- 博客(21)
- 收藏
- 关注
RSS订阅原创 01-为您的应用程序选择正确的接口(Clang10文档)
为您的应用程序选择正确的接口LibClangClang 插件(Clang Plugins)LibToolingClang 提供了基础架构(infrastructure)来编写那些需要程序的句法和语义信息的工具。本文档将简要介绍编写 clang 工具的不同方法及其优缺点。LibClangLibClang 是clang的一个稳定的高级 C 语言接口。如果有疑问，LibClang可能是您要使用的接口。只有当您有充分的理由不使用 LibClang 时,才考虑其他接口。何时使用 LibClang 的规范
2021-07-10 16:12:51
204
原创 338. 比特位计数
文章目录题目描述解题思路一解题思路二解题思路三题目描述给定一个非负整数 num。对于0 ≤ i ≤ num 范围中的每个数字 i ，计算其二进制数中的 1 的数目并将它们作为数组返回。示例1：输入: 2输出: [0,1,1]示例2：输入: 5输出: [0,1,1,2,1,2]进阶:给出时间复杂度为O(n*sizeof(integer))的解答非常容易。但你可以在线性时间O(n)内用一趟扫描做到吗？要求算法的空间复杂度为O(n)。你能进一步完善解法吗？要求在C++或任何其他语
2021-03-09 16:45:30
181
1
原创 232. 用栈实现队列
文章目录题目描述解题思路题目描述请你仅使用两个栈实现先入先出队列。队列应当支持一般队列的支持的所有操作（push、pop、peek、empty）：实现 MyQueue 类：void push(int x) 将元素 x 推到队列的末尾int pop() 从队列的开头移除并返回元素int peek() 返回队列开头的元素boolean empty() 如果队列为空，返回 true ；否则，返回 false说明：你只能使用标准的栈操作 —— 也就是只有 push to top, peek/
2021-03-06 15:10:58
199
原创 304. 二维区域和检索 - 矩阵不可变
文章目录题目描述解题思路一题目描述给定一个二维矩阵，计算其子矩形范围内元素的总和，该子矩阵的左上角为 (row1, col1) ，右下角为 (row2, col2) 。上图子矩阵左上角 (row1, col1) = (2, 1) ，右下角(row2, col2) = (4, 3)，该子矩形内元素的总和为 8。示例：给定 matrix = [ [3, 0, 1, 4, 2], [5, 6, 3, 2, 1], [1, 2, 0, 1, 5], [4, 1, 0, 1, 7],
2021-03-03 15:55:12
88
原创 303. 区域和检索 - 数组不可变
文章目录题目描述解题思路一解题思路二题目描述给定一个整数数组 nums，求出数组从索引 i 到 j（i ≤ j）范围内元素的总和，包含 i、j 两点。实现 NumArray 类：NumArray(int[] nums) 使用数组 nums 初始化对象int sumRange(int i, int j) 返回数组 nums 从索引 i 到 j（i ≤ j）范围内元素的总和，包含 i、j 两点（也就是 sum(nums[i], nums[i + 1], ... , nums[j])）示例：输
2021-03-02 13:50:40
142
原创 并查集
文章目录一、并查集定义二、并查集思想三、并查集代码：(1)初始化(2)查找(3)合并四、路径压缩一、并查集定义1. 并查集是一种树型的数据结构，用于处理一些不相交集合（disjoint sets）的合并及查询问题。2. 并查集通常包含两种操作查找(Find)：查询两个元素是否在同一个集合中合并(Union)：把两个不相交的集合合并为一个集合注意：双亲结点就是父结点二、并查集思想如图现在大陆上有下面六位鼎鼎大名的忍者，且各自为王！ &
2021-01-13 13:28:45
58449
67
原创 const关键字的作用及应用场景
文章目录常量常量C++定义常量有两种方式#define 宏常量： #define 常量名 常量值通常在文件上方定义，表示一个常量如：//1、宏常量#define MAX 999int main() { return 0;}const修饰的变量 const 数据类型 常量名 = 常量值通常在变量定义前加关键字const，修饰该变量为常量，不可修改...
2021-01-08 18:37:08
2789
2
原创 9.回文数
文章目录9.回文数思路代码:思路进阶9.回文数判断一个整数是否是回文数。回文数是指正序（从左向右）和倒序（从右向左）读都是一样的整数。示例 1:输入: 121输出: true示例 2:输入: -121输出: false解释: 从左向右读, 为 -121 。 从右向左读, 为 121- 。因此它不是一个回文数。示例 3:输入: 10输出: false解释: 从右向左读, 为 01 。因此它不是一个回文数。进阶: &n
2021-01-03 16:45:29
192
原创 卷积神经网络
文章目录(一)卷积神经网络(1)边缘检测1.1卷积计算过程：1.2垂直边缘检测1.3边缘检测之区分正边和负边1.4更多的边缘检测1.5过滤器的种类(一)卷积神经网络卷积神经网络通常应用于计算机视觉。(1)边缘检测卷积运算是卷积神经网络最基本的组成部分，现在使用边缘检测来说明卷积运算。 例如：现在有一个6x6的灰...
2021-01-02 17:47:32
1136
原创 基础神经网络
文章目录基础神经网络构建线性回归基础神经网络构建线性回归引入相关的模块import torch #torch模块from torch.autograd import Variable #Variable模块，因为神经网络只能输入Variableimport torch.nn.functional as F #神经网络模块import matplotlib.pyplot as p...
2021-01-02 17:47:06
105
原创 卷积神经网络之padding操作
文章目录(一) 卷积神经网络之padding操作(1) 卷积的缺点1.1 第一个缺点：图象缩小（输出缩小）1.2 第二个缺点：图像边缘信息发挥的作用小(2) Padding2.1 padding的取值2.1.1 **Valid**卷积2.1.1 **Same**卷积(3) 总结(一) 卷积神经网络之padding操作为了构建深度神经网络，你需要学会使用的一个基本的卷积操作就是padding...
2021-01-02 17:46:51
26441
8
原创 卷积步长
文章目录卷积中的步长是构建卷积神经网络的一个基本操作前几篇的博客都是步长为1的卷积神经网络例子，现在以步长为2的例子来说明步长不为1的情况。下面是一个7x7的灰度图像的矩阵，以及一个3x3的过滤器，卷积运算之后的输出结果应该为3x3的矩阵。具体计算过程：还和之前一样取左上方的3×3区域的元素的乘积，再加起来，最后结果为91。之前我们移动蓝框的步长是1，现在移动的步长是2，我们让...
2021-01-02 17:46:22
9590
2
原创 机器学习之多变量线性回归
文章目录（一）机器学习之多变量线性回归(1) 常用符号(2) 多变量线性回归的梯度下降算法（一）机器学习之多变量线性回归(1) 常用符号以房价模型为例（这里随意给出的数据）：房屋面积(m2)(m^2)(m2)卧室数量房屋层数房屋年龄(年)价格(万元)390642040010008355888600103101286200...
2021-01-02 17:45:39
203
原创 3.5 图像分类数据集（Fashion-MNIST）
文章目录3.5 图像分类数据集（Fashion-MNIST）3.5.1 获取数据集3.5.2 读取小批量小结3.5 图像分类数据集（Fashion-MNIST）在介绍softmax回归的实现前我们先引入一个多类图像分类数据集。它将在后面的章节中被多次使用，以方便我们观察比较算法之间在模型精度和计算效率上的区别。图像分类数据集中最常用的是手写数字识别数据集MNIST[1]。但大部分模型在MNIS...
2021-01-02 17:44:43
773
原创 3.4softmax回归
文章目录3.4 softmax回归3.4.1 分类问题3.4.2 softmax回归模型3.4.3 单样本分类的矢量计算表达式3.4.4 小批量样本分类的矢量计算表达式3.4.5 交叉熵损失函数3.4.6 模型预测及评价小结3.4 softmax回归前几节介绍的线性回归模型适用于输出为连续值的情景。在另一类情景中，模型输出可以是一个像图像类别这样的离散值。对于这样的离散值预测问题，我们可以使用...
2021-01-02 17:43:41
222
原创 7.整数反转
整数反转文章目录整数反转题目题目给出一个 32 位的有符号整数，你需要将这个整数中每位上的数字进行反转。示例 1:输入: 123输出: 321示例 2:输入: -123输出: -321示例 3:输入: 120输出: 21注意:假设我们的环境只能存储得下 32 位的有符号整数，则其数值范围为 [−231, 231 − 1]。请根据这个假设，如果反转后整数溢出那么就返回 0。题目来源LeetCode链接...
2021-01-02 17:41:33
113
原创 机器学习之梯度下降算法
文章目录（一）梯度下降(Gradient Descent)（1）梯度下降参数的更新过程（2）关于学习率的那点事2.1学习率大小的问题2.2在梯度下降算法中的学习率α\alphaα需不需要改变？（一）梯度下降(Gradient Descent) 梯度下降是一个用来求函数最小值的算法。我们将使用梯度下降算法来求出代价函数J(θ0,θ1)J(\theta_{0},...
2020-01-03 11:32:11
191
原创 机器学习之线性回归算法
文章目录常用符号代价函数常用符号mmm：表示训练集中样本的数量（样本容量）xxx：表示输入变量（特征）yyy：表示输出变量（目标变量）(x,y)(x,y)(x,y)：表示训练集中的样本（即整个数据集）(x(i),y(i))({{x}^{(i)},{y}^{(i)}})(x(i),y(i))：表示第iii个训练样本（即数据集中第i个i个i个数据）hhh：表示函数（表示学习算法的解决方案...
2020-01-03 11:31:31
151
原创 应用于线性回归的的梯度下降算法
将梯度下降算法和代价函数结合，将其应用于具体的拟合直线的线性回归算法里。梯度下降算法(Gradient descent algorithm)线性回归模型(Linear Regression Model)repeat until convergence{ ...
2019-12-31 14:12:18
131
原创 初识机器学习
文章目录（一）机器学习（1）监督学习1.1回归问题1.2分类问题（2）无监督学习（一）机器学习机器学习的第一个定义：第一个机器学习的定义来自于Arthur Samuel。他定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。机器学习的第二个定义：来自卡内基梅隆大学的Tom教授定义的机器学习：一个好的学习问题定义如下，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P...
2019-12-30 23:00:52
101
原创 ServletContext
ServletContext(Servlet上下文)ServletContext代表是一个web应用的环境（上下文）对象，ServletContext对象 内部封装是该web应用的信息，ServletContext对象一个web应用只有一个问题：一个web应用有几个servlet对象？----多个 ServletContext对象的生命周期？创建：该web应用被加载（服...
2019-01-27 23:14:20
64
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