- 博客(21)
- 收藏
- 关注
RSS订阅原创 邻接表min_cut问题c++实现
在做coursera斯坦福算法专项的时候遇到这个问题，邻接表为以下txt文本，第一列是顶点，其余的是所对应的第一列元素的临边。使用vector<vector<int>> 进行储存，程序运行速度很慢。 #include<iostream>#include<string>#include<fstream>#include<v...
2018-07-31 12:12:15
318
原创 插入、选择、冒泡、归并、堆排序算法C++实现
//插入排序void insertSort(vector<int> &num){ for(int i=1;i<num.size();i++){ for(int j = i-1;j>=0;j--){ if(num[j]>num[j+1]) swap(num[j], num[j+1]...
2018-07-22 21:28:42
190
原创 快排c++实现
#include &amp;lt;iostream&amp;gt;#include &amp;lt;vector&amp;gt;using namespace std;void quickSort(int, int);int partition(int, int);int partition2(int, int);//void swap(int&amp;amp;, int&amp;amp;);vec
2018-07-18 20:17:03
1189
原创 pytorch模型参数理解备忘
模型结构def downsample_basic_block(x, planes, stride): out = F.avg_pool3d(x, kernel_size=1, stride=stride) zero_pads = torch.Tensor( out.size(0), planes - out.size(1), out.size(2), out...
2018-06-30 10:52:48
4774
2
原创 np.stack理解
程序借用：Numpy中stack()，hstack()，vstack()函数详解 记录自己的理解，备忘。一维堆成二维import numpy as npa=[[1,2,3], [4,5,6]]print("列表a如下：")print(a)print("增加一维，新维度的下标为0")c=np.stack(a,axis=0)print(c)print("增加一维，...
2018-05-10 19:34:14
15405
原创 ubuntu16.04 server安装备忘
参考：Ubuntu 16.04 + Nvidia 显卡驱动 + Cuda 8.0 （问题总结 + 解决方案） (sudo ./NVIDIA-Linux-x86_64-375.20.run –no-opengl-files)中的–no-opengl-files很重要禁用不了nouveau的话可尝试以下步骤：添加conf 文件： cat /etc/modprobe.d/blac...
2018-03-28 19:12:55
162
原创 tensorboard与tf.reset_default_graph()
打开地址问题 在命令行中输入: tensorboard –logdir=’path to log-dicrectory’,然后复制地址去浏览器打开。tf.reset_default_graph()train_x = np.random.randn(200,6)train_y = np.zeros((200,2))train_y[:100,0] = 1.0train_y[100:,1]...
2018-03-09 10:52:29
3566
转载 coursera deep learning course5 week2
Word embeddings 之前每个单词或字符都采用one-hot向量进行表示，但是任意两个向量之间的点积都为0，即都不相关，无法衡量单词之间的相似度，因此将每个单词表示成dense vector的形式，可以将每一维度都当作单词的一个属性，这样的方法称为word embedding。通过监督学习得到embedding matrix,方法有word2vec,negative sampling,...
2018-02-19 21:51:40
761
转载 coursera deep learning course5 week1
RNN种类 LSTM LSTM三个门的作用 GRU可以看作LSTM的简化版本，只有两个门 如果想当前的输出与以后的序列有关的话，可以采用BRNN，即双向的RNN index = j % len(examples) #保证不会溢出X = [None] + [char_to_ix[ch] for ch in examples[index]] Y = X...
2018-02-12 20:27:13
469
原创 廖雪峰python教程笔记2
高级特性切片：L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。如果第一个索引是0，还可以省略。 L[-2:]表示倒数第二到倒数第一。 L[:10:2]前10个数，每两个取一个。tuple,string也可以切片for i, value in enumerate(['A', 'B', 'C']):for k, v in d.ite...
2018-02-12 20:26:30
388
转载 字符层面的简单RNN
训练阶段：对文档中的序列分节(seq_length)输入lossFun函数进行训练，标签是输入序列向右移一位的序列。输入序列中的每个字符都是one-hot类型，需要在开头建立相互转换的字典。输出采用softmax函数 sample阶段：输入一个字符到sample函数，按照给定的序列长度输出后面的字符 注意：sample阶段cs231n课中对输出字符的选择中采取越高概率的字符越容易被选中，
2018-02-02 20:26:40
337
转载 coursera deep learning course4 week4
Face recognitionface verification vs. face recognition one-shot learning 比如你要为公司设置一个人脸识别，但是一般情况，你不会有太多员工的照片，要是按照以往的做法输入一张图片，然后用softmax输出，效果会很照顾，因为你没有足够的样本。并且当一个新员工加入时，softmax又需要添加一个输出，是难以实现的。
2017-12-25 21:48:47
501
转载 coursera deep learning course4 week3
定义 图像分类：对单一分类 分类并定位：也只是对单一物体分类并加框 目标检测：分类图片中的各种物体并分别加框 objcet localization 若要检测三类目标，标签可设置为长度为8的向量，第一个Pc指示途中是否有图片（可以用逻辑回归）；二到五分别为bx,by,bh,bw,分表代表物体的中心坐标，物体的高和宽（可以用MSE）；最后三个指示是否为类别（可以用softmax）。视
2017-12-25 15:16:21
252
转载 coursera deep learning course3 week2
error analysis 当训练猫的分类器时，可以从错误分类的样本中挑选一定比例的样本，如100张，然后列出如下图的表，其中错分成狗为8%,大型猫科动物43%,…,这样我们就能知道下一步该改进哪方面。 标签错误的数据时做法 在训练集时的做法： deep learning is robust to random errors,因此只要是意外、随机的标记错误，并不会怎么影响徐连效果。 在验证集
2017-12-17 11:20:22
344
转载 coursera deep learning course3 week1
正交化(orthogonlization) 每个算法、技巧只解决一个问题，而不要对很多方面都产生影响。 早停(early stopping)既影响对训练集的训练，又对验证集有提高。 单一数字评估指标(single number evaluation metric) 以一个指标作为最终优化的指标。满意指标与优化指标(satisficing and optimizing metric) 选
2017-12-16 16:19:52
406
转载 coursera deep learning course2 week3
coursera deep learning course2 week3
2017-12-16 14:26:34
557
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