- 博客(179)
- 资源 (8)
- 收藏
- 关注
RSS订阅原创 Python 命名常用规则
Python 常用命名规则写了好久 Python 总是感觉命名的时候差了点什么，今天特意总结一下。Python 命名一般来说有一下不成文的规则 ：模块名一般使用全部小写 如 myphone类名第一个字母大写，如果有多个单词，每一个单词的第一个字母大写如 : MyPhone函数名 ： 小写， 如果有多个单词用下划线隔开 如 my_phone常量名字一般全大写 ： MYPHONE另...
2019-03-19 23:34:42
10532
2
原创 Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised
Mean Teacher 这篇文章一上来就说“模型成功的关键在于 target 的质量”。而提高 target 的质量的方法目前有两：1.精心选择样本噪声；2. 找到一个更好的 Teacher model。而论文采用了第二种方法。怎样提高 Teacher Model 的质量呢 ？就是通过对 Teacher model 做 EMA （指数平均） ， 每一次迭代都会对 teacher net...
2019-03-06 16:36:35
3949
原创 【医学图像分割】Semi-Supervised Brain Lesion Segmentation with an Adapted Mean Teacher Model
这是一篇 2019 IPMI 使用半监督学习进行医学图像分割的文章，文章的主要思想就是使用 Mean Teacher Network 和 Student network 进行学习，然后提高性能，主要的贡献在于提出了一个一致性损失去利用未标记的数据。摘要 ：说明医学图像分割领域的现状，数据量不足以训练大的网络，训练过程中容易出现过拟合，标记数据费事费力费钱，所以作者想到了用半监督学习的方法去利用...
2019-03-06 14:22:42
2122
2
原创 [语义分割] Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Image Segmentation
第一次读 Neural Architecture Search （NAS ）的论文读起来磕磕绊绊，有些东西不知道什么含义，大概总结一下。Abstract大规模图像分类问题上神经架构搜索（Neural Architecture Search,NAS）确定的神经网络框架的表现超越了人类设计的网络。本论文将研究用于图像密集预测任务语义分割的 NAS。一般而言，对于一般的 NAS 结构都是对 cell...
2019-03-03 22:59:27
1388
原创 Look into Person: Self-supervised Structure-sensitive Learning and A New Benchmark for Human Parsing
0.Abstract ：说明本篇文章的主要工作 ： 一是提出了一个用于人体解析的大数据集 Look into Person (LIP)， 这个数据集相比之前的数据集更大，覆盖情景更多，更复杂，作者还在这个数据集上详细分析了之前的各种人体解析方法的优劣 。二是提出了一种 self-supervised structure-sensitive approaches 去结合 high-level 的人...
2019-03-02 11:43:39
654
原创 深度学习之感受野的计算和举例
感受野 （receptive field） ：从CNN可视化的角度来讲，就是输出feature map某个节点的响应对应的输入图像的区域大小就是感受野。感受野的计算 ：首先捶墙推荐一个直接写好的感受野计算的网站 ：https://fomoro.com/tools/receptive-fields/#只用把你自己的网络层以及参数输入进去就可以得到感受野的大小了，非常方便准确。下面说一说...
2018-09-21 19:59:39
1617
原创 PyTorch 模型的保存和加载
1. Pytorch 加载完整模型的参数保存加载整个模型 # 保存整个模型torch.save (model_object, 'model.pk1')# 加载整个模型 model = torch.load('model.pkl')保存模型的参数 (推荐使用)# 模型参数保存torch.save (model_object.state_dict(), 'params....
2018-08-18 19:03:39
4707
1
原创 深度学习中的数据增强
关于计算机视觉领域数据增强的一些常用的方法为什么需要数据增强 ：一般而言，比较成功的神经网络需要大量的参数，许许多多的神经网路的参数都是数以百万计，而使得这些参数可以正确工作则需要大量的数据进行训练，而实际情况中数据并没有我们想象中的那么多数据增强的作用 ：增加训练的数据量，提高模型的泛化能力增加噪声数据，提升模型的鲁棒性如何获得大量的数据 ：一种方法是获得新的数...
2018-08-18 17:06:42
60068
28
原创 Python 之 os
Python 之 os :最近在看的一些代码中许多都用到了 Python 中的 os 模块，于是决定整理一下这个模块的一些常见的用法 ：os.getcwd() 返回当前目录的路径os.listdir () 返回当前目录下的所有文件的名称 以列表的形式返回 os.path 系列 ： os.path.abspath(path) : 返回绝对路径 os.path.split...
2018-08-08 21:20:28
249
原创 2018 美赛 F
问题 F:隐私成本 电子传播和社交媒体的普及和依赖已经变得普遍。其中一个结果是,有 些人似乎愿意分享关于他们的个人交互,关系,购买,信仰,健康和运动的 私人信息(PI),而另一些人则将这些隐私保护在这些方面非常重要和有价 值。不同领域的隐私选择也有显着差异。例如,一些人迅速放弃购买信息的 保护,以便迅速降价,但同时不太可能共享有关其疾病状况或健康风险的信 息。 同样,如果某些人群或子群体认为个...
2018-02-09 10:59:17
6073
2
原创 2018 美赛 E
2018 年 ICM 问题 E:气候变化如何影响地区不稳定? 气候变化的影响,包括不断增加的干旱、冰川的缩小、动植物的变化以及海平面的 上升,这些都已经得到了实现,并随着地区的变化而变化。政府间气候变化专门委员会 (Intergovernmental Panel on Climate Change)表示,气候变化的净损害成本可能是显 著的。这些影响将会改变人类的生活方式,可能会导致社会和政府结...
2018-02-09 10:58:47
4072
原创 2018 美赛 D
2018 ICM Problem D: 从汽油和驾驶 E(是用电的,而不是不用燃料) 由于环境和经济的原因,全球对减少化石燃料的使用这一问题感兴趣,包括汽车汽油。无论是环境因素还 是经济因素,消费者都开始转而使用电动汽车。几个国家正在看到电动汽车潜在使用量快速增长早期迹 象。在美国和其他国家,释放更实惠的全电动特斯拉 Model 3 导致了预订单的记录数和长时间的等待列表 (http:/ / ...
2018-02-09 10:57:41
13840
原创 2018 美赛 C
2018 MCM Problem C: 能源生产 背景:能源生产和使用是任何经济的重要组成部分。在美国,能源政策的许多方面都分散 到国家一级单位。此外,不同地理区域和不同国家的工业影响能源使用和生产。1970 年, 在西部的 12 个州在美国形成西部州际能源中心(WIEC),其任务主要集中在促进这些国家 之间的合作对核能源技术的开发和管理。州际契约是两个或多个国家之间订立的合同安 排,这些国家...
2018-02-09 10:56:41
6509
原创 2018 美赛 B
问题 B:有多少种语言 背景:目前地球上大约有 6900 种语言。世界的一半人口声称有下列十种语言之一(以大多数 人的语言)为母语: 普通话(标准中文),西班牙语,英语,北印度语,阿拉伯语,孟加拉语,葡萄牙语,俄语, 旁遮普语和日语。然而,世界上大部分人口也会说第二种语言。当考虑一种特定语言的总人 数(以英语为母语的人加第二或第三名等等语言使用者),语言和他们的顺序从提供的本地语 言列表。随着时...
2018-02-09 10:55:53
9547
3
原创 2018美赛 A 题
2018 年 MCM 问题 A:多跳 HF 无线电传播 背景:在高频(HF,定义为 3 - 30 mHz),无线电波可以通过离开电离层和离开地球的多次 反射而行进很长距离(从地球表面上的一个点到地球表面上的另一个远点) 。对于低于最 大可用频率(MUF)的频率,来自地面源的 HF 无线电波将电离层反射回地球,在那里它们可 能再次反射回到电离层,在那里它们可能再次反射回地球,等等,随着每个连续的...
2018-02-09 10:54:56
12000
原创 NumPy 的安装和入门教程
Numpy 简介 ：Numpy 是 python 中的一个处理矩阵运算的模块，它提供了大量矩阵处理的函数，它是由C语言编写而成，使得矩阵的运算更加方便，处理矩阵执行 速度也更快。Numpy 安装 ：以 python3 为例 只需要在终端输入一行代码就可以了,它就会自动安装最新版本的 numpy，python2 的话把pip3 换成 pip 就好了pip3 instal
2018-01-28 15:56:13
1872
1
原创 Mnist 数据集的下载 以及 tensorflow 实现手写数字识别
Mnist 数据集Mnist 内置 50000 组训练数据 10000 组测试数据 对于深度学习的学习、训练起到了很好的作用 Moist 数据集下载地址 ： http://yann.lecun.com/exdb/mnist/手写数字识别手写数字识别有多种实现的方式 比如 softmax 回归 (逻辑回归的推广、可以看成逻辑回归应用于多类分类的问题) 卷积神经网络也可以实现,
2018-01-26 11:48:54
7025
原创 Python 学习总结
Python 学习总结 :这几天学习了一下 Python3，学的时间不长，只能说是谈一下自己对 python 的理解打算为下一步写一些 AI 方面的代码打一下基础，也算总结一下这几天的学习成果python 是用 c 语言写出来的所以说 python 与 c 语言肯定有许许多多的相似之处，但是作为 c 语言的1进阶版本也会有许许多多的不同之处。比如说 c 与 c＋＋ 中的代码块都是用大括号括起
2018-01-26 11:03:30
955
原创 C++ 泛型程序设计 模板
泛型程序设计之模版 ：C++提高代码可重用性一般体现在两个地方，一个是继承，一个是泛型程序设计中的模版。泛型程序设计就是指一种算法在实现时不指定特定的数据类型的程序设计方法。所谓泛型，就是指算法只需要实现一遍，并且能够适应多种数据类型，可以减少重复代码的编写。也可以说泛型程序设计就是编写大量的模版，模版就是编写一遍算法适用于不同的数据类型，模版可以分为函数模版和类模版两种。函数模版
2018-01-09 22:38:53
1136
原创 函数指针与指针函数
指针函数与函数指针函数指针与指针函数是在 C、C++ 中经常使用，并且非常容易混淆的概念之一，首先我们要理解这两个东西到底是什么东西 。指针函数顾名思义它的重点落在函数上，是一种函数叫做指针函数，他叫指针函数的原因是因为它的返回值类型是指针而函数指针呢 ？ 它的重点落在指针上。它是一种特殊的指针，一种指向函数的指针 （因为函数名就是一个指针，是一种指向函数起始位置的指针）变量名和内存地址存在一
2018-01-09 20:53:59
376
原创 C++ 异常处理
C++ 异常处理 :什么事异常处理 ？ 异常就是在程序运行的过程中出现的一些异常情况，比如除法的除数为0，输入年龄为负数，动态分配内存，空间不够导致无法分配，下标越界，要打开的文件打不开、文件不存在等等都属于异常情况。如果不能及时的处理会导致程序的崩溃，所谓的“处理”就是给出错误的提示信息，然后让程序沿着一条不会出错的路径继续执行下去，也可能是结束这个程序，并且在程序结束之前给出一些必要的措
2018-01-09 17:10:25
1599
原创 C++面向对象之多态
前几天看见知乎的一个问题 ： 怎样把 C++ 的代码写的像C++而不是 C ＋ class ＋ STL ？其实我感觉他应该是没有理解面向对象的真正含义，不会写继承和多态，只知道封装，这样写出来的代码当然就是 C+STL+class 一门语言之所以可以称之为面向对象的语言就是因为他支持继承和多态，而不是封装。多态的简介 ：面向对象程序设计语言有三种机制，分别是封装、继承和多态，这三种机制有效地提高了程
2017-12-27 16:52:12
374
原创 Codeforces Round#450 div2 D - Unusual Sequences
吐槽自己 ： 从上次青岛区域赛回来自己的做题时间约等于零，发现自己变得超级菜啊，最近要找找手感要不ec 要凉了啊题意 ：很容易理解 不说了题解 ： 首先如果 y 不能整除 x 肯定无解，这就是唯一的一种无解的情况，下面说有解的情况，就是y 整除 x ，在y 整除 x的情况下，有多少解呢 ？思想就是对 y ／ x的质因数进行容斥，用全部的减去不符合条件的，利用状态压缩思想进行二进制枚举就好了。具体细节
2017-12-12 21:36:38
239
原创 图论之稳定婚姻问题
问题描述 ：现在有 n 男 n 女，每个人对异性的好感有一个排序，问你怎样使得每个男女都可以找到心仪的对象 （即不会出现 u、v （一男一女） 他们相互喜欢程度大于对自己现在伴侣的喜欢程度）解决方法 ：使用求婚拒绝算法解决这类问题 ： 对于每一个没有订婚的男士按照喜欢程度依次向他未求过婚女士求婚，女士在向她求婚的所有人中选择一个最喜欢的订婚，并且拒绝其他人 （注意 ： 女士可以抛弃自己现在的未婚夫）
2017-12-10 22:58:43
930
原创 机器学习之BP神经网络 以及 tensorflow 实现
BP （Back Propagation）神经网络简介 ：先介绍一下神经元，在生物神经网络中，每个神经元与其它神经元相连，当一个神经元“兴奋”时，就会通过穿出神经向其它神经元发送化学物质，其它神经元会通过穿人神经接受信息然后再传递至神经中枢处理信息。现在机器学习中的神经网络就是基于生物学中的神经元模型的。一个一个的神经元与其它神经元相互连接构成所谓的神经网络。BP 神经网络分为两个过程
2017-12-01 16:54:35
25678
4
原创 机器学习之学习向量量化(LVQ)
学习向量量化简介 ：学习向量量化是一种聚类算法，我自己感觉这应该是一种监督学习算法吧，这种算法属于原型聚类，找到初始原型来刻画聚类结构，与一般聚类算法不同的是，(LVQ)这种算法数据样本带有监督信息标记算法思想 ：通过数据集不断学习不断移动原型向量的位置，把高维空间划分成 n 个簇，每个原型向量代表一个聚类簇。算法流程 ：初始化一组原型向量，初始化的方法一般为，从第q个簇里面随机找一个标记为tq的样
2017-12-01 11:20:25
9540
原创 机器学习之K均值算法 以及 c++ 实现
K 均值算法简介 ：k均值算法是一种比较简单的聚类算法，它针对数据经行划分，得到最小平方误差，将数据聚集成一个一个的类别。这个式子在一定程度上表达了一个类之间的紧密程度。K均值算法的算法流程 ：从样本集中随机选择k个样本作为初始化均值向量计算每一个样本到所有均值向量的的距离，根据距离的大小将所有的点归类通过求平均值的方法调整均值向量的位置重复2、3步骤知道目标函数收
2017-12-01 10:16:14
660
原创 机器学习聚类算法简介
算法的目的 ：聚类算法是“无监督学习”中最常用的一个算法，通过对无标记训练样本的学习将数据集划分成若干个不相交的子集，来解释数据的内在性质以及规律，为进一步数据分析提供基础。也可以作为一个单独的过程，寻找数据内在的分布结构注意 ： 类所对应的概念语义需要由使用者自己把握和命名。对于一个算法的评估我们需要对这种算法进行量化，比如手对于一般的基础算法，我们有时间复杂度、空间复杂度进行度量，对于监督学习我
2017-12-01 00:36:30
1149
原创 机器学习之Bagging 与 随机森林算法
在集成学习里面，有两种流派，一个是 boosting 流派，它的特点是对于各个学习器之间有着相互依赖的关系 （比如说在某一次算法结束后，分类错误的样本会增大比例，以引起下一次的训练时候的关注度），另一种是bagging 流派，它的特点是各个学习器之间没有任何的依赖关系，可以并行拟合。Bagging 原理从图中，我们可以看出， bagging 学习算法 没有 adaboost 算法那样的联系，它的关键
2017-11-30 22:37:12
2639
原创 C++ 学习笔记之派生
派生简介 ：面向对象的三大思想包括 ： 封装、继承、多态。派生是C++ 面向对象中继承的表现。继承的优点 ： 在面相对象程序设计的过程中，我们为了实现代码的重用，为了使得两个相似的类之间不写大量的重复代码，我们就可以把两个类的共同特点抽象成一个类，或者让一个类直接接着上一个类去写。这样不仅仅提高了代码的重用率，也增强了代码的逻辑性，在修改的时候也增加了对全局的可控性，减少了代码修改量，还为程序员提供
2017-11-30 17:33:05
558
原创 C++ 类中访问权限控制
C++ 的类中有三种不同的权限的说明符 private,public,protected 三种权限说明符为C++的封装性提供了支持，下面介绍一下三种权限说明符的允许访问的范围，即哪些函数可以访问。1.private :类（基类）自身的成员函数类（基类）友元的成员函数2.public :基类自身的成员函数基类友元的成员函数基类所产生派生类的成员函数基类所产生的派生类的友元函数其他的全局
2017-11-30 16:38:07
2212
原创 C++ 中一个冒号和两个冒号的区别
这几天一直被傻逼冒号问题困扰，就很烦然后就下决定弄明白一个冒号和两个冒号的区别两个冒号 ::为什么先说两个冒号呢 ？ 因为它的作用少 ，一般就是一个作用 域作用限制符 比如 class , namespace 中限制在某一个模块中一般会使用这个东西一般是这么用 class(类名) :: （要访问你函数名） namespace (模块名) :: (要访问
2017-11-30 16:21:01
9241
1
原创 决策树算法 及其 python 实现
决策树算法 ：基本介绍 ：决策树算法是一类算法的集合，决策树顾名思义是在一棵树上进行决策的方法，称之为决策树算法，决策树首先是一棵树，树的每一个节点表示对一个特征的判断，每一个叶子节点表示一种判断的结果，下面的例子生动地解释了决策树算法的基本思想 ： 每一层对每一个不同的特征进行判断，最后到叶子节点得到判断的答案。决策树算法的基本流程与一般的树的算法一样，是一种递归的过
2017-11-29 21:43:49
801
原创 K邻近算法 (KNN) 原理及 python 实现代码
K邻近算法思想 ：在对于一个分类的问题而言，我们一般希望在已知样本点中找到一个和要预测的点完全相同的点，然后进行预测，但是由于我们的样本空间有限，所以不可能找到所有的要出现的点的全部集合。但是有一种直观的感受（据说是存在数学原理的）就是说一类相似事物，他们的特征非常接近，这说明什么呢 ？ 说明 如果我们找不到与预测样本完全相同的特征点，但是我们可以找到离这个样本点最近的k个点，然后根据这k个点
2017-11-29 17:31:35
581
原创 机器学习之Adaboost算法
Adaboost 算法 ；先介绍一下 boost 算法 ， boost 就是一种增强学习算法，通过弱学习器 （正确率略高于随机回答的学习器，这也是必须要满足的条件否则分这个算法无效）的一种结合得到一种强学习器的集成学习方法，有许多的boost 算法 Adaboost 就是其中的一种算法。Adaboost 算法思想 ：这种算法的基本思想就是，用一些弱分类器通过集成学习的方法组合出一个强分类器，对于每次
2017-11-29 17:00:40
465
原创 贝叶斯分类器以及Python实现
贝叶斯分类器贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。介绍一下先验概率：是指根据以往经验和分析得到的概率，就是我们可以通过我们已经得到的训练集得到的概率 后验概率：就是我们要求得、要预测的概率，并且通过这种概率去估计样本的可能类别。介绍一下贝叶斯公式 ：可以看作是一种条件概率公式
2017-11-28 20:49:01
23613
3
原创 支持向量机 (SVM) 以及 sklearn 实现
支持向量机支持向量机是一种非常强大的分类算法，它可以实现分两类，也可以实现分成多类，支持向量机与核函数的配合成功解决了逻辑回归表现出的不足之处，是数据挖掘的十大算法之一。对于分成两类的支持向量机在线性回归或者逻辑回归中，我们都是希望找到一个超级平面把两类不同的样本点分隔开，但是分割的线的位置我们无法确定，因为有可能存在好多这样的平面符合题意。我们最希望找到的还是“最中间”的那一个
2017-11-27 23:06:46
573
1
原创 Codeforces Round #447 (Div. 2) D. Ralph And His Tour in Binary Country
#include <iostream>#include <algorithm>#include <cstring>#include <cstdio>#include <set>#include <vector>#define ll long longusing namespace std;const int maxn = 1e6 + 10;ll len[maxn] = {0};ve
2017-11-20 23:40:39
203
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人