摘要：
之前用的csdn太鸡肋了，转投博客园了 之后这个博客里面什么都会写（包括但不限制于算法和题解 既然都是大学生了，之前搞OI的博客就不搬啦(哦已经搬了，那没事了 先说我是大菜鸡大蒟蒻大混子，快来踩爆我吧 阅读全文
摘要：
# 深度 Q 网络（deep Q network，DQN）原理&实现 ## 1 Q-Learning 算法 ### 1.1 算法过程 Q-learning是一种用于解决强化学习问题的无模型算法。强化学习是一种让智能体学习如何在环境中采取行动以最大化某种累积奖励的机器学习方法。 在Q-learning 阅读全文
摘要：
# 有监督/无监督计数 基于深度学习的方法主要可以分为两类：密度估计方法和检测+回归方法。 1. 密度估计方法：这是最常见的方法，其主要思路是学习一个将输入图像映射到人群密度图的函数。密度图上每个像素的值代表了该位置的人群密度。通过对整个密度图求和，可以得到整个图像中的人数。为了得到密度图，需要对人 阅读全文
摘要：
## 1 pytorch实现神经网络 ### 1.1 定义网络 从基类 `nn.Module` 继承过来，必须重载 `def __init__()` 和 `def forward()` ```python class Net(nn.Module): def __init__(self): #网络结构 阅读全文
摘要：
为了应付明天的OOP期末考试 记录自己复习了些啥 纠了比较多的细节 顺序完全乱序 ## 1 lambda 表达式 ### 1.1 介绍 ```cpp auto var = [capture-clause] (aotu param) -> bool { ... } ``` 在C++的lambda表达式 阅读全文
摘要：
# 推导&实现：感知器准则&MSE算法&Fisher准则 ## 1 感知器准则 ### 1.1 推导 第二个类别的样本特征向量 $\times -1$ ，再给所有样本增加一维表示 label ，第一类 label 等于 $1$， 第二类 label 等于 $-1$ 感知器算法采用最直观的** 阅读全文
摘要：
# 推导：PCA主成分分析&LDA线性判别分析 希望自己学过了就留个痕。 PCA和LDA都是在通过降维进行特征提取，PCA倾向于数据重构（就如名字一样 主成分分析），LDA倾向于数据分类（更好的将不同类别分开）。 考虑它具体在做什么事情，其实在每个样本进行中心化处理后（减去均值），一个样本就 阅读全文
摘要：
## 步骤一 ```cpp // Todo 1 // Allocate host memory for pointers [*h_x, *h_y, *h_z] using cudaMallocHost CHECK(cudaMallocHost(&h_x,N*sizeof(DTYPE))); CHEC 阅读全文
摘要：
## 1 步骤一 ### 1.1 两个kernel函数+CPU上统计答案，实验代码 ```cpp /* * Todo: * reduction kernel in which the threads are mapped to data with stride 2 */ __global__ voi 阅读全文
摘要：
工程仓库 https://github.com/xoslh/CNN-MNIST-CPP- github部分公式无法渲染，用typora打开可有效提高观感 # 1 卷积神经网络-CNN 的基本原理 卷积神经网络(Convolutional Neural Networks, CNNs)是一种深度学习 阅读全文
摘要：
## 1 CPU版本 ### 1.1 代码 ```cpp void matrix_multiply_block(const float *M, const float *N, float *P, int M_rows, int M_cols, int N_rows, int N_cols) { in 阅读全文