2022年12月21日
C++ Primer：Sec 8, 9, 10
摘要： Sec8 IO库 8.1 IO类 wchar_t: 宽字符版本（对应函数为前面加一个w） IO对象无拷贝或赋值 不能初始化ofstream参数 不能拷贝流对象 条件状态 确定一个流对象的状态的最简单的方法是将它作为一个条件来使用的 while(cin >> word) // ok: 读操作成功 查询 阅读全文
posted @ 2022-12-21 11:16 M1kanN 阅读(21) 评论(0) 推荐(0)
C++ Primer：Sec 7
摘要： Sec7 类 类的基本思想是： 数据抽象 data abstraction 依赖接口 (interface) 和 实现 (implementation) 分离的编程技术 封装 encapsulation 封装实现了类的接口和实现的分离 类想要实现数据抽象和封装，首席按需要定义一个抽象数据类型 （ab 阅读全文
posted @ 2022-12-21 11:12 M1kanN 阅读(68) 评论(0) 推荐(0)
C++ Primer：Sec 4, 5, 6
摘要： Sec4 表达式、逻辑和关系运算符 &&: 只有左边为真才对右边求值 ||: 只有左边为假才对右边求值 例子： index != s.size() && !isspace(s[index]) 首先检查index是否达到string对象的末尾，以此才确保只有当index在合理范围之内时，才会计算右侧运 阅读全文
posted @ 2022-12-21 11:11 M1kanN 阅读(65) 评论(0) 推荐(0)
C++primer：Sec 1, 2, 3
摘要： C++primer：Sec 1, 2, 3 Sec1 Begin Sec2 变量和基本类型 2.1 基本内置类型 符号数: 无符号数和负数相加。会先将负数转化为无符号数再进行相加 无符号数相减，无论如何都不可能为负数，若结果为负数，则会直接按照比特位来读取无符号数 混用无符号和有符号型，比如相乘，得看机器上int所占位数而定 转义序列（esc 阅读全文
posted @ 2022-12-21 10:41 M1kanN 阅读(160) 评论(0) 推荐(0)
博客园相关图片
摘要： 头像 背景图 阅读全文
posted @ 2022-12-21 10:24 M1kanN 阅读(31) 评论(0) 推荐(0)
2020年8月19日
基础信息论
摘要： 基础信息论复习 课程复习指引： 分清了解，理解，掌握 了解： 知道 理解：可辩析，可论述 掌握：可辩析可论述，可计算 课程学习目标： 掌握通信系统中信息测度，信道容量和率失真函数得基本概念和计算方法 掌握部分信源编码方法及信道编码得基本理论 （重要：二元信道，面向考试的话，注意重要得信道，不会考很难 阅读全文
posted @ 2020-08-19 17:11 M1kanN 阅读(3517) 评论(0) 推荐(1)
2020年5月15日
Pytorch 基本操作
摘要： Pytorch 基础操作 主要是在读深度学习入门之PyTorch这本书记的笔记。强烈推荐这本书 1. 常用类numpy操作 torch.Tensor(numpy_tensor) torch.from_numpy(numpy_tensor) GPU上的Tensor不能直接转换为Numpy ndarry 阅读全文
posted @ 2020-05-15 23:40 M1kanN 阅读(1433) 评论(1) 推荐(0)
2019年8月18日
cs231n__5.1/5.2 CNN
摘要： CS231n note 5.1 CNN_history now: 略 5.2 CNN 上节课我们谈到了全连接层的概念： 对于全连接层而言，我们要做的就是在这些向量上进行操作。 例如： 但是至于卷积层，与前者截然不同的地方就是可以保持空间结构 例如下图： 一张32×32×3的图片，我们并非将它展成长向 阅读全文
posted @ 2019-08-18 09:05 M1kanN 阅读(218) 评论(0) 推荐(0)
cs231n__4.2 神经网络 Neural networks
摘要： CS231n 学习笔记 4.2 神经网络 Neural networks 之前我们已经使用了 很多线性分类函数 现在我们不用单变换的： 我们首先有线性层，然后有这个非线性计算，继而在顶层再加入另一个线性层。然后到这里，最后我们可以得到一个计分函数。输出计分向量。 一般来说，神经网络就是由简单函数构成 阅读全文
posted @ 2019-08-18 08:58 M1kanN 阅读(281) 评论(0) 推荐(0)
2019年8月14日
cs231n__4.1 Backpropagation and Neural Network
摘要： CS231n 4.1 Backpropagation 回顾： 两个损失函数： 优化的方法： 如何计算梯度： 1. 用有限差分估计 2. 直接计算偏导数（解析梯度） 今天，我们要学习 如何计算任意复杂度的解析梯度 要用到一个叫做计算图的框架： 每一个节点代表着计算 上图是我们讲过的线性分类器 这里使用 阅读全文
posted @ 2019-08-14 16:48 M1kanN 阅读(214) 评论(0) 推荐(0)