原创 揹包問題(0/1揹包,完全揹包,多重揹包)

你的揹包讓我走得好緩慢,借了終於陪着我腐爛 1. 0/1揹包 有一個腐爛的揹包,容量爲v,現有n件物品,每件物品有兩個屬性,體積w,和價格p,我們要選擇物品往揹包裏放,使得在物品總容積不超過v的情況下價值最大。 思路: 1)我們只在乎某件

原创 Attentive neural cell instance segmentation論文筆記

1.conv4,5,6直接放到Dcc attention中,而把3,4,5 融合後代替conv3輸入. 2.conv1*1用於把channel全改爲256,然後upsampling爲64*64,->concatenate->降維

原创 豆瓣python庫鏡像

豆瓣鏡像 pip install -i https://pypi.douban.com/simple/ libName pip install -i https://pypi.douban.com/simple/ tensorflow=

原创 tensor的與維度有關的計算

1.  tf.slice() https://www.jianshu.com/p/71e6ef6c121b 2.tf.stack()/tf.unstack() https://www.jianshu.com/p/25706575f8d4

原创 字符串處理-提取變量名

問題描述:輸入C語言變量定義語句,符合C語言語法要求,變量間可以有多個空格,包含數組,指針定義。 輸入: int x12, y=1,     num_stu=89, a[30], *p; 輸出:a,num_stu,p,x12,y   思路

原创 最大公因子--字符串--1071. 字符串的最大公因子

一.知識點 1)一組數的所有公因子都是其最大公因子的約數。 2)最大公因子的求法:輾轉相除法。 二.題目 對於字符串 S 和 T,只有在 S = T + ... + T(T 與自身連接 1 次或多次)時,我們才認定 “T 能除盡 S”。

原创 組合數計算出現浮點誤差的問題python

#首先組合數公式C(n,m)可以簡單化簡,例如C(8,5)=C(8,3)=(8*7*6)/(3*2*1),m或n-m爲幾,分式上下就有幾 #個數。 def cni(n,i):#原函數 minNI = min (i,n-i)#C

原创 keras 的InstanceNormalization的使用

1.instanceNormalization在keras_contrib中,而keras_contrib不能以常規pip方式導入,而是 pip install git+https://www.github.com/keras-team

原创 括號生成

  給出 n 代表生成括號的對數,請你寫出一個函數,使其能夠生成所有可能的並且有效的括號組合。 例如,給出 n = 3,生成結果爲: [ "((()))", "(()())", "(())()", "()(())",

原创 mysql 導出

1.將數據庫mydb導出到e:\mysql\mydb.sql文件中: 打開開始->運行->輸入cmd 進入命令行模式 c:\>mysqldump -h localhost -u root -p 數據庫名 >e:\mysql\mydb.s

原创 MFC輸出調試信息到控制檯

把調試信息輸出到控制檯。 (1)在命令行的項添加:editbin /SUBSYSTEM:CONSOLE $(OUTDIR)$(ProjectName).exe 2. .cpp文件中添加 #include<iostream> using

原创 Django HTML:if-else、for

在django的HTML中結合python的少量語法 1.python語句都寫在{% 。。。%}裏   2.if {% if  book.price == 9 %}        光哥優秀 {% elif  book.price > 9

原创 png jpg gif的區別

1.png支持複雜透明(即圖片的底色和背景一致,而不是說背景是大海,放一張圖片上去圖片是白底的。),支持的顏色多,但佔存大。 2.jpg(jpeg)不支持透明,支持顏色多,照片一般用jpg。 3.gif只支持簡單透明(圖形曲線多的不行),

原创 Left Ventricle Segmentation and Quantification from Cardiac Cine MR Images via Multi-task Learning筆記

1.分割和量化同時進行,下圖的量化過程即迴歸過程,取分割的最後一個block第一層用於量化,該層同時具有最淺和最深層的信息。

原创 PatchGan

patchGan的不同之處在於其判別器,不再是將D的輸入直接映射到一個數,而是映射到一個矩陣,矩陣中的每一個數爲其對應的一個patch的預測,然後取平均的到一個數來表示整張圖的預測。 詳細解釋: https://blog.csdn.net