自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(22)
  • 收藏
  • 关注

原创 django的急速部署,全网最简单(不需要nginx和uWSGI)

前言django作为一个web框架非常方便快捷。除了自带的后台管理系统,他还有自带的runsrever服务器。常规部署需要用到nginx和uWSGI,本人踩了很多坑,最后还是没能搞定。之后学长给我支招,用了一种非常规方法完成部署,就是使用runsrever。看起来是没有问题,但是还是跟常规部署有些区别,但是作为访问量比较少的个人博客开发是够用了。比较适合新手第一次尝试部署,找点成就感。环境和工具centos8.0xshell7xftp7screen步骤首先centos8.

2022-05-03 18:40:47 3667 4

原创 基于模型融合的分类网络设计(使用tensorflow/keras实现)

前言融合模型的设计原理类似于集成学习,集成学习是将几个弱学习器集成得到强学习器,这里的弱学习器不是指准确率低的分类模型,而是子模型之间的多样性差异。在特征提取的过程中,两个深度学习模型的多样性差异指的就是模型在 结构、样本、超参数、特征提取等方面的不同而带来的随机性差异。子模型的多样性差异越大,融合后的模型在同样的数据条件下可以获得的表述信息就越多, 可判断类别的选择信息面就越广,泛化能力就越强[33~35]。模型融合是一种简单、 粗暴且高效率的方法,在 kaggle、天池等深度学习的国际比赛中可以看到

2022-05-02 21:35:06 1644 1

原创 第6关:两个有序顺序表的合并操作

任务描述本关任务:分别输入两个有序的整数序列(分别包含M和N个数据),建立两个有序顺序表,编写将这两个有序顺序表合并成为一个大的有序顺序表的合并操作函数。相关知识已知有两个按元素值递增有序的顺序表A和B。设计一个算法将顺序表A和B的全部元素归并到一个按元素递增有序的顺序表C中。算法思想:用i遍历顺序表A,用j遍历顺序表B。当A和B都未遍历完时,比较两者的当前元素,则将较小者复制到C中,若两者的当前元素相等,则将这两个元素都复制到C中。最后将尚未遍历完的顺序表的余下元素均复制到顺序表C中。

2021-11-21 23:52:02 6042 1

原创 第5关:顺序表的逆置操作

任务描述本关任务:编写顺序表的逆置操作函数。相关知识关于逆置,有一种非常暴力的解决方法,就是单独开辟一个同等大小的顺序表,然后新表从前往后遍历,同时原表从后往前遍历,依次赋值,最后得到的就是逆置后的顺序表。但这种方法的空间复杂度为O(n),所以并不能这么做。顺序表的就地逆置,只需让顺序表中的数据元素头尾依次交换即可,即交换第一个元素和最后一个元素,第二个和倒数第二个,依此类推,这种方法的空间复杂度为O(1)。编程要求根据提示,在右侧编辑器 Begin-End 区间补充代码,完成顺

2021-11-21 23:50:34 2605

原创 第4关:顺序表的按照值查找序号操作

任务描述本关任务:编写顺序表按照值查找序号操作的函数。相关知识在顺序表L找第一个值为e的元素,找到后返回其逻辑序号,否则返回0。注意:由于线性表的逻辑序号从1开始,这里用0表示没有找到值为e的元素。在算法实现时,应根据顺序表数据元素的类型ElemType编写判断两个数据元素是否相等的比较函数equals()。举例说明: (1)数据元素的类型ElemType为int类型typedef int ElemType; int equals(ElemType a,ElemType b

2021-11-21 23:48:59 3737 1

原创 第3关:顺序表的按照序号查找值操作

任务描述本关任务:编写顺序表的按照序号i查找数据元素值的操作函数。相关知识顺序表L已存在,先判断i值是否合法,如果合法,将顺序表L中第i个数据元素的值赋给e,e要带出函数体,类型声明为引用。编程要求根据提示,在右侧编辑器 Begin-End 区间补充代码,完成顺序表的按照序号查找操作函数的定义,具体要求如下:int GetElem(SqList L,int i,ElemType &e);//用e返回顺序表L中第i个数据元素的值测试说明平台会对你编写的代码进行测试:测

2021-11-21 23:46:32 2703

原创 第2关:顺序表的删除操作

任务描述本关任务:编写顺序表的删除操作函数。相关知识线性表的删除运算是指将表的第i(1≤i≤n)个元素删去,使长度为n的线性表 ( a1​,…,ai−1​,ai​,ai+1​,…,an​),变成长度为n-1的线性表( a1​,…,ai−1​,ai+1​,…,an​)。算法思想:在顺序表上实现删除运算必须移动结点,才能反映出结点间的逻辑关系的变化。若i=n,则只要简单地删除终端结点,无须移动结点;若1≤i≤n-1,则必须将表中位置i+1,i+2,…,n的结点,依次前移到位置i,i+1,…,n-

2021-11-21 23:44:37 4907 1

原创 第1关:顺序表的插入操作

任务描述本关任务:编写顺序表的初始化、插入、遍历三个基本操作函数。相关知识顺序表的存储结构顺序表的存储结构可以借助于高级程序设计语言中的数组来表示,一维数组的下标与元素在线性表中的序号相对应。线性表的顺序存储结构可用C语言中动态分配的一维数组定义如下:/*线性表的动态分配顺序存储结构(用一维数组)*/ #define INIT_SIZE 100 //线性表存储空间的初始分配量 #define INCREMENT 10 //线性表存储空间的分配增量 typedef struc

2021-11-21 23:42:33 5708 1

原创 深度学习-----从零开始实现识别手写字体任务(六)计算测试集的准确率和Tensorflow的执行阶段

计算测试集的准确率def compute_accuracy(v_xs, v_ys): global prediction # y_pre将v_xs输入模型后得到的预测值 (10000,10) y_pre = sess.run(prediction, feed_dict={xs: v_xs, keep_prob: 1}) # argmax(axis) axis = 1 返回结果为:数组中每一行最大值所在“列”索引值 # tf.equal返回布尔值,correct_

2021-07-02 22:52:10 750 3

原创 深度学习-----从零开始实现识别手写字体任务(五)全连接层及其优化

全连接层的作用将前面经过多次卷积的高度抽象化的特征进行整合,然后进行归一化,对各种分类情况都输出一个概率,之后的分类器可以根据全连接得到的概率进行分类。什么意思呢卷积层提取特征值之后经过池化层压缩,进入全连接层,之后全连接层将卷积层提取的特征进行分类归一化,各种情况都输出一个概率,最后进行分类,得到一个结果。全连接层的作用是什么?卷积神经网络(CNN)中全连接层(FC layer)的作用全连接层1在将数据输入到全连接层之前,我们要对卷积层的输出进行处理h_pool2_fla

2021-07-01 11:36:36 623

原创 深度学习-----从零开始实现识别手写字体任务(四)卷积层与池化层

一.卷积层的作用在我们识别一个简单图像的时候,会根据图像的特征来确定图像表示的意义。所有第一步我们就是要提取目标的特征,而这一任务就是由卷积层完成的。二.定义二维卷积函数二维卷积的原理如图二维卷积的原理可以理解为图像与特征图像权重求和的过程,数值越大,图像越具有此特征。def conv2d(x, W): return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')strides=[1, 1, 1, 1]

2021-06-29 23:13:07 335 3

原创 深度学习-----从零开始实现识别手写字体任务(三)数据集的导入及相关函数的定义

一.Mnist简介Mnist数据集分为两部分,分别含有60000张训练图片和10000张测试图片。每一张图片包含28*28个像素。Mnist数据集把代表一张图片的二维数据转开成一个向量,长度为28*28=784。因此在Mnist的训练数据集中mnist.train.images是一个形状为[60000, 784]的张量,第一个维度数字用来索引图片,第二个维度数字用来索引每张图片中的像素点,图片里的某个像素的强度值介于0-1之间。二.什么是张量张量(tensor)是多维数组,目的是把向量、矩阵

2021-06-29 23:11:06 453 1

原创 深度学习-----从零开始实现识别手写字体任务(二)卷积神经网络的层级结构

层级结构1.数据输入层:Input layer2.卷积层:Convolutional layer3.激活层:Reluctant layer4.池化层:Pooling layer5.全连接层:FC layer一.数据输入层:对原始数据进行初步处理1.灰度化图片一般由三维矩阵组成(width,height,3),其中“3”为通道数,可以理解为图片的高度。3为RGB三色通道,将3通道转化为单通道为灰度化。2.归一化在神经网络中经常会使用sigmoid函数当做激活函数,sig

2021-06-28 00:37:30 491

原创 离散数学实验(八)判别图的连通性

实验目的及要求1.通过算法设计并编程实现,使学生掌握利用计算机语言判别图的连通性的基本方法。2.需要掌握的内容:给定 n 个结点的有向图的邻接矩阵,可判断该图是否为强连通的,单向连通 的,或弱连通的。实验nie...

2021-06-08 11:05:33 2881 1

原创 离散数学实验(七)图的表示

1.实验要求 一个图由其顶点与边的关联关系唯一确定。对于图G(p,q),我们可以用一个p行q列的矩阵来表示这种关系,可以使用关联矩阵和邻接矩阵来表示图。 关联矩阵:每一行i用来表示顶点,每一列j表示边,对于每个i,j我们将顶点i不属于边j的位置(i,j)用0来表示,属于则用1表示,如果有环则用2表示。 邻接矩阵:将行和列都表示顶点,将相邻的点之间用1表示,不相邻的点之间用0表示。 ...

2021-06-07 19:26:54 1459

原创 离散数学实验(一)命题与逻辑

#define _CRT_SECURE_NO_WARNINGS#include <stdio.h>#include <iostream>using namespace std;int hequ(int a, int b){ if (a == 1 && b == 1) return 1; else return 0;}int dtj(int a, int b){ if (a == 1 &am...

2021-06-01 14:28:22 4273

原创 离散数学实验(二)等值演算

#define _CRT_SECURE_NO_WARNINGS#include<iostream>#include<stdio.h>#include<math.h>using namespace std;int hequ(int a,int b){ if (a == 1 && a == 1) return 1; else return 0;}int xiqu(int a, int b){ if (a == 1 || b ==...

2021-06-01 14:25:11 8547

原创 离散数学实验(三)集合的基本运算

#include<iostream>using namespace std;int PanDuan(int *a, int n, int b) //判断b是否在a中{ int i; for (i = 0; i < n; i++) { if (b == a[i]) return 1; } return 0;}int main(){ int n, m; int i, j; int a[100], b[100],c[100]; int cnt = 0...

2021-06-01 14:18:44 3787

原创 离散数学实验(四)集合的关系

笛卡尔积 集合中的元素是无序的,有些情况下我们需要用固定次序的元素来描述对象,如直角坐标的位置<x, y>,当x≠y,<x, y>和<y, x>代表两个不同的坐标位置。我们称两个具有固定次序的对象为序偶,记为<x, y>。 设<x, y>和<u, v>两个序偶,若x=u, 且y=v,则称这两个序偶相等,记为<x, y>=<u, v>。 假设A、B是任意两个集合。令A...

2021-06-01 14:12:27 2267

原创 离散数学实验(五)判断关系R 是否为等价关系

等价关系:集合A上的二元关系R 同时具有自反性、对称性和传递性,则称R是 A上的等价关系。 自反性 从给定的关系矩阵来断判关系 R是否为自反是很容易的。 若 M(R的关系矩 阵)的主对角线元素均为 1,则 R是自反关系;若 M( R的关系矩阵)的主对角 线元素均为 0,则 R是反自反关系;若M(R的关系矩阵)的主对角线元素既有 1 又有 0,则 R既不是自反关系也不是反自反关系。 对称性 从给定的关系矩阵来判断关系 R是否为对称是很容易的。 若 M(R的...

2021-06-01 14:05:24 8009 3

原创 离散数学实验(六)判断代数系统是半群,幺半群,群。

给出一个代数系统<G,* >,其中:G={1,2,…,n},* 运算由运算表矩阵 给出,要判断: (1)<G,* >是否为半群; (2)<G,*>是否为含幺半群; (3)<G,*>是否为群。 编程要求 通过编程判断给定代数系统是否为群。...

2021-06-01 13:54:31 3432 3

原创 深度学习-----从零开始实现识别手写字体任务(一)使用Anaconda搭建tensorflow环境。

1.安装Anaconda登录网站Anaconda | The World's Most Popular Data Science Platform2.

2021-05-29 12:02:55 745

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除