摘要: ![image](https://img2024.cnblogs.com/blog/3370286/202506/3370286-20250627105433529-712950990.jpg) ![image](https://img2024.cnblogs.com/blog/3370286/202506/3370286-20250627105529432-641170000.jpg) ![im 阅读全文
posted @ 2025-06-27 10:58 rdcamelot 阅读(2) 评论(0) 推荐(0)
摘要: https://blog.csdn.net/ayaishere_/article/details/123332393 工作界面 左侧是一些子文件,一般.tex后缀的是主文件,主要的编码操作都在这个文件中进行 .bib后缀一般用于存储用到的参考文献信息 中间区域的Reconpile可以进行实时编译,并 阅读全文
posted @ 2025-06-27 00:26 rdcamelot 阅读(12) 评论(0) 推荐(0)
摘要: 2025 北京市赛 I 给定三个正整数 a, b, k,求LCM(a + x, b + y)的最小值(LCM是指两个数的最小公倍数),其中 x 和 y 都是不大于k的非负整数 首先从比较简单的情况入手,如果 a <= b 且 a + k >= b,那么显然可以得到此时的答案是b,因为这样b至少不需要 阅读全文
posted @ 2025-06-26 20:21 rdcamelot 阅读(2) 评论(0) 推荐(0)
摘要: 参考书籍:https://mirrors.ustc.edu.cn/CTAN/info/lshort/chinese/lshort-zh-cn.pdf 命令和环境 LaTex中命令以反斜线 \ 开头 Latex命令是对大小写敏感的 字母形式的Latex命令忽略以后其后的所有连续空格,如果要认为引入空格 阅读全文
posted @ 2025-06-18 00:33 rdcamelot 阅读(39) 评论(0) 推荐(0)
摘要: 该部分是跟着李沐老师的《动手学习深度学习》完成的,也将学习过程中的一些内容放在了仓库里,欢迎查看 https://github.com/rdcamelot/d2l-- 其中的第一、二章,以及最后的计算机视觉等部分并没有记录在此 该博客只是略作整理 一些函数 初始化 用正态分布进行初始化 X = to 阅读全文
posted @ 2025-05-15 09:21 rdcamelot 阅读(13) 评论(0) 推荐(0)
摘要: 按下【Win+R】组合键呼出运行,输入:services.msc 点击确定打开服务; 在服务界面中双击打开【Windows Modules Installer】,将【启动类型】修改为【自动】,点击【应用】-【启动】-【确定】即可。 但是我在执行上面步骤的过程中发现我的【Windows Modules 阅读全文
posted @ 2025-04-27 11:10 rdcamelot 阅读(294) 评论(0) 推荐(0)
摘要: 概念 元组(tuple)是一种不可变序列类型,与列表类似,但是一旦创建就不能修改 元组使用圆括号 ( ) 来定义,元素之间用 , 分隔 特点: 有序集合 不可修改 可以包含任何其他类型元素 可以嵌套包含其他符合数据类型 使用 在李沐老师的动手学习深度学习 从零实现循环神经网络一节中,元组主要用于隐藏 阅读全文
posted @ 2025-04-26 22:08 rdcamelot 阅读(4) 评论(0) 推荐(0)
摘要: 对抗学习 学习潜在因素的好处是,如果真实的生成过程中 x 是结果,y 是原因,那么建模 p(x | y) 对于 p(y) 的变化是鲁棒的。如果因果 关系被逆转,这是不对的,因为根据贝叶斯规则,p(x | y) 将会对 p(y) 的变化十分敏感。 也就是生成过程的方向性(即y→x 还是x→y)会直接影 阅读全文
posted @ 2025-04-16 18:08 rdcamelot 阅读(22) 评论(0) 推荐(0)
摘要: 能量函数 无向模型中许多有趣的理论结果都依赖于\(\forall x, \tilde{p}(x) > 0\)这个假设。使这个条件满足的一种简单方式是使用基于能量的模型,其中 \[\tilde{p}(\mathbf{x}) = \exp(-E(\mathbf{x})), \]\(E(\mathbf{x 阅读全文
posted @ 2025-04-16 18:06 rdcamelot 阅读(27) 评论(0) 推荐(0)
摘要: 循环神经网络(RNN)是一类用于处理序列数据的神经网络。 传统的全连接前馈网络会给每个输入特征分配一个单独的参数,所以需要分别学习句子每个位置的所有语言规则。相比之下,循环神经网络在几个时间步内共享相同的权重,不需要分别学习句子每个位置的所有语言规则。 这种想法有点类似于在一维时间序列上使用卷积,这 阅读全文
posted @ 2025-04-14 09:57 rdcamelot 阅读(36) 评论(0) 推荐(0)