摘要：
全连接层加dropout层防止模型过拟合，提升模型泛化能力 卷积网络中参数较少，加入dropout作用甚微。然而，较低层的中加入dropout是仍然有帮助，因为它为较高的全连接层提供了噪声输入，从而防止它们过拟合。 一般对于参数较多的模型，效果更好 做法 1、其实Dropout很容易实现，源码只需要 阅读全文
摘要：
pip install xxx --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple 阅读全文
摘要：
第一轮：做题目 先自我介绍，然后开始做题目 ####第一题是两个小题1.判断二叉树是否有和为sum的路径，2.找出二叉树中所有和为sum的路径 面试官直接让做第2小题，很简单，深搜就是，但是我各种出问题，主要是答案找到了，返回到原来地方但是出错，后来面试官看我做出来，只是输出有问题就说下一题了 ## 阅读全文
摘要：
学习笔记 当初在课堂学的时候，虽然有老师解惑，但终究自己基础不足，上课又有时间限制，所以大概只能理解一半，通过后面复习，基本将之前还有疑惑的问题解决了，虽然其中一些公式推导的过程还比较难算，而且部分概念容易混淆。这篇学习笔记主要是为了记录一下自己觉得需要掌握记住的，或者是自己没有完全理解吃透的 第一 阅读全文
摘要：
``` ^表示上标， _表示下标， 示例：$x^{y^z}=(1+e^x)^{-2xy^w}$ 效果：xyz=(1+ex)−2xyw 上面输入的上下标都是在字符的右侧，要想在左侧或者两侧都写上下标，那么需要使用\sideset语法。 示例：$\sideset{^1_2}{^3_4}\bigotimes$ 效果：12⨂34 3.3 括号和分隔符 ( )和[ ]就是自身了，由于{ } 是Tex的元字符 阅读全文
摘要：
检索一些文献或者网页资讯，记录机器学习等人工智能领域的前沿技术介绍、展望、应用，了解我们国家的先进或不足，存在的卡脖子技术等 介绍 AutoML出现原因 机器学习的应用需要大量的人工干预，这些人工干预表现在：特征提取、模型选择、参数调节等机器学习的各个方面。AutoML 试图将这些与特征、模型、优化 阅读全文
摘要：
任务是编写一个程序，使得这个程序输出的结果是自己的代码 阅读全文
摘要：
学习笔记 第一章模式识别基本概念，评估指标 准确率（正确率）=所有预测正确的样本/总的样本 （TP+TN）/总 精确率= 将正类预测为正类 / 所有预测为正类 TP/（TP+FP） 召回率 = 将正类预测为正类 / 所有正真的正类 TP/（TP+FN ROC曲线:接收者操作特征(receiver o 阅读全文
摘要：
一、请回望第一次作业，你对于软件工程课程的想象 1）对比开篇博客你对课程目标和期待，“希望通过实践锻炼，增强计算机专业的能力和就业竞争力”，对比目前的所学所练所得，在哪些方面达到了你的期待和目标，哪些方面还存在哪些不足，为什么？ 想了想，知道一款游戏是怎么做的，这是最大的收获吧，其他有学到一些uni 阅读全文
摘要：
在使用pyqt5时，用qtdesign设置好背景图片，如何设置自行百度，预览没问题，用ptuic5转换为代码却发现显示不了： 首先：我在qtdesign中导入的是pic.qrc，但是转换的代码最后一句出现 emmm，直接没法通过编译，后面删掉了，但是发现没有图片 然后，通过找代码，发现 注释一下：M 阅读全文