原创 leetcode —— 959. 由斜槓劃分區域

在由 1 x 1 方格組成的 N x N 網格 grid 中,每個 1 x 1 方塊由 /、\ 或空格構成。這些字符會將方塊劃分爲一些共邊的區域。 (請注意,反斜槓字符是轉義的,因此 \ 用 “\” 表示。)。 返回區域的數目。

原创 Python詞彙比較運算符

函數 含義 s.startswith(t) 測試s是否以t開頭 s.endswith(t) 測試s是否以t結尾 t in s 測試s是否包含t s.islower() 測試s中所有字符是否都是小寫字母

原创 Python —— any()函數和all()函數

all()函數和any()函數可以應用到一個鏈表或者其它序列,以檢查是否全部或任一項目滿足一些條件。 sent = ['No', 'good', 'fish', 'goes', 'anywhere', 'without', 'a'

原创 Pytorch —— 模型保存與加載

1、序列化與反序列化 模型的保存與加載就是序列化與反序列化,序列化與反序列化主要將內存與硬盤之間的數據轉換關係,模型在內存中以對象的形式存儲,在內存中對象不能長久地保存,所以需要將訓練好的模型保存到硬盤中。 在硬盤中數據是以0-1

原创 leetcode —— 40. 組合總和 II

給定一個數組 candidates 和一個目標數 target ,找出 candidates 中所有可以使數字和爲 target 的組合。 candidates 中的每個數字在每個組合中只能使用一次。 說明: 所有數字(包括目標

原创 leetcode —— 面試題 17.多次搜索

給定一個較長字符串big和一個包含較短字符串的數組smalls,設計一個方法,根據smalls中的每一個較短字符串,對big進行搜索。輸出smalls中的字符串在big裏出現的所有位置positions,其中positions[i

原创 leetcode —— 38. 外觀數列

「外觀數列」是一個整數序列,從數字 1 開始,序列中的每一項都是對前一項的描述。前五項如下: 1->1 2->11 3->21 4->1211 5->111221 2中的11表示前一個序列1是由1個1表示的;3中的21表示2中

原创 leetcode —— 41. 缺失的第一個正數

給你一個未排序的整數數組,請你找出其中沒有出現的最小的正整數。 示例 1: 輸入: [1,2,0] 輸出: 3 解題思路: 判斷數組中是否存在1,如果沒有1則直接返回1,結束; 如果數組長度爲1,同時數組中存在1,則直接返回

原创 知識圖譜的概念、應用與構建

目錄1、什麼是知識圖譜?2、什麼是信息提取?3、自然語言理解3.1 信息抽取的主要任務 1、什麼是知識圖譜? 互聯網時代,搜索引擎是人們在線獲取信息和知識的重要工具。當用戶輸入一個查詢詞,搜索引擎就會返回它認爲與這個關鍵詞最相關的

原创 leetcode —— 39. 組合總和

給定一個無重複元素的數組 candidates 和一個目標數 target ,找出 candidates 中所有可以使數字和爲 target 的組合。candidates 中的數字可以無限制重複被選取。 說明: 所有數字(包括

原创 leetcode —— 1217. 玩籌碼

數軸上放置了一些籌碼,每個籌碼的位置存在數組 chips 當中。 你可以對 任何籌碼 執行下面兩種操作之一(不限操作次數,0 次也可以): 將第 i 個籌碼向左或者右移動 2 個單位,代價爲 0。 將第 i 個籌碼向左或者右移動

原创 leetcode —— 45. 跳躍遊戲 II

給定一個非負整數數組,你最初位於數組的第一個位置。 數組中的每個元素代表你在該位置可以跳躍的最大長度。 你的目標是使用最少的跳躍次數到達數組的最後一個位置。 示例: 輸入: [2,3,1,1,4] 輸出: 2 解釋: 跳到最後一

原创 pytorch —— Batch Normalization

1、Batch Normalization概念 Batch Normalization:批標準化 批: 一批數據,通常爲mini-batch 標準化: 0均值,1方差 優點: 可以用更大學習率,加速模型收斂; 可以不用精心設計權

原创 Pytorch —— GPU的使用

1、CPU與GPU CPU(Central Processing Unit,中央處理器):主要包括控制器和運算器; GPU(Graphics Processing Unit,圖形處理器):處理統一的,無依賴的大規模數據運算; 上

原创 Pytorch —— BN、LN、IN、GN

1、爲什麼要Normalization? 深度學習中存在Internal Covariate Shift(ICS):數據尺度/分佈異常,導致訓練困難; 在權值初始化部分介紹了深度神經網絡訓練過程中的數據尺度變化問題: H11=∑