Map深度学习

Map

Map是一个键值对的集合,和object类似,Map作为构造函数,可以通过全局对象获取到。需要通过new操作创建实例对象,直接调用会报错。Map构造函数接受一个iterable类型的函数,用来初始化Map。

      var m = new Map([
        [1, "1"],
        ["hello", "world"],
      ]);
      console.log(m);
      var n = Map();
      console.log(n);

在这里插入图片描述

和Object的区别

1.object的key只能是字符串类型和symbol类型,Map的key可以是任意javascript类型
2.Map的key是有序的,迭代时按照插入key的顺序,object的key是无序的,es6以后,object的key也有序的了
3.在频繁的增删键值对的情况下,Map的表现更好,object没有做优化

Map对象的属性

size:用来获取Map中的条目数量
Map对象的方法
clear:清空对象中的条目
delete:删除特定的条目
get:获取特定的条目
has:检测是否包含特定的条目
set:设置特定的条目,如果已经包含,就更形该条目

迭代Map对象

entries(): 返回包含[key,value]的迭代器
keys():返回包含key的迭代器
values(): 返回包含value的迭代器
forEach():传入迭代处理函数遍历所有条目
for…of循环:和entires()的函数表现类似,循环内部对迭代器做了处理

注意:
迭代Map对象的过程中,新增的键值对可以被访问到,已经访问过的键值对,删除后再次添加进来的,会被再次访问,删除没有访问过的键值对,将不会被访问到。

set vs Array/Map vs Object性能对比

var m = new Map([
        [1, "1"],
        ["hello", "world"],
      ]);
      console.log(m);

      let map = new Map();
      //   存储对象,相同键值对可以去重
      map.set(1, "1");
      map.set(1, "2");
      map.set(2, "3");
      map.set("x", "6");
      console.log(map);

      console.log(map.get(1), map.get(2));

      map.delete(1);

      console.log(map.has(1));

      //   遍历
      for (let entries of map) {
        //entries 是[k,v]数组
        console.log(entries);
      }

      //实际开发中用于Map只存在于js中,不利于数据传输,需要进行转换
      let arr = Array.from(map);
      console.log(arr);

      //转换成对象
      let obj = Object.fromEntries(map);
      console.log(obj);

      //   性能对比
      let obj2 = {};
      let map2 = new Map();

      function each(cb) {
        for (let i = 0; i < 1000000; i++) {
          cb(i + "_", i);
        }
      }

      console.time("map");
      each((key, val) => {
        map2.set(key, val);
      });
      each((key, val) => {
        map2.delete(key);
      });
      console.timeEnd("map");

      console.time("obj");
      each((key, val) => {
        obj2[key] = val;
      });
      each((key, val) => {
        delete obj2[key];
      });
      console.timeEnd("obj");

      //   数组查找快,链表增删快,Map结合数组+链表的优势实现高性能增删改查

Map实现

      let count = 8;
      function MyMap() {
        //构造器
        this.initStore();
      }

      MyMap.prototype.initStore = function () {
        this.store = new Array(count); //创建一个长度为8的数组用来存储(8个房间)
        for (let i = 0; i < this.store.length; i++) {
          this.store[i] = {
            next: null,
          };
        }
      };
      MyMap.prototype.set = function (k, v) {
        // 通过key计算余数8,取得房间号
        let roomIndex = this.hash(k);
        // 取出链表头
        let queue = this.store[roomIndex];
        // 找元素
        while (queue.next) {
          // 不断地向下找
          if (queue.next.key === k) {
            // 覆盖
            queue.next.value = v;
          } else {
            queue = queue.next;
          }
        }
        //第一次执行到这里就是第一个数据 k:1
        //第二次执行到这里就是末尾的一个
        queue.next = {
          next: null,
          key: k,
          value: v,
        };
      };
      MyMap.prototype.get = function (k) {
        // 通过key计算余数8,取得房间号
        let roomIndex = this.hash(k);
        // 取出链表头
        let queue = this.store[roomIndex];
        queue = queue.next;

        while (queue) {
          if (queue.key === k) {
            return queue.value;
          } else {
            // 指针下移
            queue = queue.next;
          }
        }
        return undefined;
      };
      MyMap.prototype.hash = function (k) {
        return k % count;
      };
      MyMap.prototype.has = function (k) {
        return this.get(k) !== undefined;
      };
      let m = new MyMap();
      m.set(1, "a");
      m.set(2, "b");
      m.set(3, "c");
      m.set(4, "d");
      m.set(5, "e");
      m.set(6, "f");
      m.set(7, "g");
      m.set(8, "h");
      m.set(9, "k");

      console.log(m);
      console.log(m.get(1), m.get(3), m.get(9));

在这里插入图片描述

### 关于深度学习中的最大后验概率(MAP) #### 定义 在统计学和机器学习领域,最大后验概率估计(Maximum A Posteriori Estimation, MAP)是一种用于推断未知参数的方法。这种方法通过寻找能够使得给定观测数据下的后验分布达到最大的参数值来完成估计工作[^1]。 对于深度学习而言,MAP可以被看作是在训练过程中对权重进行调整的一种方式,其目的是让这些权重视为最有可能产生已知训练样本集的概率密度函数的一部分。具体来说,在贝叶斯框架下,当假设先验分布已知时,MAP试图找到一组最优的模型参数θ*,该组参数可以使联合概率P(θ|D)最大化,其中D代表观察到的数据集合[^2]。 #### 应用场景 - **超参数调优**:利用MAP可以在一定程度上减少过拟合现象的发生,因为引入了正则化项作为先验信息; - **不确定性量化**:相比于仅给出单个最佳解的传统方法,基于MAP得到的结果不仅提供了具体的数值预测,还附带有关此预测置信水平的信息; - **图像处理任务**:例如去噪、修复等问题中,MAP可用于构建损失函数并指导算法迭代更新直至收敛至全局极值点附近。 ```python import numpy as np from scipy.optimize import minimize def log_posterior(params, data): """计算log posterior""" likelihood = compute_likelihood(data, params) prior = compute_prior(params) return -(likelihood + prior) initial_guess = ... # 初始猜测值 result = minimize(log_posterior, initial_guess, args=(data,)) optimal_params = result.x ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大兵的猫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值