daisy_d_的博客

pytorch数据集加载的两种方式

daisy_d_ — Fri, 20 Nov 2020 15:48:24 +0800

数据加载的两种方式： 1. 直接采用pytorch官方定义的方法： torchvision.datasets 包含一些常见的数据集数据集无需转化为图片，直接将下载的压缩包放在root=opt.dataset_dir下即可缺点是自己无法自定义划分数据集了 import torchvision.datasets import torchvision.transforms as transforms #一些转化方法 transform=transforms.Compose([transforms.Graysc

python 使用numba进行矩阵操作加速

daisy_d_ — Fri, 16 Oct 2020 16:26:38 +0800

飞快！！需要安装numba 导入 from numba import jit 然后加速函数，将@jit放在函数前面函数里面的所有数据类型应该需要是基本的，如果自定义数据类型的话，numba会加速不了报错使用方法例如 @jit def metrix_mul(x1,x2): number = x1*x2 return number @jit def metrix_add(inter): number = 0 for i in range(64): fo

文件夹中的图片resize大小 python

daisy_d_ — Wed, 14 Oct 2020 18:57:24 +0800

将image_path文件夹下的图片resize成（w，h）重命名并保存 import cv2 import os def Resize_Image(image_path,w=64,h=64): image_path_list = os.listdir(image_path) image_path_list.sort() number=1 for filename in image_path_list: file = image_path+'/'+filena

力扣12. 整数转罗马数字（c++)

daisy_d_ — Sat, 10 Oct 2020 12:23:08 +0800

我又改用c++了。。题目描述：罗马数字包含以下七种字符： I， V， X， L，C，D 和 M。字符数值 I 1 V 5 X 10 L 50 C 100 D 500 M 1000 例如，罗马数字 2 写做 II ，即为两个并列的 1。12 写做 XII ，即为 X + II 。 27 写做 XXVII, 即为 X

cuDNN launch failure : input shape ([4,10,128,128])

daisy_d_ — Mon, 07 Sep 2020 11:53:40 +0800

网上已经有一些解决方法： 1.去掉第一层BN层 2.加上一句话，或者注释掉 os.environ['TF_FORCE_GPU_ALLOW_GROWTH'] = 'true' 但是我觉得他们可能是程序结构出问题。我出现的原因是，gpu同时运行了两个程序，把pycharm运行的程序关掉问题就解决了。同一个问题栽到两次记录一下。 ...

mkl-random 1.0.1 requires cython, which is not installed.

daisy_d_ — Wed, 26 Aug 2020 17:54:48 +0800

缺什么安装什么就可以啦 pip install mkl-random

leetcode刷题111.二叉树的最小深度

daisy_d_ — Thu, 13 Aug 2020 17:07:43 +0800

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。递归调用需要判断是不是叶子节点是叶子节点才能停止，否则要继续计算比如只有一个子节点的节点不能停止，必须要继续计算子节点的深度 # Definition for a binary tree node. # class TreeNode: # def __init__(self, x): # self.val = x # self.le

leetcode69:x的平方根（python）

daisy_d_ — Fri, 31 Jul 2020 11:31:49 +0800

二分查找题目实现 int sqrt(int x) 函数。计算并返回 x 的平方根，其中 x 是非负整数。由于返回类型是整数，结果只保留整数的部分，小数部分将被舍去。方法一白痴本人想出来的傻方法无脑循环从1到x/2循环 class Solution: def mySqrt(self, x: int) -> int: if x==1: return 1 if x==0: return 0

very deep convolutional networks for lorge-scale image recognition(VGG)阅读总结

daisy_d_ — Sun, 26 Jul 2020 10:57:43 +0800

文章目录1 网络结构及对比2 创新点2.1 小的卷积核2.2 多尺度进行训练和测试3 网络的训练和评估3.1 参数3.2 训练和测试3.3 评估4 结论 1 网络结构及对比 A → E：网络层从11到19层 A → A-LPN：添加了反应归一化层没有改善 B：增加了卷积层数 C: 添加了1×1的卷积层，相当于加入了非线性层（Relu） D：将1×1换成3×3说明肥牛盖饭的感受野表现更好 E：加到19层模型饱和 2 创新点 2.1 小的卷积核利用3×3替代5×5和7×7： ①减少参数 ②小的卷积核有更多

imagenet classification with deep convolutional neural networks(alexnet)阅读总结

daisy_d_ — Sun, 26 Jul 2020 10:19:56 +0800

文章目录1.数据集2.创新点????2.1 ReLU非线性????2.2 多GPU训练2.3 局部响应归一化2.4重叠池化????2.5 数据增强????2.6 DropOut3 网络结构4 结果分析4.1 top-1和top-5错误4.2 定量分析 1.数据集 ImageNet：1500万张图片，2.2万类别 ILSVRC比赛数据集：ImageNet的一个子集，1000个类别，每个类别大概1000张图。120万张训练图片，5万张验证集图片，15万张测试集图片。 2.创新点 ????2.1 ReLU非线性

leetcode刷题记录27删除排序数组中的重复项

daisy_d_ — Sun, 12 Jul 2020 16:03:21 +0800

题解： class Solution: def removeDuplicates(self, nums: List[int]) -> int: i=0 for j in range(1,len(nums)): if nums[j]!=nums[i]: i=i+1 nums[i]=nums[j] ret

leetcode刷题记录21合并两个有序链表

daisy_d_ — Sun, 12 Jul 2020 16:01:30 +0800

题解：将两个升序链表合并为一个新的升序链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。 # Definition for singly-linked list. class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = next class Solution: def mergeTwoLists(self, l1: ListNod

leetcode刷题记录 20有效公共前缀

daisy_d_ — Sun, 12 Jul 2020 15:58:40 +0800

题解： class Solution: def isValid(self, s: str) -> bool: false=False true=True strans="" try: strans+=s[0] except: return true for i in range(1,len(s)): if s[i]==')' or s[i]=='}'

leetcode刷题记录14最长公共前缀

daisy_d_ — Sun, 12 Jul 2020 15:56:42 +0800

题解： class Solution: def longestCommonPrefix(self, strs: List[str]) -> str: ssum="" try: l = len(strs[0]) except: return ssum for i in range(len(strs)): if len(strs[i])

leetcode刷题记录13罗马数字转整数

daisy_d_ — Sun, 12 Jul 2020 15:53:51 +0800

罗马数字包含以下七种字符: I， V， X， L，C，D 和 M。字符数值 I 1 V 5 X 10 L 50 C 100 D 500 M 1000 例如，罗马数字 2 写做 II ，即为两个并列的 1。12 写做 XII&nbs

吴恩达机器学习笔记课时10

daisy_d_ — Sun, 12 Jul 2020 09:03:06 +0800

参考链接：https://blog.youkuaiyun.com/qq_29317617/article/details/86312154 补充细节：验证集误差最小选择模型，测试集用来评估模型的泛化能力对于逻辑回归，还可以计算分类误差： 9.6学习曲线

吴恩达机器学习笔记课时9

daisy_d_ — Sun, 12 Jul 2020 08:54:37 +0800

参考的链接：https://blog.youkuaiyun.com/qq_29317617/article/details/86312154 细节补充： 9.1 代价函数神经网络结构：神经网络的前向传播：代价函数：最后一项代表惩罚所有网络层中的参数Θ 前向传播的过程： 9.2 反向传播算法 ...

吴恩达机器学习编程作业三多分类以及前馈神经网络（python)

daisy_d_ — Fri, 10 Jul 2020 12:46:21 +0800

1.多分类分类器将之前实施的logistic分类拓展到one-vs-all分类 import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy.io import loadmat 1.1数据集在ex3data1.mat。5000个训练样本，每个图片大小20×20转化为400维，矩阵X为5000×400。 ...

吴恩达机器学习编程作业2逻辑回归（python）

daisy_d_ — Sat, 04 Jul 2020 20:15:55 +0800

网上的python实现基本都看了，重复率很高，第一个写出来的真大佬啊我使用jupyter notebook方便可视化和理解，只需要在一个文件里写完就可以了，不用绕来绕去。 1.逻辑回归（不包含正则化）题意：ex2data1.txt包含三列数据，第一列第一次考试成绩，第二列第二次考试成绩。两次成绩决定通过不通过。第三列1表示admit，0表示refuse。 1.1可视化原始数据 import matplotlib.pyplot as plt import numpy as np import scipy.

吴恩达机器学习课时6学习笔记

daisy_d_ — Fri, 26 Jun 2020 15:19:59 +0800

logistic回归解决分类问题，新的代价函数线性回归和logistic回归不一样的是： h（x）不一样。 logistic是分类问题，命名为回归是历史原因。