摘要：
Android JNI编程使用 参考文档: https://docs.oracle.com/javase/8/docs/technotes/guides/jni/spec/functions.html https://blog.csdn.net/qq_37858386/article/details 阅读全文
摘要：
``` include include include include using namespace std; // 冒泡排序 vector bubbleSort(vector arr) { int len = arr.size(); int temp; for(int i=0; iarr[j+1 阅读全文
摘要：
TensorFlow 模型浮点数计算量和参数量统计 2018 08 28 本博文整理了如何对一个 TensorFlow 模型的浮点数计算量（FLOPs）和参数量进行统计。 stats_graph.py 利用高斯分布对变量进行初始化会耗费一定的 FLOP C[25,9]=A[25,16]B[16,9] 阅读全文
摘要：
动态规划问题 三要素： 最优子结构：子问题的最优解能够决定这个问题的最优解 边界：问题最小子集的解(初始范围) 状态转移函数：递推式 1爬楼梯 python class Solution(object): def climbStairs(self, n): if n nums[i]+d[i 1]: 阅读全文
摘要：
稀疏3d卷积网络 输入 稀疏卷积的输入包括两部分，一个是坐标，另一个是特征。 self.scn_input = scn.InputLayer(3, sparse_shape.tolist()) [h,w,l] coors = coors.int()[:, [1, 2, 3, 0]] [h, w, l 阅读全文
摘要：
稀疏2d卷积 输入 1.sparse_shape = torch.LongTensor([87, 87]) 2.input = scn.InputBatch(2, spase_shape) dimension sparse shape 3.输入稀疏张量 另外一种方法: model搭建 将稀疏转成稠密 阅读全文
摘要：
网络保存与加载 1.保存 2.加载网络 3.批训练 DataLoader是torch给你用来包装你的数据的工具。所以要将自己的(numpy array或其他)数据形式转换成Tensor, 然后再放进这个包装器中。使用DataLoader的好处就是帮你有效地迭代数据。 当数据最后不足batch时，就会 阅读全文
摘要：
拟合(回归) 1.建立数据集 拟合一个一元二次函数：y=a x^2+b 2.建立神经网络 建立一个神经网络我们可以直接运用torch中的体系。先定义所有层属性(__ init __()),然后再一层层搭建(forward(x))层与层的关系链接。 3.训练网络 4.可视化 5.快速搭建网络 我们发现 阅读全文
摘要：
pytorch使用说明 1.torch和numpy的转换 2.torch中的数学运算 3. 什么是Variable 在Torch中的Variable就是一个存放会变化的值的地理位置。里面的值会不停的变化。其中的值就是torch的Tensor.如果用Variable进行计算，那返回的也是一个同类型的V 阅读全文
摘要：
pytorch中文文档学习0 1.自动求导 每个变量都有两个标志：requires_grad和volatile. requires_grad: 只有所有输入都不需要梯度时，输出才不需要；如果有一个输入有梯度，它的输出也有梯度。 volatile 纯粹的inference模式下推荐使用volatile 阅读全文