DAICONG’s Blog

前言：（不得不说网上搜到的垃圾配置方案真是多，基本上没几个能用的）东拼西凑不说废话，直接上图干净利落1、创建新空白项目2、添加一个主文件3、配置opencv环境4、链接器配置将opencv添加到计算机环境中6、将文件复制到C盘的C:\Windows\SysWOW64和C:\Windows\System32文件夹中7、最后一...

一、下载vs2019和qt（关于vs2019的配置方法不在赘述，上一篇已经讲解了，点击传送门）1、下载vs2019，直接在官网点击下载即可，是免费的。2、下载qt，在官网站下载即可二、将vs2019和qt添加到系统环境变量中三、在vs2019中创建新项目并添加qt插件点击拓展--管理拓展--联机--搜索qt--下载四、创建qt项目配置完成后，点击mia...

文章目录1. 下载安装包1.1 查看NVCC版本1.2 CUDA10.0版本包1.3 CUDA9.2版本包2. 安装Torch 72.1 安装依赖2.2 编译安装3. 测试4. 引用1. 下载安装包1.1 查看NVCC版本nvcc -V1.2 CUDA10.0版本包百度网盘链接 密码: qm171.3 CUDA9.2版本包百度网盘链接 密码: vbg42. 安装Torch 7tar zxvf distro.tgzexport TORCH_ROOT=distro/2.1 安装.

sudo -iyun install nodejs -ynode -vnpm -vnpm i -g nn --stable#查看最新版本n stable #安装最新版本#重启终端npm -vnode -v

1、前提是你拥有本机机器码对应的密码，可以打开文档，不能打印和导出。2、打开文档后，做一些改动，文档会生成一个临时文件，存放在C:\Users\用户名\AppData\Local\Temp下3、打开powershell,转到这个文件夹下，ls查看生成的临时文件cd C:\Users\daicong\AppData\Local\Templs4、用cp指令将文件转移到上级文件夹(或用...

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...

刚发现leecode只需要编写主函数就行，不必去纠结读取输入和输出1、给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。示例: 给定 nums = [2, 7, 11, 15], target = 9 因为 nums[0] + nums[1...

错误使用 mex未找到支持的编译器。您可以安装免费提供的 MinGW-w64 C/C++ 编译器；请参阅安装 MinGW-w64 编译器。有关更多选项，请访问 https://www.mathworks.com/support/compilers。解决方法：登陆https://www.mathworks.com/support/compilers网站进行下载对应的编译器，下载完成后奖编译器...

递归def fact(n): if n==1: return 1 return n * fact(n - 1)'''fact(5)120'''尾递归def fact(n): return fact_iter(n, 1)def fact_iter(num, product): if num == 1: ret...

首先调用numpyimport numpy as np下面进行a = [[random.randint(2, 3) for j in range(10, 20)] for i in range(5, 10)]print(array(a))

Leecode刷题解答1、爬到索引为i的楼梯（第一层索引为0）的最小花费r[i]=min(r[i-1] + cost[i-1], r[i-2] + cost[i-2]), 确定了状态转移方程。但是注意r[i]定义为爬到第i层，并没有爬完整个楼梯，所以最后返回值并不是r[-1]，而是min(r[-1]+cost[-1], r[-2]+cost[-2])，(r[-1]+cost[-1], r[-...

满分答案#跳一跳100分程序sore,boostsore = 0,2nums=list(map(int,input().split()))for i in nums: if i == 1: sore += 1 boostsore = 2 elif i == 2: sore = sore + boostsore...

交叉熵可在神经网络(机器学习)中作为损失函数，p表示真实标记的分布，q则为训练后的模型的预测标记分布，交叉熵损失函数可以衡量p与q的相似性。交叉熵作为损失函数还有一个好处是使用sigmoid函数在梯度下降时能避免均方误差损失函数学习速率降低的问题，因为学习速率可以被输出的误差所控制。在特征工程中，可以用来衡量两个随机变量之间的相似度。...

神经网络的预备知识特征提取的高效性 大家可能会疑惑，对于同一个分类任务，我们可以用机器学习的算法来做，为什么要用神经网络呢？大家回顾一下，一个分类任务，我们在用机器学习算法来做时，首先要明确feature和label，然后把这个数据”灌”到算法里去训练，最后保存模型，再来预测分类的准确性。但是这就有个问题，即我们需要实现确定好特征，每一个特征即为一个维度，特征数目过少，我们可能无法精确的分...

总结：2018在家过的这个年还算是很开心的，波澜不惊，静谧而温馨3月：从开学以来，本以为自己会拟定学习计划，然后按照计划高效率的学习，但实际上是一头雾水，拖拖拉拉到了5月份，感觉自己一事无成，你问我学会了什么东西，我却一点都回答不上来。 三月开学，依旧在公寓办做兼职，年前的计划是参加华为精英挑战赛，利用这个机会好好锻炼自己。为此我在三月底特意辞职公寓办的兼职，想着自己能...

Git-SSH 配置和使用

兴趣使然，作为一个半路出家的半吊子码农，喜欢捣鼓一些新奇的东西，这次是利用暑假自学的linu相关知识建立自己的博客，结合自己在配置的过程上遇到的问题各种百度查资料等，特意写下来供大家参考和学习！