- 博客(62)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Git使用教程（4）
本内容根据廖雪峰的官方Git教程所编写，将操作记录下来做巩固知识所用。本文主要从以下几个方面对Git的使用进行介绍：安装Git 创建版本库 时光穿梭机本部分继续介绍时光穿梭机的内容，对其中的工作区和暂存区进行介绍。时光穿梭机之工作区、暂存区Git和其他版本控制系统如SVN的一个不同之处就是有暂存区的概念，先来看名词解释。工作区（Working Directory）指本...
2019-05-09 16:46:21
246
原创 Git使用教程（3）
本内容根据廖雪峰的官方Git教程所编写，将操作记录下来做巩固知识所用。本文主要从以下几个方面对Git的使用进行介绍：安装Git 创建版本库 时光穿梭机本部分继续介绍时光穿梭机的内容，对其中的版本回退进行介绍。时光穿梭机之版本回退现在，已经学会了修改文件，然后把修改提交到Git版本库，现在，再练习一次，修改readme.txt文件如下：Git is a distribut...
2019-05-08 17:55:43
218
原创 Git使用教程（2）
本内容根据廖雪峰的官方Git教程所编写，将操作记录下来做巩固知识所用。本文主要从以下几个方面对Git的使用进行介绍：安装Git 创建版本库 时光穿梭机时光穿梭机之git status、git diff教程（1）对安装Git、创建版本库已经进行了介绍，本部分对时光穿梭机进行介绍，首先介绍两个常用命令git status、git diff，按照下面的操作进行了解。我们已经成功地添...
2019-05-08 12:25:50
235
原创 Git使用教程（1）
本内容根据廖雪峰的官方Git教程所编写，将操作记录下来做巩固知识所用。1、概述git是一种先进的分布式版本控制系统，与其对应的是集中式版本控制系统（SVN、CVS等），两者具体的区别可以查看廖雪峰的GIt。本文主要从以下几个方面对Git的使用进行介绍：安装Git 创建版本库 时光穿梭机2、安装Git最早Git是在Linux上开发的，很长一段时间内，Git也只能在Linux和U...
2019-05-08 11:43:08
190
原创 tensorflow+cuda+cudnn配置
一、tensorflow通过虚拟环境安装tensorflow，官网二、cuda官网下载 CUDA Toolkit Archive，选择 CUDA Toolkit 8.0 GA1 (Sept 2016)，下载 runfile 文件 cuda_8.0.44_linux.run。runfile 安装sudo chmod a+x cuda_8.0.44_linux.runsudo ...
2019-01-07 11:21:01
539
原创 多线程的理解和学习
最近看了一些多线程的东西，慢慢整理如下一、多线程首先什么是多线程？通俗点讲，我们常见的看视屏啊、word写文档，内部都是多线程的模式执行的，因为看视屏需要有图像和声音，你不可能先看完图像再听声音，反之也不可以；word写文档时，你既要写文档，又要实时检查错误和保存，也是一个多线程的过程。把分任务分成每一个的线程，然后依次分时间的执行，比如A任务执行0.01秒，B任务执行0.02秒，由于CP...
2019-01-01 21:03:08
135
转载 nvidia-smi 命令解读
一、nvidia-smi命令nvidia-smi是用来查看GPU使用情况的。我常用这个命令判断哪几块GPU空闲，但是最近的GPU使用状态让我很困惑，于是把nvidia-smi命令显示的GPU使用表中各个内容的具体含义解释一下。这是服务器上特斯拉K80的信息。 上面的表格中： 第一栏的Fan：N/A是风扇转速，从0到100%之间变动，这个速度是计算机期望的风扇转速，实际情况下如果风扇...
2018-12-18 09:40:21
3955
转载 torch.nn与torch.nn.functional之间的区别和联系
原文地址：https://blog.csdn.net/GZHermit/article/details/78730856迷惑的地方是在于forward的函数的定义方法。为什么要把网络中的一部分层在__init__()函数里定义出来，而另一部分层则是在__forward()__函数里定义？并且一个用的是nn，另一个用的是nn.functional。同一种层的API定义有两种，这样看似冗余的设计是...
2018-12-10 15:01:45
6711
2
原创 IDEA配置git环境，并实现分享项目和克隆项目
一、安装IDEA和gitIDEA官网下载豪华版（学生可以免费申请）git官网下载官网下载好上述两个工具后，安装好，并记住安装的位置。二、IDEA中配置git1、打开设置面板：File->Settings->Version Control2、选择第六项GitHub，Host中默认github.com地址，Login输入你的账户名或邮箱，Password输入密码，其...
2018-10-10 21:22:37
2141
原创 有关linux磁盘查询的一些命令
一、查看当前系统磁盘空间情况命令格式：df -hl显示格式为： 文件系统 容量 已用 可用 已用% 挂载点 Filesystem Size Used Avail Use% Mounted on/dev/hda2 45G 19G 24G 44% //dev/hda1 49...
2018-10-10 10:07:19
499
原创 求解PI的方法——欧拉级数
自然数的平方倒数和，当自然数的个数达到一定程度是，和收敛为为PI的平方除以6，即所以写一个求解PI的程序import mathmath.sqrt(6*sum([1/(i**2) for i in range(1,100)]))math.sqrt(6*sum([1/(i**2) for i in range(1,1000)]))math.sqrt(6*sum([1/(i**2) ...
2018-09-25 16:37:25
4442
原创 给定逆序数列，求原始数列的排列
试确定 的排列，使其逆序数列为 。首先逆序列代表该位置索引所代表的数字的逆序数。从后面开始推导，上述逆序数列最后一位，索引为8，代表8的逆序数为0，所以8：87：8 76：8 6 75：8 6 5 74：4 8 6 5 73：4 8 6 5 3 72：4 8 6 2 5 3 71：4 8 6 2 5 1 3 7所以原始排列为：4 8 6 2 5 1 3 7...
2018-09-03 21:39:07
1468
原创 leetcode32. Longest Valid Parentheses
求有效匹配最长括号，题目要求可以看leetcode32。采用栈的方式求解，思路如下：1、首先定义一个空栈，将-1置为第一个元素；2、从给定的字符串的第一位开始匹配： 2.1、如果当前位为 '('：将当前位置索引压栈； 2.2、如果当前位为 ‘)’：将栈顶元素出栈，如果此时空栈，则将当前位置索引压栈；接下来将当前索引和栈顶元素做差，取当前差值和历史的最大差值作比较，取...
2018-08-24 22:03:10
148
原创 正整数的质因子
题目：功能:输入一个正整数，按照从小到大的顺序输出它的所有质数的因子（如180的质数因子为2 2 3 3 5 ）#include<iostream>using namespace std;void prime_factor(){ long lInput; cin >> lInput; while (lInput != 1) { for (int i...
2018-08-21 21:36:14
1594
原创 卷积神经网络的旋转不变性理解
卷积神经网络本身的设计对旋转不变性没有进行专门的考虑，只不过max-pooling可以稍微补偿一下这个功能，只是角度变化太大，可能会作用不大，但因为max-pooling并不是为此而设计的，所以总体上说CNN提取旋转不变的特征能力是比较弱的。论文Group Equivariant Convolutional Networks和spherical CNNs对网络结构的旋转不变性设计进行了理论分析...
2018-08-18 21:05:03
14226
原创 ResNet反向传播公式推导
ResNet残差网络结构在深层网络中训练效率会提高，为什么呢，我们下面用公式解释一下。我们先回顾全连接网络和卷积网络反向传播的过程，细节推导见我的博客一、DNN结构反向传播1、l层全连接层的反向传播的W的梯度公式 2、l层全连接层的反向传播的b的梯度公式 3、层与层之间的梯度传播依靠到的过渡 ...
2018-08-16 15:46:53
11900
原创 CNN的反向传播过程的推导（池化层、卷积层）
上一篇文章介绍了DNN的反向传播，对DNN不清楚的可以去看看，CNN在DNN的基础上进行解释。一、回顾DNN的反向传播上一篇DNN反向传播过程得出结论：1、计算每一层的W、b的梯度，需要计算出2、然后每一层的W的梯度和b的梯度 ...
2018-08-11 22:51:09
15340
4
原创 DNN的反向传播过程的推导
DNN网络（全连接的网络）在进行DNN反向传播算法前，我们需要选择一个损失函数，来度量训练样本计算出的输出和真实的训练样本输出之间的损失。输出计算公式：随机选择一系列W,b，用前向传播算法计算出来的。即通过一系列的计算：。计算得出最后的输出层L对应的便是前向输出的结果。损失函数的选择有很多，比如均方差、交叉熵。我们以交叉熵为例，介绍DNN的反向传播算法，计算公式如下：，其中y为真实的标...
2018-08-11 12:27:17
4831
1
原创 动态规划系列（6）——LCS（最长公共子序列问题）
公共子序列的解释，其他博客已经解释的很清楚了，求两个字符串的最长相同的字符组成形式，并且允许不连续，但是每个字符的顺序必须相同。比如 “我们爱吃苹果”和“我爱苹果”的最长子序列就是“我爱苹果”，可以看出结果顺序一致，且两个字符串中都存在这些字符。一、动态规划的解决思路假设两个字符串分别为str1、str2，从最后一位开始判断：1、如果str1和str2的最后一位相等，则我们可以断定，公...
2018-08-07 19:19:09
310
转载 对齐原则和补齐原则
/ /对齐原则：每一成员需对齐为后一成员类型的倍数// 补齐原则：最终大小补齐为成员类型最大值的倍数在32位系统环境，编译选项为4字节对齐，那么sizeof(A)和sizeof(B)是： structA{ inta; // 4 shortb; // (4) + 2 = 6 下一元素为 int，需对齐为 4 的倍数， 6 + (2) = 8 intc; ...
2018-08-04 12:25:23
1597
原创 动态规划系列（5）——连续子数组的最大和
题目：输入一个整型数组，数组中有整数也有负数。数组中一个或连续的多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为O(n)。解析：令f(i)代表以第i个数字结尾的子数组的最大和，那么我们可以求出所有的最大和，然后求max(f[i])。如果上一个数之前的子数组和小于0，则到当前的数的子数组的和为当前数的大小；如果上一个数之前的子数组和大于0，则到当前的数的子数组的和为当前数的大小...
2018-08-02 17:39:34
1885
原创 动态规划系列（4）——子列表的和是否等于某一个数
油管上讲的最清晰的这个问题是比较复杂的问题，假设存在一个列表，并给定一个数S，判断该列表中是否存在数的和为数S。和之前的动态规划类似，我们先从最后一位往前算，还是选择和不选择的问题。考虑方程，如果选择最后一位，则看前一位的状态是否可以求出和为（S-最后一位数）；如果不选择最后一位，则看前一位的状态是否可以求出和为S，最后只要选择和不选择的情况下只要一个True即可。即下面的公式考虑...
2018-07-27 23:04:46
1026
原创 动态规划系列（3）——子列表和最大
字列表和最大问题是动态规划比较容易做的一个问题。题目含义是存在一个若干长的数组，然后求出数组中不相邻的数的最大和。以下面数组为例 [1,3,5,2,5,8],和前面的两节的思路类似，我们从最后一个数开始考虑，如果选择8，则当前和为8+OPT(3)，OPT代表最佳方案，和最后一位不相邻的第3位置的最佳方案；如果不选择8，则考虑上一位置处的最佳方案。我们可以写出动态方程我们可以按照递归的思...
2018-07-27 20:59:34
1148
原创 动态规划系列（2）——收益最大问题
考虑一个问题，如果有多个任务，每个任务有自己存在时间段（任务之间的时间段可能有重复），求如果选择任务可以使收益最大化，计算收益时，每个任务段之间不能有重合。我们举个实际的例子，存在8个任务，如下图所示，图中标明了每个任务的时间段和收益。这个问题我们这样考虑，从头到尾，当看到一个任务时，此时不考虑排在后面的任务，考虑在选择和不选择这个任务时各自的收益，然后选其中的最大值。第1个任务：选择...
2018-07-27 18:26:28
6524
原创 动态规划系列（1）——斐波拉切数列
说起斐波拉切数列，大家肯定知道下面的递归公式，而且可能书本上递归程序部分也举了这个例子。如果要计算斐波拉切数列中第n个数是什么，我们可能有下面的思考过程，f(n) = f(n-1) + f(n-2)，通过第n个数的前两项来计算，但是前两项有可能也是未知的，因为继续计算前两项的值，这种思路是按照上面的公式比较正常的，即有下面的树结构的计算过程（假设我们计算第7个数）。现在从第7个数往前算的时...
2018-07-27 17:41:19
1293
原创 leetcode：Longest Mountain in Array
Let's call any (contiguous) subarray B (of A) a mountain if the following properties hold:B.length >= 3 There exists some 0 < i < B.length - 1 such that B[0] < B[1] < ... B[i-1] <...
2018-07-27 10:57:13
245
原创 TensorFlow中conv2d中padding方式解释
tf1.9版本以上的conv2d函数存在8个输入参数，但是前4个是各种版本中都一直存在的参数，他们是进行卷积计算的重要的输入参数。input为输入的tensor，filter为滤波器的尺寸，strides为滑动距离表示，padding为边缘的处理机制（'VALID'和‘SAME’）。 本文着重介绍不同的padding方式，对输出的数据维度的影响。常规的计算卷积的输入输出的维度变化的公式...
2018-07-24 11:19:43
1459
原创 远程Linux命令行不显示用户和路径
导致原因：ssh登录的用户没有配置shell对应的解决方法：在/etc/passwd文件对应用户那一行末尾添加/bin/bash,保存退出, 重新用该用户登录即可
2018-07-17 09:40:36
3771
原创 医学肝分割论文H-DenseUnet解析
1 基本说明本文对H-DenseUnet进行了解析，包括网络结构、数据处理、训练测试过程及结果分析。2 网络结构网络主要有4个模块组成：ResNet轮廓粗提取、2D DenseUnet提取切片内特征、3D DenseUnet提取切片间特征、HFF层2D和3D特征融合。网络结构图如图2.1。 2D和3D的DenseUnet首先经过由DenseNet Block构成...
2018-07-01 21:19:59
14501
32
转载 浅谈深度学习的瓶颈
转自网络 人工智能现在已经非常火了，各种新闻机构都在不断地放出猛料，有的说现在IBM的Waston人工智能已经能够彻底取代劳动者了；还有的说现在的算法在医疗领域已经能够打败医生了。每一天，都有新的人工智能初创公司出现，每一家都声称自己在利用机器学习，彻底颠覆你个人的生活，这些都是商业性质的活动。 还有一些大家平日里司空见惯的产品，比如榨汁机，无线路由器，一夜...
2018-06-29 15:17:52
3011
原创 mini-batch梯度下降
一、背景 传统的梯度下降，每次梯度下降都是对所有的训练数据进行计算平均梯度，这种梯度下降法叫做full-batch梯度下降法。考虑一种情况，当训练数据量在千万级别时，一次迭代需要等待多长时间，会极大的降低训练速度。每次训练的使用同一份数据，所以loss的损失函数会是一直下降的，收敛到的是全局最优解。二、mini-batch梯度下降如果选择介于1和最大训练数据量之间的一个bath...
2018-06-09 20:20:08
7358
原创 图像分割中dice指标的计算及程序编写
dice是医学图像中的常见指标，VgtVgt代表的是ground truth的分割结果,VpredVpred代表的是预测的分割结果。直观上理解，如下图，代表的是两个体相交的面积占总面积的比值，完美分割该值为1.。计算公式为DICE=2∗(Vseg and Vgt)Vseg+Vgt按图中区域表示计算为tensorflow中编写计算公式如下：def dice_coef_theoretical(y_pr...
2018-06-07 16:17:27
27866
17
原创 tf.slice详解
tf.slice函数为：tf.slice( input_, begin, size, name=None)官网描述为：This operation extracts a slice of size size from a tensor input starting at the location specified by begin翻译为：从原始输入input数据...
2018-05-15 22:24:15
4666
原创 CUDNN更换版本
下载CUDNN需要的版本文件，并解压解压之后更换文件即可，执行下面命令sudo cp lib* /usr/local/cuda/lib64/sudo cp cudnn.h /usr/local/cuda/include/
2018-05-09 17:03:16
2747
转载 Linux统计文件夹下的文件数目
Linux下有三个命令：ls、grep、wc。通过这三个命令的组合可以统计目录下文件及文件夹的个数。统计当前目录下文件的个数（不包括目录）1$ ls -l | grep "^-" | wc -l统计当前目录下文件的个数（包括子目录）1$ ls -lR| grep "^-" | wc -l查看某目录下文件夹(目录)的个数（包括子目录）1$ ls -lR | grep "^d" | wc -l命令解析...
2018-05-08 19:46:10
5392
转载 DenseNet网络详解（转载）
文章写得非常棒，转载慢慢学习。论文：Densely Connected Convolutional Networks 论文链接：https://arxiv.org/pdf/1608.06993.pdf 代码的github链接：https://github.com/liuzhuang13/DenseNet MXNet版本代码（有ImageNet预训练模型，如果觉得有帮助，记得给个星）: https:...
2018-05-08 16:33:37
4525
原创 python中is和==的区别
首先看下面一段程序：def test(): # example 1 a = 'hello' b = 'hello' print(a is b) # 输出True print(a == b) # 输出True # example 2 a = 'hello world' b = 'hello world' print...
2018-04-25 20:31:13
612
1
原创 os.walk和os.listdir遍历目录比较
假设存在下面的目录和文件结构：/a ----> /b ----> 1.py，2.py ----> /c ----> 3.py , 4.py ----> 5.py ----> 6.pyos.walk()运行下面的测试代码import osfor root, dirs, files in os.walk('../a'): # 指向当前的测试文...
2018-04-23 10:27:17
12286
原创 爬山问题（百度笔试2018）
问题描述冬木市西边的园藏山是著名的旅游圣地。从空中俯瞰，园藏山可以看成一个 n * m 的矩阵，我们把行从上往下按 1 到 n 编号，把列从左往右按 1 到 m 编号，那么(i, j)就表示矩阵第 i 行第 j 列的位置。我们用ℎi,j , 表示位置(i, j)的海拔高度。初始时，Saber 在(sx, sy)这个位置，她想前往更高的地方。每一次她可以选择向上、下、左、右其中一个方向走，但不能走出...
2018-04-18 21:39:47
1118
原创 进程平均周转时间
设一个系统中有5个进程，它们的到达时间和服务时间如下，A的到达时间为 0，服务时间为3；B的到达时间为 2，服务时间为6；C的到达时间为 4，服务时间为4；D的到达时间为 6，服务时间为5；E的到达时间为 8，服务时间为2.忽略I/O以及其他开销时间，若分别按先来先服务（FCFS）进行CPU调度，其平均周转时间为_______解析：平均周转时间表示，所有进程完成任务所花的所有时间除以进程的个数A：...
2018-04-18 10:43:14
12034
tensorflow官方中文文档
2017-09-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人