原创 【雜談】想好好記下我的2020秋招

今天是8月的最後一天,秋招進行時,我和身邊的小夥伴們都還在秋招的戰場上徘徊。常跟媽媽打電話說,大概是考研的時候弦繃得太緊繃斷了,現在好像找不到那種可以把自己感動的熱情了! 我想想找到合適的工作之後,就把這些經歷都記錄下來。又怕跟考研那個時

原创 【Git】錯誤記錄

git用的不多,我大概就是把github當成了一個移動雲端。呃,每次用git總是會犯一些錯誤,僅做記錄 在本地文件更新git push一直失敗 主要是兩個原因:  1.版本不一致   解決辦法:git pull github maste

原创 理解Python中的Super

Python中可以直接通過調用父類名調用父類方法,在多重繼承中,使用super()是一個很好的習慣。 super的本質返回的是MRO的下一個類 def super(cls, inst): mro = inst.__class__

原创 前序、中序、後序、層次遍歷(遞歸/非遞歸)

僅做記錄   class TreeNode: def __init__(self,x): self.val = x self.left = None self.right = No

原创 【機器學習】降維方法學習筆記

降維的目的:便於計算和可視化;有利於提取有效信息、擯棄無用信息 降維的主要方法:線性映射和非線性映射   線性映射方法裏比較常見的就是: 主成分分析 PCA(Principal Component Analysis) 線性判別分析 LDA

原创 【Django學習】錯誤記錄

  TemplateDoesNotExist 開發第一個Templates的時候,TemplateDoesNotExist報錯,找不到index.html文件 看了幾篇博客都沒能解決。   我的項目目錄是這樣子的 看錯誤原因: dja

原创 【學習與理解】:YOLO v1、v2、v3(未完待續……)

目錄 引言 優點 缺點 V1、V2、V3的共同點 YOLO算法的基本思想是 YOLO v1 相關鏈接 1、核心思想 2、實現方法 3、網絡設計 4、網絡訓練 5、網絡預測 6、損失函數 YOLO v2 相關鏈接 1、網絡設計-32層 2、

原创 【機器學習】:機器學習算法圖譜

原博文:機器學習算法一覽圖     另附一篇:機器學習算法地圖(高清圖)   後續再一一完善 

原创 經典的卷積網絡架構(二)——GoogLeNet [inception v1] 詳解

GoogLeNet出自論文Going Deeper With Convolutions 如有錯誤,歡迎指正! (未完待續)   目錄 論文分析 補充知識點:1*1卷積的作用 網絡結構分析 代碼實現 基於tensorflow 參考博文 附錄

原创 CTPN學習

  目錄 算法的主要流程 網絡結構分析 附錄鏈接     算法的主要流程   網絡模型主要包括三個部分:卷積層、雙向LSTM、全連接層 VGG16爲base net提取特徵,將conv5得到feature map輸出 用3*3滑窗掃描

原创 劍指offer(python)-記錄題解思路(41-66)

      第四十一題 (知識遷移能力)和爲S的連續正數序列 題目描述 小明很喜歡數學,有一天他在做數學作業時,要求計算出9~16的和,他馬上就寫出了正確答案是100。但是他並不滿足於此,他在想究竟有多少種連續的正數序列的和爲100(至少

原创 劍指offer(python)-記錄題解思路(16-30)

    目錄 第十六題 (代碼的魯棒性) 合併兩個排序的鏈表 方法一 方法二 (N)第十七題 (代碼的魯棒性) 樹的子結構 第十八題 (面試思路) 樹的子結構 (N)第十九題 (畫圖讓抽象形象化) 順時針打印矩陣 第二十題 (舉例讓抽象具

原创 Go Lang練習二:斐波納契數列

斐波納契閉包 package main import "fmt" // fibonacci is a function that returns // a function that returns an int. func fib

原创 判別式模型與生成式模型

目錄 問題引出 基本概念 舉個例子 優缺點 模型實例 參考文獻   問題引出 來源:牛客網 以下幾種模型方法屬於判別式模型(Discriminative Model)的有() 1)混合高斯模型 2)條件隨機場模型 3)區分度訓練 4)隱馬

原创 幾道錯題的相關知識點整理

題目來源:牛客網   目錄 1.以下哪個是常見的時間序列算法模型 解析 參考文獻 2.下列不是SVM核函數的是:  解析 參考文獻 3.統計模式分類問題中,當先驗概率未知時,可以使用() 4.以下()不屬於線性分類器最佳準則? 解析 參考