摘要：
原题目 面试题 01.09. 字符串轮转 字符串轮转。给定两个字符串s1和s2，请编写代码检查s2是否为s1旋转而成（比如，waterbottle是erbottlewat旋转后的字符串）。 示例1: 输入：s1 = "waterbottle", s2 = "erbottlewat" 输出：True 阅读全文
摘要：
原题目 面试题 01.08. 零矩阵 编写一种算法，若M × N矩阵中某个元素为0，则将其所在的行与列清零。 示例 1： 输入： [ [1,1,1], [1,0,1], [1,1,1] ] 输出： [ [1,0,1], [0,0,0], [1,0,1] ] 示例 2： 输入： [ [0,1,2,0] 阅读全文
摘要：
原题目 面试题 01.07. 旋转矩阵 给你一幅由 N × N 矩阵表示的图像，其中每个像素的大小为 4 字节。请你设计一种算法，将图像旋转 90 度。 不占用额外内存空间能否做到？ 示例 1: 给定 matrix = [ [1,2,3], [4,5,6], [7,8,9] ], 原地旋转输入矩阵， 阅读全文
摘要：
原题目 面试题 01.06. 字符串压缩 字符串压缩。利用字符重复出现的次数，编写一种方法，实现基本的字符串压缩功能。比如，字符串aabcccccaaa会变为a2b1c5a3。若“压缩”后的字符串没有变短，则返回原先的字符串。你可以假设字符串中只包含大小写英文字母（a至z）。 示例1: 输入："aa 阅读全文
摘要：
原题目 面试题 01.05. 一次编辑 字符串有三种编辑操作:插入一个字符、删除一个字符或者替换一个字符。 给定两个字符串，编写一个函数判定它们是否只需要一次(或者零次)编辑。 示例 1: 输入: first = "pale" second = "ple" 输出: True 示例 2: 输入: fi 阅读全文
摘要：
原题目 面试题 01.04. 回文排列 给定一个字符串，编写一个函数判定其是否为某个回文串的排列之一。 回文串是指正反两个方向都一样的单词或短语。排列是指字母的重新排列。 回文串不一定是字典当中的单词。 示例1： 输入："tactcoa" 输出：true（排列有"tacocat"、"atcocta" 阅读全文
摘要：
原题目 面试题 01.03. URL化 URL化。编写一种方法，将字符串中的空格全部替换为%20。假定该字符串尾部有足够的空间存放新增字符，并且知道字符串的“真实”长度。（注：用Java实现的话，请使用字符数组实现，以便直接在数组上操作。） 示例1: 输入："Mr John Smith ", 13 阅读全文
摘要：
原题目 面试题 01.02. 判定是否互为字符重排 给定两个字符串 s1 和 s2，请编写一个程序，确定其中一个字符串的字符重新排列后，能否变成另一个字符串。 示例 1： 输入: s1 = "abc", s2 = "bca" 输出: true 示例 2： 输入: s1 = "abc", s2 = " 阅读全文
摘要：
原题目 面试题 01.01. 判定字符是否唯一 实现一个算法，确定一个字符串 s 的所有字符是否全都不同。 示例 1： 输入: s = "leetcode" 输出: false 示例 2： 输入: s = "abc" 输出: true 限制： 0 <= len(s) <= 100 如果你不使用额外的 阅读全文
摘要：
Numpy数据存取与函数 一维和二维数据的存取 CSV文件, np.loadtxt(), np.savetxt() 多维数据的存取 a.tofile(), np.fromfile() np.save(), np.load() numpy的随机函数(np.random) rand(), randn() 阅读全文
摘要：
[一] Numpy入门 传统计算方法与numpy比较 ndarray数组的属性 ndarray数组的创建 ndarray数组的变换 ndarray数组的索引和切片 ndarray数组的运算 In [2]: import numpy as np 传统计算方法与numpy比较 In [4]: def p 阅读全文
摘要：
前言 前一段时间基于LeNet-5实现了MNIST手写数字识别，由于torchvision.datasets模块集成了MNIST数据集，所以在加载数据时使用的是torchvision.datasets自带的方法，缺失了如何对一般数据集的处理部分，不能将其作为一个模板来适用于新的网络。通常，我们需要为 阅读全文
摘要：
交叉熵损失函数原理详解 之前在代码中经常看见交叉熵损失函数(CrossEntropy Loss)，只知道它是分类问题中经常使用的一种损失函数，对于其内部的原理总是模模糊糊，而且一般使用交叉熵作为损失函数时，在模型的输出层总会接一个softmax函数，至于为什么要怎么做也是不懂，所以专门花了一些时间打 阅读全文
摘要：
PyTorch基础知识总结 Tensor(张量) 张量是PyTorch里的基本运算单位，与numpy的ndarray相同都表示一个多维的矩阵。与ndarray最大的区别在于Tensor能使用GPU加速，而ndarray只能用在CPU上。 与Numpy之间进行转换 将Tensor转换成numpy，只需 阅读全文
摘要：
LeNet-Pytorch-MNIST手写数字识别 近几年，基于深度学习的应用越来越多，可以说深度学习已经遍及我们生活的各个角落。同时卷积神经网络（CNN: Convolution Neural Network）在计算机视觉领域大放光彩，作为一名没有跨入深度学习门槛的萌新，在迷茫了一阵时间以后，还是 阅读全文
摘要：
Numpy索引与切片操作 单元素索引 一维数据的单元素索引是最简单的一种索引方式，与Python列表的操作完全一致。 >>> x = np.arange(10) >>> x array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> x[2] 2 二维以及多维数据的单元素索引 阅读全文