自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(24)
  • 资源 (3)
  • 收藏
  • 关注

原创 【批量去除图片的背景】

批量去除图片背景

2022-08-15 18:40:35 1586 4

原创 未知行数的多行输入获取,python

array = []for line in iter(input, ''): array.append(line.split(' '))print(array)import sysmes = sys.stdin.readlines()print(mes) 按 ctrl+z+enter 自动结束两种方法都可以。佛了。这是一篇没有营养的吐槽贴,抱歉。...

2021-11-03 22:23:24 1746

原创 scala学习笔记

Scala 与 Java 的最大区别是:Scala 语句末尾的分号 ; 是可选的,我还是不写吧,为了简洁目录【数据类型】【变量】【方法与函数】【数据类型】数据类型 描述 Byte 8位有符号补码整数。数值区间为 -128 到 127 Short 16位有符号补码整数。数值区间为 -32768 到 32767 Int 32位有符号补码整数。数值区间为 -2147483648 到 2147483647 Long 64位有符号补码整数。数值区间

2021-10-21 17:05:34 139

原创 sql学习笔记

慢慢更新。关系数据库。一张表中的每一行数据称为一条记录,一条记录由多个字段组成,如下students表id class_id name gender score 1 1 小明 M 90 2 1 小红 F 95 主键:主键是一个字段,通过它能够唯一区分出不同的记录。选取主键的一个基本原则是——不使用任何业务相关的字段作为主键,因为业务会变化,主键最好不要修改。我们一般把主键这个字段命名为id,常见可作为

2021-10-20 19:53:42 97

原创 一些广告术语

仅供自己使用,所以不顾及全面性了。慢慢补充慢慢修改吧。CPM(Cost Per Mille),表示千次曝光费用,是数据指标,也是一种出价方式。cpm=花费/展示*1000eCPM(effective CPM),有效曝光价格, 主要用于广告系统内部把各种计费模式的广告统一到从广告曝光价格角度观测广告的展示效率。计算公式:(cost / Ad impressions) * 1000千次展示期望收入,是最关键的定量评估收益的指标。 CTR ...

2021-10-18 17:24:21 671

原创 求一个数组的最长等比子序列的长度 (类似于HDU - 5328)

渤海银行的一道笔试题,中等。输入描述:单组输入,第一行输入一个正整数N,表示正整数序列中包含的数字个数,N <= 1000。第二行输入N个正整数,两两之间用空格隔开。输出描述:输出最长等比子序列的长度。样例输入:101 3 2 5 4 2 8 6 16 9样例输出:5一个小思路,一般如果是连续子数组,用双指针或者滑动窗口来解决,如果是非连续的子序列,一般用动态规划来解决。这道题,搜了一下,发现网上有类似的题:Problem - 5328,但是..

2021-10-18 09:09:42 1163

原创 将链表所有目标字符聚在一起,求最小交换次数 (由Leetcode 1151想到的)

题目描述:将一个链表通过交换节点位置的操作使链表中的value为k的节点都聚集在一起,给出最少需要的交换次数。输入描述:第一行为链表的长度,取值范围为1~1000第二行为链表的节点,如 1 2 3 代表1->2->3,每个节点value为整数,取值范围0~10000第三行为k输出描述:输出需要的最少交换次数例子:输入:5 1 2 1 2 12输出:1解法:这道题其实链表和数组是一样的,所以直接用数组来存即可。一开始的思路是,找出这个数

2021-09-26 21:45:38 403

原创 leetcode.4 寻找两个正序数组的中位数

给定两个大小分别为m和n的正序(从小到大)数组nums1和nums2。请你找出并返回这两个正序数组的中位数。示例 1:输入:nums1 = [1,3], nums2 = [2]输出:2.00000解释:合并数组 = [1,2,3] ,中位数 2示例 2:输入:nums1 = [1,2], nums2 = [3,4]输出:2.50000解释:合并数组 = [1,2,3,4] ,中位数 (2 + 3) / 2 = 2.5示例 3:输入:nums1 = [0,0], ...

2021-09-10 17:36:32 91

原创 两进旷厂的“研究媛”,温柔坚定的探索者,看3D组研究员的SLAM探索之旅~

两进旷厂的“研究媛”,温柔坚定的探索者,看3D组研究员的SLAM探索之旅~内推码: gNw3jThttps://mp.weixin.qq.com/s?__biz=MzU4NTkwMDM1NA==&mid=2247490526&idx=1&sn=c1866e9afe494bdece598699c0eace02&chksm=fd82d3f3caf55ae50982e4ed5a0949382a9d07b9a62cdc15e1eed4986731971de21ce0c8f692&

2021-07-09 09:19:03 80

原创 腾讯PCG搜索中心,内容技术组-知识图谱组,实习一面

2021.06.11问项目:详细地问了项目,负责什么,做了什么事情,达到了什么效果。很关心项目做的深度。问项目花了很多时间,约25分钟,问得很具体。(以后要考虑一下怎么把项目吹完美)问基础: 什么是过拟合,处理过拟合的办法。没答出dropout,然后问dropout训练和预测的时候有什么区别。 earlystop有了解过没。 layernorm和batchnorm怎么做的,有了解吗。要清楚地知道具体是怎么做的,而不是停留在概念上。 关系抽取,分类里面..

2021-06-30 22:24:25 403

原创 ImportError: cannot import name ‘XXX‘

还是stack-overflow 友好https://stackoverflow.com/questions/14132789/relative-imports-for-the-billionth-time直接看原文解释:There is a big difference between directly running a Python file, and importing that file from somewhere else.Just knowing wha...

2020-12-02 23:10:32 170

原创 git上传代码及删除代码详细步骤

文章目录准备工作上传的步骤step1:新建本地仓库。step2:绑定用户。step3:为Github账户设置SSH keystep4: 初始化本地仓库step5: 关联远程仓库step6: 获取远程库与本地同步合并step7: 把当前分支master推送到远程step8:提交本地代码删除的步骤参考链接:本地项目代码上传到远端GitLab仓库git 上传代码到GitHub 以及git删除git...

2020-04-11 18:43:36 4921 1

原创 0.动手深度学习之预热——《判别模型》《梯度更新方式》

判别模型: 建模预测变量和观测变量之间的关系,也叫做条件模型分为确定性判别模型和概率判别模型 线性判别模型: 一维的线性回归和二次回归: 线性和非线性的区别:参数θ为一次,则是线性,否则是非线性 二维的线性回归: 学习目标: 使预测值和观测值最接近。常用的损失函数——平方误差优化目标是最小化整个训练集上的均...

2020-02-14 20:38:02 320

原创 Distributional Similarity(分布相似性)的学习

Distributional_Similarity解释:从上下文来考察词汇的含义。本文图片参考自斯坦福NLP课程,作者斯坦福大学Dan Jurafsky教授,讲义写得非常好。背景:NLP任务中,建立同义词典非常困难且不必要,即使建立了,在召回率方面也有问题,比如丢失很多词汇和大部分的短语、丢失了句子之间的联系等等......有人曾说过,可以通过上下文来确定一个单词的含义【(...

2019-08-13 17:17:43 1893

原创 ImportError: No module named 'numpy' 解决办法

Linux下安装numpy首先,本人已经把Python升级了,见这里——https://blog.csdn.net/liang19890820/article/details/51079633然后用 pip3 install numpy 安装了numpy库,已经安装成功了。接着,在Linux命令行输入Python以后,准备试试安装成功了没,但是,但是......网...

2019-04-20 10:24:28 34755 2

原创 \n 的一个经典演示

\n 的一个经典演示提示:结合printf是行缓冲来理解  

2019-02-08 16:59:04 156

原创 fork 记录

fork函数创建子进程的过程为:使用fork函数得到的子进程是父进程的一个复制品,它从父进程继承了进程的地址空间,包括进程上下文、进程堆栈、内存信息、打开的文件描述符、信号控制设定、进程优先级、进程组号、当前工作目录、根目录、资源限制、控制终端,而子进程所独有的只有它的进程号、资源使用和计时器等。通过这种复制方式创建出子进程后,原有进程和子进程都从函数fork返回,各自继续往下运行,但是原进程的f...

2019-02-03 11:14:28 408

原创 ubuntu 18.04 网络图标不见的解决办法

常用的办法是sudo service network-manager stopsudo rm /var/lib/NetworkManager/NetworkManager.statesudo service network-manager startsudo gedit /etc/NetworkManager/NetworkManager.conf把false改成true但是...

2019-01-31 20:53:21 2150 5

原创 Linux文件的创建,打开与关闭之ab+追加写模式的理解

FILE *fopen(const char *path,const char *mode); //文件名  模式int fclose(FILE *stream);fopen 以mode 的方式打开或创建文件,如果成功,将返回一个文件指针,失败则返回NULL.ab 和a+b 为追加模式,在此两种模式下,无 论文件读写点定位到何处,在写数据时都将是在文件末尾添加。我们使用fsee...

2019-01-29 12:04:42 2053

转载 c语言 &取地址运算符的理解

https://www.cnblogs.com/zhanggaofeng/p/5125149.html之前对取地址符“&”的理解——返回第一个字节的地址。int i =2;  int * p = &i ,这里,*p代表以p的内容为地址的变量。即文中所说:(*p)操作是这样一种运算,获取指针p的值(变量的地址)找到对应的变量的值-----返回以(p 的值作为地址)的那个空间的值。

2018-01-22 15:19:39 11323 1

原创 C语言基础入门-数组-多维数组

本文关注二维数组以及多维数组。1.对于二维数组,需要关心它的赋值方法和输出方法(两个for循环)。#include int main(void){ int a[3][4] = { {1, 2, 3, 4}, //注意逗号不要写成分号,这只是一条语句 {5, 6, 7, 8}, {9,10, 11,12}, }; int i,j; for (i=0; i //输出数组元素内容

2018-01-17 21:16:03 266

原创 C语言基础入门-数组-一维数组

数组发明的需要:其一,为模拟现实世界。举例来说,一维数组模拟线条,二维数组模拟平面,三位数组模拟空间,依次类推。其二,为解决大量同类型数据的存储和使用。假如我们有成千上万个数据需要存储,如果每个数据都按照一般办法来定义、赋值,结果是很复杂的。但用数组来定义就轻松得多,用下标来一个一个地区别,就简单多了。 关于一维数组,需要注意以下五点:1.为N个变量连续分配空间2.所有的变量数据类...

2018-01-17 19:58:52 1917

原创 C语言基础入门-流程控制

郝彬言,看懂一个程序,分三步,流程、每个语句的功能、试数。本篇介绍流程控制,要分好多小文章来介绍。从标题入手来细分,每个下级,用短横杠往后写。流程控制分三类:顺序;选择;循环。不知是谁说过(貌似不是图灵,这不是重点,不深究)——任何复杂的程序都可以由顺序、选择、循环三种结构构成,这让我想起计算机的工作原理,复杂的问题,通过一系列的指令反复执行,最终问题得到解决,我很喜欢这种模式。顺

2018-01-17 15:42:05 365

原创 C语言基础入门-大纲

鉴于看的是郝彬的的视频,参考其讲义,我决定采用回顾式复习方法来学习。一、编程预备计算机知识(浅显且简单)二、基本输入输出函数的用法三、运算符四、***流程控制五、数组六、***函数 七、变量的作用域和存储方式八、***指针九、结构体十、枚举十一、零散知识杂记

2018-01-17 15:15:31 937

05_Word_Similarity-_Distributional_Similarity_II_8-15.pdf

斯坦福的NLP课程课件,讲解Distributional_Similarity,这是第二部分。

2019-08-13

04_Word_Similarity-_Distributional_Similarity_I_13-14.pdf

斯坦福的NLP课程课件,讲解Distributional_Similarity,这是第一部分。

2019-08-13

《中文信息发展报告》 .pdf

《中文信息发展报告》 by 中国中文信息学会 2016年12月 是一份非常好的中文NLP总览性质的文档,通过这份报告可以了解中文和英文NLP主要的技术方向。

2019-08-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除