04 2022 档案
摘要：只可以使用增删改三种操作，求最少操作次数。 使用动态规划的思想 # 将一个字符串变成另外一个字符串的最少操作次数 def get(a, b): len1, len2 = len(a), len(b) dp = [[0]*(len2+1) for _ in range(len1+1)] for i i
阅读全文
摘要：文章目录 前言Stage它们的主要区别one-stageSSD网络结构图特点损失函数 YOLOv1网络结构图特点损失函数优缺点 YOLOv2改进网络结构特点损失函数优缺点 YOLOv3网络结构Darknet-53特点 YOLOv4改进检测头的改进 CIoU-loss五个基本组件损失函数 YOLOv5
阅读全文
摘要：文章目录 原因解决方案1.预训练和微调2.relu、leakyrelu、Relu等激活函数3.Batch Normalization(批规范化)4.残差结构5.梯度剪切、正则6.LSTM（长短期记忆网络） 原因 梯度消失和梯度爆炸两种情况产生的原因可以总结成2类原因：1.深层网络的结构；2.不合适的
阅读全文
摘要：文章目录 前言训练集loss不下降1.模型结构和特征工程存在问题2.权重初始化方案有问题3.正则化过度4.选择合适的激活函数，损失函数5.选择合适的优化器和学习速率6.训练时间不足7.模型训练遇到瓶颈8.batch size过大9.数据集未打乱10.数据集有问题11.未进行归一化12.特征工程中对数
阅读全文
摘要：文章目录 来源应用作用跨通道的特征整合特征通道的升维特征通道的降维减少卷积核参数（简化模型）保持feature map尺度不变，增加非线性 和全连接层的关系 来源 Network In Network一文中提到，如果1×1卷积核接在普通的卷积层后面，配合激活函数，即可实现network in net
阅读全文
摘要：文章目录 前言宏观把控BackBone为什么要拿图像分类的模型作为backbone呢？如何实现迁移+微调 HeadNeck总结补充Backbone + Neck + Detection head 模块：目标检测的正样本 Inference 前言 为什么说是截至2020，因为在2020之后出现了tra
阅读全文
摘要：文章目录 0️⃣LeNet5🏵LeNet-5的训练算法🏵卷积神经网络的优点🏵总结 1️⃣AlexNet🏵特点🏵代码🏵主要贡献🌺ReLU激活函数的引入🌺层叠池化操作🌺Dropout操作🌺网络层数的增加 2️⃣VGGNet（Visual Geometry Group）🏵要点 3️⃣
阅读全文
摘要：BN与LN的区别 主要区别在于 normalization的方向不同！ Batch 顾名思义是对一个batch进行操作。假设我们有 10行 3列 的数据，即我们的batchsize = 10，每一行数据有三个特征，假设这三个特征是【身高、体重、年龄】。那么BN是针对每一列（特征）进行缩放，例如算出【
阅读全文
摘要：文章目录 model.train()🎃model.eval()model.train()model.eval() model.eval()🎃torch.no_grad()Inference model.train()🎃model.eval() model.train()和model.eval(
阅读全文
摘要：文章目录 0️⃣前言1️⃣概念2️⃣如何计算网络中的参数量(param)🐱👤2.1卷积层：🐱👤2.2池化层:🐱👤2.3全连接层: 3️⃣如何计算网络中的计算量🐱👓3.1一次卷积的计算量，如何计算呢？🐱👓3.2全连接层的计算量 4️⃣计算参数量和计算量（pytorch库）
阅读全文
摘要：文章目录 🐱👓梯度下降🐱💻随机梯度下降🐱🚀mini-batch梯度下降🐱👤总结 🐱👓梯度下降 梯度下降又名批量梯度下降（Batch Gradient Descent），采用的方法是计算一个epoch（每个epoch都包含所有样本量）中所有样本的Loss和，对损失求平均就
阅读全文
摘要：文章目录 1.线程的基本概念2.线程的好处3.进程的概念4.进程的基本状态及状态之间的关系5.线程和进程的关系以及区别？6.引用 1.线程的基本概念 线程是进程中执行运算的最小单位，是进程中的一个实体，是被系统独立调度和分派的基本单位，线程自己不拥有系统资源，只拥有一点在运行中必不可少的资源，但它可
阅读全文
摘要：文章目录 0.前言1.传统深度学习网络的退化问题2.深层CNN为何发生退化？ and ResNet到底解决了什么问题？3.简单了解下ResNet和残差结构4.残差结构如何解决退化问题5.残差结构还有什么其他作用？6.残差结构能解决梯度爆炸吗？Inference 0.前言 这篇文章介绍resnet的重
阅读全文
摘要：1. 单选和多选都是六道，具体题目忘记了，大部分都是概率论知识 2. 贪吃蛇： n行m列地图，从某个位置出发，怎么走由WSAD组成（就是对应上下左右），遇到$就吃掉，*表示蛇，.表示空地，很简单，就是需要一个数组来定义食物有没有被吃，防止重复计算 代码： AC100% nm = list(map(i
阅读全文
摘要：文章目录 1. 2. 3. 4. 1. 给定一个数组，找出平均值，把比平均值大的删除，再求平均循环进行，直到没有比平均值大的数为止。 思路： 很简单，依次求平均，用二分查找找到平均值所在位置，删除右侧所有值，直到平均值就是最大 2. 说实话没有看懂示例，题目意思就是树如果从上到下权重递增就是递增序列
阅读全文
摘要：文章目录 🧇前言🧇HRNet理论🧇HRNet结构细节🍞Backbone设计🍞BasicBlock设计🍞Bottleneck设计🍞FuseLayer设计🍞TransitionLayer设计🍞Neck设计🍞整体代码设计 🧇实验🧇Reference 🧇前言 本文结合多位大佬文章和
阅读全文
摘要：1. 题目描述(提取核心内容) 1、小李打新新股A,分配起始号为12345，配号数为5,那么小李本次打新号码为12345、12346、12347、12348、12349 2.中签号码以多个“末N位数的形式表示，如果打新股民的配号的未N位 号码一致那么恭喜中签,否则未中签。 例如假设新股A的中签号段为
阅读全文
摘要：1. 题目描述 小红拿到了一个n * m的地图，地图上有中些陆地和海洋。小红可以在某些陆地上放置些“跳跳人”，每个跳跳人不能移动到相邻的格子，但可以越过一个格子跳到下一个格子 上(陆地、海洋都是可以越过的，只能往上下左右四个方向跳。请注意，跳跳人不能跳到海洋里，不然直接淹死。当跳跳人跳到一个陆地上，
阅读全文
摘要：1. 三道概率论的题目 正态分布问题 便利蜂产品质量服从正态分布，X~N(10， 0.1^2)，任选一件产品，其质量在9.8-10.2的概率是多少。Φ(1)=0.483，Φ(2)=0.9772，Φ(2.5)=0.9938. 最大利润问题（找的网图，意思差不多） 便利蜂货架n个商品，每个商品都有一个编
阅读全文
摘要：1. 题目描述： 就是数圈圈游戏，数0-9有多少个圈圈 0 1 1 0 2 0 3 0 4 0 5 0 6 1 7 0 8 2 9 1 输入描述： 输入一行包含一个十进制整数 对于80%的数据，n<=100000 对于20%的数据，n<=1000000000 输出描述： 输出一个十进制数，表示十进制
阅读全文
摘要：1. 题目描述： dd得到了一个数字，但不确定是几进制，只知道可能是2~16进制其中之一，所以需要你帮她想出所有可能的结果，并转化成十进制后对10^9+7进行取模，把所有的答案从小到达排序，若有相同的结果，只保留一个即可。 输入描述： 一个数，表示得到的数字 保证不会出现0-9，A-F之外的字符，输
阅读全文
摘要：例如a = [5,6,3,8] 排序结果应为[3,5,6,8]，对应下标为[2,0,1,3] 思想：建立和下表对应的元祖，排序时按对应值排序即可 方法一、 x = [5,6,3,8] b = sorted(zip(x, range(len(x)))) b.sort(key = lambda x :
阅读全文
摘要：文章目录 0️⃣冰淇淋1️⃣安装2️⃣导入库3️⃣使用🚌访问函数🚌访问字典🚌访问对象🚌精准定位🚌自定义输出前缀🚌自定义输出时间 0️⃣冰淇淋 冰淇淋的作用其实更方便的是为了调试，那么接下来我就好好讲一讲 1️⃣安装 pip install icecream 2️⃣导入库 from ice
阅读全文
摘要：给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。 示例 1: 输入: s = "abcabcbb" 输出: 3 解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。 示例 2: 输入: s = "bbbbb" 输出: 1 解释: 因为无重复字符的最长子串是 "b"
阅读全文
摘要：给你单链表的头节点 head ，请你反转链表，并返回反转后的链表。 代码： # Definition for singly-linked list. # class ListNode: # def __init__(self, val=0, next=None): # self.val = val
阅读全文
摘要：文章目录 0️⃣前言1️⃣Introduction2️⃣FCOS原理2.1 FCOS网络结构及输出设计2.2 Head输出特征图解码详解2.3 FPN的多级预测机制2.4 Centerness分支设计2.5 Loss函数设计 3️⃣优劣势分析4️⃣算法实现细节引用 0️⃣前言 Paper link：
阅读全文
摘要：文章目录 0️⃣概念1️⃣分类2️⃣特点⚔好而不同⚔五大特点⚔思考 3️⃣五大方法🐱🐉训练样本扰动：🥘Boosting（例如：AdaBoost， GBDT）🥘Bagging（例如：Random Forest）🥘Bagging，Boosting二者之间的区别🥘Stacking🥘 决策树
阅读全文
摘要：文章目录 0️⃣前言1️⃣Sigmoid2️⃣tanh3️⃣Relu4️⃣Leaky Relu5️⃣Softmax6️⃣总结 0️⃣前言 用了这么久的激活函数，抽空总结一下吧，不然总是忘记，这里介绍常用到的sigmoid，tanh，relu，leaky relu，softmax tips:部分图片来
阅读全文
摘要：文章目录 0️⃣引言1️⃣决策树🎟基本流程🎟特征选择🚌信息增益🚎缺点 🚌信息增益率🚎缺点 🚌基尼指数 🎟剪枝处理 2️⃣随机森林🎟bagging集成🎟介绍 0️⃣引言 在之前介绍过决策树和随机森林调参，但都是直接调用skelearn，这次想重点介绍一下原理。 1️⃣决策树 🎟基
阅读全文
摘要：数字以0123456789101112131415…的格式序列化到一个字符序列中。在这个序列中，第5位（从下标0开始计数）是5，第13位是1，第19位是4，等等。 请写一个函数，求任意第n位对应的数字。 示例 1： 输入：n = 3 输出：3 示例 2： 输入：n = 11 输出：0 限制： 0 <
阅读全文
摘要：如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。 例如， [2,3,4] 的中位数是 3 [2,3] 的中位数是 (2 + 3) / 2 = 2.5 设计一个支持
阅读全文
摘要：输入整数数组 arr ，找出其中最小的 k 个数。例如，输入4、5、1、6、2、7、3、8这8个数字，则最小的4个数字是1、2、3、4。 示例 1： 输入：arr = [3,2,1], k = 2 输出：[1,2] 或者 [2,1] 示例 2： 输入：arr = [0,1,2,1], k = 1 输
阅读全文
摘要：数组中有一个数字出现的次数超过数组长度的一半，请找出这个数字。 你可以假设数组是非空的，并且给定的数组总是存在多数元素。 示例 1: 输入: [1, 2, 3, 2, 2, 2, 5, 4, 2] 输出: 2 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/pr
阅读全文
摘要：文章目录 1️⃣前言2️⃣召回率3️⃣精确率4️⃣总结 1️⃣前言 混淆矩阵的更多信息可以查看我另外一篇文章 2️⃣召回率 可以看到召回率的分母是TP+FN，表示正样本的个数，是没有办法改变的，是客观的；那么只有TP发生变化的时候，召回率才会发生变化；因此，当置信度阈值调低之后，会导致很多阈值低的样
阅读全文
摘要：输入一个字符串，打印出该字符串中字符的所有排列。 你可以以任意顺序返回这个字符串数组，但里面不能有重复元素。 示例: 输入：s = "abc" 输出：["abc","acb","bac","bca","cab","cba"] 限制： 1 <= s 的长度 <= 8 来源：力扣（LeetCode） 链
阅读全文
摘要：请实现两个函数，分别用来序列化和反序列化二叉树。 你需要设计一个算法来实现二叉树的序列化与反序列化。这里不限定你的序列 / 反序列化算法执行逻辑，你只需要保证一个二叉树可以被序列化为一个字符串并且将这个字符串反序列化为原始的树结构。 提示：输入输出格式与 LeetCode 目前使用的方式一致，详情请
阅读全文
