<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[uncle_q_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/uncle_q_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; uncle_q_]]></copyright><item><title><![CDATA[Code06_四数相加II_赎金信_三数之和_四数之和]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/128552813</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/128552813</guid><author>uncle_q_</author><pubDate>Wed, 04 Jan 2023 18:54:11 +0800</pubDate><description><![CDATA[Code06_四数相加II_赎金信_三数之和_四数之和]]></description><category></category></item><item><title><![CDATA[Code05_哈希表理论基础_有效的字母异位词_两个数组的交集_快乐数_两数之和]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/128527085</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/128527085</guid><author>uncle_q_</author><pubDate>Tue, 03 Jan 2023 00:51:52 +0800</pubDate><description><![CDATA[Code05\_哈希表理论基础\_有效的字母异位词\_两个数组的交集\_快乐数_两数之和 ]]></description><category></category></item><item><title><![CDATA[Code04\_两两交换链表中的节点\_删除链表的倒数第N个节点\_面试题\_链表相交_环形链表II]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/128515490</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/128515490</guid><author>uncle_q_</author><pubDate>Sun, 01 Jan 2023 20:26:11 +0800</pubDate><description><![CDATA[Code04\_两两交换链表中的节点\_删除链表的倒数第N个节点\_面试题\_链表相交_环形链表II ]]></description><category></category></item><item><title><![CDATA[代码随想录03_链表理论基础_203.移除链表元素_707.设计链表_206.反转链表]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/128501785</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/128501785</guid><author>uncle_q_</author><pubDate>Fri, 30 Dec 2022 23:22:08 +0800</pubDate><description><![CDATA[03_链表理论基础_203.移除链表元素_707.设计链表_206.反转链表]]></description><category></category></item><item><title><![CDATA[代码随想录02_977.有序数组的平方 ，209.长度最小的子数组 ，59.螺旋矩阵II ，总结]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/128487984</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/128487984</guid><author>uncle_q_</author><pubDate>Thu, 29 Dec 2022 21:07:48 +0800</pubDate><description><![CDATA[977.有序数组的平方 ，209.长度最小的子数组 ，59.螺旋矩阵II ，总结 ]]></description><category></category></item><item><title><![CDATA[代码随想录01_数组理论基础，704. 二分查找，27. 移除元素]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/128472353</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/128472353</guid><author>uncle_q_</author><pubDate>Wed, 28 Dec 2022 18:16:50 +0800</pubDate><description><![CDATA[数组理论基础，704. 二分查找，27. 移除元素]]></description><category></category></item><item><title><![CDATA[深度学习21_李宏毅_08_CNN]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/115385908</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/115385908</guid><author>uncle_q_</author><pubDate>Thu, 01 Apr 2021 22:04:47 +0800</pubDate><description><![CDATA[CNN
我们开始探讨 Network 的架构设计,第一个Network 架构的变形是 Convolutional 的 Neural Network,它的缩写是 CNN,它是专门被用在影像上的,我希望透过 CNN 这个例子,来让大家知道Network 的架构,它的设计有什麼样的想法,那為什麼设计 Network 的架构,可以让我们的 Network 结果做得更好。
Image Classification
接下来要讲的例子是跟影像有关的,我们要做影像的分类,也就是给机器一张图片,它要去决定说这张图片裡面有什麼]]></description><category></category></item><item><title><![CDATA[深度学习21_李宏毅_07_Classification]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/115385784</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/115385784</guid><author>uncle_q_</author><pubDate>Thu, 01 Apr 2021 22:03:40 +0800</pubDate><description><![CDATA[Classification
To learn more
接下来讲有关分类怎麼做这件事情,这边讲的是一个短的版本,因為时间有限的关係,如果你想要看长的版本的话,可以看一下过去上课的录影

过去可能是花两个小时,到三个小时的时间才讲完,分类这件事情,我们这边用一个最快的方法,直接跟你讲分类是怎麼做的
Classification as Regression？
分类是怎麼做的呢 我们已经讲了,Regression就是输入一个向量,然后输出一个数值,我们希望输出的数值跟某一个label,也就是我们要学习的目标,越]]></description><category></category></item><item><title><![CDATA[深度学习21_李宏毅_05_Batch and Momentum]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/115385769</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/115385769</guid><author>uncle_q_</author><pubDate>Thu, 01 Apr 2021 21:58:38 +0800</pubDate><description><![CDATA[Batch and Momentum
Review： Optimization with Batch
​	上次我们有讲说,我们实际上在算微分的时候,并不是真的对所有 Data 算出来的 L 作微分,你是把所有的 Data 分成一个一个的 Batch,有的人是叫Mini Batch ,那我这边叫做 Batch,其实指的是一样的东西,助教投影片裡面,是写 Mini Batch

​	每一个 Batch 的大小呢,就是大 B 一笔的资料,我们每次在 Update 参数的时候,我们是拿大 B 一笔资料出来,算个 L]]></description><category></category></item><item><title><![CDATA[深度学习21_李宏毅_06_Adaptive Learning Rate]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/115385695</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/115385695</guid><author>uncle_q_</author><pubDate>Thu, 01 Apr 2021 21:55:24 +0800</pubDate><description><![CDATA[Tips for training: Adaptive Learning Rate
critical point其实不一定是,你在训练一个Network的时候,会遇到的最大的障碍,今天要告诉大家的是一个叫做Adaptive Learning Rate的技术,我们要给每一个参数不同的learning rate
Training stuck ≠ Small Gradient
People believe training stuck because the parameters are around a cri]]></description><category></category></item><item><title><![CDATA[深度学习21_李宏毅_04_Local Minimum And Saddle Point]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/115385611</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/115385611</guid><author>uncle_q_</author><pubDate>Thu, 01 Apr 2021 21:52:07 +0800</pubDate><description><![CDATA[When gradient is small
Critical Point
Training Fails because
​	现在我们要讲的是Optimization的部分,所以我们要讲的东西基本上跟Overfitting没有什麼太大的关联,我们只讨论Optimization的时候,怎麼把gradient descent做得更好,那為什麼Optimization会失败呢？

​	你常常在做Optimization的时候,你会发现,随著你的参数不断的update,你的training的loss不会再下降,但是]]></description><category></category></item><item><title><![CDATA[深度学习21_李宏毅_03_General Guidance]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/115385549</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/115385549</guid><author>uncle_q_</author><pubDate>Thu, 01 Apr 2021 21:49:28 +0800</pubDate><description><![CDATA[General Guidance : overfit
Framework of ML
​	我们已经看了作业一了,其实之后好几个作业,它看起来的样子,基本上都是大同小异

​	就是你会有一堆训练的资料,这些训练集裡面,会包含了xxx跟yyy的hat,x¹x¹x¹ 和跟它对应的y^¹ŷ¹y^​¹,x²x²x² 跟它对应的y^²ŷ²y^​²,一直到xⁿxⁿxⁿ 还有它对应的y^ⁿŷⁿy^​ⁿ
​	测试集,测试集就是你只有x没有y,其实在之后每一个作业,看起来都是非常类似的格式


作业二,其实是做语音辨识,我们的]]></description><category></category></item><item><title><![CDATA[深度学习21_李宏毅_02_Regression_P2]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/115385478</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/115385478</guid><author>uncle_q_</author><pubDate>Thu, 01 Apr 2021 21:47:54 +0800</pubDate><description><![CDATA[Regression P2
Piecewise Linear Curves
​	Linear 的 Model,也许太过简单了,我们可以想像说 x1 跟 y,也许它中间有比较复杂的关係,对 Linear 的 Model 来说,x1 跟 y 的关係就是一条直线,随著 x1 越来越高,y 就应该越来越大,你可以设定不同的 w,改变这条线的斜率,你可以设定不同的 b,改变这一条蓝色的直线,跟 y 轴的交叉点,但是无论你怎麼改 w 跟 b,它永远都是一条直线,永远都是 x1 越大,y 就越大,前一天观看的人数越多,隔]]></description><category></category></item><item><title><![CDATA[深度学习21_李宏毅_01_Regression_P1]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/115052326</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/115052326</guid><author>uncle_q_</author><pubDate>Thu, 01 Apr 2021 21:44:16 +0800</pubDate><description><![CDATA[Regression
Machine Learning
​	第一堂课 是要简单跟大家介绍一下machine learning还有deep learning的基本概念，等一下会讲一个跟宝可梦完全没有关係的故事。想必大家在报章杂志上其实往往都已经听过机器学习这一个词汇，那你可能也知道说机器学习就是跟今天很热门的AI好像有那么一点关联。
​	那所谓的机器学习到底是什么呢？顾名思义，机器他具备有学习的能力，那些科普文章往往把机器学习这个东西吹得玄之又玄好像机器会学习以后，我们就有了人工智慧，有了人工智慧以后机器接下]]></description><category></category></item><item><title><![CDATA[Python学习记录（二）：落谷入门（二）小结]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/105413728</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/105413728</guid><author>uncle_q_</author><pubDate>Thu, 09 Apr 2020 16:29:30 +0800</pubDate><description><![CDATA[对“1”取非得“0”：int(true) (其中true也可以是逻辑表达式)

保留有效数字（特定位数）：保留6位有效数字：format（数字，'.6g'）
]]></description><category></category></item><item><title><![CDATA[Python学习记录（一）：落谷入门（一）小结]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/105360300</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/105360300</guid><author>uncle_q_</author><pubDate>Tue, 07 Apr 2020 11:33:13 +0800</pubDate><description><![CDATA[输入（字符串）的空格划分：str = input().split()

输入（转int）的空格划分： a,b,c = map(int, input().split())



幂运算（求n次方，n次方分之一）：pow（a,1/3）

四舍五入，保留小数点后一位：round（变量，1）



保留小数点后3位：format(变量, '.3f')



ascii值到字符(M)：chr(77...]]></description><category></category></item><item><title><![CDATA[毕设：基于人脸识别的教室管理系统（OpenCV、Face++、MySQL）：图像采集架构与环境部署]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/90244409</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/90244409</guid><author>uncle_q_</author><pubDate>Wed, 15 May 2019 22:03:29 +0800</pubDate><description><![CDATA[说点题外话：大学四年了，突发奇想想留下点东西，所以就把自己的路程记录一下，因为大部分代码也前人栽树来的，所以我这也算栽点树吧，因为现在项目已经快差不多了，所以文章就按照目前的项目进度写。

进入正题：本项目图像采集用的是树莓派与其自身CSI摄像头模块，用电脑也可以，而且用电脑运行更流畅。图像采集不是拍张照片就可以了，这个部分的架构是这样的：



Pi：树莓派通过摄像头提供视频流

OpenCV：...]]></description><category></category></item><item><title><![CDATA[蓝桥杯-基础练习《字母图形》Java 小白向]]></title><link>https://blog.youkuaiyun.com/uncle_q_/article/details/79476082</link><guid>https://blog.youkuaiyun.com/uncle_q_/article/details/79476082</guid><author>uncle_q_</author><pubDate>Wed, 07 Mar 2018 20:05:53 +0800</pubDate><description><![CDATA[问题描述利用字母可以组成一些美丽的图形，下面给出了一个例子：ABCDEFGBABCDEFCBABCDEDCBABCDEDCBABC这是一个5行7列的图形，请找出这个图形的规律，并输出一个n行m列的图形。输入格式输入一行，包含两个整数n和m，分别表示你要输出的图形的行数的列数。输出格式输出n行，每个m个字符，为你的图形。样例输入5 7样例输出ABCDEFGBABCDEFCBABCDEDCBABCDE...]]></description><category></category></item></channel></rss>