小Aer

摘要： model.eval() 使用model.eval()切换到测试模式，不会更新模型的k（权重），b（偏置）参数通知dropout层和batchnorm层在train和val中间进行切换： 在train模式，dropout层会按照设定的参数p设置保留激活单元的概率（保留概率=p，比如keep_prob 阅读全文

摘要： 给你两个字符串 a 和 b，请返回 这两个字符串中 最长的特殊序列 。如果不存在，则返回 -1 。 「最长特殊序列」 定义如下：该序列为 某字符串独有的最长子序列（即不能是其他字符串的子序列） 。 字符串 s 的子序列是在从 s 中删除任意数量的字符后可以获得的字符串。 例如，“abc” 是 “ae 阅读全文

摘要： 原理 从17年被RetinaNet提出，Focal Loss 一直备受好评。由于其着重关注分类较差的样本的思想，Focal loss以简单的形式，一定程度解决了样本的难例挖掘，样本不均衡的问题。 代码 import torch import torch.nn as nn import torch.n 阅读全文

摘要： 请实现一个函数，把字符串 s 中的每个空格替换成"%20"。 思路： 循环判断 class Solution: def replaceSpace(self, s: str) -> str: s1 = '' for i in s: if i == ' ': s1 += '%20' else: s1 + 阅读全文

摘要： 单个变量的转化 ndarray = np.array(list) # list 转 numpy数组 list = ndarray.tolist() # numpy 转 list tensor=torch.tensor(list) # list 转 torch.Tensor list = tensor 阅读全文

摘要： 给定一个非负整数 num，反复将各个位上的数字相加，直到结果为一位数。返回这个结果。 将每一位进行相加，判断是否是一个数字，不是就继续做相加，这样会有两个循环，耗费时间，是比较简单的思路，需要继续优化。 class Solution: def addDigits(self, num: int) -> 阅读全文

摘要： 文章目录 1.简介2.导入所需要的包3.加载图片5.计算损失5.1内容损失5.2风格损失 6.导入模型7.梯度下降 1.简介 本教程主要讲解如何实现由 Leon A. Gatys，Alexander S. Ecker和Matthias Bethge提出的Neural-Style 算法。Neural- 阅读全文

摘要： 一、unsqueeze()函数 1.首先初始化一个a 可以看出a的维度为（2，3） 2.在第二维增加一个维度，使其维度变为（2，1，3） 可以看出a的维度已经变为（2，1，3）了，同样如果需要在倒数第二个维度上增加一个维度，那么使用b.unsqueeze(-2) 二、squeeze()函数介绍 1. 阅读全文

摘要： 给你两个按 非递减顺序 排列的整数数组 nums1 和 nums2，另有两个整数 m 和 n ，分别表示 nums1 和 nums2 中的元素数目。 请你 合并 nums2 到 nums1 中，使合并后的数组同样按 非递减顺序 排列。 注意：最终，合并后数组不应由函数返回，而是存储在数组 nums1 阅读全文

摘要： 文章目录 1.加载数据2.什么是空间变换器网络？3.训练模型4.可视化 STN 结果 1.加载数据 完整代码文末给出。 在这篇文章中，我们尝试了经典的 MNIST 数据集。使用标准卷积网络增强空间变换器网络。 from six.moves import urllib opener = urllib. 阅读全文