冰冻三尺 非一日之寒

摘要： 只用了200个数据集 以上是在复现代码时的一些发现记录 现在是将分类代码和分割代码写到了一起，事先重新规划了一下分类代码的编排 文件夹： configuration.py import torch class config(): batch_size = 4 num_epochs = 10 num_ 阅读全文

摘要： 快速幂 注意int范围为$[2^{31}，2^{31} - 1]$，若n为最小值，变为正数时会溢出，所以先用longlong存n比较好 class Solution { public: double myPow(double x, int n) { int flag = 0; long long N 阅读全文

摘要： 只用了modelnet40的第一个部分训练的 大致思路和图像一样，只不过用的conv1d，在数据集处理上也稍有不同 my_Dataset.py: import numpy as np import h5py import torch import random import torchvision. 阅读全文

摘要： dfs就好了 先去重一下 class Solution { public: vector<vector<int> > ret; int cnt[55], n; void dfs(vector<int> candidates, int target, int k, vector<int> v) { i 阅读全文

摘要： 主要是练了一下数据读取 这次用的cifa10，整个是一个字典，取了前100个去训练了一下 要先把每一行reshape成32 * 32 * 3 self.data = self.data.reshape(-1, 32, 32, 3) __getitem__ 里放到tranforms之前先Image.f 阅读全文

摘要： 阅读全文

摘要： 就是个差分数组，注意保存一下每个点的颜色即可 class Solution { public: long long d[100010]; vector<vector<long long > > ret; vector<vector<long long>> splitPainting(vector<v 阅读全文

摘要： 文件夹格式 仿照着陈云的书，自己做了些修改 dataset： 注意自己写dataset时至少写__init__(self) __getitem__(self, index) __len__(self, )这几个函数 __init__用于创建地址列表，transform等操作 __getitem__返 阅读全文

摘要： softmax的主要工作就是将预测出来的结果，用概率来表示，并将总的概率相加为1 通过全连接层输出的预测结果有正有负，那为什么有负数呢？ 是因为参数或者激活函数的问题 将预测结果转换为概率主要分为两步： 1、将所有的负数变为正数，并不能改变与原正数的相对大小 $y = e^x$指数函数恰好能满足这个 阅读全文

摘要： train.py import torch import torch.nn as nn import torch.nn.functional as F import os from tensorboardX import SummaryWriter import torchvision.datase 阅读全文