- 博客(11)
- 收藏
- 关注
RSS订阅
1原创 LeetCode刷题——查找2打卡
文章目录算法应用leetcode1. 两数之和leetcode15. 三数之和leetcode16. 最接近的三数之和leetcode1. 两数之和leetcode1. 两数之和算法应用leetcode1. 两数之和题目描述：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 =
2020-08-28 21:53:24
274
原创 LeetCode刷题——查找打卡
文章目录查找主要思想算法应用1、leetcode349. 两个数组的交集查找主要思想做题中考虑的基本数据结构：第一类： 查找有无——set元素'a'是否存在，通常用set：集合set只存储键，而不需要对应其相应的值。set中的键不允许重复第二类： 查找对应关系(键值对应)——dict元素'a'出现了几次：dict-->字典dict中的键不允许重复第三类： 改变映射关系——map通过将原有序列的关系映射统一表示为其他算法应用1、leetcode349. 两个
2020-08-25 22:41:17
327
原创 LeetCode刷题——动态规划打卡
@TOC动态规划class Solution { public static int findLengthOfLCIS(int[] nums) { if(nums.length == 0) return 0; int [] dp = new int[nums.length]; dp[0] = 1; int res = dp[0]; for(int i=1; i<nums.length; i++){
2020-08-21 23:26:13
221
原创 LeetCode刷题——分治打卡
分治分治算法的主要思想分治算法的步骤算法应用1、169. 多数元素2、50. Pow(x, n)分治算法的主要思想将原问题递归地分成若干个子问题，直到子问题满足边界条件，停止递归。将子问题逐个击破(一般是同种方法)，将已经解决的子问题合并，最后，算法会层层合并得到原问题的答案。分治算法的步骤分：递归地将问题分解为各个的子问题(性质相同的、相互独立的子问题)；治：将这些规模更小的子问题逐个击破；合：将已解决的子问题逐层合并，最终得出原问题的解；算法应用1、169. 多数元素题目描述：给定一
2020-08-19 22:12:44
178
原创 oracle踩坑记录
删除数据时，报错ORA-02292：违反完整约束条件（XXX.FKXXX）- 已找到子记录，解决方法如下：找到子表的记录：select a.constraint_name, a.table_name, b.constraint_namefrom user_constraints a, user_constraints bwhere a.constraint_type = ‘R’and b.constraint_type = ‘P’and a.r_constraint_name = b.co.
2020-06-15 19:40:21
148
原创 模型集成
经过前面的赛题理解、数据读取与数据扩增、字符识别模型的建立和模型的训练与验证的学习；从跑通baseline，慢慢在这其中添加一些能让模型更优秀的元素，使得模型得分得到提高，在之前的基础上，学习最后一个任务：模型集成。集成学习是一种机器学习范式。在集成学习中，我们会训练多个模型（通常称为“弱学习器”），解决相同的问题，并将它们结合起来以获得更好的结果。最重要的假设是：当弱模型被正确组合时，我们可以得到更精确和/或更鲁棒的模型。常见的集成学习方法有Stacking（堆叠法）、Bagging（自助聚合）和Boo
2020-06-02 21:06:48
172
原创 模型训练与验证
Task4的目的是学习模型的训练与验证，这几次的学习都是对Baseline的拆分理解，在上一次任务中构建CNN模型的基础上，继续学习如何构建验证集，如何进行模型的训练和验证，如何保存和加载模型，如何进行模型的调参，下面将介绍这几个部分。1、构建验证集：众所周知，训练集（Train Set）、测试集（Test Set）、验证集（Validation Set）在深度学习框架的学习中必不可少，训练集的作用是用于训练和调整模型参数；测试集的作用时验证模型的泛化能力；而验证集的作用是什么呢？训练集和测试集的存在
2020-05-30 21:32:20
1336
原创 字符识别模型的学习
本次学习已经经历了两个任务，第一个Task是baseline的学习，在此任务中虽然跑通了baseline，但是对其中的一些代码，小白仍处于懵的状态。第二个Task是数据读取与扩增，是对baseline中读取数据部分的解析。本次的Task3则是学习pytorch构建模型完成字符分类任务。CNN（卷积神经网络）的介绍CNN每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野，并缩减图像的尺寸。CNN是一种层次模型，输入的是原始的像素数据。CN
2020-05-27 00:15:36
200
原创 数据读取和数据扩增
数据读取由于赛题数据是图像数据，赛题的任务是识别图像中的字符。因此我们首先需要完成对数据的读取操作，在Python中有很多库可以完成数据读取的操作，比较常见的有Pillow和OpenCV。Pillow是Python图像处理函式库(PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，而且可以与ipython notebook无缝集成，是应用比较广泛的库。Pillow的官方文档：https://pillow.readthedocs.io/en/stable/OpenCV是一个跨平台的计算机视
2020-05-23 22:36:24
263
原创 小白CV入门Learning
小白初学CV装环境遇到的问题：1、通过镜像安装pytorch一直显示欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计 ，将会带来全新的写作体验；在创作中心设置你喜爱的代码高亮
2020-05-20 22:50:46
295
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