hoho

摘要： /*算法过程： 从大小为１的子数组A[1]开始，根据A[2]比A[1]小或大，将A[2]插入到A[1]的前面或后面。 在第i次执行中，要将A[i]插入到已排序的子数组A[1...i-1]中的合适位置上，其进行过程： 依次扫描序号从i-1到1的元素，每次都将A[i]和当前位置的元素比较。在扫描的每一步 阅读全文

摘要： /*A[1...n]为一个有n个元素的数组，首先找到最小元素，将其存放在A[1]中， 然后找到剩下的n-1个元素中的最小元素，将其存放在A[2]中，重复此过程直至找到第二大元素*/ /*算法描述： 输入: n个元素的数组A[1...n] 输出：按非降序排列的数组A[1...n] for i <- 1 阅读全文

摘要： /* 来自《算法分析与设计》　代码来自网络https://blog.csdn.net/m0_38068229/article/details/81262282*/ /* 输入：数组A[1...m]和它的三个索引p,q,r,1<=p<=q<r<=m,两个子数组A[p...q]和A[q+1...r]各自 阅读全文

摘要： /*算法描述：来自《算法分析与设计》　代码来自网络QAQ*/ /* * 输入：n个元素的升序数组A[1,...,n]和元素x * 输出：如果x = A[j], 1<=j<=n,则输出j, 否则输出0 * low <- 1; high <- n; j <- 0 * while (low<=high) 阅读全文

摘要： 代码来自《机器学习实战》https://github.com/wzy6642/Machine-Learning-in-Action-Python3 K-近邻算法(KNN) 介绍 简单地说，k-近邻算法采用测量不同特征值之间的距离方法进行分类。 优点：精度高、对异常值不敏感，无数据输入假定。 缺点：计 阅读全文

摘要： TextCNN--文本情感分析 将文本当做一维图像，从而可以用一维卷积神经网络来捕捉邻近词之间的关联。 一维卷积层的工作原理 与⼆维卷积层⼀样，⼀维卷积层使⽤⼀维的互相关运算。在⼀维互相关运算中，卷积窗⼝从输⼊数组的最左⽅开始，按从左往右的顺序，依次在输⼊数组上滑动。当卷积窗⼝滑动到某⼀位置时，窗⼝ 阅读全文

摘要： ⽂本分类是⾃然语⾔处理的⼀个常⻅任务，它把⼀段不定⻓的⽂本序列变换为⽂本的类别。它的⼀个⼦问题：使⽤⽂本情感分类来分析⽂本作者的情绪。这个问题也叫情感分析，并有着⼴泛的应⽤。例如，我们可以分析⽤户对产品的评论并统计⽤户的满意度，或者分析⽤户对市场⾏情的情绪并⽤以预测接下来的⾏情。 这里将应⽤预训练的 阅读全文

摘要： 1、便签：Indicator Stickynotes sudo add-apt-repository ppa:umang/indicator-stickynotes sudo apt-get update sudo apt-get install indicator-stickynotes 2、安装 阅读全文

摘要： Tensor import torch x = torch.ones(2, 2, requires_grad=True) # 将其属性.requires_grad设置为True，它将开始追踪(track)在其上的所有操作。完成计算后，可以调用.backward()来完成所有梯度计算 print(x) 阅读全文

摘要： 数据操作 1 import torch 2 3 torch.manual_seed(0) 4 torch.cuda.manual_seed(0) 5 print(torch.__version__) # 1.3.1 创建tensor 1 # 创建一个5x3的未初始化的tensor 2 x = tor 阅读全文