2020年7月1日
[Python]图的遍历-DFS
摘要： __author__ = 'Aaron Yang' __email__ = 'byang971@usc.edu' __date__ = '6/30/2020 3:44 PM' result = list() def dfs(graph, visited, init_node): if init_no 阅读全文
posted @ 2020-07-01 07:00 Sight-Tech 阅读(237) 评论(0) 推荐(0) 编辑
[Python]图的遍历-BFS
摘要： __author__ = 'Aaron Yang' __email__ = 'byang971@usc.edu' __date__ = '6/30/2020 11:50 AM' def bfs(graph, init_node): visited = [init_node] # List to ke 阅读全文
posted @ 2020-07-01 03:18 Sight-Tech 阅读(187) 评论(0) 推荐(0) 编辑
[Python]图的遍历-拓扑排序
摘要： 在有向无环图DAG中， 使用拓扑排序，将获得一个包含所有顶点的一个列表组合， 因此可以用来遍历DAG。 步骤 从 DAG 图中选择一个 没有前驱（即入度为0）的顶点并输出。 从图中删除该顶点和所有以它为起点的有向边。 重复 1 和 2 直到当前的 DAG 图为空或当前图中不存在无前驱的顶点为止。后一 阅读全文
posted @ 2020-07-01 02:21 Sight-Tech 阅读(427) 评论(0) 推荐(0) 编辑
2020年6月28日
[Python]哈夫曼编码
摘要： 生成树 from heapq import heapify, heappush, heappop from itertools import count """ https://www.cnblogs.com/xuchunlin/p/7247346.html """ def huffman(node 阅读全文
posted @ 2020-06-28 08:31 Sight-Tech 阅读(214) 评论(0) 推荐(0) 编辑
2020年6月27日
[Python]贪心算法-Prim-和-Kruskal实现-最小生成树
摘要： 目标 在连通网的所有生成树中，找到所有边的代价和最小的生成树，简称最小生成树问题. (简要的来说，就是在AOV网中找出串联n个顶点代价总和最小的边集) 下面记录最小生成树的两种算法，Prim和Kruskal Prim算法思路 从任意一个顶点开始，每次选择与当前顶点最近的一个顶点，并将两点之间的边加入 阅读全文
posted @ 2020-06-27 12:33 Sight-Tech 阅读(1843) 评论(1) 推荐(1) 编辑
2020年6月26日
[Python]贪心算法-Dijkstra-实现
摘要： 目标 带权重的有向图上单源最短路径问题。且权重都为非负值。如果采用的实现方法合适，Dijkstra运行时间要低于Bellman-Ford算法。 思路 选择一个节点开始蔓延 计算自身到连接它的一级节点之间的距离， 全部作为候选集 在候选集中，找到距离最短的，对应的那个节点 删除这个节点在候选集中的信息 阅读全文
posted @ 2020-06-26 08:51 Sight-Tech 阅读(210) 评论(0) 推荐(1) 编辑
2020年6月24日
[python3]稳定匹配算法实现和优化
摘要： 问题的描述 在这里就不赘述了，你能搜到这篇文章，那肯定知道只算法的背景是啥 解决思路 男生向还未拒绝其的女生中选出优先级最高的，并向其求婚 女生如果没有已经被优先级更高的男生求婚，则答应（女生以后可以反悔）。 如果反之，则拒绝 对此步骤进行loop，直到没有求婚发生 这篇文章，讲一个自己实现的GS算 阅读全文
posted @ 2020-06-24 14:23 Sight-Tech 阅读(341) 评论(0) 推荐(0) 编辑
2020年6月23日
从csv文件构建Tensorflow的数据集
摘要： 从csv文件构建Tensorflow的数据集 当我们有一系列CSV文件，如何构建Tensorflow的数据集呢? 基本步骤 获得一组CSV文件的路径 将这组文件名，转成文件名对应的dataset ⇒ file_dataset 根据file_dataset中的每个文件名，读取文件内容 生成一个内容的d 阅读全文
posted @ 2020-06-23 02:13 Sight-Tech 阅读(400) 评论(0) 推荐(0) 编辑
2020年6月19日
Tensorflow 基础API
摘要： Tensorflow 基础API 自定义损失函数 def customize_mse(y_true, y_pred): return tf.reduce_mean(tf.square(y_pred - y_true)) model.compile(loss=customize_mse, optimi 阅读全文
posted @ 2020-06-19 13:46 Sight-Tech 阅读(151) 评论(0) 推荐(0) 编辑
2020年6月18日
超参数搜索
摘要： 什么是超参数 在神经网络的村联过程中不变的参数 有哪些是超参数 网络结构参数：几层， 每层宽度，每层的激活函数等 训练参数: batch_size， 学习率， 学习率衰减算法等 为什么要超参数搜索 搜索策略 网格搜索 定义N维方格， 每个方格对应一组超参数，一组一组的尝试，直到找到最好的组合方式。 阅读全文
posted @ 2020-06-18 07:01 Sight-Tech 阅读(231) 评论(0) 推荐(0) 编辑
下一页