pbc的成长之路

摘要： 题意 有$n$个人坐成一圈，每人有$a[i]$个糖果。每人只能给左右两人传递糖果。每人每次传递一个糖果代价为$1$。求使所有人获得均等糖果的最小代价。 数据范围 \(1 \leq n \leq 1000000\) \(0 \leq a[i] \leq 2 \times 10^9\) 思路 不妨设第$ 阅读全文

摘要： 题意 输入输出 思路 用优先队列维护等待进程，同时用两个变量分别维护当前时间和当前进程。 每当一个新进程到来时，看看再其到来之前，又有哪些进程执行完毕。 然后再与当前优先级最高的进程比较优先级，进行简单的分类讨论。 最后不要忘记，所有进程都进来之后，再将他们从优先队列中弹出，直到优先队列为空为止。 阅读全文

摘要： 产生背景 随着网络深度的增加，会出现网络退化的现象。 网络退化现象形象化解释是在训练集上的loss不增反降。 这说明，浅层网络的训练效果要好于深层网络 一个想法就是，如果将浅层网络的特征传到深层网络，那么深层网络的训练效果不会比浅层网络差 举个例子，就是假设总共有50层，20层的训练结果就比50层的 阅读全文

摘要： 构建路径集和标签集 取出所有路径 import glob all_imgs_path = glob.glob(r"E:\datasets2\29-42\29-42\dataset2\dataset2\*.jpg") 获得所有标签 species = ['cloudy', 'rain', 'shine 阅读全文

摘要： 保存训练过程中使得测试集上准确率最高的参数 import copy best_model_wts = copy.deepcopy(model.state_dict()) best_acc = 0 train_loss = [] train_acc = [] test_loss = [] test_a 阅读全文

摘要： resnet预训练模型 resnet模型与之前笔记中的vgg模型不同，需要我们直接覆盖掉最后的全连接层 先看一下resnet模型的结构： 我们需要先将所有的参数都设置成requires_grad = False 然后再重新定义fc层，并覆盖掉原来的。 重新定义的fc层的requires_grad默认 阅读全文

摘要： 数据增强 常用数据增强方法： transforms.RandomCrop # 随机位置裁剪 transforms.CenterCrop # 中心位置裁剪 transforms.RandomHorizontalFlip(p = 1) # 随机水平翻转 transforms.RandomVertical 阅读全文

摘要： 题意 给定$n$个整数，找出一个连续的非空子序列，使得子序列中元素的异或和最大。 如果存在多个这样的序列，那么选择序列末端整数对应的编号更小的那个序列。 如果仍然存在多个可选的序列，那么选择长度最短的那个序列。 数据范围 \(1 \leq n \leq 10^5\) 序列中每个整数的取值范围是$[0 阅读全文

摘要： 什么是预训练网络 预训练模型就是之前用较大的数据集训练出来的模型，这个模型通过微调，在另外类似的数据集上训练。 一般预训练模型规模比较大，训练起来占用大量的内存资源。 微调预训练网络 我们采用vgg16作为预训练模型，来实现上一篇中四种天气的识别。 我们可以先来看一下vgg16的网络架构： 首先是一 阅读全文

摘要： 相关包导入 import torch import numpy as np import pandas as pd import matplotlib.pyplot as plt import torch.nn as nn import torch.nn.functional as F import 阅读全文