12 2019 档案

Leetcode 5298
摘要：leetcode 5298 给你一个方程，左边用 words 表示，右边用 result 表示。 你需要根据以下规则检查方程是否可解： 每个字符都会被解码成一位数字（0 - 9）。每对不同的字符必须映射到不同的数字。每个 words[i] 和 result 都会被解码成一个没有前导零的数字。左侧数字 阅读全文
posted @ 2019-12-29 18:53 blueattack 阅读(233) 评论(0) 推荐(0)
原始对偶算法
摘要：原始对偶方法 原始对偶方法利用的就是上一节课中讲到的互补松弛定理。我们首先找到对偶问题的一个可行解 y，并尝试找到一个原问题的可行解 x，使得 x 和 y 满足互补松弛定理。如果我们找到了这样的 x，那么 x 和 y 就分别是原问题和对偶问题的最优解；否则我们就需要调整 y，让它变得更好，继续尝试， 阅读全文
posted @ 2019-12-20 16:33 blueattack 阅读(3551) 评论(0) 推荐(0)
最大流和最小费用流
摘要：最大流 在图网络中，找到从源点到汇点的最大流量 基本思路：对任一一个可行流，求出其残余网络，在残余网络中，找到一条增广路径，确定该路径的流量（min(c(i,j)）f，每条边的流量减去f，建立反向边，流量为f。 因此我们可以用dfs找一条路径，对路径上流量进行修改，建立反向边，形成新的残余网络。再进 阅读全文
posted @ 2019-12-17 20:44 blueattack 阅读(1100) 评论(0) 推荐(0)
leetcode 5286 网格中的最短路径
摘要：给你一个 m * n 的网格，其中每个单元格不是 0（空）就是 1（障碍物）。每一步，您都可以在空白单元格中上、下、左、右移动。 如果您 最多 可以消除 k 个障碍物，请找出从左上角 (0, 0) 到右下角 (m-1, n-1) 的最短路径，并返回通过该路径所需的步数。如果找不到这样的路径，则返回 阅读全文
posted @ 2019-12-15 16:48 blueattack 阅读(1601) 评论(0) 推荐(0)
C++ STL
摘要：二维Vector的push_back()对象只能是一维的Vector<int>，不能是单个元素。 如果想要像数组一样操作二维vector，必须要指明空间大小 vector< vector<int> >mp(3); for(int i=0;i<3;i++) mp[i].resize(4); for(i 阅读全文
posted @ 2019-12-09 14:34 blueattack 阅读(126) 评论(0) 推荐(0)
Transformer解读
摘要：本文结合原理和源代码分析Google提出的Transformer机制 首先看一些Transformer的整体结构： inputs:[batch_size,maxlen] #maxlen表示source文本的最大长度 经过一次Embedding,首先根据隐藏节点的数目将inputs的维度变成[batc 阅读全文
posted @ 2019-12-08 15:33 blueattack 阅读(1080) 评论(0) 推荐(0)
global_steps
摘要：stackoverflow上的回答： global_step指的是图表中看到的批次数。每次提供一批时，权重都会朝着使损失最小化的方向进行更新。global_step只是跟踪到目前为止看到的批次数量。在minimize()参数列表中传递变量时，变量将增加一。看一看optimizer.minimize( 阅读全文
posted @ 2019-12-08 10:59 blueattack 阅读(527) 评论(0) 推荐(0)
tensorflow中的一些语法问题
摘要：一、tf.range()生成数字序列 range()函数用于创建数字序列变量，有以下两种形式： range(limit, delta=1, dtype=None, name='range') range(start, limit, delta=1, dtype=None, name='range') 阅读全文
posted @ 2019-12-07 19:23 blueattack 阅读(413) 评论(0) 推荐(0)
生成器与yield关键字
摘要：1.可迭代对象 为了说明可迭代对象，首先我们要知道，迭代的概念。我们先来看一个实例： ls = [1,2,3,4,5] for i in ls: print(i) 上面的实例非常简单，我们创建了一个列表ls，并且用for语句遍历这个列表的每一个元素。这里列表ls被遍历的这个行为，就称之为迭代。 明白 阅读全文
posted @ 2019-12-07 19:17 blueattack 阅读(400) 评论(0) 推荐(0)
CNN神经网络一维卷积和二维卷积
摘要：一维卷积只在一个维度上进行卷积操作，而二维卷积会在二个维度上同时进行卷积操作。 转载自：https://www.cnblogs.com/LXP-Never/p/10763804.html 一维卷积：tf.layers.conv1d() 一维卷积常用于序列数据，如自然语言处理领域。 tf.layers 阅读全文
posted @ 2019-12-07 15:24 blueattack 阅读(7634) 评论(1) 推荐(0)
前缀和与差分
摘要：前缀和 & 差分 前缀和¶ 前缀和是一种重要的预处理，能大大降低查询的时间复杂度。我们可以简单理解为“数列的前 n 项的和”。 二维/多维前缀和¶ 其实前缀和几乎都是基于容斥原理，所以各种拓展自己手推一下就行了。这里用二维前缀和为例讲解一下前缀和扩展到多维的方式。 比如我们有这样一个矩阵 a ，可以 阅读全文
posted @ 2019-12-06 20:06 blueattack 阅读(369) 评论(0) 推荐(0)
Dive into ML
摘要：pandas和scikit-learn需要学习 阅读全文
posted @ 2019-12-05 21:40 blueattack 阅读(169) 评论(0) 推荐(0)
tensorflow中模型的保存
摘要：sess.run(fetches, feed_dict=None, options=None, run_metadata=None) tf.Session.run() 执行 fetches 中的操作，计算 fetches 中的张量值。 这个函数执行一步 TensorFlow 运算，通过运行必要的图块 阅读全文
posted @ 2019-12-04 21:52 blueattack 阅读(248) 评论(0) 推荐(0)
scope 命名方法
摘要：tf.name_scope() 在 Tensorflow 当中有两种途径生成变量 variable, 一种是 tf.get_variable(), 另一种是 tf.Variable(). 如果在 tf.name_scope() 的框架下使用这两种方式, 结果会如下. import tensorflo 阅读全文
posted @ 2019-12-04 21:04 blueattack 阅读(514) 评论(0) 推荐(0)
Tensorflow中的Seq2Seq全家桶
摘要：原文链接：https://zhuanlan.zhihu.com/p/47929039 Seq2Seq 模型顾名思义，输入一个序列，用一个 RNN （Encoder）编码成一个向量 u，再用另一个 RNN （Decoder）解码成一个序列输出，且输出序列的长度是可变的。用途很广，机器翻译，自动摘要，对 阅读全文
posted @ 2019-12-03 09:44 blueattack 阅读(1855) 评论(0) 推荐(0)