自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(24)
  • 收藏
  • 关注

原创 编译原理第五章——自下而上分析——LR(1)超详细分析!

编译原理第五章——自下而上分析——LR(1)超详细分析!

2024-04-02 11:07:25 733

原创 LR(0)和SLR详细分析(内含FOLLOW优化构造方法)

LR(0)和SLR详细分析(内含FOLLOW优化构造方法)

2024-04-02 11:01:37 725

原创 编译原理第五章——自下而上分析——算符优先分析(超全)

算符优先分析、概念辨析-算符文法、算符优先文法、概念辨析-算符优先分析法、直观算符优先分析法、概念辨析-算符文法、算符优先文法、利用优先关系表用直观算符优先分析法分析算数表达式**不考可以跳过**、构造FIRSTVT(P)和LASTVT(P)两个集合**必考!!**、利用FIRSTVT(P)和LASTVT(P)两个集合构造优先关系表**必考!!素短语,优先函数

2024-03-30 21:27:32 1111

原创 编译原理第五章——自下而上分析——概述

编译原理第五章——自下而上分析,移进-规约示例,规范规约,规范规约的两个问题,

2024-03-30 21:18:35 688

原创 [ORB_SLAM3]运行

运行ORB_SLAM3

2024-03-29 20:41:10 789 1

原创 [ORB_SLAM2]运行

ORB_SLAM2的运行,有一些奇怪的错误,分享一下我的思路

2024-03-29 17:47:13 819 1

原创 Pycharm运行Linux服务器步骤和服务器启动visdom

rec_A:表示将B域的图像(例如斑马)通过生成器G_A转换为A域的图像(例如马),然后尝试使用生成器G_B将这个转换后的图像重构回B域。idt_A:表示将B域的图像(例如斑马)直接通过生成器G_A转换为A域的图像(例如马),但不进行任何风格转换,即保持图像的身份不变。然后会弹出一个链接,显示可以链接本地的8097端口,但是现在你是链接不上的,因为你点击后在本地打开服务器的8097端口,所以。意思是,把远程的8097端口定到了本地的8097端口,这样一来可以通过本地端口来访问服务器的visdom。

2024-03-19 16:53:08 461

原创 第一次项目的学习与思考

wushu文件夹可以算是更高一级的文件夹,urls中有三个路径,admin路径就是登录界面,应该是django项目自带的,其中直接有函数导向登录界面,当访问这个网址就展现出来登录界面。wushu的urls还有两个路径,分别对应这个项目的其他两个主要文件夹的名称。5.前端代码:其实就是人机交互界面,例如当我点击某一个按钮的时候,就触发了一个函数,(1)/ 当前工作目录所在的最顶级目录,即根目录,根目录是相对于其他子目录来说的。1.diange项目:因为项目是在虚拟环境DL下的,所以不能直接在cmd中。

2024-03-19 16:42:49 192 1

原创 LSTM提高精度实践-股票预测分析

这篇文章记录的是提高LSTM精度的实践和记录衡量标准:MSE。

2023-10-21 20:23:03 384 3

原创 2023“SEED”第四届江苏大数据开发与应用大赛--新能源赛道学习与思考(1)

在电动汽车充电站运营管理中,准确预测充电站的电量需求对于提高充电站运营服务水平和优化区域电网供给能力非常关键。本次赛题旨在建立站点充电量预测模型,根据充电站的相关信息和历史电量数据,准确预测未来某段时间内充电站的充电量需求。在赛题数据中,我们提供了电动汽车充电站的场站编号、位置信息、历史电量等基本信息。我们鼓励参赛选手在已有数据的基础上补充或构造额外的特征,以获得更好的预测性能。

2023-10-18 21:25:46 304

原创 10_Advanced CNN_ResNet

利用残差结构块的网络1、要解决的问题:梯度消失2、跳连接,H(x) = F(x) + x,张量维度必须一样,加完后再激活。不要做pooling,张量的维度会发生变化。

2023-10-15 12:56:06 64

原创 10_Advanced CNN_GoogLeNet

卷积神经网络中,有很多超参数很难选(kernel_size等),那么我们就多用几种卷积,然后把结果摞在一起,将来的输出必定是效果好的卷积权重更大,那么结果也就会更好。在这几条路中自动找到最优。目标:我们这里设计一种类GoogLeNet网络,主要实践inception。四条路径下,必须保证图像的长度和高度一致。inception设计理念。1*1的卷积有什么用?改变通道数,减少计算量。

2023-10-15 12:50:53 67

原创 9_Basic CNN

ReLU层运用了ReLU函数,它是一种简单的非线性函数,用于将负值映射到零,而保持正数值不变。ReLU函数的优点包括使训练快速收敛,解决了梯度弥散问题,以及通过稀疏性提高了网络的性能。在克服ReLU函数的缺点方面,一种改进是Leaky ReLU函数,它在输入x小于0时设定了一个较小的梯度值,而非0,以避免完全抑制负数梯度。而ReLU层对输入内容的所有值都应用了函数f(x) = max(0, x),因此,所有的负激活值都会被置为零,从而避免了梯度消失的问题。此外,ReLU层还有助于减轻梯度消失的问题。

2023-10-15 12:43:46 27

原创 8_Softmax Classifier

Python在读取图像时,会读取[0,255],但是神经网络对[0,1]分布训练效果最好,所以我们要把他转化成[0,1]的tensor。神经网络最后一步不用做激活,而PyTorch已经提供了一个包含softmax和计算loss的CrossEntropyLoss。loss = np.exp(z)/np.exp(z).sum() 这是对应的损失函数。这是softmax那层的函数,保证每一个输出都是正数,并且和为1。与之对应的限制,必须保证y是一个longTensor。

2023-10-15 12:38:10 28

原创 7_Dataset and DataLoader

用mini-batch平衡训练速度和训练结果的一个需求。DataLoader 拿出一个mini-batch。Dataset 是为了构造数据集。

2023-10-15 12:23:39 31

原创 6_Multiple Dimension Input

计算图构建成矩阵相乘就行。

2023-10-15 12:18:35 27

原创 5_Logistic Regression

pytorch提供了很多数据集,下面代码是个demo注意自己电脑的路径!!

2023-10-15 12:11:42 29

原创 4_Linear Regression with PyTorch

好的我们已经可以基于pytorch构建简单模型了,以后一直是这四步,务必牢记于心。# 补充知识1 *args和**kwargs。# 魔法函数__call__

2023-10-15 11:56:46 42

原创 3_Back Propagation

介绍了反向传播的相关知识,代码中有很多注释。

2023-10-15 11:44:51 31

原创 2_Gradient Descent

用了随机梯度下降算法,用了很简单的数据集,是一个基础。

2023-10-15 11:42:32 25

原创 1_linear model 普通的线性模型

不是一个正式的任务,仅仅是实现一下线性模型,为之后的学习打下基础。

2023-10-15 11:37:39 33

原创 c语言switch小结

从这个例子看出,当不加break的时候,switch可以做到if无法做到的,即连续执行,并且可以判断开始的位置;简单来说,你只能看“被判断的值”是否“==”case后面那些常量,而不能进行大于小于的比较。switch后表达式是判断依据,如果表达式的值等于case后常量表达式的值,则执行后面的代码块直到遇到break或者全部执行。default的作用就是当表达式的值和常量值全部对比过之后,如果没有匹配的就会输出default后的语句。(2)case后,可以有多个语句,可以不用{}括起来。

2023-03-27 19:48:26 283 2

原创 c语言-选择循环+数组小结

if (x >= 0 && x <= 15)//参数在0-15的范围颜色//只有一个参数,改变字体颜色else//默认的颜色白色int main()color(3);printf("屶泷");return 0;记得引入头文件 W要大写。

2023-03-27 18:44:57 333 4

原创 c语言如何输入带\n和空格的字符串

当运行这个程序时,向缓冲区输入真正的内容是“year\02019\n”(回车即\n),第一个scanf读取了“\n”前的所有内容,然后保存到a中,第二个scanf也会选择读取了“\n”前的所有内容(啥也没有),第三个scanf也会选择读取了“\n”前的所有内容(啥也没有)。scanf遇到\0就会读取前面的内容,于是a[0]还正常的读入,scanf发现接下来一个是\0,就不干了,读取结束,循环结束,a[1]--a[99]全是\0。如果你输入“s\0s\n”,那么数组中分别为s,\0,s,\0.第四个是。

2023-03-24 15:37:58 3530 7

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

提示
确定要删除当前文章?
取消 删除