摘要： 如果一张28*28*1的图像作为输入，那么传统的神经网络输入的是向量，而卷积神经网络输入的是三维矩阵 卷积层 卷积层作用是特征提取，池化层的作用是压缩特征，注意卷积层的卷积策略是不对图像的最外层的像素进行处理 颜色通道的处理策略 3个颜色通道，每个颜色通道分别做计算，再把每个通道卷积结果相加 卷积的 阅读全文

摘要： int findBottomLeftValue(TreeNode* root) { queue<TreeNode*>qu; if(root!=nullptr) qu.push(root); int size=0; int result=0; while(!qu.empty()){ TreeNode* 阅读全文

摘要： 翻转二叉树： 首先要想整体思路： 翻转一个二叉树就是先将左子树和右子树翻转，然后对作用左子树翻转函数(对左子树中的所有左右结点翻转)，对右子树进行翻转函数 那么递归部分如下： swap(node->left ,node->right); reverse(node->left); reverse(no 阅读全文

摘要： 首先将非终止条件，非递归函数部分叫做单层递归。 思考过程如下： 首先想总的思路：就是找到左子树的左叶子节点将它的值加到sum上，然后找到右子树的左叶子结点将它的值加到sum上，最后将它们的值相加就是左叶子结点之和，由此我们可以写出递归部分 1 leftsum(node->left, sum); 2 阅读全文

摘要： 过拟合产生原因： 从训练集和测试集的角度来讲就是：模型几乎完全符合符合训练集(只是记住了训练数据，而没有真正学习到数据的特征)，甚至将噪声也作为拟合模型的数据，这就导致了在训练集上效果很好，在测试集上效果很差，也就是加入一个新数据的时候这个新数据就不符合这个模型了(这也是所谓的泛化能力很差） 从模型 阅读全文

摘要： 基础概念 数据集划分 首先人为给定一组包括λ在内的，也就给定了一组模型，然后我们再确定参数的初值并带入训练集去优化每个模型的参数，然后将这些模型分别用验证集验证，看看哪个超参数对应的模型最好就将其带入测试集评价我现在能拿到最好模型的性能。 交叉验证 比如说做一个男女分类问题，一个模型对于男生的分类正 阅读全文

摘要： 之前：初始化全局变量和静态变量 初始化全局对象(构造函数) 将argc和argv传参 之后： 全局对象的析构 阅读全文

摘要： 所以，如果左子树为空，右子树不为空，说明最小深度是 1 + 右子树的深度。 反之，右子树为空，左子树不为空，最小深度是 1 + 左子树的深度。 最后如果左右子树都不为空，返回左右子树深度最小值 + 1 。 1 int minshendu(Node* node) { 2 if (node == nul 阅读全文

摘要： 此为有返回值的递归问题 先确定终止条件(如果一个树为空树，它的高度就是0，我们直接返回0，根本不用递归） 写出通式(1+max(左子树的最大深度,右子树的最大深度)规模更小的子问题)，将通式写在return里面 1 int maxshendu(Node* node) { 2 if (node == 阅读全文

摘要： 1 bool compare(Node* left, Node* right) { 2 if (left == NULL && right != NULL) return false; 3 else if (left != NULL && right == NULL) return false; 4 阅读全文