- 博客(9)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 c++基本语言知识
指针与引用的区别指针有一块自己空间，引用只是一个别名使用sizeof看成一个指针的大小是4，引用则是被引用对象的大小指针可以初始化为NULL，引用必须初始化，并且应该是一个已有对象的引用参数传递的时候，指针需要解引用才可以对对象进行操作，而直接对引用的修改就可以改变引用所指向的对象可以有const指针，但是没有const引用指针在使用的时候，可以指向其他对象，但是引用只能是一个对象的...
2019-09-26 20:58:59
153
原创 c ++关于指针的一些理解
指针与引用的区别非空，任何情况下都不能使用指向空值的引用，一个引用必须指向某个对象，不存在指向空值的引用。-合法性，在使用引用之前，不需要测试他的合法性。指针总是被测试，以防止为空。下面使用指针和引用实现两个数的交换void swap(int *p,int *q){int temp;temp=*p;*p=*q;*q=temp;}引用void swap（int ...
2019-09-14 12:50:22
368
原创 集成学习2
bagging从原始的训练集中抽取训练集，每轮从原始样本集中使用Bootstraping的方法抽取n个训练样本又放回的抽取，进行k轮抽取，得到k个训练集。每次使用一个训练集得到一个模型，k个训练集就得到k个模型对分类问题将上一步得到的k个模型采用投票的方式得到分类结果，对回归问题，计算上面模型的均值作为最后的结果。总结一下bagging方法1 bagging 通过降低基分类器的方差，改...
2019-09-13 15:33:00
111
原创 集成学习
集成学习集成学习就是构建多个学习器来完成学习任务，也称为多分类系统，也就是对多个学习器进行组合，获得比单一学习器显著优越的泛化性能。集成学习分类各自之间存在强依赖关系，必须要串行生成的序列化方法boosting 算法让真个数据集放在一个弱学习器中进行学习，每个样本和弱分类器都有一个初始权重，之后根据训练结果的好坏对权重进行调整，如此重复进行，知道弱学习器达到事先指定的数目T，最...
2019-09-13 14:40:29
140
原创 机器学习方法总结
常见的机器学习算法1.学习方式常见的算法介绍常见的学习方法应用场景监督学习输入数据成为训练数据，每组训练数据都有一个明确的标识或结果，监督学习就是建立一个学习过程将预测结果与训练数据的实际结果进行比较，不断地调整预测模型，知道预测模型达到一个预期的准确率逻辑回归和反向传递神经网络分类问题和回归问题非监督的学习数据不被标识，学习模型只是为了推断数据的内部结构...
2019-09-13 08:59:28
1032
原创 字符创最后一个字符的长度
代码解释#include<iostream>#include<string>//包含这个头文件using namespace std;int main(){ string s; getline(cin,s);//输入字符串 int count=0; if(s.size()==0)// 求字符串的长度 { r...
2019-09-12 16:17:28
347
原创 重新梳理神经网络
卷积神经网络的结构介绍卷积核是一组随机初始化的数的序列每个神经元只需要在局部进行感知，然后在高层将局部信息综合起来就得到全局信息。所以局部感受野就能很好的降低参数。卷积的目的是为了提取特征，根据局部感受野一小块一小块的比对，在两幅图中大致相同的位置找到一些粗糙的特征进行匹配，相比那些整副图逐一比对的方式，CNN这种小块匹配方式更好的比较两幅图像之间的相似性。CNN的基本结构包含两个部分：特...
2019-09-05 15:41:10
293
原创 运行pytorch出现的问题
1pytorch的版本问题THCudaCheck FAIL file=/pytorch/aten/src/THC/THCGeneral.cpp line=383 error=11 : invalid argument Traceback (most recent call last): File "capsulenet.py", line 254, in train(model, train_l...
2019-09-03 17:04:14
1128
原创 pytorch训练一个网络需要做的事情
steps1 使用 Torchvision加载和归一化cifar10训练集和测试集2 定义一个卷积网络3 定义损失函数4 在训练集上训练图片5 在测试集上测试图片transform = transforms.Compose( [transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5,...
2019-09-01 16:58:23
227
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人