- 博客(28)
- 收藏
- 关注
RSS订阅原创 python PyQt5 用QColorDialog颜色对话框来设置窗口背景颜色
首先参考https://www.jb51.net/article/163557.htm来生成窗口，窗口如下：然后，修改按钮颜色部分的实现函数为：def do_btn41(self, event): # 颜色 color = QColorDialog.getColor(Qt.blue, self, "Select Color") if color.isValid(): self.setStyleSheet("#MainWindow {background-col.
2020-08-01 18:21:14
1546
原创 知网PDF版查重大坑！！！
花了三百块得的教训……就是word里参考文献一定记得要选为正文格式，再转为PDF这样查重就不会算参考文献的重复率了谨记！！！
2019-11-20 19:23:49
2499
原创 智力题--集合问题
题目：假如团队共有50人，其中会C语言的有36人，会Java语言的有44人，会Go语言的有32人，同时会这3种语言的至少有多少人？ (有个每人至少会一种语言的条件有关更完善)简单作答：不会C的14人，不会Java的6人，不会Go的18人。那么会3种的至少50-14-6-18=12。详细解答：先画一个集合的图如下： 假设只会一种语言的人数为X（即白色部分），会两种语言的人数为Y...
2019-09-25 16:14:02
1422
原创 对于零钱兑换这种由一个数组凑一个数的问题的小总结
LeetCode322. 零钱兑换给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额，返回-1。示例1:输入: coins = [1, 2, 5], amount = 11输出: 3解释: 11 = 5 + 5 + 1示例 2:输入: coins = [2], amou...
2019-09-11 12:11:37
273
原创 精度/召回率权衡 ROC曲线
看《机器学习实战：基于Scikit-Learn 和TensorFlow》 第三章，而且2号晚做虎牙的笔试题，也考了不少关于这方面的，所以打算总结一下。1. 首先我自己觉得比较好记的理解：一个目标它本身就由真假（T、F）来归类，而靠分类器就是用正负（P 、N）来判别。若本身是真，判断为真，就是真正类；若本身为假，判断为负，就是真负类。那另外俩，同行的正负相同，也只能是假了。 实际...
2019-09-06 18:22:59
1286
原创 《机器学习实战：基于scikit-learn和Tensorflow》第一部分 总结
第1章：机器学习概览1. 在一个机器学习项目中， 你从训练集中采集数据， 然后将数据交给学习算法来计算。 如果算法是基于模型的，它会调整一些参数来将模型适配于训练集（即对训练集本身做出很好的预测），然后算法就可以对新的场景做出合理的预测。如果算法是基于实例的，它会记住这些样例，并根据相似度来对新的实例进行泛化。2.通常使用80％的数据进行训练，保留另外的20％来做测试。3.现在让我...
2019-09-02 10:30:55
584
原创 快排和归并 异同点
参考：https://max.book118.com/html/2017/0812/127431063.shtm https://www.nowcoder.com/questionTerminal/6a296eb82cf844ca8539b57c23e6e9bf?f=discussion共同点：都是分治法的应用。 1. 分解（divide）...
2019-08-28 15:01:44
2245
原创 《深度学习入门：基于python的理论实现》笔记
1. 第四章中：为何要设定损失函数？以数字识别任务为例，既然我们的目标是获得使识别精度尽可能高的神经网络，那不是应该把识别精度作为指标吗？ 在进行神经网络的学习时，不能将识别精度作为指标。因为如果以识别精度为指标，则参数的导数在绝大多数地方都会变为0。识别精度对微小的参数变化基本上没有什么反应，即便有反应，它的值也是不连续地、突然地变化。（后一句话就可以作为前一句话的理解吧）2....
2019-08-28 14:49:03
156
原创 关于链表的一些观察
这是自己在做 合并两个排序的链表 时候的一些纠结，主要还是自己没有怎么理解吧。有误麻烦请批评指正。1. 可以在一已有的链表的随意位置（开头、中间和结尾）添加结点，但是若要添加另一个链表的话，得在结尾处添加；2. 链表就像羊群需要领头羊领路一样，链表的头结点很重要，所以常常会设置一个变量来记住头结点，这样子就可以输出一整个链表；3. p1=p1.next，就是将p1所指的位置引导到接下来...
2019-08-23 17:52:07
108
原创 KNN和K-means的区别 为什么KNN算法里的K越小模型会越复杂？ 过拟合和欠拟合的偏差和方差问题
这里将这三个问题在一起讲，仅仅是因为自己觉得有些联系，而且正好自己概念有些模糊。1. KNN 和 K-means的区别：参考https://www.cnblogs.com/nucdy/p/6349172.html1.1KNN介绍：KNN的算法过程是是这样的：从上图中我们可以看到，图中的数据集是良好的数据，即都打好了label，一类是蓝色的正方形，一类是红色的三角形，那个绿色的...
2019-08-22 10:51:06
10025
1
原创 opencv-python 绘制opencv的logo
学习Python+OpenCV教程8：绘图功能这一节最后有一道练习题，本人代码如下：# -*- coding: utf-8 -*-"""Created on Wed Aug 21 16:47:06 2019@author: fyh"""import cv2import numpy as nph,w = 400,420img = np.zeros((h,w,3), np....
2019-08-21 17:26:42
444
原创 python 两点连线 matplotlib
1. 若想要将两点之间连接起来：import matplotlib.pyplot as pltp1 = [x1, y1] #点p1的坐标值p2 = [x2, y2] #点p2的坐标值plt.plot([x1,x2],[y1,y2]) #简单理解就是：先写x的取值范围，再写y的取值范围2. 想要确定坐标轴上下限的话：plt.xlim(x_min,x_max) #x_min,x_...
2019-08-17 17:50:39
24052
2
原创 《生成式深度学习》Generative Deep Learning 第三章 Variational Autoencoders 变分自动编码器
1. 自编码器(Autoencoders，AE)：由两部分组成，编码器和解码器。 编码器：将高维的输入数据压缩为更低维的表征向量(representation vector)； 解码器：将给定的表征向量解压为原始维度。 自编码器可以用来清除嘈杂的图片，since the encoder learns that it is not useful to captur...
2019-08-02 11:46:15
807
1
原创 keras的预训练权重文件模型的下载和本地存放目录、数据下载存放地址
VGG16等keras预训练权重文件的下载：https://github.com/fchollet/deep-learning-models/releases/本地存放目录：Linux下是放在“~/.keras/models/”中Win下则放在Python的“settings/.keras/models/”中在anaconda on win中是：D...
2019-08-02 11:14:50
2059
原创 《生成式深度学习》Generative Deeping Learning 笔记 第二章 深度学习
书本资源：链接：https://pan.baidu.com/s/1bUbQEndrHHWlRB_Cp_f7NA 提取码：rfit基于keras和tensoflow框架来写的。1. 三种最常用的损失函数：MSE(均方差)，categorical cross-entropy(分类交叉熵), and binary cross-entropy(二元交叉熵)。 选择依据： ...
2019-08-01 17:51:51
1825
4
原创 贝叶斯定理，似然估计，最大似然估计
看了维基百科后的摘录：1. 贝叶斯定理： 后验概率 = (似然性*先验概率)/标准化常量 另外，比例P(B|A)/P(B)也有时被称作标准似然度（standardised likelihood），贝叶斯定理可表述为： 后验概率 = 标准似然度*先验概率 因此，我们可以反过来构造表示似然性的方法：已知有事件A发生，运用似然函数，我们估计参数B的可能性...
2019-08-01 09:16:30
1233
原创 熵，交叉熵，相对熵（KL散度）
参考：https://blog.csdn.net/zhuiyuanzhongjia/article/details/80576165 https://wk.baidu.com/view/e93db92b25c52cc58bd6be87/一、什么是信息？1. 香农对信息的解释：信息是事物运动状态或存在方式的不确定性的描述。2. 何为信息？什么能提供信息？ 我将你原...
2019-07-29 10:17:56
146
原创 自创建数字证书，安装到浏览器
参考：https://www.cnblogs.com/xdouby/p/9035198.html打开cmd，输入java -version然后得先转到keytool.exe的目录下，根据自己安装Java的位置，默认是C:\Program Files(x86)\Java\jdk1.8.0_45\bin，我的是安装在D盘：...
2019-07-26 16:00:33
280
原创 受限玻尔兹曼机
看这个链接：https://my.oschina.net/u/876354/blog/1626639受限玻尔兹曼机和玻尔兹曼机的区别就是：下面左右两张图的区别，层内会不会有连接。 ...
2019-07-05 21:43:07
178
原创 对递归的理解
（今天才发现，自己一直不怎么理解递归，是因为不知道递归是基于堆栈来的……从《算法图解》中才明白……写的听通俗易懂的，看第3章和第4章。）编写递归函数时，必须告诉它何时停止递归。正因为如此，每个递归函数都有两部分：基线条件（base case）和递归条件（recursive case）。递归条件指的是函数调用自己，而基线条件则指的是函数不再调用自己，从而避免形成无限循环。2019.8.2...
2019-06-13 16:20:45
217
原创 LeetCode 409. 最长回文串 python
题目：给定一个包含大写字母和小写字母的字符串，找到通过这些字母构造成的最长的回文串。在构造过程中，请注意区分大小写。比如"Aa"不能当做一个回文字符串。注意:假设字符串的长度不会超过 1010。示例 1:输入:"abccccdd"输出:7解释:我们可以构造的最长的回文串是"dccaccd", 它的长度是 7。我的python写法：class Solu...
2019-05-08 16:08:47
211
原创 python 实现证件照换底
本来是在找交通识别的程序，然后凑巧看见了证件照换底，于是学习了一下~一开始在网上找了一个很普遍写的程序，但是效果并不好，想要放弃了，然后看见了这个，参考：https://blog.csdn.net/weixin_38283159/article/details/79189334本人基于此做了一些改进，便于自己运行和调试，还加了中值滤波，本人觉得效果还不错~代码：import cv2...
2019-05-05 17:20:55
6525
7
原创 LeetCode 67. 二进制求和 python
题目：给定两个二进制字符串，返回他们的和（用二进制表示）。输入为非空字符串且只包含数字1和0。示例1:输入: a = "11", b = "1"输出: "100"示例2:输入: a = "1010", b = "1011"输出: "10101"我的python写法：class Solution(object): def addBinary(sel...
2019-04-20 17:58:14
185
原创 关于DQN和Policy Gradient的学习
1.DQN的学习这里有思路和流程：http://www.cnblogs.com/cjnmy36723/p/7018860.html这里有DQN的伪代码，而且有俩个版本，区别就是targetQ的更新方式：https://blog.csdn.net/u013236946/article/details/72871858这是个实际的例子：DQN玩Flappy Bird，结合实例看代码，理解起...
2019-03-13 22:20:17
1161
原创 运行target-driven navigation
1. 按照教程安装：https://blog.csdn.net/Shaun_Guo/article/details/794198992.运行时出现：Cannot uninstall 'six'. It is a distutils installed project and thus we cannot accurately determine which files belong ...
2019-01-09 21:21:50
332
4
原创 tensorflow的安装
1.依靠这里的方法一：https://blog.csdn.net/u014516389/article/details/728181552.$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp27-none-linux_x86_64.whl...
2019-01-08 19:52:14
146
2
原创 运行PLslam历程
1.stvo中的matching的第47行会提示只需一个变量但提供俩，可改为下行代码: cv::Ptr<cv::DescriptorMatcher> bfm = cv::BFMatcher::create("cv::NORM_HAMMING"); // cross-check 但随之的问题是：/home/fyh/PL_SLAM/stvo-pl-master/lib/libstvo....
2018-07-12 15:46:15
2347
15
原创 slam遇见问题
1.roscore：未找到命令 使用语句: source /opt/ros/indigo/setup.bash2.Pangolin X11: Unable to retrieve framebuffer options 解决方法：将源码目录Pangolin\src\display\device下的display_x11.cpp文件做如下修改，注释下面的两行代码即可：//注释这一行GLX_SAMPL...
2018-06-14 21:18:23
374
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