- 博客(44)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 关于 DWave dimod 使用详解
dimoddimod 是采样器的一个共享 API，提供了：BQM（binary quadratic model ）类，BQM其包含了如使用了 D-Wave 系统的采样器的 Ising 和 QUBO（quadratic unconstrained binary optimization）；DQM（discrete quadratic model）类和高阶（non-quadratic）模型；采样器和组合采样器的参考例子；abstract base classes 用于构建新采样器和组合采样器；I
2021-09-15 20:05:03
1240
1
原创 关于 dwave-hybrid 详解及使用方法
dwave-hybrid参考链接：https://docs.ocean.dwavesys.com/en/latest/docs_hybrid/sdk_index.htmldwave-hybrid 是一个通用的、最小的 python 框架，用于构建混合异步分解求解器，求解QUBO（ quadratic unconstrained binary optimization）问题。dwave-hybrid 促使了求解发展的三个方面：Hybrid 方法结合了量子和经典计算资源；评估了算法成分的组合和
2021-09-14 19:41:46
1366
原创 Java 中关于不同进制转换的内置函数
public class BaseToBase { public static void main(String[] args) { System.out.println(Integer.toBinaryString(365));//十进制转换成二进制 System.out.println(Integer.toHexString(365));//十进制转换成十六进制 System.out.println(Integer.toOctalStrin
2021-04-28 13:07:29
258
原创 2021春招美团算法笔试题
2021春招美团算法笔试题整理，供大家参考！一、流小美最近在学操作系统。流是操作系统中一个重要的概念。小美自己也实现了一个类似于 /dev/random 的设备，但是它只能提供预先设定好但循环不断的某个小写字母排列。package MT;import java.util.Scanner;public class MT1 { public static void main(String[] args) { Scanner sc = new Scanner(System
2021-03-21 00:16:42
9906
20
原创 第4讲 | 数据结构与算法 | 【散列表】
- 《数据结构与算法》专栏完整版在公众号【书伟认视界】中查看，转载需联系微信【econe0219】散列表散列表（Hash Table），也可直译为哈希表。散列表是基于数组扩展得到的一种新的数据结构，因此有延续了数组最重要的一条性质：支持按下标随机访问，时间复杂度是O(1)。通过散列函数把元素的键值映射为下标，然后将数据存储在数组中对应下标的位置。我们熟悉的python的字典就是由散列表实现的。散列函数：直观定义为hash(key)，key表示元素的键值，hash(key)指的就是经过散列函数得到
2020-08-23 13:41:10
209
原创 第5讲 | 数据结构与算法 | 【堆】
- 《数据结构与算法》专栏完整版在公众号【书伟认视界】中查看，转载需联系微信【econe0219】堆（Heap）堆实际就是树的一种，关于树这种数据结构后续文章会详细讲。不过堆也很好理解，所以直接拿出来说下，而且下篇文章要用到堆这个数据结构。堆这种特殊的树满足两个条件：堆是一个完全二叉树；堆中每一个节点的值都必须大于等于（或小于等于）其子树每个节点的值。完全二叉树就是除了最后一层，所有层都是满节点，而且最后一层的节点都是左排列（要么左右子节点都有，要么只有左子节点）。堆的节点大于等于其左右子
2020-08-23 13:40:19
180
原创 第3讲 | 数据结构与算法 | 【栈、队列】
- 《数据结构与算法》专栏完整版在公众号【书伟认视界】中查看，转载需联系微信【econe0219】栈栈的特点是，先进后出，后进先出。只允许在一端插入和删除数据。（想象往一个桶里放东西的过程）如浏览器页面的前进后退、函数调用都是用栈来实现的。注：我们常说的数据结构里“堆栈”其实就是“栈”，和“堆”是完全不同的概念。'''用 python 的列表来实现一个栈'''class Stack(object): # 空列表作为初始化的栈 def __init__(self):
2020-08-20 13:03:27
142
原创 第1讲 | 数据结构与算法 | 【复杂度分析】
- 《数据结构与算法》专栏完整版在公众号【书伟认视界】中查看，转载需联系微信【econe0219】复杂度分析数据结构与算法本身解决的问题就是，如果让代码运行更快，更省存储空间。时间、空间的复杂度分析就是来解决算法的执行效率的问题。所谓的时间、空间复杂度分析，就是在不用具体的数据来测试的情况下，就可以粗略估计算法的执行效率。大O复杂度表示法公式：T(n)=O(f(n))T(n) = O(f(n))T(n)=O(f(n))其中，T(n)T(n)T(n): 代码执行的时间；nnn: 数据规模的大小；
2020-08-20 12:39:32
203
原创 第2讲 | 数据结构与算法 | 【数组和链表】
- 《数据结构与算法》专栏完整版在公众号【书伟认视界】中查看，转载需联系微信【econe0219】数组和链表数组：一种线性表（具有前后顺序）数据结构。用一组连续的内存空间，来存储一组具有相同类型的数据。链表：通过指针将零散的内存快串联在一起。单向链表：插入、删除操作时，数组的时间复杂度是O(n)，而链表不需要保证数据的连贯性，时间复杂度是O(1)，但是访问元素时，需要根据指针一个结点一个结点地遍历，直到找到相应元素的节点，所以需要O(n)的时间复杂度。循环链表：循环链表的优点是，从链尾到
2020-08-19 20:24:48
150
原创 Ubuntn18.04 添加右键选项
在主目录（中文版的，英文版是home文件夹）下的模板（英文版Templates）中放一个文本文件，然后右键就可以生成文本文件了。还可以放其他文件，如放一个md文件，那右键就能生成一个md文件。...
2020-07-05 15:27:42
393
原创 我打算当一个码农，但不学数据结构与算法行不行？
最近准备先着手写一个【数据结构与算法】的专栏！！！完事开头难，过程难上加难。今天就把开头难这个事情解决掉！！！我是渣渣，渣渣是我，因渣而骄傲！作为一个本科非CS出生的我，不知不觉在敲代码的路上渐行渐远~ ~ ~ ~ ~ ~对一般的工科生来讲，大一的时候都会上C语言的课，先学写代码，之后才学数据结构与算法。然鹅，在我的记忆中我开始认真接触代码这个东西还是大二时为了考NCRE才学的。大一的我几乎不上课，考试都是 C 的，真怀念那段荒废时光的日子，让我变得一无所知，真TM开心。于是大二为了考证而自学，“刻
2020-07-04 21:59:56
2703
原创 答谢粉丝 | 送！送！送【极客时间】课程！
直奔主题！内容分“专栏”和“视频课”公众号【书伟认视界】后台回复“极客时间”可领专栏视频课公众号【书伟认视界】后台回复“极客时间”可领
2020-06-29 22:26:28
155
原创 一致性哈希算法
一致性哈希算法假设我们有k个机器，数据的哈希值的范围是[0, MAX]。我们将整个范围划分成m个小区间（m远大于k），每个机器负责m/k个小区间。当有新机器加入的时候， 我们就将某几个小区间的数据，从原来的机器中搬移到新的机器中。这样，既不用全部重新哈希、搬移数据，也保持了各个机器上数据数量的均衡。...
2020-03-31 16:18:38
158
原创 关于Chimera 图的映射问题及代码实例
把一个问题 minor-embedding 到 Chimera 图中【注】minor-embedding意思是：从变量（variables）到 qubit 的映射。后面会解释。在这一部分内容中，先来说明如何把先前介绍过的 QUBO 问题 minor-embed 到 Chimera 图中。Minor-embedding 通常需要链（chains），从 QPU 返回的解需要通过反转嵌入的步骤来解除...
2019-12-15 23:35:24
1167
5
原创 定义问题以及用QUBO表示约束
定义问题以及用QUBO表示约束D-Wave擅长解决的问题之一就是二值优化（optimization of binary variables）问题。二值变量只有变量 0（NO, or FALSE）和变量 1（YES, or TRUE）。传统计算机可以被认为是由逻辑门（logic gates）组成的，逻辑门是一种简单的决策装置，其根据输入产生输出。虽然 D-Wave 系统并不是基于门的，但巧合的是...
2019-12-15 23:34:32
6887
原创 Ising模型、QUBO 及 Chimera Graph（QPU 架构）介绍
Ising模型、QUBO 及 Chimera Graph（QPU 架构）介绍【所有内容均是对官方文档的学习记录总结】用 D-Wave QPU 来构建问题需要知道以下几个概念：目标函数、Ising 模型、二次无约束二值优化问题（QUBOs, quadratic unconstrained binary optimization problems）和图。这篇介绍这些概念。目标函数想要理解如何用...
2019-12-15 23:33:05
6783
1
原创 量子退火介绍
量子退火介绍【所有内容均是对官方文档的学习记录总结】本文介绍了量子退火是什么以及它是如何工作的，并介绍了量子退火所依赖的量子物理学相关知识点。应用问题量子退火处理器自然地返回低能量解决方案（return low-energy）；一些应用程序需要真实的最小能量(优化问题)，其他应用程序需要良好的低能量样本(概率抽样问题)。优化问题：在优化问题中，我们需要从许多可能的组合中寻找最好的组合。物...
2019-12-14 22:44:18
6609
原创 D-Wave 量子计算机及其相关知识介绍
D-Wave 量子计算机及其相关知识介绍【所有内容均是对官方文档的学习记录总结】现在超级计算机虽然很强，许多复杂的问题依然无法通过传统的计算机解决。D-Wave可以解决当前传统机器学习的弊端。目前，量子计算机有两种主要的模型：门模型（gate model）和量子退火（QA，quantum annealing）。在门模型中，主要的目标是控制和操纵量子态随时间的演化，这在大范围时很难做到，因为量...
2019-12-14 22:36:47
3544
原创 具有自动域的数学函数（ numpy.emath / numpy.lib.scimath）
最近看到一个神奇的函数 numpy.emath看了官方文档不知道说什么先看一下官方文档：注意 numpy.emath 是 numpy.lib.scimath 的首选别名， 在导入 numpy 后可用。包装器函数对某些数学函数的调用更加用户友好，这些数学函数的输出数据类型与输入的某些域中的输入数据类型不同。例如，对于带有分支切割的 log 之类的功能，此模块中的版本在复杂平面中提供数学上...
2019-11-21 19:54:42
1784
原创 Ubuntu18.04 的cuda安装（简单有效版）
https://blog.csdn.net/jwq2011/article/details/54599744https://blog.csdn.net/THMAIL/article/details/85857571https://blog.csdn.net/wanzhen4330/article/details/81699769
2019-10-17 20:11:16
5562
转载 启发式算法和元启发式算法
启发式算法(Heuristic Algorigthm)：是一种基于直观或经验构造的算法,在可接受的花费(指计算时间、计算空间等)给出待解决优化问题的每一实例的一个可行解，该可行解与与最优解的偏离程度一般不可以事先预计。启发式算法是一种技术,这种算法可以在可接受的计算费用内找到最好的解,但不一定能保证所得到解的可行性及最优性，甚至大多数情况下无法阐述所得解与最优解之间的近似程度。元启发式算法（...
2019-10-13 12:16:35
8271
原创 Ubuntu扩展所有分区空间的完整教程
再也不怕分区不合适了！再也不怕分区不合适了！再也不怕分区不合适了！.自从用Ubuntu以来，感觉是又爱又恨了。前两天因为装一些软件，所需空间比较大，结果导致我的/usr文件夹满了，已经没有空间了。当初分区时候给的空间小了，那个悔呀。当然不管任何目录满了，扩张空间的方法都是一样的，只不过我的就是 /usr，所以我用这个来说明。但是我相信很多人都有过或以后会遇到这样的情况，毕竟我们的硬盘空间...
2019-09-27 19:07:18
15451
15
原创 搞清楚p问题、NP问题、NP完全问题和NP难问题
先行了解相关的几个名词：计算复杂性理论：研究计算资源中最常见的时间（要通过多少步演算才能解决问题）和空间（在解决问题时需要多少存储器）归约：是解决不同算法问题的一种手段。比如有两个算法任务A and B，假如任务A比任务B的复杂性低（简记为A≤B）。从归约的角度来看，就是说如果我们有了B的有效算法M，那么我们有一个有效算法N，它可以引用M，最终解决A问题。所以 A≤B 等价 A归约到B（...
2019-09-20 22:33:35
3061
原创 paper笔记 | 城市计算概述（郑宇）
1 城市计算的概念和框架1.1 城市计算的定义城市计算是一个通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战（如环境恶化、交通拥堵、能耗增加、规划落后等）的过程。1.2 城市计算的框架基本框架包括 城市感知和数据获取——城市数据管理——城市数据分析——服务提供 四个环节城市计算是一个多数据多任务的系统。1.3 城市计算的核心问题1）城市感知（计算）。利用城市中...
2019-09-09 19:11:52
2156
原创 TensorFlow入门 | 人脸检测与识别
人脸识别概述人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。属于生物特征识别技术的一种。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别典型流程典型流程分为3个步骤：1）人脸检测： 对图像中人脸位置的检测2）人脸对齐...
2019-08-23 20:38:19
3436
原创 人脸识别相关数据集介绍
人脸识别数据集LFW（Labeled Face in the Wild）LFW数据库是真实条件下的人脸识别问题的测试基准。该数据集包括来源于因特网的5749人的13233张人脸图像，其中有1680人有两张或以上图像。标准测试协议包括6000对人脸的时折确认任务，每折包括300对正例和300对反例。采用十折平均精度作为性能评价指标。YouTube Faces DBYouTube Faces...
2019-08-12 16:25:40
10128
原创 TensorFlow入门 |（三）MNIST手写数字识别
（一）MNIST手写体数据集介绍MNIST手写数字识别算是计算机视觉入门的一个项目。也是传说中机器学习入门的“Hello World”。小编写这篇文章的时候也算是一个新手，分享下自己的学习成果，和大家一起学习进步。MNIST数据集包含各种（0~9）手写数字：数据集官网：http://yann.lecun.com/exdb/mnist/ ，数据集包含60000个训练样本和10000个测试样本。...
2019-08-08 18:57:28
1720
原创 MNIST数据集加载的问题&方法
使用 Keras 加载 MNIST 数据集tf.kera.datasets.mnist.load_data(path=‘mnist.npz’)Arguments:path: 本地缓存 MNIST 数据集(mnist.npz)的相对路径（~/.keras/datasets）Returns：Tuple of Numpy arrays: `(x_train, y_train), (x_te...
2019-08-02 18:49:10
3905
原创 TensorFlow入门 |（二）房价预测模型
房价预测模型简介房价预测模型是一种简单的线性模型，属于监督学习的一种，给一些输入参数比如房屋面积、卧室数量等做，然后结合给定的价格标签做预测。单变量房价预测import pandas as pdimport seaborn as snssns.set(context="notebook", style="whitegrid", palette="dark")导入做数据分析的panda...
2019-07-23 22:16:48
2014
原创 windows在虚拟环境中启动TensorBoard的问题
在windows启动TensorBoard感觉不是很友好，各种问题。网上也有其他一些相应的解决办法，我这里在列举两个你可能（墙内）搜不到的问题。先讲启动TensorBoard的方法：cmd 进入虚拟环境，必须是已激活的虚拟环境，比如我用的一个虚拟环境 (venv)E:\python\venv，看到前面那个’(venv)'说明是已经激活的虚拟环境。如果你是用Anaconda自建的环境的话，直...
2019-07-23 18:37:53
1019
4
原创 TensorFlow 入门 | （一）基本知识详解
本文介绍TensorFlow的基本知识一、TensorFlow 的认识先来看下TensorFlow模块和一些APIs，简单了解一下TensorFlow数据流图：一种声明式编程方式，不同于命令式编程。不拘泥于内部具体的实现过程，而是模型化，结构化。两种编程方式的具体细节可自行百度。TensorFlow数据流图如下所示，如果学过图论的话很很容易理解，最主要的两个概念就是“边”和“节点”...
2019-07-10 23:36:03
483
原创 TensorFlow入门 | （零）环境安装
博主至今还在用Windows系统，所以在Windows上装了一个专门练习TensorFlow的虚拟环境。你也可以不用安装这个。一、搭建虚拟环境命令行输入pip install virtualenv然后输入virtualenv --version查看是否安装成功进入你想安装虚拟环境的目录下再输入virtualenv venv（venv是我创建的虚拟环境的名称）完成之后你会看到venv文件...
2019-07-10 21:58:52
290
原创 CNN | 详解&搭建Residual Networks
前言：我们都知道构建一个深度网络有很多好处，比如一个deep Networks可以降低模型复杂度、可以学到更多的features等。在理论上理解，对于一般的深度网络来说，添加更多层应该更容易降低训练误差。但是实际情况是，添加很多层以后，模型的训练误差不但没有降低还上升了。原因是一般很深的网络存在梯度消失的问题。在backward propagation的过程中，每一步都需要乘以权重，最后会导致...
2019-07-10 15:31:20
558
原创 Keras之Conv2D
Conv2D：图像空间的2维卷积keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glo...
2019-07-04 20:36:11
22295
2
原创 Keras入门
应用Keras的主要步骤为定义/创建模型编译模型拟合/训练模型评估/测试模型详见Keras官方文档 Keras documentation.先把必要的包都导入进来import numpy as npfrom tensorflow import kerasfrom keras import layersfrom keras.layers import Input, Dens...
2019-07-04 18:37:49
119
原创 深度学习中那些常见的优化算法
先列举一下在深度学习中，我们常见的优化算法有哪些：最基本的如梯度下降(Gradient Descent)—— GD然后还有一些GD的变体：随机梯度下降法(Stochastic Gradient Descent)——SGD小批量梯度下降——mini-batch GD动量梯度下降——Momentum均方根算法(root mean square prop) ——RMSprop自适应矩估计...
2019-06-11 17:44:41
1808
原创 正则化(Regularization)、归一化(Normalization)、权重初始化等
正则化（Regularization）解决深度学习中的over-fitting(high variance)问题，有两个solutions，其中之一就是regularization，另外就是more data。正则化就是在原cost function 中加入正则项Why regularization can reduces overfitting?直观上理解就是如果正则化系数λ\lamb...
2019-06-05 18:30:56
4060
原创 搭建DNN做预测（接上篇：自编码实现深度神经网络）
利用自己搭建的DNN做简单预测。是上篇博文：《自编码实现深度神经网络》的后续部分。调用上篇的函数如下：def initialize_parameters_deep(layer_dims): ... return parameters def L_model_forward(X, parameters): ... return AL, cachesdef co...
2019-05-29 22:17:32
2675
原创 numpy.where()函数的详细说明
python里的numpy.where()函数还是比较奇特的。看了官方文档的例子感觉有一种用法还是没说明。后面主要说这个。先把官方文档中的例子贴出来,文字说明就不贴了，相信直接看例子更浅显易懂Examples-------->>> a = np.arange(10)>>> aarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])...
2019-05-29 15:16:21
4869
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人