- 博客(13)
- 收藏
- 关注
RSS订阅原创 每日刷题
使用栈实现队列的下列操作： push(x) – 将一个元素放入队列的尾部。 pop() – 从队列首部移除元素。 peek() – 返回队列首部的元素。 empty() – 返回队列是否为空。 示例: MyQueue queue = new MyQueue(); queue.push(1); queue.push(2); queue.peek(); // 返回 1 queue.pop(); // 返回 1 queue.empty(); // 返回 false 来源：力扣（LeetCode） 链接：ht
2020-08-29 14:44:22
206
原创 每日刷题
链表 创建链表 class ListNode: def __init__(self, val, next = None): self.val = val self.next = next # [1, 2, 3] => 1->2->3 def gen_list(nums): if not nums: return None head = ListNode(nums[0]) pre = head for i in range(1, len(nums)): node
2020-08-26 20:01:21
226
原创 leetcode每日刷题
1、两数之和 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，数组中同一个元素不能使用两遍。 示例: 给定 nums = [2, 7, 11, 15], target = 9 因为 nums[0] + nums[1] = 2 + 7 = 9 所以返回 [0, 1] 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/two-sum 思路1
2020-08-25 18:39:36
296
原创 目标检测学习笔记
什么是目标检测 目标检测指的是检测出图片中物体的位置并作出标注。不同于分类网络的每个图片只有一个lable。目标检测的网络往往会对图片中的多个目标进行定位。（多个lable信息） 一般来说可以将分类网络视为 一张图片输入； 一个类标签输出。 而目标检测网络可以被视为： 向网络输入一张图像； 获得多个边框和类标签作为输出。 yolo 模型介绍 上文提到了，目标检测网络是要获得多个边框作为输出。那么，原始边框的获取就成为了一个问题。我们都知道卷积可以聚合空间信息。那么，可以理解成原始图片和通过卷积神经网
2020-06-17 23:50:28
766
原创 tensoflow学习笔记
神经网络越靠后，特征图的尺寸越小，通过增加卷积核的个数，来增加特征图的深度，保持了信息的承载能力。 VGGNet 使用小尺寸卷积核（33）相比AlexNet（55）减少了参数的同时，提高了识别准确率。VGGNet网络结构规整，非常适合硬件加速。 InceptionNet 引入Inception结构块，在同一层网络内使用了不同尺寸的卷积核，提升了模型感知力。使用了批标准化，缓解了梯度消失。 Inception结构块 在每一层用不同尺寸的卷积核，用来提取不同尺寸的特征。比如多个1*1卷积核，作用与特征图的每一
2020-06-09 23:54:34
459
原创 TensorFlow学习笔记
保存训练参数，并再下一次训练时直接使用 1、保存模型： 下面展示一些 内联代码片。 cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_save_path, save_weights_only=True, save_best_on
2020-06-03 16:22:46
258
原创 TensorFlow学习笔记
tf.keras搭建神经网络 - 六步法 import train,test Sequential or Class model.compile model.fit model.summary Q1：当有个自己本领域的数据，又有了标签。显然不能用 load_data Q2：若数据量过少，模型训练量不够，泛化能力不够。应该怎么解决。（数据增强） Q3：每次训练都从头开始，不利于效率。（断点续训，参数提取） 今日主要学习内容： 自制数据集，解决本领域应用 数据增强，扩充数据集 断点续训，存取模型 参数提取
2020-06-02 22:03:10
1029
1
原创 搭建神经网络
搭建网络八股文六步法tf.keras.models.Sequential([网络结构])model.compile(optimizer = 优化器，loss = 损失函数，metrics = ["准确率"]model.fit()model.summary()class MyModel(Model) 六步法 1. import 2. train,test 3. model = tf.keras.model.Sequential(在Sequential中描述网络结构，相当于走一遍前向传播) 4. model.c
2020-06-01 00:17:44
178
原创 Tensor flow学习笔记
欠拟合和过拟合 欠拟合：模型表达能力不够 过拟合：模型表达能力过强，缺少模型泛化能力 欠拟合的解决办法： 1、增加输入特征项 2、增加网络参数量 3、减少正则化参数 过拟合的解决方法： 1、数据清洗 2、增大训练集 3、采用正则化 3、增大正则化参数 正则化缓解过拟合 什么是正则化： 在随时函数中引入模型复杂度指标，利用给每个参数w增加一个权重，用来弱化训练数据时的噪声。（一般不对b进行正则化） 这时新的loss定义为： loss = loss(y_, y) + REGULARIZER * loss(w
2020-05-31 00:35:45
340
原创 TensorFlow学习笔记
TensorFlow学习笔记 tf.where （条件语句，真返回A，假返回B） 条件语句真 ，返回A，条件语句假。返回B tf.greater(a,b) 返回 a，b中大的那个元素 np.random.RandomState.rand(维度) 返回一个[0, 1 ]之间的随机数，若维度为空，则返回标量 np.vstack(数组1，数组2 ) 将连个数组按垂直方向叠加 np.mgrid(起始值：结束值：步长，起始值：结束值：步长…) np.ravel(x) 将x变为一维数组，“把 丶前的变量拉直 ”
2020-05-28 22:21:14
169
转载 tensorflow学习笔记
TensorFlow学习笔记张量（Tensor）生成维度：如何创建一个tensor常用函数理解axis神经网络实现鸢尾花分类准备数据数据集读入数据集乱序数据集分成永不相见的训练集和测试集配成[输入特征，标签]对，每次喂入一个batch搭建网路偶定义神经网络中所有的可训练参数参数优化嵌套循环迭代，with结构更新参数，显示当前loss测试效果计算当前参数前向传播后的准确率，显示为当前accacc/loss 可视化 张量（Tensor）生成 Tensor：多维数组（列表） 阶：张量的维度 t = [[[…
2020-05-27 22:38:55
551
1
原创 Numpy学习笔记
1、Numpy创建array 创建数组 np.array([list],dtype=np.int32)生成一个格式为int 32的数组 np.zeros()生成全部为0的数组 np.ones()生成全部为1的数组 np.empty()生成一个空数组 np.linspace(1,10,5)生成1到10 间隔为5的数列 np.reshape((n,n)) 强制转换格式为n*n numpy基础运算 a=np.array([10.20.30.40]) b=np.arange(4) c=a+b 逐个相加 b*
2020-05-23 13:43:30
162
原创 Python学习笔记
Python学习笔记 1、表达式 {1, 2, 3, 4, 5} ^ {4, 5, 6, 7} 的值为？ 由程序输出结果猜测是取两个字典中不一样的部分并合并成一个新的字典。 A：{1, 2, 3, 6, 7} 2、range函数有三个参数，前两个是上下界，第三个是间隔。其中上下界遵循下包上不包 3、Python ord() 函数 ，返回参数的ASCII码值 4、表达式 sorted([13, 1, 237, 89, 100], key=lambda x: len(str(x))) 的值为： 这个问题中的 s
2020-05-20 22:15:03
381
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