02 2020 档案
摘要：进程管理 进程与线程 概念 定义：进程是进程实体的运行过程，是系统进行资源分配和调度的一个独立单位。 组成： 1. PCB：进程存在的唯一标志。PID不同。 2. 程序段：存放程序代码。 3. 数据段：存放程序运行中的数据。 组织形式： 1. 链接方式：按照进程状态将PCB分为多个队列，链表连接方式
阅读全文
摘要：图像增强 图像增广（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以对图像进行不同方式的裁剪，使感兴趣的物体出
阅读全文
摘要：word2vec WordEmbedding 对词汇进行多维度的描述，形成一个密集的矩阵。这样每两个词之间的相似性可以通过进行内积的大小体现出来。越大说明距离越远，则越不相似。 Analogies（类比）：将男 女和国王 女王做类比，比如将表示‘男’的词向量与‘女’的词向量相减，同理国王和女王也相减
阅读全文
摘要：批量归一化 通常来说，数据标准化预处理对于浅层模型就足够有效了。随着模型训练的进行，当每层中参数更新时，靠近输出层的输出较难出现剧烈变化。但对深层神经网络来说，即使输入数据已做标准化， 训练中模型参数的更新依然很容易造成靠近输出层输出的剧烈变化 。这种计算数值的不稳定性通常令我们难以训练出有效的深度
阅读全文
摘要：现在是2020年2月20日23点53分。 今天下午胆战心惊的查分数，连准考证都没输，成绩就直接出来了。 政治73，英语81，数学99，专业课121，总分374，完全出乎我的意料。感谢福大不杀之恩，我活着出来了。 在备考的那段时间，我也有心情低落焦虑的时候，并且很频繁，就好像有把刀子悬在我的背后，不敢
阅读全文
摘要：MachineTranslation 实现过程 rstrip()：删除 string 字符串末尾的指定字符（默认为空格）。 语法：str.rstrip([chars]) 参数：chars 指定删除的字符（默认为空格） 返回值：返回删除 string 字符串末尾的指定字符后生成的新字符串 torcht
阅读全文
摘要：循环神经网络进阶 BPTT 反向传播过程中，训练模型通常需要模型参数的梯度。 $$ \frac{\partial L}{\partial \boldsymbol{W}_{qh}} = \sum_{t=1}^T \text{prod}\left(\frac{\partial L}{\partial \
阅读全文
摘要：文本预处理 实现步骤（处理语言模型数据集距离） 文本预处理的实现步骤 读入文本：读入zip / txt 等数据集 分词：把换行符替换成空格。如果处理的是英文，最好把大写改成小写。（因为第一次接触文本处理，理解的都很浅显） 建立字典，将每个词映射到一个唯一的索引（index）：将每个字符映射成一个从0
阅读全文
摘要：线性回归 基础知识 实现过程 学习笔记 批量读取 torch_data = Data.TensorDataset(features, labels) dataset = Data.DataLoader(torch_data, batch_size, shuffle=True) 定义模型的两种常见写法
阅读全文
摘要：squeeze的用法主要就是对数据的维度进行压缩或者解压。 squeeze() ：去掉a中维数为1的维度。 ：去掉特定维度N下维数为1的维度。 ：a中去掉指定的维数为1的维度。 unsqueeze() ：在a中指定位置N加上一个维数为1的维度。 ：在a中指定位置N加上一个维数为1的维度。
阅读全文
摘要：CNN原理和结构 观点提出 关于照片的三种观点引出了CNN的作用。 1. 局部性：某一特征只出现在一张image的局部位置中。 2. 相同性： 同一特征重复出现。例如鸟的羽毛。 3. 不变性：subsampling下图片性质不变。类似于图片压缩。 相比与Fully Connected，减少了权重数目
阅读全文
摘要：1. Numpy VS Torch 2. Variable 3. Activation Function 激励函数 画图 4. Regression 回归 5. Classification 分类 6. 快速搭建法 7. 保存提取 使用两种方式提取整个神经网络：提取整个网络或只提取参数。 两段式声明
阅读全文
摘要：步骤一 首先访问下面的网站，手工下载数据集。http://yann.lecun.com/exdb/mnist/ 把四个压缩包下载到任意文件夹，以便之后使用。 步骤二 把自己电脑上已经下载好的数据集的文件路径放到浏览器的窗口。 直接输入 会自行跳转 步骤三 跳转至mnist.py，把源代码中的reso
阅读全文
摘要：第三章 栈 p57 等价类划分问题 - 邻接表的DFS /** 结构体为 AGragh n为元素个数 r为等价条件数 输入的集合是1～n的数 **/ void equiv(int n, int r) { int a, b, visit[n+1] = {0}; stack<int> stack; AG
阅读全文
摘要：2015年真题代码 1. 求马鞍点 思路： 创建ma和mi数组分别存储最大最小值，其中，ma[ i ] = j 表示第 i 行的最大值在第 j 列。最后遍历一遍max数组。假设没有重复的数字。 2. 快排改进算法 求序列中所有和为m的子集 题目： 给定一个序列，设计算法求出元素和为M的所有子集合（让
阅读全文
摘要：贪心算法 区间选点 /* 给定N个闭区间[ai,bi]，请你在数轴上选择尽量少的点，使得每个区间内至少包含一个选出的点。输出选择的点的最小数量。位于区间端点上的点也算作区间内。*/ const int N = 100010; int n; struct Range { int l, r; bool
阅读全文
摘要：01背包 完全背包 多重背包 分组背包 混合背包 对于物品而言只能选择1个或者0个两种情况 对于物品而言可以无限制选取,也可以不选 对于物品而言最多能够选择从s[i]个,同样也可不选 一些物品捆绑在一起,每一组物品中只能选择其中的一个物品 有些物品可以选择1,有些物品可以选择无数个,有些物品只能选择
阅读全文
摘要：位运算 位运算的基本操作 typedef struct Bitset { int setsize; // 16 32 ... int 是32位的 int arraysize; // 相当于有几行 unsigned short *v; // 之后会分配一片连续的空间 }Bitset; //还非要大写才
阅读全文
摘要：二叉树 构建二叉树 typedef struct BTNode{ int data; struct BTNode *left; struct BTNode *right; }BTNode; // 创建二叉树 BTNode BinaryTree() { BTNode *T = (BTNode*)mal
阅读全文
摘要：集合专题 初始化parent集合 const int N = 100; int parent[N], rank[N]; for(int i = 0; i < N; i++) { parent[i] = i; rank[i] = 0; // 为路径压缩做准备 } 寻找祖先结点 int find(int
阅读全文
摘要：图的遍历和应用 实现方式：邻接矩阵可以使用vector。邻接矩阵的无穷表示方法： memset( road, 0x3f, sizeof(road) ); 应用场景：拓扑图、最小生成树、最短路径、二分图、DFS、BFS。 全排列问题 const int N = 7; int path[N+1]; bo
阅读全文
摘要：堆排序 // 建立大根堆 void sort(int R[], int low, int high) { int i = low, j = 2 * i; int temp = R[i]; while (j <= high) { if (j<high && R[j] < R[j+1]) { j++;
阅读全文
摘要：栈的应用 ###单调栈 // 常见模型：找出每个数左边离它最近的比它大/小的数 int tt = 0; for (int i = 1; i <= n; i ++ ) { while (tt && check(stk[tt], i)) tt -- ; stk[ ++ tt] = i; } 深搜模版 b
阅读全文
浙公网安备 33010602011771号