摘要: aver_loss 总损失的计算 对于求平均损失来说 需要先求总损失 而求总损失 就需要求一个批次中的损失 对于一个bs来说 损失的计算是利用 loss=criterion(out,labels)计算得出 而criterion 使用的nn.crossentropy 得出来的损失值 已经是对这一个bs 阅读全文
posted @ 2025-09-24 13:08 朱朱成 阅读(28) 评论(0) 推荐(0)
摘要: 适用于在pytorch的张量上,求某一维度的最大值。 一般在模型测试阶段,求模型预测输出类别的时候使用。 假设是10分类问题,比如mnist 对于一个批次的输入 images 将它传入net(images) 会得到输出out(bs,10) 但是第二个维度,仅仅是模型在十个类别的预测值 需要取最大值, 阅读全文
posted @ 2025-09-24 13:00 朱朱成 阅读(8) 评论(0) 推荐(0)
摘要: 1为什么出现: 并非网络结构越深,效果越好。随着网络结构的加深,模型的性能会逐渐提升,到某个最优点后,反而会下降。 重要的是,这并不仅仅是过拟合,因为即使在训练集上,更深の网络的误差也更高。这意味着更深的网络甚至无法很好地学习。 如果模型最优点是星星的话,像图1来说,最后会离最优点越来越远。 所以只 阅读全文
posted @ 2025-09-22 21:28 朱朱成 阅读(29) 评论(0) 推荐(0)
摘要: 1. 是什么 想象一下,正在训练一个很深的神经网络,比如有几十层。网络的每一层都在学习如何将输入数据变换成对最终任务更有用的表示。 现在,考虑第10层。它的输入来自于第9层的输出。在训练过程中,由于反向传播和梯度下降,第1层到第9层的所有参数(权重和偏置)都在不停地更新。这意味着,对于第10层来说, 阅读全文
posted @ 2025-09-22 21:25 朱朱成 阅读(123) 评论(0) 推荐(0)
摘要: SPFA算法 求最短路径 构建vector邻接表,和w二维数组存储边权,注意初始化为无穷大代表这两个点间没有边 vector<int>linjie[maxn];//记录邻接点 int w[maxn][maxn];//记录边权 for (int i = 0; i <= n; ++i) for (int 阅读全文
posted @ 2022-05-10 17:06 朱朱成 阅读(34) 评论(0) 推荐(0)
摘要: Djskstra算法 求最短路径 构建d数组,记录和起点的距离,初始化为无穷大,起点和起点的距离为0,构建邻接边权的二维数组,初始化为无穷大,然后输入边权。并且构建pre数组,记录最短路径的前驱结点,出发点的前驱结点设为0,代表出发点没有前驱结点,也是一会递归输出路径的退出条件。 int w[51] 阅读全文
posted @ 2022-05-10 16:42 朱朱成 阅读(188) 评论(0) 推荐(0)
摘要: Ford 算法 求最短路径 先构建邻接表数组和初始化邻接关系 int v1[maxn],v2[maxn],w[maxn];//记录起点终点和权值 for(int i=1;i<=m;++i) { cin>>u>>v>>val; v1[i]=u; v2[i]=v; w[i]=val; } 构建一维数组d 阅读全文
posted @ 2022-05-10 16:25 朱朱成 阅读(127) 评论(0) 推荐(0)
摘要: Floyd算法 求最短路径 建立一个二维数组d 代表i 和 j两点的最小距离,先初始化为很大的值,等下求最小距离方便 int d[200][200]; for (int i = 1; i <= n; ++i) for (int j = 1; j <= n; ++j) d[i][j] = 50000; 阅读全文
posted @ 2022-05-10 16:04 朱朱成 阅读(104) 评论(0) 推荐(0)
摘要: Kruskal算法 求最小生成树 先构建邻接关系的结构体 struct edge { int u,v,w; }e[maxn]; 因为这个算法利用到了并查集,所以需要构建并查集数组parent[],并且初始化并查集数组parent int parent[maxn];//并查集 for(int i=1; 阅读全文
posted @ 2022-05-10 15:46 朱朱成 阅读(39) 评论(0) 推荐(0)
摘要: Prim算法 求最小生成树 利用了蓝白点思想,先将所有点标记为蓝点。用一个数组布尔数组b 标记点的蓝白,如果为true就是蓝点,否则是白点。先定义一个整型变量mst=0,mst就是最小生成树。然后用一个二维数组w 记录 边i和边j之间的权值,再用一个一维数组mins 记录的是蓝点的最小边权,这个mi 阅读全文
posted @ 2022-05-10 15:32 朱朱成 阅读(108) 评论(0) 推荐(0)