- 博客(38)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 2020新的起点
2020新的起点回顾20192020新生活保持危机意识不断学习新知识时刻观察市场动态回顾2019翻到2019的flag发现时间过得飞快，现在是2020年4月25日，距离上一篇博客都有一年多的时间了。立的Flag确实完成了几个，顺利硕士毕业，入职公司，度过了试用期，开始了新知识的学习，人生开启了新的阶段。从学生到职场人的转变。一年的时间，可以发生什么呢？（1）上一篇博客的时候还在为了毕业论文而...
2020-04-25 21:22:03
287
原创 2019的Flag不能倒
2018“渡劫”刚刚过去的2018年，算是人生中的一次重要的抉择，苦练多年“神功”，只为通过谋一营生可以在江湖中立足。关于找工作这件事情，占据了整个2018年的四分之三，从2018年2月份准备实习简历，到3,4月份投实习公司，都以失败收场。5月份开始潜心学习工作相关的知识，每天都给自己安排了各种各样的学习，期间，依然不死心的投实习简历，被拒，直到7月份终于收到了一点回音，但是面试却又失败了。知...
2019-01-05 12:54:02
1489
原创 C++小白笔记——变量和基本类型
1.基本内置类型（1）带符号类型好和无符号类型带符号类型可以表示正负数，0，无符号类型则仅能表示大于等于0（2）类型转换当一个算术表达式既有无符号数又有int值时，会将int值转换为无符号数，把int转换为无符号数等价于把int直接赋给无符号变量。（把负数转换成无符号数类似于直接给无符号数赋一个负值，结果等于这个负数加上无符号数的模）2.变量变量提供一个具名、可供程序操作的存储空间。数...
2018-11-03 21:02:38
201
转载 Python装饰器
转载于https://www.cnblogs.com/Msh0923/p/8082508.html装饰器定义在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。本质上，decorator就是一个返回函数的高阶函数。装饰模式有很多经典的使用场景，例如插入日志、性能测试、事务处理等等，有了装饰器，就可以提取大量函数中与本身功能无关的类似代码，从而达到代码重用的目的。装饰...
2018-09-23 16:18:01
383
原创 Python编程——map&reduce的应用
map&reducemapmap()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回.n = map(int,input())#将输入值强制转换为int 型reducereduce把一个函数作用在一个序列[x1, x2, x3, …]上，这个函数必须接收两个参数，reduce把结果继续和序列的...
2018-09-22 20:31:14
161
原创 汉诺塔问题（python3编程）
汉诺塔问题问题描述算法思路Python实现问题描述请编写move(n, a, b, c)函数，它接收参数n，表示3个柱子A、B、C中第1个柱子A的盘子数量，然后打印出把所有盘子从A借助B移动到C的方法，例如：算法思路递归思想，把汉诺塔问题分为三个步骤（将n-1看作为一个整体）：（1）将n-1个盘子从A柱子放在B柱子上：move(n-1, a, c, b)（2）把最大的盘子从A柱子放在C...
2018-09-21 16:28:24
501
转载 面试准备——如何回答面试官“你还有什么想问的吗?”
转载自九章算法微信推送文章《拒绝尬聊!如何回答面试官“你还有什么想问的吗?”》 具体内容为：1. 您认为谁是最适合这个职位的人选？我和他相比有什么缺点呢？ Who do you think would be the ideal candidate for this position, and how do I compare? 通过这个问题可以快速判断你是否适合这个工作职位，如果不适合的...
2018-09-12 08:26:00
1330
原创 win10下 Anaconda +Keras
1.安装anaconda,然后打开 Anaconda Prompt： 2.创建一个虚拟环境，输入命令：conda create –name myvenv Proceed(y/n)：y 3.输入activate myvenv，启动虚拟环境 3.安装对应的包命令如下：conda install theanoconda install mingw libpythonpip ...
2018-09-02 21:25:44
1317
2
原创 win10下如何修改Anaconda的jupyter notebook的默认文件夹
首先，打开cmd输入jupyter notebook –generate-config 系统会反馈默认文件夹路径。 在.jupyter文件夹下，有一个文件名为jupyter_notebook_config.py文件，使用spyder或其他IDE打开 修改最后一行如下： #c.NotebookApp.notebook_dir = ” 取消#符号 改为（引号内时地址）： c.Noteb...
2018-09-02 21:09:38
848
原创 LeetCode刷题—翻转链表
反转一个单链表。示例:输入: 1->2->3->4->5->NULL 输出: 5->4->3->2->1->NULL 进阶: 你可以迭代或递归地反转链表。你能否用两种方法解决这道题？
2018-08-29 20:27:51
138
原创 leetcode刷题——字符转整数
字符串转整数（atoi） 实现 atoi，将字符串转为整数。在找到第一个非空字符之前，需要移除掉字符串中的空格字符。如果第一个非空字符是正号或负号，选取该符号，并将其与后面尽可能多的连续的数字组合起来，这部分字符即为整数的值。如果第一个非空字符是数字，则直接将其与之后连续的数字字符组合起来，形成整数。字符串可以在形成整数的字符后面包括多余的字符，这些字符可以被忽略，它们对于函数没有影响。...
2018-08-27 22:13:26
139
原创 LeetCode刷题——字符串翻转（python）
编写一个函数，其作用是将输入的字符串反转过来。示例 1:输入: “hello” 输出: “olleh” 示例 2:输入: “A man, a plan, a canal: Panama” 输出: “amanaP :lanac a ,nalp a ,nam A” Python实现方法： 要求：在Python环境下用尽可能多的方法反转字符串,例如将s = “abcdef”反转成 ...
2018-08-27 21:20:45
310
原创 LeetCode 刷题3 ——旋转数组 （Python3）
给定一个数组，将数组中的元素向右移动 k 个位置，其中 k 是非负数。示例 1:输入: [1,2,3,4,5,6,7] 和 k = 3 输出: [5,6,7,1,2,3,4] 解释: 向右旋转 1 步: [7,1,2,3,4,5,6] 向右旋转 2 步: [6,7,1,2,3,4,5] 向右旋转 3 步: [5,6,7,1,2,3,4] 示例 2:输入: [-1,-100,...
2018-08-25 20:31:13
378
原创 简历项目（二）——复杂工况下的字符分割与识别
项目背景：在钢坯生产线自动拍照，实现自动识别，输出对应的钢坯号。 项目识别：钢坯号直接印在钢坯上，根据钢坯的凹陷呈现出相应的字符，增加了检测的难度，背景与钢坯字符几乎一致。 项目工作： （1）图像预处理：对采集的彩色图像转成灰度图，然后进行降噪处理，项目采用的是中值滤波，使图像清晰。 （2）字符定位与分割：通过对整个图像进行方差梯度，进行边缘检测确定字符区域，通过梯度处理后使字符与背景边界...
2018-08-22 10:55:00
738
原创 简历项目（一）基于稀疏表示的多动症疾病分类
项目背景：给定的多动症疾病数据，利用稀疏表示进行特征空间分离，实现对患病和正常人的分类测试，通过分类准确率量化算法的性能。 项目难点：对患病和非患病的数据进行特征空间分离时，会存在误分类，即会出现假正例，假反例，也就是会把患病的分到不患病的特征里面。 项目工作： （1）模型建立 稀疏表示的特征空间分离模型，用于区分患病与正常的特征。 稀疏表示：通过训练数据构建字典，然后通...
2018-08-21 21:27:37
363
原创 Leetcode刷题2——链表相加求和
Add Two NumbersYou are given two linked lists representing two non-negative numbers. The digits are stored in reverse order and each of their nodes contain a single digit. Add the two numbers and ...
2018-08-20 16:32:58
979
原创 面试必备算法——排序算法Python实现
（1）冒泡排序def bubbleSort(L): assert(type(L)==type([''])) length = len(L) if length==0 or length==1: return L for i in xrange(length): for j in xrange(length-1-i): ...
2018-08-16 10:55:16
199
原创 面试必备算法——排序（比较&Java实现）
排序算法稳定性和复杂度不稳定 （1）选择排序（selection sort）— O(n2) （2）快速排序（quicksort）— O(nlogn) 平均时间, O(n2) 最坏情况; 对于大的、乱序串列一般认为是最快的已知排序 （3）堆排序 （heapsort）— O(nlogn) （4）希尔排序 （shell sort）— O(nlogn) （5）基数排序（radix sor...
2018-08-16 10:47:45
191
原创 面试必备算法——二分查找（Java&Python3）
对于一个有序数组，我们通常采用二分查找的方式来定位某一元素，请编写二分查找的算法，在数组中查找指定元素。给定一个整数数组A及它的大小n，同时给定要查找的元素val，请返回它在数组中的位置(从0开始)，若不存在该元素，返回-1。若该元素出现多次，请返回第一次出现的位置。测试样例： [1,3,5,7,9],5,3 返回：1 Java实现代码：import java.util.*;...
2018-08-16 10:06:15
538
原创 deelearning.ai学习笔记——参数调试、Batch正则化和程序框架
超参数设定（调试处理）需要处理的参数： 学习率α，动量梯度下降的参数β，选择的层数，mini-batch的大小等。其中最重要的是学习率α 如何选择调试值 （1）网格中取样点：选择参数效果好的点 （2）随机选择点（深度学习） 在进行超参数取值时，采用由粗到细的策略。具体解释为在进行取值试验时，发现某个效果最好的点，然后在这个点周围取一些点，放大这一区域，进行更加密集的取点。 选择合适...
2018-08-07 17:06:37
217
原创 deeplearning.ai -深度神经网络优化方法
5优化算法——mini-batch梯度下降 6.优化算法——指数加权平均数 7.优化算法——指数加权平均数的偏差修正 8.动量梯度下降 9.RMSprop 10.Adam优化算法 11.学习率衰减 12.局部最优问题...
2018-08-04 12:39:37
333
原创 求职面试准备——自我介绍
前言为充分准备9月份秋招，作为一个小白四处学习如何准备面试的自我介绍，接下来将会以自身经历为例，结合各路大神的方法进行面试相关知识总结和整理。面试的自我介绍自我介绍的目的：给面试官一定的时间看一下你的简历，确定简历的重点。（1）获取初步印象，（2）为接下来的问题提供线索。 自我介绍前的准备：【来自知乎ZoranSeven】 梳理自己的经历，挖掘自己的亮点 分析公司的需求，了解...
2018-08-03 21:13:25
10469
原创 DeepLearning.ai学习笔记——改善深层神经网络：超参数调试、正则化以及优化（二）
1.梯度消失/梯度爆炸(Vanishing/Exploding gradients) 2.神经网络的权重初始化 3.梯度的数值逼近 **4.梯度检验 5优化算法——mini-batch梯度下降** 6.优化算法——指数加权平均数 7.优化算法——指数加权平均数的偏差修正 8.动量梯度下降 9.RMSprop 10.Adam优化算法 11.学习率衰减 12.局部最优问题...
2018-08-02 16:13:36
204
原创 深度学习和计算机视觉04-数学优化基础
最小值和梯度下降1优化问题就是求最小值的问题 2梯度下降： （1）梯度计算： （2）梯度下降法： a.先求出所在位置的梯度，然后取这个梯度的负方向（x沿着极小值前进的方向） b.更新，梯度乘以一个系数，用来控制步长的大小（学习率） c.终止条件：设定梯度小于某一个阈值 （3）极值和鞍点 a.鞍点是梯度为0的点 b,局部的最小值为极值...
2018-07-19 21:44:36
267
原创 深度学习与计算机视觉学习笔记02—概率论&卷积
概率论条件概率和独立性 （1）条件概率是描述依赖性的，反映了一个事件是否独立 a.依赖性：P（AB）=P（A|B）P（B） b.独立性：P（AB）-P（A）P(B) (2)期望值，方差&协方差 a.期望值：变量值和其对应概率的乘积，即目标观测值的平均值 E(X)=∑i=1nxiP(xi)E(X)=∑i=1nxiP(xi)E(X) = \sum\limits_{i = 1}^...
2018-07-14 08:27:57
823
原创 深度学习与计算机视觉学习笔记01-线性变换和非线性变换
1.线性变换 （1）两个基本性质 a.加性:两个向量的和经过变换后等于两个向量变换后的和 b.齐性：一个向量缩放一个倍数变换等于先变换再缩放一个倍数 （2）点积和投影 a.点积：：通俗意义上的内积，表示两个向量对应元素的乘积，是欧几里得的标准内积。由此可知向量的长度公式为 对于点积的理解可以从变换和缩放角度加以分析...
2018-07-12 07:26:13
8924
原创 机器学习实战——决策树
决策树的基本思想 （1）数据挖掘算法的一种，不需要了解具体的机器学习知识，就可以理解决策树的过程。决策树可以使数据集便于理解，类似于数据结构中树结构，根节点为选择的特征，依次为边和叶节点，边可以表示判断条件，叶节点为其他特征。适用的类型为数值型和标称型 （2）优点：计算复杂度不高，输出结果易于理解，对于中间值缺失不敏感（依靠大多数特征就可以进行判断），可以处理不相关特征数据 （3）缺点：可能...
2018-07-02 18:39:12
276
原创 机器学习实战笔记——kNN算法
kNN算法的基本思想 （1）测量不同特征值之间的距离进行分类，具体表述为对于一个训练样本集中每一个数据对应 一个标签，输入一个没有标签的新数据后，将新数据的每个特征与样本集中对应的特征进行比较，利用算法提取样本集中最相似数据的分类标签，通常选择样本数据集中前k个最相似的数据。 （2）优点：精度高，对异常值不敏感，无数据输入假定 （2）缺点：计算复杂度高、空间复杂度高 kNN 算法的实现过...
2018-07-01 18:03:45
228
原创 机器学习笔记——机器学习，人工智能，深度学习浅析
人工智能 让计算机拥有人类的感官常识，并将获得的信息进行分析处理，分析处理的过程采用机器学习算法。 比如人类通过感知周围各种信息，通过神经接收到外界的所有信息 ，传到大脑中心然后做出决策，反馈对应的神经做出决策。人工智能则是通过模仿人的感知或处理功能实现很多功能比如图像识别，语音识别，自然语言处理等。 机器学习： 利用算法分析数据，理解数据背后的含义...
2018-07-01 16:30:15
226
原创 学习笔记_01生成对抗网络（GANs）
本人初学关于GAN的相关知识，该博客作为整理自己学习的一个平台博客内容仅代表个人观点，如果有什么错误的地方还请各位指教，谢谢！ 01发展起源 GANs(Generative Adversarial Networks)生成对抗网络，其发展的具体过程为：（1）14年，论文Generative Adversarial Nets发表 以来，生成式对抗网络 GAN 广受关注。(2)Cond
2017-07-22 21:47:53
460
转载 机器学习中的规则化范数(L0, L1, L2, 核范数) - tenos
时间 2014-05-05 13:12:00 博客园精华区原文 http://www.cnblogs.com/TenosDoIt/p/3708996.html主题 数据挖掘目录：一、L0，L1范数二、L2范数三、核范数今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则
2016-07-14 10:35:00
742
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人