- 博客(63)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 LSTM学习笔记
循环神经网络人类针对每个问题的思考，一般不会是完全的从头开始思考。正如当你阅读这篇译文的时候，你会根据已经阅读过的内容来对后面的内容进行理解，你不会把之前的东西都丢掉从头进行思考，你对内容的理解是贯穿的。传统的神经网络做不到这一点，而这似乎是一个主要的缺点。 例如，假设您想对电影中的每个事件进行分类。我们无法想象传统神经网络如何能够利用前面的场景去干预后面的预测。幸好循环神经网络解决了这个问题， 它们是具有循环的网络，允许信息持续存在，示意图如下。在上...
2021-03-06 11:55:24
341
转载 one-hot编码
详解one-hot编码一、什么是one-hot编码？二、one-hot编码过程详解三、为什么需要one-hot编码？详解one-hot编码 一、什么是one-hot编码？One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。.
2021-03-05 11:31:33
208
原创 softmax 激活函数
目录softmax函数softmax函数softmax用于多分类过程中，它将多个神经元的输出，映射到（0，1）区间，可以看成概率来理解，从而来进行多分类！假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是更形象的如下图表示softmax直白来说就是将原来输出是3,1,-3通过softmax函数一作用，就映射成为(0,1)的值，而这些值的累和为1（满足概率的性质），那么我们就可以将它理解成概率，在最后选取输出结点的时候，我们就可以选取概率最大（
2021-03-05 11:23:30
2188
原创 django 配置（使用 xadmin和mysql）
1. 新建虚拟环境mxonline（python3.7的绝对路径）mkvirtualenv -p C:\Users\SYPing\AppData\Local\Programs\Python\Python37\python.exe mxonline2.安装djangopip install django==2.2.23.pycharm中 新建django项目，选择虚拟环境mxonline下的python.exe 作为解释器。4.连接数据库在navicat for mysql 里连接mysql新
2020-12-28 18:19:08
193
原创 django-xadmin 重写save_models 和 delete_model
django-xadmin 重写save_models 和 delete_modelsave_modelsdelete_modelsave_models在Django本机管理站点中，如果要保存站点上的数据以添加自定义行为，则可以覆盖以下方法：save_model(self, request, obj, form, change)在xadmin中，该方法需要重写如下：save_models(self)在该方法中，如果需要使用当前正在处理的类对象模型，则需要self.obj获取.delete_
2020-12-28 16:56:24
1248
1
原创 计算机复试知识点总结（操作系统，c++，数据结构）
操作系统：操作系统的特点？并发：可以在同一时间间隔处理多个进程，需要硬件支持。共享：资源可以被多个并发进程使用。虚拟：将物理实体映射成多个虚拟设备异步：进程执行走走停停，进程的三个组成部分？程序段，数据段，PCB并发与并行的区别？并发是指同一时间间隔内。并行是指同一时刻。进程切换的过程？保持处理机上下文 ->更新PCB ->把PCB移入相应队列(就绪、阻塞) ->选择另一个进程并更新其PCB ->更新内存管理的数据结构...
2020-05-28 11:09:12
668
原创 十进制转换为二进制字符串
#include <iostream>#include <algorithm>#include <cstring>#include <fstream>using namespace std;string toNumber(int n){ string s; if(n==0) return "0"; else{ while(n)...
2020-04-03 10:03:35
1656
1
转载 并查集入门
一、问题引入原题：杭电hdu1232畅通工程题意：首先在地图上给你若干个城镇，这些城镇都可以看作点，然后告诉你哪些对城镇之间是有道路直接相连的。最后要解决的是整幅图的连通性问题。比如随意给你两个点，让你判断它们是否连通，或者问你整幅图一共有几个连通分支，也就是被分成了几个互相独立的块。像畅通工程这题，问还需要修几条路，实质就是求有几个连通分支。如果是1个连通分支，说明整幅图上的点都连起来...
2019-03-18 16:15:34
161
原创 蓝桥杯 A Careful Approach (枚举+贪心+二分)
CHUAN SONG MEN一：fmod函数：头文件 <math.h>函数原型： float fmod(float x,float y) ；返回浮点数x除于浮点数y的余数modf()函数modf()是分解x，以得到x的整数和小数部分。double modf(double x,double *integer)返回x的小数部分，符号与x相同。x是浮点值，...
2019-03-11 22:01:33
285
原创 最小公倍数和最大公约数 （__gcd(x,y) )
一：求x和y的最大公约数（1）自己定义divisor函数int divisor(int x,int y){ if(x > y) swap(x,y); // 保证x < y int temp; while(x != 0){ temp = y%x; y = x; x = temp; } return temp;}（2）__gcd(x,y)...
2019-03-07 21:47:10
3846
转载 如何理解CUDA中的cudaMalloc()的参数
对指针和地址比较熟悉的童鞋可以比较容易的理解这个概念，为了更好的让更多的人理解cudaMalloc的参数，写这篇文章，以飨读者。首先看下此运行时函数的原型：[cpp]view plaincopycudaError_tcudaMalloc(void**devPtr,size_tsize);此函数返回值是CUDA中定义的一个错误代码。主要的第一个参数。...
2019-03-05 21:09:10
2157
原创 蓝桥杯——阶乘计算（大数乘法）
基础练习 阶乘计算 时间限制：1.0s 内存限制：512.0MB问题描述 输入一个正整数n，输出n!的值。 其中n!=1*2*3*…*n。算法描述 n!可能很大，而计算机能表示的整数范围有限，需要使用高精度计算的方法。使用一个数组A来表示一个大整数a，A[0]表示a的个位，A[1]表示a的十位，依次类推。 将a乘以一个整数k变为将数组A的每一个元素都乘以k，...
2019-03-04 17:01:03
332
原创 蓝桥杯———完美的代价（贪心算法）
基础练习 完美的代价 时间限制：1.0s 内存限制：512.0MB问题描述 回文串，是一种特殊的字符串，它从左往右读和从右往左读是一样的。小龙龙认为回文串才是完美的。现在给你一个串，它不一定是回文的，请你计算最少的交换次数使得该串变成一个完美的回文串。 交换的定义是：交换两个相邻的字符 例如mamad 第一次交换 ad : mamda 第二次交换...
2019-03-04 16:57:19
972
原创 CUDA——Occupancy(占有率）
CUDA: Occupancy(占用率)详解占用率是指每个多处理器（Streaming Multiprocessor，SM）的活动线程束（warps）数量与实际的活动warps数量的比率。 高的占用率不一定能提升性能，但低的占用率会降低内存延迟隐藏的作用，Higher occupancy does not always equate to higher performance-there ...
2018-12-26 19:50:42
1198
2
转载 CUDA——warp篇
CUDA ---- Warp解析Warp逻辑上，所有thread是并行的，但是，从硬件的角度来说，实际上并不是所有的thread能够在同一时刻执行，接下来我们将解释有关warp的一些本质。Warps and Thread Blockswarp是SM的基本执行单元。一个warp包含32个并行thread，这32个thread执行于SMIT模式。也就是说所有thread执行同一条指令，...
2018-12-26 19:20:20
2691
1
原创 CUDA——cudaDeviceProp数据结构
cudaDeviceProp数据结构cudaDeviceProp数据类型针对函式cudaGetDeviceProperties定义的，cudaGetDeviceProperties函数的功能是取得支持GPU计算装置的相关属性，比如支持CUDA版本号装置的名称、内存的大小、最大的thread数目、执行单元的频率等。如下所示：struct cudaDeviceProp { char n...
2018-12-26 19:09:09
5228
2
原创 夜深人静写算法——最大装载问题（优先队列式分支限界法）
一 问题描述：有一批共个集装箱要装上2艘载重量分别为C1和C2的轮船，其中集装箱i的重量为Wi，且装载问题要求确定是否有一个合理的装载方案可将这个集装箱装上这2艘轮船。如果有，找出一种装载方案。 容易证明：如果一个给定装载问题有解，则采用下面的策略可得到最优装载方案。 (1)首先将第一艘轮船尽可能装满； (2)将剩余的集装箱装上第二艘轮船。二： （1）解...
2018-12-25 16:42:39
2797
1
原创 夜深人静写算法——布线问题（广搜bfs）
一： 问题描述，求从a走到b的最短路径 #include <iostream> #include <cstring> #include <queue> #include <cstdlib> using namespace std; int dir[4][2] = {1,0,-1,0,0,1,0,-1}; const int...
2018-12-18 17:03:03
361
原创 夜深人静写算法——n皇后问题（非递归回溯）
#include <iostream>#include <algorithm>#include <cmath>#include <cstring>#include <cstdlib>using namespace std; class Queue{ friend int nQueue(int n); private:...
2018-12-10 21:13:00
298
原创 CCF 碰撞的小球
一：问题描述 数轴上有一条长度为L（L为偶数)的线段，左端点在原点，右端点在坐标L处。有n个不计体积的小球在线段上，开始时所有的小球都处在偶数坐标上，速度方向向右，速度大小为1单位长度每秒。 当小球到达线段的端点（左端点或右端点）的时候，会立即向相反的方向移动，速度大小仍然为原来大小。 当两个小球撞到一起的时候，两个小球会分别向与自己原来移动的方向相反的方向，以原来的速度大小继续移动...
2018-12-04 22:33:54
106
原创 123
https://blog.csdn.net/liufeng_king/article/details/8720896#include <iostream>#include <algorithm>using namespace std;const int N = 10;template<class Type>class Huffman;templa...
2018-12-04 17:04:53
155
原创 夜深人静写算法——最小堆实现优先级队列
一：1.优先级队列定义: 优先级队列（priority queue） 是0个或多个元素的集合，每个元素都有一个优先权，对优先级队列执行的操作有（1）查找（2）插入一个新元素 （3）删除 一般情况下，查找操作用来搜索优先权最大的元素，删除操作用来删除该元素 。2.最小堆：最小堆，是一种经过排序的完全二叉树，其中任一非终端节点的数据值均不大于其左子节点和右子节点的值。堆...
2018-11-27 15:26:44
1117
原创 夜深人静写算法——图像压缩（动态规划）
图像压缩： 一： 对于图像像素点进行压缩：对于一组像素数组用二进制bit位表示，如果像素值从 0到255，最多用8位二进制表示。如果像素值为5，用8位二进制表示会浪费空间，所以通过压缩的方法进行存储。 例如： 23，17，28，23，27，29，30，18，28，27，39，48，129 ，139，178，220，23，9，183，133，19，299.... ...
2018-11-13 19:40:52
2746
原创 夜深人静写算法——01背包（动态规划）
01背包： 一： 01背包问题需要求解的就是，体积V的背包中物体总价值最大化，第N件物品中第i件是否要放入背包中？（其中每个物品最多只能放一件） ( 物品体积为w[i],物品价值为v[ i ] ) ; 二： 定义二维数组 dp[ i ][ j ]表示当前背包大小为 j 时，对于第 i 件物品的最优解（可能放入，也可能不放入）； 动态规划方程...
2018-11-13 19:08:51
458
原创 夜深人静写算法——最长公共子序列（动态规划）
一. 问题描述给定两个字符串，求解这两个字符串的最长公共子序列（Longest Common Sequence）。比如字符串1：BDCABA；字符串2：ABCBDAB则这两个字符串的最长公共子序列长度为4，最长公共子序列是：BCBA二.寻找最优子结构，用dp[i][j] 来表示第一个字符串前 i 个字符和第二个字符串前 j 个字符的最优解（最长公共子序列）；有两种可能: (字符...
2018-11-11 13:25:50
342
原创 夜深人静写算法———线性时间选择（分治，最坏情况处理）
一： 线性时间选择中，最坏情况下时间复杂度为O(n^2) ， 但如果在线性时间内找到一个划分基准，使得按照这个基准所划分的两个子数组的长度至少为原数组的k倍( 0<k<1)。二：（1） 将n个输入的元素分成 （n-4)/5组，每一组都是5个元素，可能最后一个不是，用任意的排序算法将每组的5个元素排好，然后取出5个元素的中位数。（2）递归调用Select函数（见程序）...
2018-10-29 21:26:39
495
原创 夜深人静写算法——线性时间选择（分治，数组第n小的数）
线性时间选择：求数组中第n小的值一： 解决的方法是基于快速排序解决的，当快速排序进行一次排序的时候，在参考点左侧的都是比参考值小的，右侧都是比参考点大的。 (1)参考点的下标等于 n-1，说明参考点就是第n小的值。 (2)参考点的下标大于n-1 , 说明所要求得第n小的值在参考值左侧的数组里，只需要对左侧数组进行快速排序。 (3)参考点的下标小于n-1，说明所要求的第...
2018-10-23 20:36:08
627
原创 夜深人静写算法——快速排序（分治）
快速排序：采用分治的方法 （一）： (1) 将数组的第一个作为参考值，将所有小于该值的数移动到改值左侧，将所有大于该值的数移动到数组右侧（利用两个指针分别从数组的首尾开始向中间扫描）； (2)将参考值的左侧和右侧看作新的两个数组 (3)重新从(1)开始，直到数组的大小为0； （二）； 如图为第一次递归，将小于23的移到左侧，大于23的移到右侧。...
2018-10-20 19:18:11
295
原创 夜深人静写算法——合并排序（分治，非递归排序）
合并排序（非递归排序）：首先将数组a中相邻元素两两配对，用合并算法将他们排序，构成 n/2 组长度为 2 的排好序的子数组段，然后再将它们排序成长度为4的排好序的子数组段，如此继续下去，直至整个数组排好序。 程序如下：#include<stdio.h>#include <iostream>#include <algorithm>...
2018-10-19 22:38:53
251
原创 夜深人静写算法——合并排序（分治，递归）
合并排序：采用分治的方法。 第一步：(1) 将数组分成两部分(2)然后将分开的数组当成一个新的数组 ，重复操作(1)，直到数组的大小为1.第二步：将分开的已排好的小数组进行合并（按照一定的顺序）。因为最小的数组的大小为1，然后进行合并的排序，所以可以保证小数组总是排好序的#include <stdio.h>#include <iostrea...
2018-10-19 20:54:17
243
原创 夜深人静写算法——棋盘覆盖问题（分治）
棋盘覆盖问题：问题描述：现在有一个大小的棋盘，在棋盘内部有一只特别的棋子，输入的坐标为X和Y。要求尝试用4种不同类型的骨牌将棋盘覆盖，要求，骨牌之间不得重叠，并且骨牌不得覆盖特殊棋子，每个骨牌占用3个单位大小，形状如下。 (a) (b) ...
2018-10-19 14:32:35
244
原创 夜深人静写算法 —— 排列问题(分治）
采用分治法，把一个字符串看成两部分：第一部分是它的第一个字符，第二部分是后面的所有字符。这样字符串的全排列就变成了第二部分的全排列，前提是要将第一个字符的情况全部列举出来。（1）首先求所有可能出现在第一个位置的字符，也就是把第一个字符和后面的所有字符交换； （2）然后在把后面的字符串看成新的字符串从（1），如果最后只剩下一个字符，就输出字符串，递归结束。 #includ...
2018-10-19 14:14:31
353
转载 CUDA 学习笔记七
这节是关于Branch Divergence and Unrolling Loop。Avoiding Branch Divergence有时，控制流依赖于thread索引。同一个warp中，一个条件分支可能导致很差的性能。通过重新组织数据获取模式可以减少或避免warp divergence（该问题的解释请查看warp解析篇）。The Parallel Reduction Problem...
2018-08-07 10:47:33
254
转载 CUDA 学习笔记六
Exposing Parallelism这部分主要介绍并行分析，涉及掌握nvprof的几个metric参数，具体的这些调节为什么会影响性能会在后续博文解释。代码准备下面是我们的kernel函数sumMatrixOnGPUD： __global__ void sumMatrixOnGPU2D(float *A, float *B, float *C, int NX, int N...
2018-08-07 10:38:36
184
转载 CUDA 学习笔记五
Warp逻辑上，所有thread是并行的，但是，从硬件的角度来说，实际上并不是所有的thread能够在同一时刻执行，接下来我们将解释有关warp的一些本质。Warps and Thread Blockswarp是SM的基本执行单元。一个warp包含32个并行thread，这32个thread执行于SMIT模式。也就是说所有thread执行同一条指令，并且每个thread会使用各自的da...
2018-08-07 10:34:49
252
转载 CUDA 学习笔记四
GPU架构SM（Streaming Multiprocessors）是GPU架构中非常重要的部分，GPU硬件的并行性就是由SM决定的。以Fermi架构为例，其包含以下主要组成部分：CUDA cores Shared Memory/L1Cache Register File Load/Store Units Special Function Units Warp Schedul...
2018-08-07 10:32:08
224
转载 CUDA 学习笔记三
device管理NVIDIA提供了集中凡是来查询和管理GPU device，掌握GPU信息查询很重要，因为这可以帮助你设置kernel的执行配置。本博文将主要介绍下面两方面内容：CUDA runtime API function NVIDIA系统管理命令行使用runtime API来查询GPU信息你可以使用下面的function来查询所有关于GPU device 的信息：c...
2018-08-07 10:31:10
200
转载 CUDA 学习笔记二
前言线程的组织形式对程序的性能影响是至关重要的，本篇博文主要以下面一种情况来介绍线程组织形式：2D grid 2D block一些基本的描述：gridDim.x-线程网络X维度上线程块的数量gridDim.y-线程网络Y维度上线程块的数量blockDim.x-一个线程块X维度上的线程数量blockDim.y-一个线程块Y维度上的线程数量blockIdx.x-线程网络X维度上的线程块索...
2018-08-07 10:28:33
251
转载 CUDA 学习笔记一
本系列的CUDA转自：http://www.cnblogs.com/1024incn/tag/CUDA/版权归原作者所有，仅供学习。由于各种需求，所以略微了解学习一下gpu的CUDA怎么操作？CUDA简介CUDA是并行计算的平台和类C编程模型，我们能很容易的实现并行算法，就像写C代码一样。只要配备的NVIDIA GPU，就可以在许多设备上运行你的并行程序，无论是台式机、笔记本抑或平...
2018-08-07 10:22:11
264
django的xadmin安装包（亲测有效 无bug)
2020-12-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人