摘要： 题目描述 Trie（发音类似 "try"）或者说 前缀树 是一种树形数据结构，用于高效地存储和检索字符串数据集中的键。这一数据结构有相当多的应用情景，例如自动补完和拼写检查。 请你实现 Trie 类： Trie() 初始化前缀树对象。 void insert(String word) 向前缀树中插入 阅读全文

摘要： 题目描述 给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额，返回 -1。 你可以认为每种硬币的数量是无限的。 示例 1： 输入：coins = [1, 2, 5], amount = 11输出：3 阅读全文

摘要： 题目描述 给定一个字符串数组，将字母异位词组合在一起。字母异位词指字母相同，但排列不同的字符串。 示例: 输入: ["eat", "tea", "tan", "ate", "nat", "bat"]输出:[ ["ate","eat","tea"], ["nat","tan"], ["bat"]] 思 阅读全文

摘要： 整体结构 CNN 中新增了Convolution 层和Pooling 层。CNN 的层的连接顺序是“Convolution - ReLU -（Pooling）”（Pooling 层有时会被省略）。靠近输出的层中使用了之前的“Affi ne - ReLU”组合。此外，最后的输出层中使用了之前的“Aff 阅读全文

摘要： 奇异值分解在数据降维中有着诸多应用，在机器学习中也是满地可见。它跟特征值分解一样，都是提取矩阵最重要的特征。 1）特征值 向量v是矩阵A的特征向量，则可以表示成：Av = λv λ为特征向量v对应的特征值，一个矩阵的特征向量是一组正交向量。特征值分解是将一个矩阵分解成 A = Q∑Q-1 Q是矩阵A 阅读全文

摘要： 2020 CVPR ，这里只对Attention Scaling for Crowd Counting做简要叙述，因英语水平有限，部分叙述有误的地方，请多多指点。需要的话请看原文：https://github.com/gjy3035/Awesome-Crowd-Counting 摘要 人群计数的主要 阅读全文

摘要： import numpy as np import PIL.Image as Image from matplotlib import pyplot as plt from matplotlib import cm as CM ax = plt.subplot(121) k = np.random.randn(256,256) plt.imshow(k,cmap=CM.jet) plt.axi... 阅读全文

摘要： 参数的更新 神经网络的学习的目的是找到使损失函数的值尽可能小的参数。这是寻 找最优参数的问题，解决这个问题的过程称为最优化（optimization）。 SGD 这里把需要更新的权重参数记为W，把损失函数关于W的梯度记为 。 η表示学习率，实际上会取0.01或0.001这些事先决定好的值。式子中的表 阅读全文

摘要： 像这样的由全部变量的偏导数汇总而成的向量称为梯度（gradient），梯度可以像下面这样来实现,这里使用的是用数值微分求梯度的方法。 梯度法 虽然梯度的方向并不一定指向最小值，但沿着它的方向能够最大限度地减小函数的值。因此，在寻找函数的最小值（或者尽可能小的值）的位置的任务中，要以梯度的信息为线索， 阅读全文

摘要： 前提 神经网络中有合适的权重和偏置，调整权重和偏置以便拟合训练数据的过程称为学习。神经网络的学习分为下面4 个步骤。 步骤1（mini-batch） 从训练数据中随机选择一部分数据。步骤2（计算梯度） 计算损失函数关于各个权重参数的梯度。步骤3（更新参数） 将权重参数沿梯度方向进行微小的更新。步骤4 阅读全文