摘要：
这个是周博磊16年的文章。文章通过实验证明，即使没有位置标注，CNN仍是可以得到一些位置信息，（文章中的显著性图） CNN提取的feature含有位置信息，尽管我们在训练的时候并没有标记位置信息； 这些位置信息，可以转移到其他的认知任务当中 文章的实验主要就是证明了，在CNN分类中，不同区域对于最终 阅读全文
posted @ 2021-07-14 23:15
青铜时代的猪
阅读(371)
评论(0)
推荐(0)
摘要：
题目 给定字符串s，求其最长回文子序列（可以非连续）的长度 DP 当已知一个序列是回文时，添加首尾元素后的序列存在两种情况，一种是首尾元素相等，则最长回文的长度加2，当首尾元素不相等，则最长回文序列为仅添加首元素时的最长回文与仅添加尾元素时的最长回文之间的最大值。我们可以用$dp[i][j]$表示$ 阅读全文
posted @ 2021-07-14 23:14
青铜时代的猪
阅读(59)
评论(0)
推荐(0)
摘要：
关于python 闭包、装饰器的介绍，可以先看廖雪峰的介绍 这里主要介绍上文中没有提到的部分。 利用装饰器，来完成类和函数的自动注册。 看下面的代码： class Test: def __init__(self): print("test created") def __call__(self): 阅读全文
posted @ 2021-07-14 23:13
青铜时代的猪
阅读(401)
评论(0)
推荐(0)
摘要：
brute force 就是暴力搜索。 三层循环，左右边界以及判断是否为回文字符串 def brute_force(s): pal_str ="" for i in range(len(s)): for j in range(i, len(s)): while i <= j: if s[i] != 阅读全文
posted @ 2021-07-14 23:11
青铜时代的猪
阅读(52)
评论(0)
推荐(0)
摘要：
对于给定序列，得到最大和的子序列 Example: Input: [-2,1,-3,4,-1,2,1,-5,4], Output: 6 Explanation: [4,-1,2,1] has the largest sum = 6. brute force 遍历所有的可能答案，得到最大子序列和。 d 阅读全文
posted @ 2021-07-14 23:10
青铜时代的猪
阅读(48)
评论(0)
推荐(0)
摘要：
给定一个数组 prices ，其中 prices[i] 是一支给定股票第 i 天的价格。 设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。 注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。 brute force 暴力搜索，没什么好说的 阅读全文
posted @ 2021-07-14 23:09
青铜时代的猪
阅读(43)
评论(0)
推荐(0)
摘要：
解决的问题：(FCN) Mismatched Relationship: 匹配关系错误，如将在水中的船识别为车。 Confusion Categories: 模糊的分类，如 hill 和 mountain的区分。 Inconspicuous classes: 无视小尺寸物品。 这些错误与语义间的关系 阅读全文
posted @ 2021-07-14 22:45
青铜时代的猪
阅读(101)
评论(0)
推荐(0)
摘要：
每爬一层楼梯需要支付一定的代价，支付以后可以选择爬一层或者两层。那个找到最小代价。 **Example 😗* Input: cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1] Output: 6 Explanation: Cheapest is start on 阅读全文
posted @ 2021-07-14 22:44
青铜时代的猪
阅读(61)
评论(0)
推荐(0)
摘要：
给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。 你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。 返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 阅读全文
posted @ 2021-07-14 22:43
青铜时代的猪
阅读(39)
评论(0)
推荐(0)
摘要：
首先需要对深度网络中常见的pooling方式，以及全连接层有大致的了解。（此处略过不提。） paper: Network in Network fully connected layer 的缺点 在NIN论文中，提到全连接层参数多，容易陷入过拟合，降低了模型的泛化能力。 Global Average 阅读全文
posted @ 2021-07-14 22:42
青铜时代的猪
阅读(378)
评论(0)
推荐(0)
摘要：
给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。 示例 1: 输入: s = "abcabcbb" 输出: 3 解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。 示例 2: 输入: s = "bbbbb" 输出: 1 解释: 因为无重复字符的最长子串是 "b" 阅读全文
posted @ 2021-07-14 22:41
青铜时代的猪
阅读(59)
评论(0)
推荐(0)
摘要：
给你两个 非空 的链表，表示两个非负的整数。它们每位数字都是按照 逆序 的方式存储的，并且每个节点只能存储 一位 数字。 请你将两个数相加，并以相同形式返回一个表示和的链表。 你可以假设除了数字 0 之外，这两个数都不会以 0 开头。 Example: Input: (2 -> 4 -> 3) + 阅读全文
posted @ 2021-07-14 22:39
青铜时代的猪
阅读(38)
评论(0)
推荐(0)
摘要：
Given an array of integers, return indices of the two numbers such that they add up to a specific target. You may assume that each input would have ex 阅读全文
posted @ 2021-07-14 22:38
青铜时代的猪
阅读(28)
评论(0)
推荐(0)
摘要：
给定一个只包含数字的字符串，用以表示一个 IP 地址，返回所有可能从 s 获得的 有效 IP 地址 。你可以按任何顺序返回答案。 有效 IP 地址 正好由四个整数（每个整数位于 0 到 255 之间组成，且不能含有前导 0），整数之间用 '.' 分隔。 例如："0.1.2.201" 和 "192.1 阅读全文
posted @ 2021-07-14 22:35
青铜时代的猪
阅读(55)
评论(0)
推荐(0)
摘要：
github code CyCADA论文中，定义了一种问题——无监督适配，即仅提供源数据 \(X_S\) 和源标签 \(Y_S\)，以及源域目标数据$X_T$，没有目标标签或者不利用它。问题的目的是学习一个模型 \(f\)，它可以正确预测目标数据的标签。 CYCADA 的模型基本如上图所示，论文的主 阅读全文
posted @ 2021-07-14 22:33
青铜时代的猪
阅读(580)
评论(0)
推荐(0)
摘要：
C++ 和python的混合编程 windows + vs 新建一个工程，在工程属性中添加如下的几个 C:\Users\[user_name]\Anaconda3\include C:\Users\[user_name]\Anaconda3\Lib C:\Users\[user_name]\Anac 阅读全文
posted @ 2021-07-14 22:23
青铜时代的猪
阅读(818)
评论(0)
推荐(0)
摘要：
ref:link why numpy 运算高效 numpy 内存结构 一块内存区域 dtype 确定了内存区域数据类型 metadata 比如 shape、strides etc 注：numpy 内存占用和 C 基本相同，多了常数内存消耗 numpy 广播机制 自动将常数变为可以参与运算的形式 无需 阅读全文
posted @ 2021-07-14 22:21
青铜时代的猪
阅读(39)
评论(0)
推荐(0)
摘要：
paper offical code in TF Motivation DML 和模型蒸馏的不同之处在于，DML提供了一种无需预训练网络的知识迁移。可以应用在有监督学习，多模型协同学习，半监督学习等方面。 核心之处在于，使得两个网络的预测分布趋于一致。这里采用了KL散度作为模型的分布的度量标准。作者 阅读全文
posted @ 2021-07-14 22:19
青铜时代的猪
阅读(118)
评论(0)
推荐(0)
摘要：
在两个排序数组中，找到其中位数 阅读全文
posted @ 2021-07-14 22:17
青铜时代的猪
阅读(48)
评论(0)
推荐(0)
摘要：
语义分割中的度量标准 阅读全文
posted @ 2021-07-14 22:12
青铜时代的猪
阅读(609)
评论(0)
推荐(1)
浙公网安备 33010602011771号