玄云飘风的博客

paddle自带模型的参数量和计算量统计

来源：https://blog.youkuaiyun.com/lqhbupt/article/details/8723478导入包\usepackage{algorithm}\usepackage{algorithmic}带行号算法伪代码\begin{algorithm}[h] \caption{An example for format For \& While Loop in Al...

二维数组中查找要点：终止条件——跑出边界class Solution {public: bool Find(int target, vector<vector<int> > array) { int r=0, c=array[0].size()-1; while(r<array.size()&&(c&amp

合并排序链表#include<iostream>using namespace std;struct ListNode { int val; struct ListNode *next; ListNode(int x) :val(x), next(NULL) {}};class Solution {public: ListNode* Merge(ListN

输入：vector<float> p1; //y1min, x1min, y1max, x1max;vector<float> p2; //y2min, x2min, y2max, x2max;输出：float IoU代码：float computeIoU(vector<float> p1, vector<float> p2){...

前几个月放映的头号玩家简直火得不能再火了，作为一个探索终极AI的研究人员，月神自然去看了此神剧。由于太过兴奋，晚上月神做了一个奇怪的梦，月神梦见自己掉入了一个被施放了魔法的深渊，月神想要爬上此深渊。已知深渊有N层台阶构成（1 <= N <= 1000)，并且每次月神仅可往上爬2的整数次幂个台阶(1、2、4、…)，请你编程告诉月神，月神有多少种方法爬出深渊要点：动态规划，类似于爬楼...

疯狂队列https://www.nowcoder.com/practice/d996665fbd5e41f89c8d280f84968ee1要点：起初设想是把值摆到两头，发现不对；于是把最值摆到中间即可。最后根据奇、偶数需要做微调。#include&amp;lt;iostream&amp;gt;#include&amp;lt;vector&amp;gt;#include&amp;lt;algorithm&amp;gt;#includ...

给定一个字符串，请你将字符串重新编码，将连续的字符替换成“连续出现的个数+字符”。比如字符串AAAABCCDAA会被编码成4A1B2C1D2A。#include&amp;lt;iostream&amp;gt;#include&amp;lt;string&amp;gt;#include&amp;lt;stack&amp;gt;using namespace std;string intToStr(int n){ stack&amp;l

给定一个链表和和一个节点的指针，删除该节点。

给定长为n的数组，切m-1刀成为m段，每段求和，获得m个和。记m个和的最大值为max，求所有可能切法产生的max的最小值。要点：二维动态规划，转移函数f(m,n)=min遍历k(max(f(m−1，n−k),sum(xk:)))f(m,n) = min_{遍历k}(max(f(m-1，n-k), sum(x_k:)))f(m,n)=min遍历k​(max(f(m−1，n−k),sum(xk​:)...

https://stackoverflow.com/questions/53419474/nn-dropout-vs-f-dropout-pytorchimport torchimport torch.nn as nnclass Model1(nn.Module): # Model 1 using functional dropout def __init__(self, ...

雷火笔试：寻找最长山脉的长度——输入数组v，输出非负整数。定义山脉：存在m，i，n：v[m]<v[m+1]<…v[i-1]<v[i]>v[i+1]…>v[n-1]>v[n]；山脉的长度≥3\geq 3≥3，v的长度≥3\geq 3≥3例：输入：1,2,3,4,2 输出：5由于输入格式不好处理，所以果断由C++改成python作答的，成功AC。l=inpu...

排序算法#include<iostream>#include<vector>#include<string>using namespace std;vector<int> selectS(vector<int> v) { for (int i = 0;i < v.size() - 1;i++) { for (int...

复制复杂链表要点：三个阶段：插入+复制值+复制next指针，复制random指针，断开。#include<iostream>using namespace std;struct RandomListNode { int label; struct RandomListNode *next, *random; RandomListNode(int x) : labe...

背景&暴力搜索法略看了好多文章和视频和书，这个视频属于帮我捅破一层窗户纸的那个。https://www.bilibili.com/video/av11866460?from=search&seid=311732569793729423输入：主字符串s，模式字符串p。输出：在s中，p第一次出现的位置或-1。最长公共前后缀序列这个概念有点拗口，拆开来看：对于模式字符串p，如...

import torchimport torch.nn as nnx=torch.randn([2,10,3,3])+1m=torch.nn.GroupNorm(num_channels=10,num_groups=2)firstDimenMean = torch.Tensor.mean(x[0,0:5])firstDimenVar= torch.Tensor.var(x[0,0:5...

对于采样自分布XXX的样本xi:i∈[1,n]x_i: i\in[1,n]xi​:i∈[1,n]，用样本方差s2s^2s2去估计XXX的方差σ2\sigma^2σ2，为什么要除以n−1n-1n−1而不是nnn?证明用nnn除得到的估计是σ2−E[(Xˉ−μ)2]\sigma^2-E[(\bar X-\mu)^2]σ2−E[(Xˉ−μ)2]，和无偏估计相比偏小。直观解释：因为真实分布的方差计算...

令L(w)=l0(w)+λ∑∣wi∣L(w)=l_0(w)+\lambda\sum|w_i|L(w)=l0​(w)+λ∑∣wi​∣，则∂L(w)∂wi=∂l0(w)∂wi+λsign(wi)\dfrac{\partial L(w)}{\partial w_i}=\dfrac{\partial l_0(w)}{\partial w_i}+\lambda sign(w_i)∂wi​∂L(w)​=∂w...

使用python元素树解析XML文件&amp;lt;?xml version=&quot;1.0&quot;?&amp;gt;&amp;lt;data&amp;gt; &amp;lt;country name=&quot;Liechtenstein&quot;&amp;gt; &amp;lt;rank updated=&quot;yes&quot;&amp;gt;2&a

XML被设计用来传输和存储数据，HTML 被设计用来显示数据。所以XML仅仅包含数据结构，不包含显示格式。XML元素指的是从（且包括）开始标签直到（且包括）结束标签的部分。元素可包含其他元素、文本或者两者的混合物。元素也可以拥有属性。XML具有树状结构，且具有唯一的根元素。所有XML元素都须有关闭标签。每个XML元素可以有属性和子元素，且属性值要有引号。&amp;lt;bookstore&amp;...

最近在给大一的小朋友做助教，顺带整理一下cpp的一些基本概念，不得不说，充满活力的年轻人真是令人羡慕啊。

流程图如下：

最近再看《编程珠玑》，

torch.nn.Module和torch.nn.Functional中有一大部分重叠的功能。如：卷积层、池化层、标准化、线型层等。区别是Functional通过method来实现，而Module通过class来实现，会自动提取可学习参数nn.Parameter。对于激活函数和池化层，由于没有可学习参数，一般使用nn.functional完成，其他的有学习参数的部分则使用类。但是Droupout由...

该算法用于解决寻找一个含有nnn个元素的数列{an}{an}\{a_n\}中出现超过1k1k\dfrac{1}{k}（即大于nknk\dfrac{n}{k}次）的元素（假设满足要求的元素存在）。可知，满足要求的元素最多有(k−1)(k−1)(k-1)个。使用暴力解法并不难，但是摩尔投票法给出了一个O(n)O(n)O(n)时间复杂度的解法。当k=2时维护一个初值为0的计数器counter...

1.原始问题对于线性可分的ddd维训练样本集合D={(x1,y1),(x2,y2),...,(xm,ym)}D=\{(\pmb{x_1}, y_1), (\pmb{x_2}, y_2), ..., (\pmb{x_m}, y_m)\}D={(x1​​x1​​​x1​,y1​),(x2​​x2​​​x2​,y2​),...,(xm​​xm​​​xm​,ym​)}，yi∈{−1.+1}y_i \in...

Several theoretical efforts have analyzed the process of learning by minimizing the error on a training set (a process sometimes called Empirical Risk Minimization，经验风险最小化)Some of those theoretical a...

with open('test.txt', 'w') as f: # 打开test.txt 如果文件不存在，创建该文件。 f.write(str(var)) # 把变量var写入test.txt。np.save(&quot;a.npy&quot;, a)c = np.load( &quot;a.npy&quot; )...

pytorch中的数据类型Data typedtypeCPU tensorGPU tensor32-bit floating pointtorch.float32 or torch.floattorch.FloatTensortorch.cuda.FloatTensor64-bit floating pointtorch.float64 or torch.d...

原文见https://stackoverflow.com/questions/37658069/does-caffe-need-data-to-be-shuffled/37659171#37659171。本文不只是相对caffe而言的，更重要的是解释了为什么我们在训练模型的时候需要shuffle数据提问：我利用此处的代码把我的imagenet图片数据转换到caffe的db格式。数据需要s...

最近需要比较两个集合的KL散度，特意翻了一下PRML中的相关章节，做个小结。如果不够的化还得翻information theory的书TAT离散随机变量的信息量首先从最简单的离散随机变量X∈{x1,x2,...xM}X\in\{x_1,x_2,...x_M\}X∈{x1​,x2​,...xM​}说起，假设Pr(xi)=piPr(x_i)=p_iPr(xi​)=pi​，则有∑i=1\sum_i=...

跟着m哥调了了一段时间代码，断断续续地初步用了一下caffe，但是始终有点若即若离的感觉，偶然看到了知乎的一个回答 https://www.zhihu.com/question/27982282/answer/80242005 ，决定开始系统地看一下caffe的源码，在此稍作整理备忘及供有缘人参考。...

本文来自1.2节Learning and Generalization对于机器学习问题的解答有很多种不同的思路，其中的绝大多数都可以归结为基于梯度的学习方法。如下图所示，一个机器学习模型M(Zˆp,W)M(Zˆp,W)M(Zˆp,W)，其中ZˆpZˆpZˆp表示输入，WWW表示模型参数，是我们优化的对象，我们所说的模型MMM实际上等价于模型参数WWW。我们有带label的数据集:{(Zp,D...

score函数 loss函数（hinge loss，正则化） 随即梯度下降softmax 神经图灵机 向量的方向传播原理：jacobian矩阵l5 卷积结果的sizel6 sigmoid函数：原点附近线性，远离原点导数为0（饱和的神经会杀掉梯度），均值非零，exp计算慢 tanh函数：远离原点导数为0（饱和的神经会杀掉梯度），均值为零 relu...