- 博客(72)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 nvidia-smi时，Failed to initialize NVML: Driver/library version mismatch
记录一下配置cuda环境时遇到的问题和解决方法，已方便日后查证：问题终端输入nvidia-smi时，报如下错误：Failed to initialize NVML: Driver/library version mismatch出现这种情况的原因是NVIDIA内核驱动版本和系统驱动不一致。大多数出现该错误的情况可能是NVIDIA驱动是在低版本的时候安装，由于系统更新，内核版本升级导致NVIDIA无法应用在高内核版本，新版本内核和显卡驱动不匹配,显卡驱动版本太低!我的情况是在配置低版本的cuda时
2022-01-14 23:02:46
1417
原创 牛客16498 寻找道路（双向BFS）
链接：https://ac.nowcoder.com/acm/problem/16498来源：牛客网在有向图G中，每条边的长度均为1，现给定起点和终点，请你在图中找一条从起点到终点的路径，该路径满足以下条件：1．路径上的所有点的出边所指向的点都直接或间接与终点连通。2．在满足条件1的情况下使路径最短。注意：图G中可能存在重边和自环，题目保证终点没有出边。请你输出符合条件的路径的长度。输入描述:第一行有两个用一个空格隔开的整数n和m，表示图有n个点和m条边。接下来的m行每行2个整数x、y.
2021-10-30 20:28:32
255
原创 LeetCode34 在排序数组中查找元素的第一个位置和最后一个位置（二分查找）
谨以本文记录学习、回顾二分查找算法过程，如有错误还请朋友指正！题目给定一个按照升序排列的整数数组 nums，和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。如果数组中不存在目标值 target，返回 [-1, -1]。进阶：你可以设计并实现时间复杂度为 O(log n) 的算法解决此问题吗？示例 1：输入：nums = [5,7,7,8,8,10], target = 8输出：[3,4]示例 2：输入：nums = [5,7,7,8,8,10], target =
2021-08-18 18:10:38
151
原创 LeetCode704 二分查找
题目：给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。示例1：输入: nums = [-1,0,3,5,9,12], target = 9输出: 4解释: 9 出现在 nums 中并且下标为 4示例2：输入: nums = [-1,0,3,5,9,12], target = 2输出: -1解释: 2 不存在 nums 中因此返回 -1提示：你可以假设 nums
2021-08-18 17:14:46
85
原创 深度学习-R-CNN学习简记
谨以本文记录深度学习入门过程中学习的R-CNN系列，如有错误还请朋友不吝指教！R-CNN原论文：Rich feature hierarchies for accurate object detection and semantic segmentationR-CNN可以说是利用深度学习进行目标检测的开山之作。相比于传统方式，R-CNN使用CNN提取图像特征，并采用大样本下有监督预训练+小样本微调的方式解决小样本难以训练甚至过拟合等问题（现实任务中，带标签的数据可能很少）。算法流程在一张
2021-08-16 20:13:23
233
原创 深度学习-目标检测中的mAP计算
谨以本文记录深度学习入门过程中学习的目标检测常见指标，如有错误还请朋友不吝指教！目标检测评价指标——mAP如上图所示，绿颜色的为GT Box，红颜色的Predict Box。如果要正确检测出图中的猫和狗，那怎么才能算是正确的检测呢?下边的这三个标准是都需要看的： GT与预测框的IoU是否大于阈值？预测的类别是否正确？置信度是否大于阈值？交并比（IoU，Intersection over Union）IoU的作用是评价两个矩形框之间的相似性，在目标检测中是度量两个检测框的交叠程度。计
2021-08-08 10:47:19
1221
原创 李宏毅2021春机器学习课程笔记——生成对抗模型
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！概率生成模型概率生成模型（Probabilistic Generative Model）简称生成模型，指一系列用于随机生成可观测数据的模型。假设在一个连续获离散的高维空间X\mathcal{X}X中，存在一个随机向量X\mathnormal{X}X服从一个未知的数据分布pr(x),x∈Xp_r(x), x \in \mathcal{X}pr(x),x∈X。生
2021-07-13 20:59:19
588
原创 论文阅读-Tracklet self-supervised learning for unsupervised person re-identification2020_AAAI阅读笔记
本文仅是自己学习所记，请谨慎采纳，如有错误不妥之处欢迎各位朋友指正！研究背景现有的无监督行人re-id方法，主要集中于跨域适应和one-shot学习上。虽然这些方法的可扩展性要比监督学习好，但是对相关的标记源域的依靠和每个人都初始化一个已经标记的轨迹限制了它在现实应用中的可扩展性。论文内容算法的整体结构如下图所示：因为不使用行人特征的标签，所以构建了三个自监督学习约束来完成模型训练： tracklet连续帧学习tracklet紧密度学习tracklet聚类结构学习track
2021-07-06 17:35:16
408
2
原创 论文阅读-A Bottom-up Clustering Approach to Unsupervised Person Re-identification2020_AAAI阅读笔记
本文仅是自己学习所记，请谨慎采纳，如有错误不妥之处欢迎各位朋友指正！代码开源地址：https://github.com/L1aoXingyu/Bottom-up-Clustering-Person-Re-identification研究背景大多数的行人Re-ID方法是基于监督学习的，而监督学习是需要大量的有人工标记的训练数据。然而要获取大尺寸的、有人工标记的行人标记信息的现实数据集是很不现实。在本文中提出自下而上的聚类框架（BUC）使用没有标记信息的数据来解决行人Re-ID问题。论文内容1.
2021-07-03 16:24:21
218
原创 李宏毅2021春机器学习课程笔记——Transformer模型
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！
2021-05-12 10:38:17
1142
2
原创 李宏毅2021春机器学习课程笔记——自注意力机制（Self-Attention）
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！全连接网络的输入是一个向量，但是当输入是一个变长的向量序列时，就不能再使用全连接网络了。这种情况通常可以使用卷积网络或循环网络进行编码来得到一个相同长度的输出向量序列。基于卷积或循环网络的序列编码都是一种局部的编码方式，只建模了输入信息的局部依赖关系。虽然循环网络理论上可以建立长距离依赖关系，但是由于信息传递的容量以及梯度消失问题，实际上也只能建立短距离依赖关系。
2021-05-04 19:12:29
2892
6
原创 李宏毅2021春机器学习课程笔记——Convolutional Neural Network
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！图像的表达形式对于一个Machine来说，一张图像其实是一个三维的Tensor。如上图所示，三个维度分别表示图像的宽、高和Channel的数目。彩色图像的每一个pixel都是由RGB 三个颜色所组成的，所以3个Channel就分别代表了RGB三个颜色，宽和高表示了这张图像中像素的数目（即：100×100）之前提到的网络（例：Fully Connected Ne
2021-04-23 18:31:21
683
原创 李宏毅2021春机器学习课程笔记——Tips for training：逐层归一化
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！逐层归一化逐层归一化可以有效地提高训练效率，其原因有以下几个方面：更好的尺度不变性：在深度神经网络中，一个神经层的输入是之前神经层的输出，给定一个神经层lll，它之前的神经层(1,⋯ ,l−1)(1, \cdots, l-1)(1,⋯,l−1)的参数变化会导致其输入的分布发生较大的变化。当使用随机梯度下降来训练网络时，每次参数更新都会导致该神经层的输入分布发生改
2021-04-13 19:33:20
532
原创 李宏毅2021春机器学习课程笔记——Tips for training：数据预处理(课外学习)
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！数据预处理一般而言，样本特征由于来源以及度量单位不同，他们的尺度（Scale）（即取值范围）往往差异很大。如果一个机器学习算法在缩放全部或部分特征后不影响它的学习和预测，我们就成该算法具有尺度不变性（Scale Invariance）。比如线性分类器是尺度不变的，而最近邻分类器就是尺度敏感的。所以，对于尺度敏感的模型，必须先对样本进行预处理，将各个维度的特征转换到相
2021-04-09 15:47:50
240
原创 李宏毅2021春机器学习课程笔记——Tips for training：Adaptive Learning Rate
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！问题描述当我们在训练一个网络时，如果观察到我们训练的loss如上图所示，越来越小，最后卡住不在下降了。我们会认为走到critical point了，因为critical point处loss的gradient等于0，所以loss值不会再发生变化。其实不然，如果loss的gradient再error surface中来回的震荡，也是会出现同样的情况。如上图所示，
2021-04-03 18:45:30
408
1
原创 李宏毅2021春机器学习课程笔记——Tips for training：Batch and Momentum
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！Batch（批次）首先回顾一下，在深度学习中，往往将训练数据集随机划分为N个batch，每完成一个batch的计算，便更新一次参数θ\thetaθ，一轮（epoch）完成对所有N个batch的计算。在每一个epoch完成之后，对训练数据集进行shuffle，然后进行下一epoch的训练。那到底选用多大的Batch size可以获得理想的训练效果呢？李宏毅老师从以
2021-03-31 09:43:38
935
原创 李宏毅2021春机器学习课程笔记——Tips for training：Critical Point
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！Critical Point当我们观察训练集上的Loss出现如下两种形式时：蓝色线：当Loss下降到一定程度后，便不在减小。但此时的Loss并不能满足我们对模型的要求。橙色线：Loss一直没有下降出现上述两种情况的原因可能是：损失函数的梯度（gradient）非常接近零，导致损失函数更新后不会下降。在训练过程中如果损失函数陷入局部最小值（Local min
2021-03-26 20:27:45
611
原创 李宏毅2021春机器学习课程笔记——通过训练集上的Loss可获得的信息
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！如何更好的训练我们的模型呢？我们可以通过观察训练集上的loss，来决定下一步采取什么措施来优化我们的训练过程。训练集上的Loss很大在这种情况下，可能的原因有Model bias和Optimization两种。Model Bias在上一节中提到，model bias是指使用的model太简单而存在不能很好的表示真实情况的限制。如上图所示，使用图形来理解m
2021-03-22 10:01:33
657
原创 python学习-NotImplementedError的使用
谨以此文，记录自己在学习python过程中遇到的问题和知识点。在python中，raise可以实现报出错误的功能，而报出错误的条件是程序员可以自己规定的。在面向对象编程中，如果想在父类中预留一个方法，使该方法在子类中实现。如果子类中没有对该方法进行重写就被调用，则报NotImplementError这个错误。如下面代码所示，子类Two中没有重写父类One中的show方法，就对其进行了调用：class One(object): def show(self): raise
2021-03-21 12:13:08
1634
1
原创 李宏毅2021春机器学习课程笔记——Introduction of Machine/Deep Learning
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！一、Machine Learning概念理解Machine Learning主要的任务是寻找一个合适的Function来完成我们的工作（非常不严谨的简单理解），如上图中的Image Recognition，就是要寻找一个合适的fff，实现通过对输入的图片进行各种转换识别出图片中的事物是一只猫的功能。二、Different types of Functions
2021-03-07 11:40:07
1656
原创 深度学习-softmax和softmax loss笔记
本文作为自己学习softmax和softmax loss笔记而写，留作自己日后回顾，如文中有错误还请不吝指教，感谢！图片来自：https://eli.thegreenplace.net/2016/the-softmax-function-and-its-derivative/全连接层解释上图中，等号左边就是全连接层需要完成的任务，其中：W[T×N]W[T\times N]W[T×N]是全连接层的权重（参数），在训练网络过程中全连接层最终的目标就是寻找合适的WWW。W[T×N]W[T\times
2021-03-02 10:26:37
526
原创 7-17 奥运排行榜 （25 分）
题目：思路：针对四种排序方法构建四个结构体，按四种排序排完之后，把结果汇总到代表国家的一个结构体中。然后就是查询就是了。排序规则可通过下面的例子了解一下：序列：g[0] = 1,g[1] = 2，g[2] = 2, g[3] = 3;排名：1 ,2 ,2 ,3(并不是1,2,3,4)代码： #include <b...
2018-09-30 20:19:03
2563
原创 LIS(两种方法求最长上升子序列)
首先得明白一个概念：子序列不一定是连续的，可以是断开的。有两种写法：一、动态规划写法复杂度：O(n^2)代码：#include <iostream>#include <queue>#include <cstdio>#include <algorithm>#include <cmath>#include &l...
2018-09-30 19:08:39
267
原创 dp求最长上升子序列的和--HDU1087：Super Jumping！Jumping！Jumping！
传送门：HDU_1087题意：现在要玩一个跳棋类游戏，有棋盘和棋子。从棋子st开始，跳到棋子en结束。跳动棋子的规则是下一个落脚的棋子的号码必须要大于当前棋子的号码。st的号是所有棋子中最小的，en的号是所有棋子中最大的。最终所得分数是所有经过的棋子的号码的和。思路：读完题之后知道这是一个最长上升子序列的题目。因为之前刚刚看过牛客网上一节讲解最长上升子序列的视屏，所以一上来就找准了方向，b...
2018-09-30 17:28:02
284
原创 DP--HDU1003：MAX SUM
题目：题意：让求给出的序列中连续的一个子序列的和的最大值，以及这个子序列的起点和终点。思路：dp求当前位置的最大值，dp[i] = max(dp[i-1], a[i]);最大值的位置就是终点，既然知道了和的大小，那么，只要找出那个区间的和是该值就可以了，这里可以用一个前缀和数组来求开始的位置。ps：dp还是得多思考、多练啊！！代码：#include <iostre...
2018-09-30 08:56:38
122
原创 二维dp之01背包问题--HDU2159：Fate
题目：思路：二维dp,完全背包,状态转移方程dp[i][z] = max(dp[i][z], dp[i-1][z-a[j]]+b[j]),dp[i][z]表示在杀i个怪，消耗z个容忍度的情况下获得的最大的经验值。刚看到这个题一直把思维限制在一维dp中，总是不能表达全部的条件，然后想到二维dp。因为目的是升级，所以dp表示的就要是最大的经验，下标自然就是剩下的条件忍耐度和杀怪的个数了...
2018-09-26 22:04:51
222
原创 01背包dp变形--Robberies
题意：一个强盗要抢劫银行又不想被抓到，所以要进行概率分析求他在不被抓的情况下能抢最多的钱。他给定T（样例个数），N（要抢的银行的个数），P（被抓的概率要小于P）Mj（强盗能抢第j个银行Mj元钱），Pj（强盗抢第j个银行被抓的概率为Pj）。思路：被抓的概率不好直接求出来，但可以直接求出不被抓的概率，则有状态转移方程dp[j] = max(dp[j], dp[j-b[i].money]*...
2018-09-26 09:03:34
186
原创 哈希算法--7-13 航空公司VIP客户查询 （25 分）
题意：思路：读完题目之后的第一思路就是用map将客户的id（string类型）与里程road（int类型）形成映射，然后直接用id查找添加里程或输出里程。但是400ms的限制妥妥的超时了。然后意识到要用哈希做，但是用哈希就有一点不好解决，每个客户的里程怎么保存，考虑了很长时间无果，搜了一下博客，发现可以用结构体来保存，平常用数组模拟链表的时候都是直接开的一维数组，所以当每个客户的信息...
2018-09-25 17:15:29
3180
1
原创 水图（牛客练习赛（DFS搜索））
题意：小w不会离散数学，所以她van的图论游戏是送分的小w有一张n个点n-1条边的无向联通图,每个点编号为1~n,每条边都有一个长度小w现在在点x上她想知道从点x出发经过每个点至少一次，最少需要走多少路思路：从当前位置开始dfs深搜，注意已经搜过的上一个点就不要搜了不然就成死循环了。确实是个水题，但因为图论搜索这方面练习的太少了，看到题却没有往搜索上考虑，太low了！！！代...
2018-09-25 09:26:42
465
原创 Dijkstra算法--7-11 社交网络图中结点的“重要性”计算 （30 分）
题意：思路：对每个输入的点跑一遍dijkstra算法，然后对这个点到所有点的距离求和按公式输出就可以了。（这次尝试了用数组模拟链表来做最短路问题，刷新了自己对最短路的理解）这里构造链表的过程我的理解一直有误差，第一行的式子中参与代码构建的是Next[cnt] = head[y];head[y] = cnt++;这两个语句。而前边的只是存了编号为cnt的边的另一个端点和这条边的...
2018-09-24 14:20:06
1897
原创 7-20 Windows消息队列 （25 分）（模拟水题）
题意： 思路： 用优先队列直接模拟就OK了，另外优先队列存pair的时候比较的是first的值，实测！！上代码：#include <iostream>#include <queue>#include <cstdio>#include <algorithm>#include <cmath>#include &...
2018-09-23 20:10:01
1014
1
原创 Dijkstra算法--7-9 旅游规划 （25 分）
题意：思路：单源最短路问题，Dijkstra算法搞定就可以了，因为要找出最便宜的最短路，所以需要在更新最短距离的时候加一个条件（即当最短距离相等的时候，如果该路径的花费更小，就更新最小花费）就可以了。之前自己学的最短路的水平也就仅限于模板题的水平，现在可以在条件上稍微加一些变化，做了数据结构的作业，顺便加深了自己对最短路（Dijkstra）算法的理解。题目所给样例的示意图（数据放在...
2018-09-23 19:51:12
1060
原创 哈希算法--7-14 字符串关键字的散列映射 （25 分）
除留余数法设计哈希表：由该式子得到value在哈希表中的存储位置：index = value % p；这里为了尽量的减少冲突，而且让value在哈希表中尽可能的均匀分布，p的选择就至关重要了。而合理选择p的经验是：若散列表表长为m，通常p为小于或等于表长（最好接近m)的最小质数或不包含小于20质因子的合数。平方探测法：冲突是不可避免的，本题中提到的解决冲突的平方探测法：...
2018-09-23 17:39:40
1659
原创 Decoding of Varints(阅读理解题 Gym_101611D)
Decoding of Varints题意&思路： 首先根据红色边框部分的公式算出x，再有绿色部分得知，如果x是偶数则直接除以2，x是奇数则(x+1)/-2。PS：这题有数据会爆掉unsigned long long,就是在最后奇数转换的时候。所以转换的时候可以变公式为-((x-1)/2+1)。代码：#include <iostream>#inclu...
2018-09-20 23:50:57
378
原创 暴力--Aizu1379：Parallel Lines
平行直线题意：给出一些点，这些点两两相连成一条直线，问最多能连成多少条直线。思路：暴力出奇迹！！记得当时比赛做这道题的时候一直依赖于板子，结果却限制了自己的思路，这得改。dfs直接暴力，但是需要将已经走过的点标记一下，用一个循环跳过已经标记的点减少dfs次数，不然得不出正确的结果，因为会出现如下的连线结果（左图），而正确的连线方式应该如右图。代码：#include <i...
2018-09-09 16:16:12
176
原创 DP--Aizu1378：Secret of Chocolate Poles
Select Of Chocolate Poles题意：有一个竖直放置的高度为l cm的盒子，现在有三种方块分别为1cm的白块，1cm的黑块，k cm的黑块，要求第一块放进去的必须是黑色的，盒子最上边的必须也是黑色的，盒子不必放满，问一共有多少种放法。思路：知道要用DP确实死活推不出状态转移公式来，这就很窒息了。到网上搜了一下题解，，，，，，还是自己太low了。二维DP，第一维表示盒...
2018-09-08 13:06:50
151
原创 前缀和--Be Efficient（Light Oj 1134）
题目传送门：Be Efficient题意：输入n和m，然后输入有n个元素的一个序列，问有多少个子序列元素的和能整除m。思路：求前缀和，利用一个前缀的一个定理求解。前缀和的一个定理是：每次求的前缀和对m取余，两个相等的结果之间的序列的和就是m的倍数。如上序号1、4的结果相同，则序号2、3、4的和是4的倍数，序号2、3的结果相同，则序号3是4的倍数。注意：将储存取余结果的数组...
2018-09-06 21:35:08
259
原创 逆元Inv（模板+应用）
逆元：如果满足公式，则有a 是 b的逆元同时b也是a的逆元。逆元的应用：设c为b在对m取余的意义下的逆元；在求解公式 (a / b) % m的时候，如果b可能会非常的大，所以会出现爆精度的问题，这个时候就需要将除法转换成乘法来做，即：(a / b ) % m = (a * c)%m。逆元的求法：一、扩展欧几里得求逆元复杂度：O(logn)（实际就是斐波那契数列）...
2018-08-31 23:39:15
604
原创 组合数，阶乘求法
复杂度：O（n^2）C[i][j]即为C(i,j);#include <bits/stdc++.h>using namespace std;const int MOD = 1e9+7;const int maxn = 1e3;typedef long long ll;int n,k;ll C[maxn][maxn];int main(){ n = 1...
2018-08-31 21:14:14
4006
原创 逆元，组合数--Chat Group gym101775A
传送门：Chat Group（gym101775A）题意：一个宿舍中又n个人，最少k（k >= 3）个人就可以建一个讨论组，问最多可以建多少个不同的讨论组。思路：求组合数的和，因为涉及除法取余，所以要求逆元来解题。虽然之前看到过有关逆元的知识，但是一直没有弄明白逆元的应用。嗯~~挖下的坑终于把自己给坑了。这次认栽！！最终的结果是：C(n,k)+C(n,k+1)+..........
2018-08-31 21:00:24
279
vgg16_weights_tf_dim_ordering_tf_kernels.h5
2020-11-15
getdata.py
2019-11-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人