Douzaikongcheng的博客

markdown公式语法注意：有些字符没显示是因为$使用个数导致的，优快云可能需要两个才能显示，而typora只需要一个就可以显示一：字母顶标参考链接：https://www.codeleading.com/article/7318435168/a⃗\vec{a}a 向量a‾\overline{a}a 平均值a^\widehat{a}a (线性回归，直线方程) y尖a~\widetilde{a}a 颚化符号 等价无穷小a˙\dot{a}a˙ 一阶导数a¨\ddot{a}a¨ 二

linux基于MPI的多进程编程，矩阵乘法(C++语言)1.MPI的下载下载网址：https://www.mpich.org/downloads/2.安装和测试安装是否成功tar -zxvf mpich-3.3.2.tar.gzcd mpich-3.3.2$ ./configure -prefix=/usr/local/mpich --disable-fortransudo make && make install失败sudo susudo make &am

python实现FR共轭梯度法求极值python代码实现import numpy as npfrom sympy import *import math# 定义符号x1, x2, t = symbols('x1, x2, t')def func(): # return (x1 - 1) ** 2 + (x2 - 1) ** 2 return 1.5 * x1 ** 2 + 0.5 * x2 ** 2 - x1 * x2 - 2 * x1

python实现阻尼牛顿法求极值python实现import numpy as npfrom sympy import *import mathimport sympy# 定义符号x1, x2, t = symbols('x1, x2, t')vars = symbols('x1, x2')def func(): # return x1 + x2 ** 2 + x1 ** 4 + 2 * x1 ** 2 * x2 ** 2 + 8 * x1 ** 2 *

不同卷积权重的数据类型(float32,float64)卷积运算的时间pytorch中，张量的数据类型大概可以分为以下8种，不同的数据类型在运算时的速度是不同的，支持的设备也是不同的。图片来自：https://blog.youkuaiyun.com/xholes/article/details/81667211测试环境：CPU一:32位浮点型import torchimport torch.nn as nnimport timeclass Net(nn.Module): def

两点三次插值多项式的极小点python求解代码import math# 三次插值法def default_func_cubic_interpolation0(x): # return x ** 3 - 3 * x + 1 return x ** 4 - 4 * x ** 3 - 6 * x ** 2 - 16 * x + 4def default_func_cubic_iterpolation1(x): # return 3 * x ** .

一文搞懂L1和L2范数，L1和L2损失首先说到范数肯定是对一个对象的操作，比如说一个向量，一个矩阵；而说到损失肯定牵扯两个对象，比如两个向量求损失，或两幅图像求损失。1.范数：1.1向量的范数1.1.1向量的1范数----L1范数举例：x = (1, -1, 3)||x||1 = |1| + |-1| + |3| = 51.1.2向量的2范数----L2范数||x||1 =sqrt( 1^2 + (-1)^2 + 3^2) = sqrt(11)sqr...