- 博客(17)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 vue实现横向滚动条显示，竖向滚动条隐藏但能滚动
一开始的需求是横向竖向都隐藏但能滚动，有两种方法：在滚动区域外面加一层div，设置overflow：hidden；或者设置scrollbar的display属性。// 方法一，设置父级元素overflow：hidden<div class="outer"> <div class="inner"></div></div>...<style> .outer { overflow: hidden; } .in
2022-05-12 23:16:26
8671
5
原创 两种快排算法对比
快排算法的核心都是选定基准数，将所有小于此基准的数放在其左侧，大于的数则放在其右侧。递归调用直到整个数组有序。这里存档两个教程：白话经典算法系列之六 快速排序 快速搞定_MoreWindows Blog-优快云博客_快速排序快速排序由于排序效率在同为O(N*logN)的几种排序方法中效率较高，因此经常被采用，再加上快速排序思想----分治法也确实实用，因此很多软件公司的笔试面试，包括像腾讯，微软等知名IT公司都喜欢考这个，还有大大小的程序方面的考试如软考，考研中也常常出现快速排序的身影。总的说来，
2022-02-07 22:34:02
249
原创 leetcode矩阵类题目的一种优化思路
题目：0498.对角线遍历力扣https://leetcode-cn.com/problems/diagonal-traverse/hhclass Solution: def findDiagonalOrder(self, mat: List[List[int]]) -> List[int]: m, n = len(mat), len(mat[0]) step = m + n - 1 res = [] for s in
2022-01-27 13:33:21
348
原创 vue动态绑定class和style
如果样式中的某个属性需要随着变量改变，一般有以下两种情况。<div :style="{'background-color':value}"></div><div :style="{'margin-left':(isPhone ? '5px' : '15px')}"></div>... ...data() { return { value: "", isPhone: false, }}cla
2021-12-05 10:13:17
294
原创 leetcode刷题05
题目075.颜色分类给定一个包含红色、白色和蓝色，一共n 个元素的数组，原地对它们进行排序，使得相同颜色的元素相邻，并按照红色、白色、蓝色顺序排列。此题中，我们使用整数 0、1 和 2 分别表示红色、白色和蓝色。示例 1：输入：nums = [2,0,2,1,1,0]输出：[0,0,1,1,2,2]示例 2：输入：nums = [2,0,1]输出：[0,1,2]示例 3：输入：nums = [0]输出：[0]解题思路：设置range_0和range_2记..
2021-11-27 23:12:17
75
原创 leetcode刷题04
题目0278.第一个错误的版本你是产品经理，目前正在带领一个团队开发新的产品。不幸的是，你的产品的最新版本没有通过质量检测。由于每个版本都是基于之前的版本开发的，所以错误的版本之后的所有版本都是错的。假设你有 n 个版本 [1, 2, ..., n]，你想找出导致之后所有版本出错的第一个错误的版本。你可以通过调用bool isBadVersion(version)接口来判断版本号 version 是否在单元测试中出错。实现一个函数来查找第一个错误的版本。你应该尽量减少对调用 API 的次数。..
2021-11-24 20:47:29
97
原创 leetcode刷题03
题目0506.相对名次给出N 名运动员的成绩，找出他们的相对名次并授予前三名对应的奖牌。前三名运动员将会被分别授予 “金牌”，“银牌” 和“ 铜牌”（"Gold Medal", "Silver Medal", "Bronze Medal"）。示例 1:输入: [5, 4, 3, 2, 1]输出: ["Gold Medal", "Silver Medal", "Bronze Medal", "4", "5"]解释: 前三名运动员的成绩为前三高的，因此将会分别被授予 “金牌”，“银牌”和“铜.
2021-11-21 23:33:03
729
原创 leetcode刷题02
题目0189. 旋转数组给你一个数组，将数组中的元素向右轮转k个位置，其中k是非负数。示例 1:输入: nums = [1,2,3,4,5,6,7], k = 3输出: [5,6,7,1,2,3,4]解释:向右轮转 1 步: [7,1,2,3,4,5,6]向右轮转 2 步: [6,7,1,2,3,4,5]向右轮转 3 步: [5,6,7,1,2,3,4]示例2:输入：nums = [-1,-100,3,99], k = 2输出：[3,99,-1,-100]解...
2021-11-17 22:06:18
218
原创 李宏毅深度学习总结
课程资料开源文档：datawhalechina.github.io/leeml-notes课程视频：https://www.bilibili.com/video/BV1Ht411g7Ef课程笔记1.李宏毅深度学习课程笔记01——机器学习介绍2. 李宏毅深度学习课程笔记02——回归3.李宏毅深度学习课程笔记03——误差与梯度下降4.李宏毅深度学习课程笔记04——深度学习与反向传播5.李宏毅深度学习课程笔记05——神经网络训练不起来怎么办6.李宏毅深度学习课程笔记...
2021-07-25 20:48:51
296
原创 李宏毅深度学习课程笔记06——卷积神经网络
0.为什么要使用卷积神经网络CNN常常被用在影像处理上，如果你今天用CNN来做影像处理，当然也可以用一般的neural network来做影像处理，不一定要用CNN。比如说想要做影像的分类，那么就是training一个neural network,input一张图片，把这张图片表示成里面的pixel，也就是很长很长的vector。output就是(假如你有1000个类别，output就是1000个dimension)dimension。但通常会遇到一些问题：（1）在training n.
2021-07-24 20:20:07
299
原创 李宏毅深度学习课程笔记05——神经网络训练不起来怎么办
1.驻点驻点又称临界点（critical point），是指多元函数一阶导数等于零的点。寻找到函数的驻点时loss function的导数为零，根据梯度下降算法，参数不再进行更新，但驻点不一定是我们要寻找的函数的极值点，可能是局部最小值（local minima），也可能是鞍点（saddle point），如果不做处理，loss无法继续下降，就会导致优化失败。上图展示了驻点两种情况，首先我们要判断出是哪一种。根据泰勒近似展开将损失函数用包含一阶导数和二阶导数的多项式来表示，表达式第二项中
2021-07-20 19:33:18
292
原创 李宏毅深度学习课程笔记04——深度学习与反向传播
0.深度学习的发展回顾深度学习（deep learning）的发展历史：1.深度学习的步骤如下图所示，与机器学习的步骤相似，深度学习的三个步骤分别是：Neural network、Goodness of function、Pick best function。（1）神经网络（Neural network）神经网络（Neural network）中的节点类似于神经元。神经网络也可以有很多不同的连接方式，这样就会产生不同的结构（structure）在这个神经网络里面，我们..
2021-07-18 19:36:03
159
原创 李宏毅深度学习课程笔记03——误差与梯度下降
1.误差误差的主要来源包括两部分：偏差（Bias）和方差（Variance）。Bias是真实值与函数预测期望值的偏差，反映模型的拟合能力；而Variance是预测值的方差，反映模型的鲁棒性。如下图所示，偏差越小则平均预测值越靠近真实值（图中红色的靶心），方差越小则预测值越集中，也就说明函数越平滑、稳定。图中右上角的情况被称为过拟合 (Overfit)，表示模型在训练时的表现非常好，但在新的数据集上测试时表现非常差。与之对应的，左下角的情况被称为欠拟合 (Underfit)，表示模型无...
2021-07-16 15:40:09
625
原创 李宏毅深度学习课程笔记02——回归
0.回归的定义回归（Regression）是监督学习中的一种任务，指找到一个函数function，函数的输出结果是一个数值。1.回归的建模方法上一章中已经介绍过，机器学习的实现分三步：model、goodness of function、pick the best function。回归任务建模的基本步骤是同样的，在这里我们概括为模型假设、模型评估、筛选最优模型。2.线性模型线性模型（Linear model）可以表示为：其中就是各种特征，指各个特征的权重，b为偏移量。...
2021-07-14 20:53:26
441
原创 李宏毅深度学习课程笔记01——机器学习介绍
0.人工智能、机器学习与深度学习的关系首先引出三个概念：人工智能（Artificial Intelligence）、机器学习（Machine Learning）以及深度学习（Deep Learning）。通俗来讲，人工智能是指机器可以像人类一样聪明；机器学习是指让机器拥有学习的能力；深度学习是通过模拟人类神经网络建立起机器学习模型。三者的关系如下图所示：人工智能是期望达成的目标，机器学习是手段，而深度学习是机器学习中的一种方法。1.什么是机器学习在生活中很多问题都可以归结为寻找fun
2021-07-12 17:47:05
302
手写数字识别：实验报告
2022-05-30
人工智能框架决策树Python实现（基于numpy和pandas，不调sklearn方法）
2022-02-07
人工智能框架三种贝叶斯分类器的Python实现（基于numpy和pandas，不调sklearn方法）
2022-02-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人