摘要: 1 pip install 最简单直接的方法,通过pip install安装,命令如下: 首先,需要安装 "本地用户本地的python" ,这样pip install后会安装到用户本地目录。 但是,如果系统的环境不稳定,会出现很多细节问题。如下: 1.1 安装中遇到的问题 错误1) Could no 阅读全文
posted @ 2017-07-15 21:55 fariver 阅读(1311) 评论(0) 推荐(0)
摘要: 1 docker的安装 首先普及一下基本概念:docker是一个系统镜像管理器,可以使用docker pull来下载网上已经打包好的特定环境的系统,这种系统称为image,将image拉下来之后,使用docker run进行运行,运行的系统实例称为容器(container)。因为docker可以封装 阅读全文
posted @ 2017-07-15 21:34 fariver 阅读(725) 评论(0) 推荐(0)
摘要: markdown入门总结 标题 在标题前加入#即可,根据#的个数分别为1~6级标题 列表 无序列表 在文字前加*即可 有序列表 在文字前加数字1.2.3. 注意符号与列表内容之间有一个空格符 引用 引用文本前加入> 这是引用 图片 Tables Are Cool col 3 is right-ali 阅读全文
posted @ 2017-07-15 11:18 fariver 阅读(213) 评论(0) 推荐(0)
摘要: 1 解题要点 动态归划是用来优化递归重复计算缺点的,其中主要思想是用空间换时间,即手动设置一张表格,自底向上将表格填满,从而能够将递归O(2^n)时间复杂度优化到O(n^2)或者其它幂函数级别。 1.1 何时知道该使用动态归划解决问题呢? 1) 当题目中所求解决问题为以下三种类型时,常常可以用动规解 阅读全文
posted @ 2017-07-13 10:19 fariver 阅读(300) 评论(0) 推荐(0)
摘要: 1 二叉树与分治递归 几乎所有的二叉树问题都可以通过分治解决,包括二叉树的遍历、二叉树中求最大分支长度、最大深度任意两个结点间的最大距离,搜索二叉树,平衡二叉树 等等,只要题目中没有严格的时间性能的要求,使用递归的方法时都可以优先考虑分治递归的方法,除了二叉树的层序遍历以外。但然很多题目虽然也可以用 阅读全文
posted @ 2017-07-12 10:19 fariver 阅读(356) 评论(0) 推荐(0)
摘要: 1.设置word 2010,添加cnblogs帐户 配置参考链接 其中URL地址为:http://rpc.cnblogs.com/metaweblog/fariver,在cnblogs配置的最下方可以查到。 用word来发布的好处是编辑的时候是什么样,网页显示就是什么样,而且word比较容易操作,并且易保存。 2.插入代码 插入代码比较麻烦: ... 阅读全文
posted @ 2017-07-11 19:22 fariver 阅读(298) 评论(0) 推荐(0)
摘要: C++ STL vector 如何彻底清空一个vector? 实践证明,vector.clear()并不能把vector容量清空,只会让vector.size()变为零,依然很占内存。那如何让vector的capacity变为0呢? 虽说set迭代器不能加减常数,但提供了.begin(),.end( 阅读全文
posted @ 2017-07-08 11:25 fariver 阅读(897) 评论(0) 推荐(0)
摘要: 二分搜索 看到优化O(logn)时间复杂度问题, 一般用二分搜索 模板 int start = 0, end = array.size() 1, mid; while (start + 1 A[k/2], 这与我们的假设 B[m] A, int startA, vector B, int start 阅读全文
posted @ 2017-07-04 15:25 fariver 阅读(201) 评论(0) 推荐(0)
摘要: CNN一般结构 卷积层作用: 1) 提取不同维度的特征,组合不同维度特征,其本质是卷积核,因此,学习一个有效的总卷积核是训练卷积层主要工作 2)寻找不同位置,不同大小的特征 3) 根据卷积核参数计算上下层blob之前维度关系 非线性层 控制对不同特征特征信号所应当作出的反应 如,RELU: $$f( 阅读全文
posted @ 2017-05-11 10:29 fariver 阅读(580) 评论(0) 推荐(0)
摘要: 1 RCNN 1.1 训练过程 (1) 训练时采用fine tune方式: 先用Imagenet(1000类)训练,再用PASCAL VOC(21)类来fine tune。使用这种方式训练能够提高8个百分点。 (2) 训练时每个batch的组成: batch_size = 128 = 32P(正样本 阅读全文
posted @ 2017-04-29 11:16 fariver 阅读(3650) 评论(0) 推荐(0)