<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_41108334的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_41108334</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_41108334]]></copyright><item><title><![CDATA[深度学习：batch normlization]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/88090788</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/88090788</guid><author>weixin_41108334</author><pubDate>Sun, 03 Mar 2019 17:25:55 +0800</pubDate><description><![CDATA[https://www.zhihu.com/question/38102762/answer/607815171

数据经过归一化和标准化后可以加快梯度下降的求解速度，这就是Batch Normalization等技术非常流行的原因，它使得可以使用更大的学习率更稳定地进行梯度传播，甚至增加网络的泛化能力.

一、什么是归一化/标准化

Normalization是一个统计学中的概念，我们可以叫它归...]]></description><category></category></item><item><title><![CDATA[深度学习：语义分割 FCN与Unet]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87917748</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87917748</guid><author>weixin_41108334</author><pubDate>Mon, 25 Feb 2019 15:29:15 +0800</pubDate><description><![CDATA[参考：https://blog.youkuaiyun.com/wyzjack47/article/details/81107980

图像分割：



什么是图像分割问题呢？ 简单的来讲就是给一张图像，检测是用框出框出物体，而图像分割分出一个物体的准确轮廓。也这样考虑，给出一张图像 Ｉ，这个问题就是求一个函数，从I映射到Mask。至于怎么求这个函数有多种方法。我们可以看到这个图，左边是给出图像，可以看到人和摩...]]></description><category></category></item><item><title><![CDATA[深度学习：空洞卷积dilated convolution]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87914557</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87914557</guid><author>weixin_41108334</author><pubDate>Mon, 25 Feb 2019 12:03:50 +0800</pubDate><description><![CDATA[https://zhuanlan.zhihu.com/p/43784441

一、空洞卷积概念

引入空洞卷积不得不提的是感受野，感受野就是卷积神经网络的每一层输出的特征图(fe ature map)上的像素点在原图像上映射的区域大小。空洞卷积主要为了解决图像分割中的一些问题而提出的，在FCN中通过pooling增大感受野缩小图像尺寸，然后通过upsampling还原图像尺寸，但是这个过程中造成了...]]></description><category></category></item><item><title><![CDATA[剑指offer：机器人的运动范围（动态规划）66]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87896642</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87896642</guid><author>weixin_41108334</author><pubDate>Sat, 23 Feb 2019 20:28:26 +0800</pubDate><description><![CDATA[https://blog.youkuaiyun.com/malele4th/article/details/79337046

https://blog.youkuaiyun.com/gogokongyin/article/details/51788291

一、题目


地上有一个m行和n列的方格。一个机器人从坐标0,0的格子开始移动，每一次只能向左，右，上，下四个方向移动一格，但是不能进入行坐标和列坐标的数位之和大于...]]></description><category></category></item><item><title><![CDATA[剑指offer:矩阵中的距离66：TODO]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87896570</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87896570</guid><author>weixin_41108334</author><pubDate>Sat, 23 Feb 2019 20:21:41 +0800</pubDate><description><![CDATA[https://blog.youkuaiyun.com/gogokongyin/article/details/51788250

题目：请设计一个函数，用来判断在一个矩阵中是否存在一条包含某字符串所有字符的路径。路径可以从矩阵中任意一格开始，每一步可以在矩阵中间向左、右、上、下移动一格。如果一条路径经过了矩阵的某一格，那么该路径不能再次进入该格子。

上图中&quot;bcced&quot;就存在这条路径；但是&quot;abcb&quot;这条...]]></description><category></category></item><item><title><![CDATA[剑指offer：滑动窗口的最大值65]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87896024</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87896024</guid><author>weixin_41108334</author><pubDate>Sat, 23 Feb 2019 19:48:59 +0800</pubDate><description><![CDATA[https://blog.youkuaiyun.com/gogokongyin/article/details/51788176

题目：给定一个数组和滑动窗口的大小，请找出所有滑动窗口里的最大值。
例如，如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3，那么一共存在6个滑动窗口，它们的最大值分别为{4,4,6,6,6,5}。
   滑动窗口这个概念在写过网络编程的人都应该是不陌生，主要是用来...]]></description><category></category></item><item><title><![CDATA[深度学习：pyTorch实战计算机视觉]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87855425</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87855425</guid><author>weixin_41108334</author><pubDate>Thu, 21 Feb 2019 12:02:17 +0800</pubDate><description><![CDATA[pyTorch深度学习框架：基于动态图计算的特性，基于静态图计算深度学习框架相比，更多的优势，速度快，强大的包可调用。

一、人工智能

1、人工智能：强人工智能： 智能          弱人工智能：人工

2、人工智能的三起两落：

1956年提出人工智能概念 
	1980 专家系统：指解决特定领域问题的能力已达到该领域的专家能力水平，其核心运用专家多年积累的丰富经验和专业知识，不断模拟专家解...]]></description><category></category></item><item><title><![CDATA[剑指offer：两个面试案例： 把字符串变成整数、正则表达式匹配（字符串）]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87820840</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87820840</guid><author>weixin_41108334</author><pubDate>Wed, 20 Feb 2019 20:35:22 +0800</pubDate><description><![CDATA[一、把字符串变成整数



解题：

边界条件： 
数据上下 溢出 
空字符串 
只有正负号 
有无正负号 
错误标志输出

c++代码


class Solution {
public:
    int StrToInt(string str) {
        int n =str.size(),s=1;
        long long res=0;
        if(n==0) ...]]></description><category></category></item><item><title><![CDATA[剑指offer：发散思维：求1+2+3+4+5...+n、两个数求和，构建乘积数组]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87805752</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87805752</guid><author>weixin_41108334</author><pubDate>Wed, 20 Feb 2019 16:50:08 +0800</pubDate><description><![CDATA[一、问题：求1+2+3+...+n，要求不能使用乘除法、for、while、if、else、switch、case等关键字及条件判断语句（A?B:C）。

解题：循环、递归被限制使用 for while if 等语法

1、循环：构造函数，创建N个对象，调用构造函数调用N次

2、递归：构造虚函数数，或者，使用使用逻辑与&amp;amp;&amp;amp; 既可以跳出循环条件实现终止递归。

3、函数指针

4、...]]></description><category></category></item><item><title><![CDATA[剑指offer：圆圈中最后剩下的数（约瑟夫环问题）]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87785439</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87785439</guid><author>weixin_41108334</author><pubDate>Wed, 20 Feb 2019 12:03:22 +0800</pubDate><description><![CDATA[一、题目：0,1,2，---n-1,这n个数字排成一个圆，从数字0开始，每次从这个圆圈里面删除第m个数字，找出圆圈里剩下的最后一个数字。约瑟夫环问题。

 

二、解法

1、环形链表模拟

2、分析每次被删除的数字的规律。

三、分析每次被删除的数字的规律，递归解法。数组。

首先定义最初的n个数字（0,1,…,n-1）中最后剩下的数字是关于n和m的方程为f(n,m)。在这n个数字中，第一个被删...]]></description><category></category></item><item><title><![CDATA[剑指offer：数组中只出现一次的数字]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/87697699</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/87697699</guid><author>weixin_41108334</author><pubDate>Tue, 19 Feb 2019 12:04:09 +0800</pubDate><description><![CDATA[参考：https://cuijiahua.com/blog/2018/01/basis_40.html

一、题目

一个整型数组里除了两个数字之外，其他的数字都出现了两次。请写程序找出这两个只出现一次的数字。要求时间复杂度是O(n)，空间复杂度是O(1)。

二、异或

4 0100 5 0101 ===》4^5 ==》0001

三、思路

1、如果出现奇数次的数字就一个，从数组中找出这个只出...]]></description><category></category></item><item><title><![CDATA[机器学习：完整机器学习项目流程，数据清洗]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/86499638</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/86499638</guid><author>weixin_41108334</author><pubDate>Tue, 15 Jan 2019 21:46:56 +0800</pubDate><description><![CDATA[一、完整机器学习项目流程


	数学抽象--任务目标

	明确问题是进行机器学习的第一步。机器学习的训练过程通常都是一件非常耗时的事情，胡乱尝试时间成本是非常高的。

	这里的抽象成数学问题，指的是根据数据明确任务目标，是分类、还是回归，或者是聚类。
	
	
	数据获取--数据集

	数据决定了机器学习结果的上限，而算法只是尽可能逼近这个上限。

	数据要有代表性，否则必然会过拟合。

	对于分类...]]></description><category></category></item><item><title><![CDATA[机器学习：超参数的选择，余弦距离vs欧式距离vs曼哈顿距离]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/86499552</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/86499552</guid><author>weixin_41108334</author><pubDate>Tue, 15 Jan 2019 21:36:06 +0800</pubDate><description><![CDATA[一、超参数选择

Grid Search

网格搜索
	在高维空间中对一定区域进行遍历
Random Search

在高维空间中随机选择若干超参数
二、余弦相似度（Cos距离）与欧氏距离的区别和联系

欧式距离和余弦相似度都能度量 2 个向量之间的相似度
	放到向量空间中看，欧式距离衡量两点之间的直线距离，而余弦相似度计算的是两个向量之间的夹角
	没有归一化时，欧式距离的范围是 (0, +∞]，...]]></description><category></category></item><item><title><![CDATA[机器学习：偏差、方差，生成模型，判别模型，先验概率，后验概率]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/86499269</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/86499269</guid><author>weixin_41108334</author><pubDate>Tue, 15 Jan 2019 21:30:33 +0800</pubDate><description><![CDATA[一、偏差、方差

偏差与方差分别是用于衡量一个模型泛化误差的两个方面；

模型的偏差，指的是模型预测的期望值与真实值之间的差；

模型的方差，指的是模型预测的期望值与预测值之间的差平方和；

在监督学习中，模型的泛化误差可分解为偏差、方差与噪声之和。




偏差用于描述模型的拟合能力；方差用于描述模型的稳定性。




导致偏差和方差的原因

偏差通常是由于我们对学习算法做了错误的假设，或者模型...]]></description><category></category></item><item><title><![CDATA[机器学习：RNN]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/86293735</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/86293735</guid><author>weixin_41108334</author><pubDate>Fri, 11 Jan 2019 11:46:44 +0800</pubDate><description><![CDATA[1、RNN基本机构


	RNN 本质上是一个递推函数

	
	
	
	考虑当前输入 x(t)

	
	
	
	以上计算公式可展开为如下计算图（无输出单元）

	
	
RNN 的前向传播公式




一般 h(0) 会初始化为 0 向量；并使用 tanh 作为激活函数 f


​​​​​​​2、RNN常见的几种设计模式

RNN 一般包括以下几种设计模式


	每个时间步都有输出，且隐藏单元之间有...]]></description><category></category></item><item><title><![CDATA[C++STL:容器Vector ,string ,map,set,list,queue,deque]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/86241924</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/86241924</guid><author>weixin_41108334</author><pubDate>Thu, 10 Jan 2019 17:10:50 +0800</pubDate><description><![CDATA[C++ STL中最基本以及最常用的类或容器无非就是以下几个：

string
	vector
	set
	list
	map
	queue
	deque
一、Vector :可变数组容器

#include&amp;lt;vector&amp;gt;

Vector&amp;lt;int&amp;gt; vec;

vec.push_back(1);//在尾部插入数字1

vec.pop_back();//删除最后一个元素

c...]]></description><category></category></item><item><title><![CDATA[机器学习：数据降维：PCA 、LDA]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/86131884</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/86131884</guid><author>weixin_41108334</author><pubDate>Wed, 09 Jan 2019 09:57:29 +0800</pubDate><description><![CDATA[参考博文：https://www.cnblogs.com/xbinworld/archive/2011/11/24/pca.html

一、数据预处理降维

机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x-&amp;gt;y，其中x是原始数据点的表达，目前最多使用向量表达形式。 y是数据点映射后的低维向量表达，通常y的维...]]></description><category></category></item><item><title><![CDATA[python基础:数据结构，列表，字典，元组，集合，运算]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/85873680</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/85873680</guid><author>weixin_41108334</author><pubDate>Sat, 05 Jan 2019 21:28:32 +0800</pubDate><description><![CDATA[https://www.cnblogs.com/Vennet/p/4110059.html

https://blog.youkuaiyun.com/ZOU19900101/article/details/79103515

列表：shoplist = ['apple', 'mango', 'carrot', 'banana']
字典：di = {'a':123,'b':'something'}
集合：jih...]]></description><category></category></item><item><title><![CDATA[深度学习：加速训练的方法]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/85842753</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/85842753</guid><author>weixin_41108334</author><pubDate>Sat, 05 Jan 2019 12:02:06 +0800</pubDate><description><![CDATA[https://blog.youkuaiyun.com/xuqiaobo/article/details/60769330

加速训练的方法

内部方法

网络结构的选择
	比如 CNN 与 RNN，前者更适合并行架构
	
	优化算法的改进：动量、自适应学习率
	减少参数规模
	比如使用 GRU 代替 LSTM
	
	参数初始化
	Batch Normalization
	
	mini-batch 的调整
外...]]></description><category></category></item><item><title><![CDATA[深度学习：欠拟合、过拟合、正则化，BN ,L1/L2 范数正则化、bagging集成，dropout]]></title><link>https://blog.youkuaiyun.com/weixin_41108334/article/details/85837624</link><guid>https://blog.youkuaiyun.com/weixin_41108334/article/details/85837624</guid><author>weixin_41108334</author><pubDate>Sat, 05 Jan 2019 11:33:48 +0800</pubDate><description><![CDATA[https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

一、欠拟合、过拟合

欠拟合指模型不能在训练集上获得足够低的训练误差；

过拟合指模型的训练误差与测试误差（泛化误差）之间差距过大；

反映在评价指标上，就是模型在训练集上表现良好，但是在测试集和新数据上表现一般（泛化能力差）；

降低过拟合风险的方法

所有为了减少测试误差的...]]></description><category></category></item></channel></rss>