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(39)
  • 收藏
  • 关注

原创 C++之makefile学习记录

makefile的规则target ... : prerequisites ... command ... ...target可以是一个object file(目标文件),也可以是一个执行文件,还可以是一个标签(label)。prerequisites生成该target所依赖的文件和/或targetcommand该target要执行的命令(任意的shell命令)windows下的一个示例run.exe : main.o g++ -o run main.omai

2021-05-09 17:52:43 7

原创 git操作命令大全

1、git环境搭建创建一个foldermkdir new_git_repo进入foldercd new_git_repogit init创建自己的文件touch new_file.txt加到暂存区git add new_file.txt提交git commit -m "add a new file"git status2、git的三个区域解剖+版本回退查看目录下文件ls添加3个文件touch file1.txt file2.txt file3.txt查看历史记录git log对比当

2021-03-30 21:32:25 13

转载 Epoch vs Batch Size vs Iterations

你肯定经历过这样的时刻,看着电脑屏幕抓着头,困惑着:「为什么我会在代码中使用这三个术语,它们有什么区别吗?」因为它们看起来实在太相似了。为了理解这些术语有什么不同,你需要了解一些关于机器学习的术语,比如梯度下降,以帮助你理解。这里简单总结梯度下降的含义...梯度下降这是一个在机器学习中用于寻找最佳结果(曲线的最小值)的迭代优化算法。梯度的含义是斜率或者斜坡的倾斜度。下降的含义是代价函数的下降。算法是迭代的,意思是需要多次使用算法获取结果,以得到最优化结果。梯度下降的迭代性质能使欠拟合的图示演化以获得对数据的

2020-11-16 16:36:38 16

原创 LKH2求解TSP

文章目录一:预备知识LK算法求解TSP二:介绍三:改进的LK算法(即LKH1)一:预备知识LK算法求解TSP二:介绍LK算法通常被考虑是一个有效的办法来对对称的TSP问题产生一个最优或近似最优解。然后,LK算法的执行并不简单。LK算法中有需要操作和步骤需要完成,且这些步骤在性能上都起到了很大的作用。LKH算法(改进的LK算法)和LK算法有很多细节上的不同,其中最明显的不同在于搜索策略的不同。LKH算法使用比LK算法更大更复杂的搜索步骤,并且使用sensitivity analysis来指导和限制搜

2020-11-15 11:22:10 455 1

转载 jupyternotebook怎么切换conda中的不同python虚拟环境

1:进入环境对深度学习而言,使用Anaconda配置环境,jupyter notebook快速编程实现idea已经是必备技能,但是对于anacodna中配置好的虚拟环境,初学者最先碰到的一个问题就是,jupyter notebook怎么切换成conda下配置好的环境?我们在cmd中切换环境易如反掌: conda activate env_name 但是jupyter notebook中切换成其他虚拟环境,还需要一定的配置。 首先激活需要切换的环境,这里我激活tf2环境 conda activat

2020-11-09 17:21:03 172 4

原创 vscode怎么切换anaconda中的不同python虚拟环境

1:打开vscode2:左下角进入命令面板3:输出python:select interpreter4:选择自己已经配置好的不同环境

2020-11-09 16:44:23 372

转载 敏感性分析

敏感性分析是投资项目的经济评价中常用的一种研究不确定性的方法。它在确定性分析的基础上,进一步分析不确定性因素对投资项目的最终经济效果指标的影响及影响程度。 类型 敏感性因素一般可选择主要参数(如销售收入、经营成本、生产能力、初始投资、寿命期、建设期、达产期等)进行分析。若某参数的小幅度变化能导致经济效果指标的较大变化,则称此参数为敏感性因素,反之则称其为非敏感性因素。 敏感性分析 敏感性分析是指从定量分析的角度研究有关因素发生某种变化对某一个或一组关...

2020-11-05 10:24:07 983

原创 LK算法求解TSP

文章目录一、TSP问题的概念二、LK算法算法提出背景variable λ-opt算法一、TSP问题的概念旅行商问题是需要取访问n个城市里面的每个城市一次且只能一次,从一个城市出发最后在回到这个出发的城市,我们的目的是要尽可能是减少旅行的距离。二、LK算法LK算法是一种启发式算法,通过一个给定的初始的解路径,通过一次次改进路径以获得更好的解路径,一个简单的例子是2-opt算法算法提出背景先引入λ-opt的概念从概念我们可以很清楚的了解到,如果一个解路径达到n-optimal,那么这个包含n个

2020-11-04 19:41:55 492

原创 用户变量和系统变量的区别

用户变量只对当前用户起作用系统变量对该电脑的所有用户起作用

2020-11-04 14:46:17 96

原创 windows如何配置环境变量

1:右键我的电脑打开属性2:点击高级系统设置3:点击环境变量4:双击Path在里面添加路径,这里可以选择添加到用户变量和系统变量,可自行选择,关于用户变量和系统变量的选择,请参考5:点击新建添加路径即可...

2020-11-04 14:42:24 106

原创 windows系统vscode配置C++环境

1:下载编译器vscode,官网链接如下vscode2:安装C++和汉化插件打开vscode后,如图所示,在扩展部分可搜索C++和chinese,分别安装C++和汉化插件3:配置编译器配置编译器首先需要下载一款编译器,推荐mingw然后将所下载的编译器路径配置到环境变量里。...

2020-11-04 14:37:30 132

原创 windows配置anaconda的环境变量

添加以上四个anaconda下的路径即可怎么添加环境变量可参考文章windows如何添加环境变量

2020-11-04 14:29:24 302

原创 windows怎么改变jupyterNotebook的默认路径

1:找到配置文件(即找到jupyter_notebook_config.py文件)方法1:windom+r,输入cmd,然后输入jupyter notebook --generate-config即可看到路径方法2:打开jupyterNotebook输入代码找路径import osprint(os.path.abspath('.'))2:找到jupyter_notebook_config.py后,需要在配置文件里面设置我们所需要的路径随便找个编辑器打开配置文件,将配置文件中的c.NoteBo

2020-11-04 14:20:08 93

转载 什么是并查集

转的一个超级有意思,好懂的并查集解释, 膜拜大神~~ 找了好久都没找到原帖大多都是转的 , 后来在某评论下看到原帖链接啦  点这里哦 故事读完,并查集就会了~~~~~ 江湖上散落着各式各样的大侠,有上千个之多。他们没有什么正当职业,整天背着剑在外面走来走去,碰到和自己不是一路人的,就免不了要打一架。但大侠们有一个优点就是讲义气,绝对不打自己的朋友。而且他们信奉“朋友的朋友就是我的朋友”,只要是能通过朋友关系串联起来的,不管拐了多少个弯,都认为是自己人...

2020-10-27 20:33:50 28

原创 vscode:批量修改变量名

1:光标左击选中某个变量,然后CTRL+Shift+L 选中所有的目标变量2:光标左击选中某个变量,然后CTRL+F2

2020-10-27 10:40:55 783

原创 回溯题目合集

leetcode:77.组合

2020-10-27 10:29:59 23

原创 77.组合(回溯法)

给定两个整数 n 和 k,返回 1 ... n 中所有可能的 k 个数的组合。示例:输入: n = 4, k = 2输出:[ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4],]解题思路回溯class Solution {private: vector<vector<int>> result; //存放符合条件的组合的集合 vector<int> path; //存放符合

2020-10-27 10:28:42 19

原创 数字图像处理常用matlab函数

1:nume1(A)若A是一幅图像,则输出A的像素点个数

2020-10-26 19:53:57 154

原创 845. 数组中的最长山脉(动态规划)

我们把数组 A 中符合下列属性的任意连续子数组 B 称为 “山脉”: B.length >= 3 存在 0 < i < B.length - 1 使得 B[0] < B[1] < ... B[i-1] < B[i] > B[i+1] > ... > B[B.length - 1](注意:B 可以是 A 的任意子数组,包括整个数组 A。)给出一个整数数组 A,返回最长 “山脉” 的长度。如果不含有 “山脉” 则返

2020-10-25 12:41:42 19

原创 链表题目合集

leetcode:243.回文链表

2020-10-25 11:46:11 18

原创 贪心算法题目合集

leetcode:55.跳跃游戏

2020-10-25 11:43:14 36

原创 动态规划题目合集

视频拼接(动态规划)https://blog.csdn.net/yang2110862/article/details/109265684

2020-10-25 11:41:04 39

原创 55. 跳跃游戏(贪心法)

给定一个非负整数数组,你最初位于数组的第一个位置。数组中的每个元素代表你在该位置可以跳跃的最大长度。判断你是否能够到达最后一个位置。示例 1:输入: [2,3,1,1,4]输出: true解释: 我们可以先跳 1 步,从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。示例 2:输入: [3,2,1,0,4]输出: false解释: 无论怎样,你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 , 所以你永远不可能到达最后一个位置。

2020-10-24 21:13:06 12

原创 1024. 视频拼接(动态规划)

你将会获得一系列视频片段,这些片段来自于一项持续时长为 T 秒的体育赛事。这些片段可能有所重叠,也可能长度不一。视频片段 clips[i] 都用区间进行表示:开始于 clips[i][0] 并于 clips[i][1] 结束。我们甚至可以对这些片段自由地再剪辑,例如片段 [0, 7] 可以剪切成 [0, 1] + [1, 3] + [3, 7] 三部分。我们需要将这些片段进行

2020-10-24 20:57:24 16352

原创 243.回文链表(O(1)空间复杂度解法)

请判断一个链表是否为回文链表。示例 1:输入: 1->2输出: false示例 2:输入: 1->2->2->1输出: true进阶:你能否用 O(n) 时间复杂度和 O(1) 空间复杂度解决此题?同类型题目143.重排链表206.反转链表876.链表的中间结点解题思路:1.使用快慢指针找到链表的中点,将链表分成前后两部分2.将后半部分链表反转3.对比前部分和反转的后部分,相等则是回文链表struct ListNode { in

2020-10-23 11:55:29 36

原创 142.环形链表 II

给定一个链表,返回链表开始入环的第一个节点。 如果链表无环,则返回 null。为了表示给定链表中的环,我们使用整数 pos 来表示链表尾连接到链表中的位置(索引从 0 开始)。 如果 pos 是 -1,则在该链表中没有环。说明:不允许修改给定的链表。来源:力扣(LeetCode)链接:https://leetcode-cn.com/problems/linked-list-cycle-ii著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。class Solu

2020-10-10 16:18:59 13

转载 1470. 重新排列数组(空间复杂度为0(1)的解法)

给你一个数组 nums ,数组中有 2n 个元素,按 [x1,x2,...,xn,y1,y2,...,yn] 的格式排列。请你将数组按 [x1,y1,x2,y2,...,xn,yn] 格式重新排列,返回重排后的数组。 示例 1:输入:nums = [2,5,1,3,4,7], n = 3输出:[2,3,5,4,1,7] 解释:由于 x1=2, x2=5, x3=1, y1=3, y2=4, y3=7 ,所以答案为 [2,3,5,4,1,7]示例 2:输入:nums = [1,2,

2020-09-17 22:51:05 42

原创 max_element(节省时间复杂度)

#include<iostream>#include<vector>#include<algorithm>using namespace std;int main(){ vector<int> a{1,2,3,4,5}; int x = *max_element(a.begin(),a.end()); cout << x; return 0;}作用:比用循环找最大最小值时间复杂度低...

2020-09-15 22:44:59 189 2

原创 matplotlib.pyplot常用函数API概述链接

matplotlib.pyplot.show¶matplotlib.pyplot.show(*, block=None)[source]¶Display all open figures.In non-interactive mode, block defaults to True. All figureswill display and show will not return until all windows are closed.If there are no figures, re.

2020-08-05 11:13:22 175

原创 pandas.DataFrame常见函数详解(内容摘自官网)

eg:data = pd.read_csv(path,header = 0,names = ['population','profit'])data.head()data.describe()1:pandas.DataFrame.headDataFrame.head(n=5)Return the first n rows.This function returns the first n rows for the object based on position. It is useful

2020-08-04 22:22:25 274

原创 pandas.read_csv()常用参数用法

官网参数pandas.read_csv(filepath_or_buffer, sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, sk

2020-08-04 13:39:22 180

转载 【算法】超详细的遗传算法(Genetic Algorithm)解析

更多精彩尽在微信公众号【程序猿声】00 目录遗传算法定义生物学术语问题导入大体实现具体细节代码实现01 什么是遗传算法?1.1 遗传算法的科学定义遗传算法(Genetic Algorithm, GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。其主要特点是直接对结构对象进行操作,不存在求导和函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力;采用概率化的寻优方法,不需要确定的规则就能自动获取和...

2020-07-17 10:19:18 5973 2

转载 浅谈禁忌搜索(TabuSearch)

本文作者:邵赛俊(香港大学博士,俺师弟)在组合优化问题的求解中,禁忌搜索(tabu search,TS)是众多元启发式算法中最为常用和有效的方法之一。我们以“寻找中国最高的山”作为例子,解释禁忌搜索的核心思路。这个比喻中有几个核心的喻体和它们对应的本体:山——solution山的高度——objective value山的轮廓——featuring attributes小范围内的最高峰——local optimum全中国最高的山——best solution (with larg...

2020-06-21 17:52:43 1138

转载 小白入门~ GitHub和Git超详细使用教程~~~

 这篇文章是我自己写的关于GitHub的内容,从我刚听到这个直到设置成功每一步都有详细的步骤来解释,其中有一些截图或者代码来自于网上。首先,我先对GitHub来一个简单的介绍,GitHub有一个很强大的功能就是,你在服务器上边可以创建一个库(稍后会介绍怎么创建),写代码是一件很重的任务,尤其是很多人完成一个很大的项目的时候,就十分的复杂,一群人一起来写某个项目,大家完成的时间,完成的进度都是不相同的,你写...

2020-06-20 21:48:26 629

转载 csdn怎么快速转载别人的文章

在csdn看到好的文章想转载,无奈找不到转载的功能,只能想办法了。首先确定原文允许转载在文章开头处一般有版权声明,如图转载时要注明出处和作者如何转载用谷歌浏览器加载文章地址,打开文章F12打开Developer Tools,并打开Elements页面将文章开头部分的文字作为关键字在Elements界面搜索以此文为例:http://blog.csdn.net/aggressive_snail/article/details/543...

2020-06-20 21:46:35 80

原创 吴恩达机器学习练习题python实现ex2_1(Logistic Regression)

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltpath = ‘ex2data1.txt’data = pd.read_csv(path,names = [‘exam1’,‘exam2’,‘accepted’])fig,ax = plt.subplots()ax.scatter(data[data[‘accepted’]== 0][‘exam1’],data[data[‘accepted’] == 0][‘e

2020-06-17 20:49:48 166

原创 吴恩达机器学习练习题python实现ex1(Linear regression with multiple variables)

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdata = pd.read_csv('ex1data2.txt',names = ['size','bedroom','price']) #打开文件def normalize_feature(data): #均值归一化 return (data - data.mean()) / data.std()data = normalize_f

2020-06-13 22:59:13 172

原创 吴恩达机器学习练习题python实现ex1(Linear regression with one variable)

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdata = pd.read_csv('ex1data1.txt',names = ['population','profit'])data.plot.scatter('population','profit',label = 'population')#data为pandas.core.frame.DataFrame.画图,scatter为画散点图。DataFra

2020-06-09 17:02:03 143

原创 机器学习相关python库(边学习边更新ing,用到什么更新什么)

1:numpy2:pandas3:scipy4:matplotlib5:scikit-learn

2020-06-06 15:34:58 111

空空如也

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 TA的粉丝

提示
确定要删除当前文章?
取消 删除