的更多细节1 为什么每个词要对应两个词向量？虽然一个词对应一个词向量也能够实现，但每个词对应两个词向量的平均优化时间更短。2 两个模型Skip-grams（SG）给出中心词（center word）预测上下文的词（outside）Continuous Bag of Words（CBOW）从大量的上下文词汇中预测中心词。（朴素贝叶斯）
2020-06-27 21:46:34
207
原创 CS224N笔记 Lecture1: Introduction and Word Vectors
0 目录教学目标人类语言和词义（word meaning）Word2vec介绍Word2vec目标函数梯度优化方法1 教学目标了解有效的现代深度学习方法首先学习基础知识，然后学习一些NLP领域中重要的方法：RNN，以及attention机制等等对人类语言的全局把握以及理解和形成人类语言的一些困难理解并掌握怎样去构造一个系统（PyTorch）来解决NLP领域中的一些主要的问题：Word MeaningDependency ParsingMachine Transla
2020-06-24 16:42:34
210
原创 《Python编程：从入门到实践》学习笔记（一）
本次笔记包含四个章节：入门变量和简单数据类型列表简介列表的操作（以及元组）1 入门python主页：https://www.python.org/MAC从终端输入python即可进入python编程界面。从终端运行python程序：python helloworld.py第一个python程序：print("Hello World")查询python函数的用法：# 使用help()，例查询sum函数的用法help(sum)2 变量和简单数据类型2.1 变量的命名和使
2020-06-03 17:25:22
387
原创 街景字符编码识别项目学习笔记（五）
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、以及对5月31号安神的直播做了一些总结一、模型集成1 机器学习中的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Boosting，同时这些集成学习方法与具体验证集划分联系紧密。由于深度学习模型一般需要较长的训练周期，如果硬件设备不允许建议选取留出法，如果需要追求精度可以使用交叉验证的方法。下面假设构建了10折交叉验证，训练得到10个CN.
2020-06-02 18:47:15
508
2
原创 《深度学习框架：PyTorch入门与实践》学习笔记（二）
之前一个笔记中学习了PyTorch中的一些重要概念，如Tensor等，以及和神经网络的构建，接下来我们可以用所学到的知识来进行一个简单的实战。上一个笔记链接：https://blog.csdn.net/whatiscode/article/details/106473811小试牛刀：CIFAR-10分类下面我们来尝试实现对CIFAR-10数据集的分类，步骤如下:使用torchvision加载并预处理CIFAR-10数据集定义网络定义损失函数和优化器训练网络并更新网络参数测试网络1 .
2020-06-01 17:05:06
604
原创 《深度学习框架：PyTorch入门与实践》学习笔记（一）
PyTorch第一步1 TensorTensor是PyTorch中重要的数据结构，可认为是一个高维数组。它可以是一个数（标量）、一维数组（向量）、二维数组（矩阵）以及更高维的数组。Tensor和Numpy的ndarrays类似，但Tensor可以使用GPU进行加速。Tensor的使用和Numpy及Matlab的接口十分相似，下面通过几个例子来看看Tensor的基本使用。1.1 构建矩阵和加法运算注意：函数名后面带下划线_ 的函数会修改Tensor本身。from __future__ import
2020-06-01 15:48:38
1348
《Deep Learning》（花书）中文版PDF
2019-03-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人