- 博客(79)
- 资源 (5)
- 收藏
- 关注
RSS订阅
原创 证明 dijskra 最短路径算法成立
这个的证明我们使用数学归纳法，同时涉及到了割和穿越边的概念；因此我们先导入下这个名词。割是什么在无向联通图 G=(V,E)中: 若对于x∈V， 从图中删去节点x以及所有与x关联的边之后， G分裂成两个或两个以上不相连的子图， 则称x为G的割点。 简而言之， 割点是无向联通图中的一个特殊的点， 删去中这个点后， 此图不再联通， 而所以满足这个条件的点所构成的集合即为割点集合。就是说 如果去掉割点，这个图就会变成两个不联通的图。什么是穿越边（割边）现在还不太清楚，穿越边可能就是割边；下面说下割边的定义
2020-10-26 17:21:05
618
原创 实现vue的条件渲染
我的需求是根据设备不同的状态 渲染不同的标签。设备状态用device_State表示。在线上面是一个vue的标签，我有一个数据state ，如何让这个标签根据数据的取值 ，修改内容，如state=1时，标签修改为离线要根据数据的取值动态修改Vue组件的内容，可以使用条件渲染和绑定属性的方式来实现。具体来说，可以使用Vue的计算属性来根据state的取值返回不同的标签内容和属性，然后在模板中使用这个计算属性来动态渲染标签。
2023-04-11 21:34:00
677
1
原创 在PyTorch中实现SVM分类器
在上面的代码中，我们首先定义了一个SVM类，它包括一个线性层和一个前向传递方法。接着，我们实例化了SVM类，并定义了损失函数和优化器。在训练过程中，我们使用optimizer.zero_grad()方法清除梯度，计算输出和损失，然后通过调用optimizer.step()方法更新参数。需要注意的是，在这个示例中，我们使用了HingeEmbeddingLoss作为损失函数，因为它是SVM的标准损失函数。另外，我们将输出的维度设置为1，因为这是二分类问题，输出值应该是1或-1。
2023-03-09 13:15:18
5967
5
原创 将ndarray 有维度（1,222,1024） 扩充到（1,256,1024）使用numpy.pad()函数
运行代码后，将输出填充后数组的维度为（1, 256, 1024）。其中，pad_width的第一个元素(0, 0)表示在第一个轴不进行填充，第二个元素(17, 17)表示在第二个轴两侧各填充17个元素，第三个元素(0, 0)表示在第三个轴不进行填充。可以使用numpy.pad()函数将ndarray从维度（1, 222, 1024）扩充到（1, 256, 1024）。将ndarray 有维度（1,222,1024） 扩充到（1,256,1024）使用numpy.pad()函数。
2023-03-09 13:00:15
504
原创 Python批量读取视频文件的时间长度
这个代码循环遍历指定文件夹中的所有文件，对于每个视频文件，使用OpenCV的VideoCapture对象打开文件，并使用get方法获取视频的帧数和帧率。然后，通过将帧数除以帧率来计算视频的持续时间。最后，代码打印出每个视频文件的名称和持续时间。要批量读取视频文件的时间长度，可以使用Python中的OpenCV库。
2023-02-26 17:22:06
1792
1
原创 最详细Pycharm远程代码调试配置方案【针对GPU集群】
由于学校的深度学习任务都是上传的学校的GPU集群上运行，因此可视化和调试程序就变的十分麻烦，几经辗转、终于找到了解决方案，即通过ssh隧道的方式，用Pycharm通过跳板机连接内网服务器。现在此总结一下。目前我们学校的集群结构是一个三级结构，如果你们也是，那下面的方法多半是可以用的。
2022-11-13 18:44:29
1311
3
原创 对于视频处理方法的初步研究以及第一印象
#开始时间 2021年1月27日 早上#结束时间 2021年1月先开始吐槽吧! 每个人都会说视频的异常定义是复杂的，有的情况下时正常的有的情况下是异常的，MD我就觉得不是，你摄像机是固定的，那个场景自己不会设置啊，S13 。设置好了场景不就固定了！！20号考完试，今天是27号，经历了醉生梦死的一周，每天都是在玩玩，吃饭喝酒拍片,感觉生活节奏全部都打乱了。现在今天终于良心发现回学校读读论文。之前的那个综述信息量太大了。现在找个具体的方法，对整个实验的流程做整体性的了解。今天读的这篇文章是《[2016 信
2022-11-13 12:24:30
440
原创 2022电信笔试中一些题目
坏处是数据恢复比较麻烦，如果是图 1 的例子，那么当进行数据恢复时，就要先恢复完全备份的数据，再依次恢复第一次增量备份的数据、第二次增量备份的数据和第三次增量备份的数据，最终才能恢复所有的数据。事务的隔离性是指在并发环境中，并发的事务是互相隔离的，一个事务的执行不能被其它事务干扰。累计增量备份是指先进行一次完全备份，服务器运行一段时间之后，比较当前系统和完全备份的备份数据之间的差异，只备份有差异的数据。一个事务内部的操作及使用的数据对其它并发事务是隔离的，并发执行的各个事务是不能互相干扰的。
2022-10-16 09:24:44
776
原创 leetcode302场周赛复盘
2.换个思路，如果某个数字可以被numsDivide整除，那么也可以被他们的最大公约数整除。因此，先求numsDivide的最大公约数，将遍历numsDivide数组转化为仅除最大公约数。3.然后遍历一遍数组，找到所有可以被最大公约数整除的数，求他们的最小值记为mn。然后取所有元素的最后一位放入对应的桶中，然后按0-9的顺序重新排列数组，这里只记录排序后的数序写入。3.在函数中，*代表收集参数，将收集的参数放在一个元组tuple里面。范围很大要考虑溢出问题。2.用于收集列表中多余的值，收集的是列表。....
2022-07-21 18:29:18
160
原创 【蓝桥杯】【动态规划】【背包问题】
背包问题pythondef main(): w = [ 0 , 2 , 3 , 4 , 5 ] #商品的体积2、3、4、5 v = [ 0 , 3 , 4 , 5 , 6 ] #商品的价值3、4、5、6 bagV = 8 #背包大小 dp=[[0 for col in range(bagV+1)] for row in range(len(w))] for i in range(1,5): for j in range(1, bagV+1):
2022-04-08 11:08:24
433
原创 【蓝桥杯】【国王的烦恼】【并查集】
问题描述 C国由n个小岛组成，为了方便小岛之间联络，C国在小岛间建立了m座大桥，每座大桥连接两座小岛。两个小岛间可能存在多座桥连接。然而，由于海水冲刷，有一些大桥面临着不能使用的危险。如果两个小岛间的所有大桥都不能使用，则这两座小岛就不能直接到达了。然而，只要这两座小岛的居民能通过其他的桥或者其他的小岛互相到达，他们就会安然无事。但是，如果前一天两个小岛之间还有方法可以到达，后一天却不能到达了，居民们就会一起抗议。现在C国的国王已经知道了每座桥能使用的天数，超过这个天数就不能使用了。现在他想知道居民
2022-04-07 14:39:58
72
原创 求城市间最短路径 并可视化表示【C语言】
问题描述要求：1.城市网络图的邻接矩阵信息存储在文本文件mat.txt中2.求城市D到其他城市的最短路径，及其最小代价3.可视化表示最短路径矩阵mat如下。99999表示不可达0 12 99999 99999 99999 16 1412 0 10 99999 99999 7 9999999999 10 0 3 5 6 9999999999 99999 3 0 4 99999 9999999999 99999 5 4 0 2 816 7 6 99999 2 0 914 99999
2022-03-22 16:26:30
1930
2
原创 transforms工具类
#TimeSformer-main\timesformer\models\#transforms.pyimport torchvisionimport randomfrom PIL import Image, ImageOpsimport numpy as npimport numbersimport mathimport torchclass GroupRandomCrop(object): def __init__(self, size): if isins
2022-03-17 23:03:52
462
原创 回溯法解决八数码python
这次人工智能的作业就是用回溯法解决八数码问题，经过一天多的功夫，终于写出来了。下面是正题回溯法是人工智能领域的一种重要的盲目搜索算法，何为盲目算法，即是基于规则，不断的尝试可能的路径，直到到达目的的解为止。回溯法（探索与回溯法）是一种选优搜索法，又称为试探法，按选优条件向前搜索，以达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。回溯法一般需要三张表ps表：用于保存当前路径的状态，如果找到
2022-03-15 15:57:39
1175
原创 Python项目如何生成requirements.txt文件
使用 pip freeze 生成一般情况，我们可以直接使用Python下的 pip 包管理工具，来生成 requirements.txt 文件，命令如下：pip freeze > path\requirements.txt其中，path为生成的 requirements.txt 文件的具体路径。通过这个 pip freeze 方式生成时，会把整个Python环境下的所有包都列出生成，比较适用于Python项目为虚拟环境的情况。...
2021-08-03 16:00:18
475
原创 python提取word表格中数据
程序分析今天文章介绍一个实战案例，与自动化办公相关；案例思想是源于前两天帮读者做了一个 demo ，需求大致将一上百个 word 中表格内容提取出来(所有word 中表格样式一样)，把提取到的内容自动存入 Excel 中。原文地址 作者：zeroing程序源码from win32com import client as wc import osimport pandas as pdimport docxpath="C:\\Users\Lenovo\PycharmProjects\infoe
2021-08-03 15:34:15
5062
5
原创 pycharm学生账号申请以及集群使用
比如说 集群得使用。还有pycharm得申请，上传本地项目到集群等等，调用gpu等等问题。先是集群的使用 。首先使用自己的账号登陆到集群账号创建一个环境，conda create --name test --clone py36查看自己的环境 conda info --env切换到自己的环境 conda activate test 然后使用pip list 查看自己安装的包 pip list 这样就完成了基础环境的创建。下面激活pycharm 。从官方网站下载pycharm
2021-04-02 14:04:56
2373
原创 使用python Tqdm进度条库让你的python进度可视化
今天第一次在集群上跑项目，因此收获很多，下面总结下，如何让你的任务显示进度条。参考文献Tqdm在阿拉伯语表示进步，在西班牙语中表示我非常爱你。是一个快速，可扩展的Python进度条，可以在Python长循环中添加一个进度提示信息，用户只需要封装任意的迭代器tqdm(iterator)即可完成进度条。相比ProgressBar来说Tqdm的开销非常低，同时Tqdm可以在任何环境中不需要任何依赖运行。这篇文章主要是从tqdm安装，使用，常见问题三个方向开始解释。tqdm的安装pip install t
2021-03-17 12:50:20
280
原创 cv2 光流法案例（全注释版本）适合小白
import numpy as npimport cv2cap = cv2.VideoCapture('C:/Users/\Lenovo/Desktop/180.avi')# 选择即将读取的视频。地址要自己改# params for ShiTomasi corner detection shi和tomasi 两个人提出的边角发现算法，为什莫要发现边角？角点很适合被用来做跟踪# image,第一个参数：8位或32位浮点型输入图像，单通道# corners, 保存检测出的角点# maxCo
2021-03-09 14:02:26
720
1
原创 如何给文章设置页眉
需要给目录文章目录之后的页面设置页眉，而封面和目录没有页眉这个问题曾经难倒我两次，现在写一篇文章纪念下~解决步骤~将下一段的开头调整到目录下然后布局-分隔符-下一页这样你的文章又回到了原来的位置这时候在进行页眉的设计就会发现变成了两节然后就可以进行页眉设计了。记得取消链接到上一节这样就完成了，看下效果有问题，欢迎留言交流，7*24 小时可能在线...
2021-01-05 20:36:01
690
原创 南师大算法笔记-字符串匹配 Rabin karp 思路以及代码实现
基本问题：给定一个特殊的模式（pattern）是否在一个文本（Text）中出现，并且找出模式在文本中所有出现的位置。下面简单描述下几个定义：定义1 一个文本（text）是由某个字符集∑\sum∑ 中符号组成的字符序列。定义2数字T[1…n]表示一个有n个字符的字符序列或者称之为字符串。定义3 一个模式pattern 是另一个有相同符号集的字符串，采用P[1…m] 表示有m个字符的模式，其中m小于n。定义4 给定文本T[1…n]和模式P[1…n], 文本的子串T[s+1,s+m],成为有移位的s的字
2020-11-20 16:12:05
235
原创 《监控视频异常检测: 综述》王志国, 章毓晋笔记
害，最近做了挺多机器学习的东西，但是那些不是弯路，我估计之后还是要学习机器学习的相关内容。今天是周四（2020年11月12日），但是由于网络老师有事，所以没有上网络课，于是就用这个空闲的时间看了一篇综述。注：‘【】’这个括号内容表示我自己的思考，或者是画外音。参考资料1.【深度学习】数据降维方法总结正文《监控视频异常检测: 综述》王志国, 章毓晋 (清华大学 电子工程系,图像工程实验室,北京 １０００８４）下面将本次学习的内容进行整理，以供以后复习。异常检测的任务定义异常检测的任务是用一
2020-11-14 18:27:50
2618
1
原创 视频异常检测数据集整理
UCSD异常检测数据集相关介绍来自原文地址包含Ped１、Ped２两个子数据集.数据集中的异常事件包括:汽车、骑自行车、滑滑板、踩踏草坪等。数据集下载：http://www.svcl.ucsd.edu/projects/anomaly/UCSD_Anomaly_Dataset.tar.gzCUHK Avenue 数据集这个数据集包含16个训练和21个测试视频片段。视频总共包含30652帧。训练视频包含正常情况下的视频。测试视频包含标准和异常事件视频。数据集下载链接：http://www.c..
2020-11-14 16:09:19
3924
3
原创 K-means学习笔记及简易代码实现
写前思考目前的几个问题，如何找到簇的中心点。如果要找簇的中心点，只需要求出那个簇所在地点的均值，然后将其赋值给新的中心点就可以了。如何增加或者减少k的值（如何选择k值）这还是一个没有解决的问题，现在我要去百度下嘿嘿。可以是由sse方法，找到数据变化的点没错，现在可以写程序了。什么是K-meansk均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中
2020-11-09 21:56:33
348
原创 聚类算法-dbscan的简易代码实现
最近的组会经常会听到这个名词，所以趁着今天有空，所以准备了解下这个算法。先从百度 百科开始切入：DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。上面的解释中有【簇】的概念，先攻破它！簇：将物理或抽象对象的集合分成由类似的对象组成的多
2020-11-06 14:59:53
2644
2
原创 如何访问仅限IPv6的网站
网络作业：Use any means you know to access an IPv6-only websiteHow to determine if a site is IPv4 only or IPv6 onlyHow to configure your own host翻译中文：使用您知道的任何方法访问仅限IPv6的网站如何确定站点是仅IPv4还是仅IPv6如何配置自己的主机1.如何确定站点是仅IPv4还是仅IPv6打开cmd，输入命令“nslookup 网站名”，通过第
2020-10-28 18:03:42
12127
1
原创 南师大算法笔记-网络流(上)
定义1-网络一个流网络(flow network),简称网络，是一个简单的加权的简单有向图 G=(V,E,C),边(u,v )∈E\in E∈E,的权值c(u,v)>0,并称为这条边的容量。当且仅当c(u,v)=0时，(u,v)∉E\not\in E∈E。此外，图中有两个点分别是源点和汇点，记为s和t。定义2-流网络G=(V,E,C)上的一个流f，就是给G中的每一个边(u,v)赋一个实数f(u,v)并满足：每个边的流不能超过他的容量，即0≤f(u,v)≤c(u,v)0\leq f(u
2020-10-28 14:57:32
245
原创 南师大研究生工程数学-插值法(拉格朗日法和牛顿法)
先说一下插值的定义，本文主要讨论拉格朗日（lagrange）插值法和牛顿（newton）两种方法。插值： 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。已知平面上n+1 个点 {xi,yi}\{x_i,y_i\}{xi,yi} 其中 i=0,1,2,3…n ;求解析函数f(x) ,恰好经过这n+1 个点。多项式插值： 在给给定的平面上有n+1 个点, {xi,yi}
2020-10-26 21:14:56
1103
原创 pandas处理excel表格的工作流
最近师傅让我帮他整理下excel表格，我就自认为很简单的答应了，没想到是自己给自己挖了一个坑，哈哈。遇到了好多问题，因此，写一篇文章记录下。其实，仔细分析，这个工作流无非就是当然讲起来容易，中间也涉及到了一些具体的问题pandas 读取excel这里我接触了两种方法：使用pandas.read_excel(“123.xlsx”)方法这个方法返回一个DataFrame对象 ,对于有多个工作表的文件 ，会默认读取工作表1，也可以同过索引，来获得第几个表的数据，默认为0。df= pd.read
2020-10-20 17:06:18
2579
原创 感知机异或实现(前馈神经网络入门)
昨天刚开始学神经网络，做完与或非门之后，手贱想做一做异或，真是初生牛犊不怕虎，后来查了下资料，直接查到了深度学习，害，无意入坑。不过既来之，则安之。我准备把这个功能实现，无所谓翻山越岭，但求有所收获。先看了花书：第六章 深度前馈网络第一节XOR 的实现但是没有看懂，然后再B站看了shuhuai008的白板推导系列的(二十三)-前馈神经网络的第三p ，有种豁然开朗的感觉。但是并没有写出具体的代码实现。我下面的内容有一大部分基于那个视频。大家也可以去看看 白板推导系列的(二十三)-前馈神经网络下..
2020-10-14 09:45:23
2517
原创 （BP算法参数推导）误差逆传播算法-实现异或感知机
预训练多层网络，误差逆传播算法简称BP是最杰出的算法之一。算了，先说说定义：训练集D={(x1,y1),(x2,y2)…(xm，ym)}输入属性：有d个属性描述。有 l 个输出神经元。q个隐含神经元。输出层 第j个神经元的阈值用θj\theta_jθj表示隐层第h个神经元的阈值用 γh\gamma_hγh 表示输入层第i个神经元到隐层第h个神经元之间的连接权为vi,hv_{i,h}vi,h隐层第h个神经元和输出层第j个神经元之间的连接权为ωh,j\omega_{h,j}ωh,j隐层第
2020-10-14 09:37:45
1116
1
原创 感知机与、或、 非门的训练
当我写到这个标题的时候感觉超级激动，因为一直以为那是一种被束之高阁的技术，哈哈；但是当我读到这一章的时候，感觉还可以。下面介绍一些，相关的概念和术语;阈(yu)值[threshold]:就是一个限制，如果值超过threshold 神经元就会兴奋，也就是输出正样本1sigmoid函数激活函数，将实数域的取值压缩到(0-1)M-P神经元在M-P神经元模型中，神经元接收来自n个其他神经元传递过来的输入信号，再将接收到的输入信号按照某种权重叠加起来，叠加起来的刺激强度S可用公式S=∑i=1nwixiS
2020-10-09 20:31:01
3871
2
原创 决策树中的连续值与缺失值处理的实现思路
连续值处理由于连续数据不能划分，所以要使用连续属性离散化技术，其中最简单的方法就是二分法（bi-partition）。首先要构造一个候选划分点集合：从数据集中取相邻两个元素的平均值，然后构成一个待选的节点，假设一个数据集共有n个元素，则可以生成n-1个 候选分割点。以西瓜数据集3.0为例的密度为例：编号,色泽,根蒂,敲声,纹理,脐部,触感,密度,含糖率,好瓜1,青绿,蜷缩,浊响,清晰,凹陷,硬滑,0.697,0.46,是2,乌黑,蜷缩,沉闷,清晰,凹陷,硬滑,0.774,0.376,是3,乌黑
2020-10-08 21:43:29
685
原创 对机器学习中的优化算法的整理
最小二乘法最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小具体的操作步骤 ：选择一个目标函数f(x)做优化函数g=∑i=1m(f(xi)−yi)2g=\sum_{i=1}^{m}(f(x_i)-y_i)^2g=i=1∑m(f(xi)−yi)2求使得g最小的f() ,也就是我们权值矩阵w。对于这种无约束优化，我们通常使用求导并令其为零的方式 进行求解。
2020-10-07 12:44:16
95
原创 对LDA 线性判别分析的理解
LDA 最早有fisher 在1936年提出。西瓜书的解释：”给定训练样例集，设法将样例投影到一条直线上，使得同类样例的投影点尽可能的接近，异类样例的点尽可能的远离。然后再根据新加入点的投影位置进行判断“我的理解是，LDA将一个二维数据降维到了一维空间，在直线上进行划分。从我的思路出发，主要有以下几个问题： 怎么表示样本中心距 怎么表示样本距离其实想想这个问题就很大了，细分起来还有好多子问题：假设直线w 和样本点 a都是两个向量，那么我们只要求一个a 在w上的投影就可以了【注】：如果求a
2020-10-07 12:43:19
202
原创 使用基尼指数划分属性的决策树（CART）
本文是在之前基础上的修改，所以如果有问题可以看西瓜书中的决策树算法实现（ID3）这篇文章。CART 决策树由[Breiman et al.] 在1984 年提出。其使用”基尼指数“用来划分属性。基尼系数（英文：Gini index、Gini Coefficient）是指国际上通用的、用以衡量一个国家或地区居民收入差距的常用指标。基尼系数最大为“1”，最小等于“0”。基尼系数越接近0表明收入分配越是趋向平等。国际惯例把0.2以下视为收入绝对平均，0.2-0.3视为收入比较平均；0.3-0.4视为收入相
2020-10-07 12:41:28
7144
4
原创 使用增益率划分属性的决策树（C4.5）
当使用信息增益大小作为划分依据时会遇到一个问题：当使用编号这个属性进行划分时，会将数据划分为17个分组，并且每个分组的纯度都是1，这样的样本不具有泛化能力，不能预测 新数据——西瓜书同时由于我们在计算信息增益时给每个分支增加了权重，这样本数多的分支结点影响更大。因此（ID3）就有点偏向数量多样本的趋势。于是昆兰在1993年 在C4.5中使用增益率代替了信息增益。增益率说白了就是在原有的信息增益的基础上，比上属性A的’固有值‘增益率=Gain(D,a)IV(a)增益率= \frac{Gain(
2020-10-04 21:14:23
1082
1
原创 西瓜书中的决策树算法实现（ID3）
一些关于决策树自己的理解决策树是根据信息增益自己选择规则，并且递归构建树的过程。所谓的信息增益可以理解为：原本系统是混乱的，当选择一个属性划分，划分后两个子系统的混乱程度是否减轻了；比如；原来系统正负样本，比例为1：1 ，如果你选择一个属性进行划分后，两个子系统的正负样本比例变成了 8：2 和3：7 ，那么这次 的划分就是有意义的，而根据信息增益，更大的信息增益，表示更好的划分属性，从而大大减小系统的混乱程度也就是熵。【注】熵本来是物理学的概念，便是一个区域内，事物的混乱程度，越混乱熵越大；也就是所，
2020-10-03 18:58:13
3493
8
用于聚类算法测试的数据集.rar
2020-11-05
词性分析的训练数据 traindata.txt
2020-04-30
flameshot_0.6.0_xenial_x86_64.deb
2020-04-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人