上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 23 下一页
摘要: 1. 为什么会出现图卷积神经网络? 普通卷积神经网络研究的对象是具备Euclidean domains的数据,Euclidean domains data数据最显著的特征是他们具有规则的空间结构,如图片是规则的正方形,语音是规则的一维序列等,这些特征都可以用一维或二维的矩阵来表示,卷积神经网络处理起 阅读全文
posted @ 2020-09-15 17:09 USTC丶ZCC 阅读(5058) 评论(0) 推荐(0) 编辑
摘要: 1.关于dropout的训练测试阶段理解 dropout可以让模型训练时,随机让网络的某些节点不工作(输出置零),也不更新权重(但会保存下来,下次训练得要用,只是本次训练不参与bp传播),其他过程不变。我们通常设定一个dropout radio=p,即每个输出节点以概率p置0(不工作,权重不更新), 阅读全文
posted @ 2020-09-01 19:04 USTC丶ZCC 阅读(445) 评论(0) 推荐(0) 编辑
摘要: 创建tensor: 1.numpy向量转tensor: a=np.array([2,2,2]) b=torch.from_numpy(a) 2.列表转tensor: a=torch.tensor([2,2]) b=torch.FloatTensor([2,2.])#不常用 c=torch.tenso 阅读全文
posted @ 2020-08-20 17:30 USTC丶ZCC 阅读(1837) 评论(0) 推荐(0) 编辑
摘要: 第一题 1,5,10,50,100五种纸币,每种对应一个数量,求找零所需最小纸币数,如无方案输出-1。 思路:贪心算法,从100币值依次往下找即可 第二题 给一个数列和按某种排序方式每一步生成的数列,要求实现该排序算法并输出每一步内容。 很明显是快排,通过率100%。 import java.uti 阅读全文
posted @ 2020-08-02 14:24 USTC丶ZCC 阅读(423) 评论(0) 推荐(0) 编辑
摘要: 一.什么是HDFSHDFS(Hadoop Distributed File System )Hadoop 分布式文件系统。 是基于流数据模式访问和处理超大文件的需求而开发的。HDFS思想就是分而治之再综合的过程,但是对于我们使用者来说是透明的,就像我们使用Windows的文件系统一样,只需要知道你要 阅读全文
posted @ 2020-07-14 11:01 USTC丶ZCC 阅读(702) 评论(0) 推荐(0) 编辑
摘要: 首先Spark是借鉴了mapreduce并在其基础上发展起来的,继承了其分布式计算的优点并改进了mapreduce明显的缺陷,但是二者也有不少的差异具体如下: MR是基于进程,spark是基于线程 Spark的多个task跑在同一个进程上,这个进程会伴随spark应用程序的整个生命周期,即使没有作业 阅读全文
posted @ 2020-07-14 10:39 USTC丶ZCC 阅读(741) 评论(0) 推荐(0) 编辑
摘要: 认知和学习Hadoop,我们必须得了解Hadoop的构成,下面通过Hadoop构件、大数据处理流程,Hadoop核心三个方面进行一下介绍: hadoop中有3个核心组件: 分布式文件系统:HDFS —— 实现将文件分布式存储在很多的服务器上 分布式运算编程框架:MAPREDUCE —— 实现在很多机 阅读全文
posted @ 2020-07-14 10:18 USTC丶ZCC 阅读(1066) 评论(0) 推荐(0) 编辑
摘要: 一.Map的原理和运行流程 Map的输入数据源是多种多样的,我们使用hdfs作为数据源。文件在hdfs上是以block(块,Hdfs上的存储单元)为单位进行存储的。 1.分片 我们将这一个个block划分成数据分片,即Split(分片,逻辑划分,不包含具体数据,只包含这些数据的位置信息),那么上图中 阅读全文
posted @ 2020-07-06 14:16 USTC丶ZCC 阅读(790) 评论(0) 推荐(0) 编辑
摘要: 由上述推导可以看出,在使用MSE时,w、b的梯度均与sigmoid函数对z的偏导有关系,而sigmoid函数的偏导在自变量非常大或者非常小时,偏导数的值接近于零,这将导致w、b的梯度将不会变化,也就是出现所谓的梯度消失现象。而使用cross-entropy时,w、b的梯度就不会出现上述的情况。所以M 阅读全文
posted @ 2020-07-01 14:58 USTC丶ZCC 阅读(3270) 评论(0) 推荐(0) 编辑
摘要: 你这个学期必须选修 numCourse 门课程,记为 0 到 numCourse-1 。在选修某些课程之前需要一些先修课程。 例如,想要学习课程 0 ,你需要先完成课程 1 ,我们用一个匹配来表示他们:[0,1]。给定课程总量以及它们的先决条件,请你判断是否可能完成所有课程的学习。 示例 1: 输入 阅读全文
posted @ 2020-06-30 11:21 USTC丶ZCC 阅读(163) 评论(0) 推荐(0) 编辑
上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 23 下一页