YFR718的博客

hadoop

YFR718 — Mon, 01 Nov 2021 21:21:30 +0800

Java变量

YFR718 — Wed, 27 Oct 2021 20:55:04 +0800

计算机原理图片

YFR718 — Wed, 27 Oct 2021 13:49:31 +0800

【分类网络】LeNet

YFR718 — Thu, 01 Apr 2021 23:20:33 +0800

代码地址 https://github.com/YFR718/Pytorch_Ai 背景 lecun大佬最早对手写数字进行识别，1980年代。网络结构 1.第一层C1是一个卷积层输入图片: 32 * 32 卷积核大小: 5 * 5 卷积核种类: 6 输出feature map大小:2828(32-5+1) 神经元数量:28 * 28 * 6 可训练参数数量:(5 * 5+1) * 6，(每个卷积核25个权重值w，一个截距值bias;总共6个卷积核) 连接数量:(5 * 5+1)62828 2.第

【分类网络】MobileNet_v2

YFR718 — Thu, 01 Apr 2021 21:13:23 +0800

所有源码： https://github.com/YFR718/Pytorch_Ai 背景 MobileNetV2是MobileNet的升级版，它具有一个非常重要的特点就是使用了Inverted resblock，整个mobilenetv2都由Inverted resblock组成。创新点 Inverted resblock 首先利用1x1卷积进行升维，然后利用3x3深度可分离卷积进行特征提取，然后再利用1x1卷积降维。 ReLU6 ReLU激活函数对低维特征信息照成大量损失网络结构设计该

【分类网络】MobileNet_v1

YFR718 — Thu, 01 Apr 2021 15:50:27 +0800

背景 2017年google提出，模型参数为VGG的1/32，准确率下降0.9。MobileNetV1就是把VGG中的标准卷积层换成深度可分离卷积（DW）。创新点（DW）深度卷积传统卷积：参数 in_channelout_channelK*K DepthwiseConv:参数 in_channelKK 特点卷积核深度为1 in_channel卷积核个数out_channel （PW）逐点卷积就是K = 1的传统卷积 DW+PW = Conv 计算量和参数个数减为Conv的1/N+

【目标检测】YOLOv5

YFR718 — Thu, 25 Mar 2021 17:13:31 +0800

http://yli17.cn/caRlQ 网络结构性能 Yolov5s网络最小，速度最少，AP精度也最低。但如果检测的以大目标为主，追求速度，倒也是个不错的选择。其他的三种网络，在此基础上，不断加深加宽网络，AP精度也不断提升，但速度的消耗也在不断增加。目前使用下来，yolov5s的模型十几M大小，速度很快，线上生产效果可观，嵌入式设备可以使用。核心思想 Mosaic数据增强 Yolov5的输入端采用了和Yolov4一样的Mosaic数据增强的方式。随机缩放、随机裁剪、随机排布的方式进行拼.

【目标检测】YOLOv4

YFR718 — Wed, 24 Mar 2021 21:28:31 +0800

参考：http://yli17.cn/LcNQ0 特点是一个高效而强大的目标检测网咯。它使我们每个人都可以使用 GTX 1080Ti 或 2080Ti 的GPU来训练一个超快速和精确的目标检测器。这对于买不起高性能显卡的我们来说，简直是个福音！在论文中，验证了大量先进的技巧对目标检测性能的影响，真的是非常良心! 对当前先进的目标检测方法进行了改进，使之更有效，并且更适合在单GPU上训练；这些改进包括CBN、PAN、SAM等。网络结构最简单清晰的表示： YOLOv4 = CSPDarknet53（

【目标检测】YOLOv3

YFR718 — Wed, 24 Mar 2021 21:02:36 +0800

网络结构特征提取部分采用darknet-53网络结构代替原来的darknet-19，利用特征金字塔网络结构实现了多尺度检测，分类方法使用逻辑回归代替了softmax，在兼顾实时性的同时保证了目标检测的准确性。 Darknet-53主要由1×1和3×3的卷积层组成，每个卷积层之后包含一个批量归一化层和一个Leaky ReLU，加入这两个部分的目的是为了防止过拟合。卷积层、批量归一化层以及Leaky ReLU共同组成Darknet-53中的基本卷积单元DBL。因为在Darknet-53中共包含53个这样的D

【目标检测】YOLOv2

YFR718 — Wed, 24 Mar 2021 16:07:59 +0800

更快更强网络结构改进方法（1）加入BN，提升2个点（2）更高分辨率，v1 224224，v2 448448.提升4% （3）引入 Anchor Box 机制在YOLOv1中，作者设计了端对端的网路，直接对边界框的位置（x, y, w, h）进行预测。这样做虽然简单，但是由于没有类似R-CNN系列的推荐区域，所以网络在前期训练时非常困难，很难收敛。于是，自YOLOv2开始，引入了 Anchors box 机制，希望通过提前筛选得到的具有代表性先验框Anchors，使得网络在训练时更容易收敛。预

【目标检测】YOLOv1

YFR718 — Wed, 24 Mar 2021 15:29:20 +0800

参考： http://yli17.cn/9kYRY 背景在YOLOv1提出之前，R-CNN系列算法在目标检测领域独占鳌头。R-CNN系列检测精度高，但是由于其网络结构是双阶段（two-stage）的特点，使得它的检测速度不能满足实时性。 2016年，提出了一种单阶段（one-stage）的目标检测网络。由于其速度之快和其使用的特殊方法，作者将其取名为：You Only Look Once，并将该成果发表在了CVPR 2016上。 YOLO 的核心思想就是把目标检测转变成一个回归问题，利用整张图作为网络

习题2.3 Old Bill

YFR718 — Wed, 10 Mar 2021 21:29:55 +0800

题目描述 Among grandfather's papers a bill was found. 72 turkeys $_679_ The first and the last digits of the number that obviously represented the total price of those turkeys are replaced here by blanks (denoted _), for they are faded and are illegibl

习题2.2 百鸡问题

YFR718 — Wed, 10 Mar 2021 21:16:19 +0800

题目描述用小于等于n元去买100只鸡，大鸡5元/只，小鸡3元/只,还有1/3元每只的一种小鸡，分别记为x只,y只,z只。编程求解x,y,z所有可能解。（本题没有测试数据， 1 int main(){} 就能通过真·本地过了就是过了）输入描述: 测试数据有多组，输入n。输出描述: 对于每组输入,请输出x,y,z所有可行解，按照x，y，z依次增大的顺序输出。示例1 输入 40 输出 x=0,y=0,z=100 x=0,y=1,z=99 x=0,y=2,z=98 x=1,y=0,z=99 思路：

习题2.1 与7无关的数

YFR718 — Wed, 10 Mar 2021 21:02:16 +0800

题目描述一个正整数,如果它能被7整除,或者它的十进制表示法中某个位数上的数字为7, 则称其为与7相关的数.现求所有小于等于n(n<100)的与7无关的正整数的平方和。输入描述: 案例可能有多组。对于每个测试案例输入为一行,正整数n,(n<100) 输出描述: 对于每个测试案例输出一行，输出小于等于n的与7无关的正整数的平方和。示例1 输入 21 输出 2336 思路：枚举 #include using namespace std; bool judge(i

例题2.3 对称平方数1

YFR718 — Wed, 10 Mar 2021 20:42:13 +0800

题目描述打印所有不超过256，其平方具有对称性质的数。如2，11就是这样的数，因为22=4，1111=121。输入描述: 无任何输入数据输出描述: 输出具有题目要求的性质的数。如果输出数据不止一组，各组数据之间以回车隔开。思路 re函数反转数字，枚举从0到255，其平方反转后和本身相等即可 #include using namespace std; int re(int x){ int a = 0; while(x){ a*=10;

例题2.2 反序对

YFR718 — Wed, 10 Mar 2021 20:32:20 +0800

题目描述设N是一个四位数，它的9倍恰好是其反序数（例如：1234的反序数是4321）求N的值输入描述: 程序无任何输入数据。输出描述: 输出题目要求的四位数，如果结果有多组，则每组结果之间以回车隔开。思路：直接从1000枚举 #include #include using namespace std; int main(){ for(int i=1000;i*9<10000;i++){ int n = i*

例题2.1 abc

YFR718 — Mon, 01 Mar 2021 23:09:23 +0800

题目描述设a、b、c均是0到9之间的数字，abc、bcc是两个三位数，且有：abc+bcc=532。求满足条件的所有a、b、c的值。输入描述: 题目没有任何输入。输出描述: 请输出所有满足题目条件的a、b、c的值。 a、b、c之间用空格隔开。每个输出占一行。思路：复杂度较低，直接暴力枚举 #include using namespace std; int main(){ for(int i=0;i<=9;i++){ for(int j

【leetcode千题】303. 区域和检索 - 数组不可变

YFR718 — Mon, 01 Mar 2021 22:27:34 +0800

问题给定一个整数数组 nums，求出数组从索引 i 到 j（i ≤ j）范围内元素的总和，包含 i、j 两点。实现 NumArray 类： NumArray(int[] nums) 使用数组 nums 初始化对象 int sumRange(int i, int j) 返回数组 nums 从索引 i 到 j（i ≤ j）范围内元素的总和，包含 i、j 两点（也就是 sum(nums[i], nums[i + 1], … , nums[j])）示例：输入： [“NumArray”, “sumRange

【leetcode千题】111.二叉树的最小深度

YFR718 — Mon, 25 Jan 2021 11:59:22 +0800

二叉树的最小深度给定一个二叉树，找出其最小深度。最小深度是从根节点到最近叶子节点的最短路径上的节点数量。说明：叶子节点是指没有子节点的节点。示例 1：输入：root = [3,9,20,null,null,15,7] 输出：2 示例 2：输入：root = [2,null,3,null,4,null,5,null,6] 输出：5 提示：树中节点数的范围在 [0, 105] 内 -1000 <= Node.val <= 1000 思路：队列bfs计数 # Definition fo

【python】jupyter使用技巧

YFR718 — Wed, 30 Dec 2020 15:04:18 +0800

jupyter导入其他环境：首先要切换到想要添加的环境中来，比如说【gan】，然后在这个环境中，使用ipykernel的命令来添加环境到jupyter notebook中 conda activate gan conda install ipykernel python -m ipykernel install --name gan 执行完这个语句之后，会自动在目录【C:\ProgramData\jupyter\kernels】(类似)生成一个【adda】文件夹，里面有kernel.json文件现在打