- 博客(5)
- 收藏
- 关注
RSS订阅原创 【编译原理】求FIRST集和FOLLOW集
摘要：对于普遍的求FIRST集和FOLLOW集做法而言，我在学习过程中，觉得FIRST集应该有一些需要额外考虑的东西。（->右边第一个是非终结符，将该非终结符的First集（去空）加进集合）（后面是非终结符，将该非终结符的First集加进我的Follow集）2、Follow集合规则（相应字母在->右边，查找相应字母的右边的东西）③A->Xa,将集合First（X）- ε加入First（A）中。③B->AC，First（C）-ε加入Follow（A）。①A->aB，a加进First（A）；
2024-06-23 22:42:12
723
1
原创 Linux的免密登录操作及遇到的问题
显示了成功执行了 ssh-copy-id 命令，将 sys03 上的公钥添加到了 sys04 的 ~/.ssh/authorized_keys 文件中。当从 sys03 免密登录到 sys04 之后，将拥有 sys04 上与在SSH登录账户权限相对应的用户权限。因此，显示 /etc/hosts 文件内容的命令表明，在 sys03 通过SSH已经可以执行 sys04 上的命令了，实际上已经远程控制了 sys04。、同理，在sys04中进行1-4的步骤，则可以实现sys04免密登录sys03，如下图，解释略。
2024-06-06 17:05:21
2213
3
原创 对CDEC、GCFAgg的学习记录（有误请指出）
一、Contrastive deep embedded clustering（CDEC）论文的学习二、GCFAgg: Global and Cross-view Feature Aggregation for Multi-view Clustering（GCFAgg）论文的学习。
2023-09-07 20:37:11
480
1
原创 对聚类经典文献（DEC——无监督的深度嵌入式聚类）的学习（续）
本文主要是本人的学习心得，包括以下两个方面：一、对论文《无监督的深度嵌入式聚类》（DEC）相关知识的学习；二、对DEC代码的学习。详细讲解点击此处：（论文解读）DEC（Deep Embedded Clustering）是一种基于深度学习的无监督聚类方法，它通过将自编码器（Autoencoder）与K-Means聚类相结合来实现端到端的聚类任务。
2023-06-02 17:58:20
4298
3
原创 对聚类经典文献（DEC——无监督的深度嵌入式聚类）代码部分的学习
torch.pow(z.unsqueeze(1) - self.cluster_layer, 2)：对差值张量中的每个元素进行平方操作，得到一个形状为 (batch_size, n_clusters, n_z) 的平方张量。#这段代码中的参数是神经网络中的层参数，包括输入维度(n_enc_1)和输出维度(n_enc_2)。#torch.Tensor(n_clusters, n_z) 用于创建一个大小为 (n_clusters, n_z) 的张量，它包含了聚类层的权重参数 n_z 是自编码器的输出维度。
2023-05-25 23:28:07
903
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人