随想录 训练营 祖先 随想
代码随想录算法训练营Day1 | 704.二分查找、27.移除元素
LeetCode704.二分查找 二分查找是一种基础的算法,其核心思想在高中数学中就已经被大家所熟知了,然而对于代码的实现,其细节问题常常令人头疼,比如while循环的条件是什么?middle是该+1还是-1?这些问题需要有一个清晰的认知。 题目链接如下:704.二分查找 Carl的讲解链接:二分查 ......
代码随想录Java代码实现
第一章 数组 704.二分查找 关键词:二分法、双指针、边界处理 思路是使用二分查找方法,用左右指针不断进行二分来缩小范围,以这个为主要的思路,处理一些小的细节: java中的除法是去尾除法。 设定退出条件,退出条件与mid给两个指针的赋值相关。在这里是采取的加减1的方法,所以判断条件是大于等于。如 ......
训练一个目标检测模型
博客地址:https://www.cnblogs.com/zylyehuo/ (一)识别背景/目的 第十八届全国大学生智能汽车竞赛室外 ROS 无人车赛(高教组) 无人车在室外运行中, 需要探索未知环境, 识别障碍物, 停车标志牌、红绿灯等标志物。 比赛场地为不规则环形场地, 由红蓝两色锥桶搭建而成 ......
windows使用YOLO训练模型
1:安装Nvidia显卡驱动、cuda和cuDNN 1.1下载安装Navida显卡驱动 NAVIDIA驱动下载地址:https://www.nvidia.cn/Download/index.aspx 下载完成后,在CMD中输入 nvidia-smi 验证是否安装成功 如果有错误 2:下载CUDA(本 ......
MIT斯坦福Transformer最新研究:过度训练让中度模型「涌现」结构泛化能力
前言 过度训练让中度模型出现了结构泛化能力。 本文转载自新智元 仅用于学术分享,若侵权请联系删除 欢迎关注公众号CV技术指南,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 CV各大方向专栏与各个部署框架最全教程整理 【CV技术指南】CV全栈指导班、基础入门班、论文指导班 全 ......
随想
我的算法竞赛真的结束了吗,就这样结束了,没有留下任何痕迹,甚至不好意思称曾经的自己为acmer,没有泛起一丝浪花的结束了(? 或许我都没有意识到,杭州站是我竞赛生涯里的最后一舞了,我这辈子没办法继续参加icpc区域赛了。 在最后的杭州,我仿佛才懂了icpc的意义,激情,刺激,思维的碰撞,享受ac的乐 ......
torch 多进程训练和分布式训练
通常来说,多进程没有涉及到梯度同步的概念。 分布式则设计梯度同步。分布式中,如果用cpu,则指定gloo后端。用gpu,则指定nccl后端。 多进程训练 只需要mp.spawn即可,每个进程只负责自己的模型训练,不涉及梯度同步。 例子 https://www.geeksforgeeks.org/mu ......
最近公共祖先模板(LCA)
include <bits/stdc++.h> using namespace std; struct LCA { int n; vector<int> dep; vector<vector<int>> e; vector<array<int, 21>> fa; LCA() {} LCA(int n ......
复健训练2
ABC327 手速场...被E的罚时爆杀了... 但确实留下了深刻的教训: dp的边界值一定要设计好!! G确实是有想法,但细节部分确实没想好。 G - Many Good Tuple Problems 题面 对于一对长度均为 \(M\) 且元素值在 \([1,N]\) 之间的序列 \((S,T)\ ......
第15周训练报告
学习基础数论(周一) 最大公约数与最小公倍数 - 加固文明幻景 - 博客园 (cnblogs.com) 算数基本定理 - 加固文明幻景 - 博客园 (cnblogs.com) P1069 [NOIP2009 普及组] 细胞分裂 P1072 [NOIP2009 提高组] Hankson 的趣味题 P1 ......
定时器训练(UAV2101~UAV2105)
例子001、51单片机定时器训练 下面是一份基本的 51 定时器控制代码#include <reg52.h> // 8051 头文件 // 定义时钟频率为 12MHz #define FOSC 12000000UL // 定义波特率为 9600 #define BAUDRATE 9600 // 定义 ......
CF Diff 训练记录
380C. Sereja and Brackets 如果是考虑整个序列的答案,那么就是计算有多少个 ) 是匹配的。 那么就有一种贪心的做法,在全局的序列上对于每一个 ),找到能够匹配的且最近的 (,记作一个点对。 这样查询只要包括这个点对,那么就是有贡献的,这样就转换为一个数点问题了。 还有其他做法 ......
代码随想训练营第六十天(Python)| 84. 柱状图中最大的矩形
84. 柱状图中最大的矩形 1、双指针 class Solution: def largestRectangleArea(self, heights: List[int]) -> int: n = len(heights) # 左右第一个小于 i 的下标 min_l, min_r = [0] * n ......
代码随想录算法训练营第10天 | lc20、lc1047、lc150
(本合集全部为Go语言实现) 相关文章链接:20题解 1047题解 150题解 相关视频链接: Leetcode20 状态:秒了 实现过程中的难点:经典的栈应用 从题解中学到的一个写法 func isValid(s string) bool { if (len(s) & 1) == 1 { retu ......
树链剖分——最近公共祖先(LCA)
N,M,S,分别表示树的结点个数、询问的个数和树根结点 理论时间复杂度上界就是O(2n+mlogn) const int N=500010; int n,m,s,a,b; vector<int> e[N]; int fa[N],son[N],dep[N],siz[N]; int top[N]; vo ......
代码随想录算法训练营第9天 | lc232、lc225
(本合集全部为Go语言实现) 相关文章链接:232题解 225题解 相关视频链接: Leetcode232 状态:在go语音对于队列和栈的实现上稍微卡了一下 实现过程中的难点:对于进队和出队两块的思路想出来就好写了 个人写法 type MyQueue struct { inStack, outSta ......
代码随想录算法训练营第8天 | lc28、lc459
(本合集全部为Go语言实现) 相关文章链接:28题解 459题解 相关视频链接: Leetcode28 状态:每次看都有新体验,稍微耗了些时间复习了一下 实现过程中的难点:主要还是KMP算法,对于这种经典的算法,能理解代码含义当然是一方面,自我感觉还是得稍微一点时间在看懂一套实现之后稍微背一下代码, ......
代码随想录算法训练营第7天 | lc344、lc541、卡码54、lc151、卡码55
(本合集全部为Go语言实现) 相关文章链接:344题解 541题解 卡码54题解 151题解 卡码55题解 相关视频链接: Leetcode344 状态:秒了 实现过程中的难点:对撞双指针 个人写法 func reverseString(s []byte) { for i, j := 0, len( ......
代码随想录算法训练营第6天 | lc454、lc383、lc15、lc18
(本合集全部为Go语言实现) 相关文章链接:454题解 383题解 15题解 18题解 相关视频链接: Leetcode454 状态:秒了 实现过程中的难点:思想就是利用哈希表将部分和记录下来,最终实现将n ^ 4转换为2 * n ^ 2 个人写法 func fourSumCount(nums1 [ ......
PPadleOCR 自己的数据训练
在github里面下载PaddleOCR源码后,接下来开始一一安装: 1、安装Python,此处必须安装3.8--3.10的版本,3.11版本目前是不支持的,容易报错。 2、依次安装 python -m pip install paddlepaddle -i https://pypi.tuna.ts ......
代码随想训练营第五十九天(Python)| 503.下一个更大元素II、42. 接雨水
[503.下一个更大元素II] 循环问题用 2*n , i % n 的方式 n = len(nums) ans = [-1] * n stack = [] for i in range(2 * n): while len(stack) > 0 and nums[i % n] > nums[stack ......
Bert-vits2新版本V2.1英文模型本地训练以及中英文混合推理(mix)
中英文混合输出是文本转语音(TTS)项目中很常见的需求场景,尤其在技术文章或者技术视频领域里,其中文文本中一定会夹杂着海量的英文单词,我们当然不希望AI口播只会念中文,Bert-vits2老版本(2.0以下版本)并不支持英文训练和推理,但更新了底模之后,V2.0以上版本支持了中英文混合推理(mix) ......
2023 年 12 月训练记录
2023 年 12 月训练记录 怎么就寄了呢。 没救了。 不能再摆了。 CF1824E LuoTianyi and Cartridge 我们对最小值做扫描线,现在就转化成了使得 \(\sum b+\sum d\) 最大。 我们考虑点与边合法的充要条件。 注意到假设有 \(k\) 个点,\(k-1\) ......
体育产业中的图像识别创新:运动分析与训练优化
在现代体育产业中,图像识别技术正成为一项重要的创新,为运动员的表现分析、训练优化和比赛策略提供了全新的视角。以下是体育产业中图像识别创新的一些关键应用和优势: 1. 运动员动作分析: 动作精准度评估: 图像识别技术可用于捕捉运动员的关键动作,分析动作的精准度和流畅度,为提高技术水平提供指导。 实时运 ......
day8、9字符串代码随想录
第四章 字符串 ● 344.反转字符串 ● 541. 反转字符串II ● 卡码网:54.替换数字 ● 151.翻转字符串里的单词 ● 卡码网:55.右旋转字符串 1 反转字符串 编写一个函数,其作用是将输入的字符串反转过来。输入字符串以字符数组 char[] 的形式给出。 不要给另外的数组分配额外的 ......
代码随想训练营第58天(Python)| 739. 每日温度、496.下一个更大元素 I
739. 每日温度 class Solution: def dailyTemperatures(self, temperatures: List[int]) -> List[int]: n = len(temperatures) ans = [0] * n # 单调增的栈 stack = [] fo ......
深度学习笔记3:使用预训练模型之特征提取
我们在小型图像数据集上做深度学习时,一种高效且实用的方法是采用预训练模型。预训练模型,指的是在大型数据集上预先训练好的模型。如果原始数据集具有足够的规模和通用性,那么预训练模型所学习到的特征的空间层次结构可以被视为视觉世界的通用模型。与许多早期的浅层学习方法相比,这种在不同问题之间移植特征的能力是深 ......
神经网络优化篇:详解训练,验证,测试集(Train / Dev / Test sets)
训练,验证,测试集 在配置训练、验证和测试数据集的过程中做出正确决策会在很大程度上帮助大家创建高效的神经网络。训练神经网络时,需要做出很多决策,例如: 神经网络分多少层 每层含有多少个隐藏单元 学习速率是多少 各层采用哪些激活函数 创建新应用的过程中,不可能从一开始就准确预测出这些信息和其他超级参数 ......
使用预训练语言模型作帖子分类
预训练语言模型PLMs或PTMs应用广泛且效果良好。有的文章中把自然语言处理中的预训练语言模型的发展划分为4个时代:词入时代,上下文嵌入(Context Word Embedding)时代、预训练语言模型时代、改进型和领域定制型时代。 为什么需要预训练 模型通常需要非常大的参数量,但并不 ......