<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dingao1718的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dingao1718</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dingao1718]]></copyright><item><title><![CDATA[338.比特位计数（ Counting Bits）leetcode]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195066</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195066</guid><author>dingao1718</author><pubDate>Sun, 08 Sep 2019 21:04:00 +0800</pubDate><description><![CDATA[附上：题目地址：https://leetcode-cn.com/problems/counting-bits/submissions/
1：题目：
　　给定一个非负整数num。对于0 ≤ i ≤ num 范围中的每个数字i，计算其二进制数中的 1 的数目并将它们作为数组返回。
示例 1:
　　输入: 2
　　输出: [0,1,1]示例2:
　　输入: 5　　输出: ...]]></description><category></category></item><item><title><![CDATA[461. 汉明距离（Hamming Distance）leetcode]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195068</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195068</guid><author>dingao1718</author><pubDate>Wed, 04 Sep 2019 00:31:00 +0800</pubDate><description><![CDATA[首先附上题目链接：https://leetcode-cn.com/problems/hamming-distance/
一：题目
  两个整数之间的汉明距离指的是这两个数字对应二进制位不同的位置的数目。给出两个整数 x 和 y，计算它们之间的汉明距离。
   注意：0 ≤ x, y &lt; 231.
示例:
输入: x = 1, y = 4
输出: 2
解释...]]></description><category></category></item><item><title><![CDATA[121. 买卖股票的最佳时机（ Best Time to Buy and Sell Stock）]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195080</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195080</guid><author>dingao1718</author><pubDate>Wed, 04 Sep 2019 00:10:00 +0800</pubDate><description><![CDATA[题目地址：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/
解题思路一：暴力求解法
　　根据题目我们可以知道，我们知道最大利润“i”-“j”的差值就可以得到结果，所以时间复杂度为O（n*n）,空间复杂度为O（1）。以下为源码：

  int maxProfit(vector&lt;int&gt;&a...]]></description><category></category></item><item><title><![CDATA[卷积神经网络理解]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195078</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195078</guid><author>dingao1718</author><pubDate>Tue, 20 Aug 2019 03:38:00 +0800</pubDate><description><![CDATA[卷积神经网络（Convolutional Neural Network，CNN或ConvNet）是一种具有局部连接、权重共享等特性的深层前馈神经网络。我们通俗的印象在于卷积神经网络有利于图像处理。
一：在图像处理上卷积神经网络比全连接网络有什么优势
   如果用全连接前馈网络来处理图像时，会存在以下两个问题：
　　1）参数太多：如果你是一个100*100（R...]]></description><category></category></item><item><title><![CDATA[pytorch神经网络层搭建方法]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195076</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195076</guid><author>dingao1718</author><pubDate>Sun, 18 Aug 2019 19:22:00 +0800</pubDate><description><![CDATA[神经网络层的搭建主要是两种方法，一种是使用类（继承torch.nn.Moudle），一种是使用torch.nn.Sequential来快速搭建。
 1）首先我们先加载数据：


import  torchimport  torch.nn.functional as F
#回归问题
x=torch.unsqueeze(torch.linspace(-1,1,100...]]></description><category></category></item><item><title><![CDATA[pytorch基础问题]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195071</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195071</guid><author>dingao1718</author><pubDate>Sun, 18 Aug 2019 16:31:00 +0800</pubDate><description><![CDATA[本文将自己在pytorch学习中遇见的各种问题整理起来，并且持续更新。
1：torch.Tensor和torch.tensor的区别
　开始使用torch.tensor和torch.Tensor的时候发现结果都是一样的。都能生成新的张量。但根源上是有差别的。

import  torch
n=torch.tensor([[3,4],[1,2]])
x=torch.Tensor...]]></description><category></category></item><item><title><![CDATA[pytorch中的激励函数（详细版）]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195069</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195069</guid><author>dingao1718</author><pubDate>Sat, 17 Aug 2019 23:56:00 +0800</pubDate><description><![CDATA[初学神经网络和pytorch，这里参考大佬资料来总结一下有哪些激活函数和损失函数（pytorch表示）
  首先pytorch初始化：


import torch
import torch.nn.functional as F
from torch.autograd import Variable

import matplotlib.pyplot...]]></description><category></category></item><item><title><![CDATA[使用torchvision下载数据集显示没有模板]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195072</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195072</guid><author>dingao1718</author><pubDate>Wed, 14 Aug 2019 17:43:00 +0800</pubDate><description><![CDATA[配置：
 Anaconda+Windows+py3.7
一：首先先卸载开始的torchvision：pip uninstall torchvision
二：找到官网：https://pypi.org/project/torchvision/0.1.8/
 开始我测试了：

pip install torchvision


conda install torch...]]></description><category></category></item><item><title><![CDATA[批数据训练]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195074</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195074</guid><author>dingao1718</author><pubDate>Tue, 13 Aug 2019 14:58:00 +0800</pubDate><description><![CDATA[Torch中有一种整理你数据结构的东西：DataLoader，它能够包装你的数据，并且进行批训练。
一：相关操作
　　1：包的导入：

import torch.utils.data as Data

　　  初始数据：

x = torch.linspace(1 , 10, 10)
y = torch.linspace(10, 1, 10)

　　2：包...]]></description><category></category></item><item><title><![CDATA[BeautifulSoup解析豆瓣即将上映的电影信息]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195075</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195075</guid><author>dingao1718</author><pubDate>Tue, 23 Jul 2019 15:12:00 +0800</pubDate><description><![CDATA[工欲善其事，必先利其器，我们首先得了解beautifulsoup的使用，这其实是一个比较简单的东西


 BeautifulSoup的基本使用语法规则


.find() 使用示例
soup.find('a')。那么会返回在soup包含的源代码中，遇到的第一个&lt;a&gt;...&lt;/a&gt;标签内容对象。
soup.find('a', id='next')。...]]></description><category></category></item><item><title><![CDATA[js脚本实现在该界面直接跳转到一个登录界面并且自动登录]]></title><link>https://blog.youkuaiyun.com/dingao1718/article/details/101195061</link><guid>https://blog.youkuaiyun.com/dingao1718/article/details/101195061</guid><author>dingao1718</author><pubDate>Sat, 13 Jul 2019 21:39:00 +0800</pubDate><description><![CDATA[1：首先说明的是自动登录也是需要密码的，这是前一个网页传输过去的
2：这里我使用的是post提交表单的形式
&lt;---------------------------------------------------------------------&gt;
开始正题
 1）首先推出测试平台：
　　https://www.runoob.com/runcode
　　这个平...]]></description><category></category></item></channel></rss>