learning机器machine gt
IDEA项目名称后面出现中括号，模块Modules的名子和文件夹名称不同，可以右键修改名称也可以在File->Project Structure 修改Modules的Name(快捷键ctrl+Shift+Alt+s)
IDEA项目名称后面出现中括号，Modules的名子和文件夹名称不同，可以右键修改名称也可以在File->Project Structure 修改Modules的Name(快捷键ctrl+Shift+Alt+s) Project中出现中括号如： 原因： Modules的名子和文件夹名称不同 解决 主 ......
（坚持每天写算法）基础算法复习与学习part1基础算法1-7——高精度减法（处理t=1和t>1代码的写法，t为操作次数）
题目： 思路：这一道题其实和高精度加法的思路是差不多的，都是使用算式进行模拟。 重点：关于代码怎么写，在高精度加法那里还看不太出来（我也没有写），但是在高精度减法这里就完全可以看出来了。我们在加法算式里面，一般是A[i]+B[i]+t，但是也可以这么写：t+A[i]+B[i]，我们可以先写进位，然后 ......
实验七：Spark机器学习库Mtlib编程实践
1、数据导入 导入相关的jar包： import org.apache.spark.ml.feature.PCA import org.apache.spark.sql.Row import org.apache.spark.ml.linalg.{Vector,Vectors} import org ......
《RAPL: A Relation-Aware Prototype Learning Approach for Few-Shot Document-Level Relation Extraction》阅读笔记
代码 原文地址 预备知识： 1.什么是元学习（Meta Learning）？ 元学习或者叫做“学会学习”（Learning to learn），它是要“学会如何学习”，即利用以往的知识经验来指导新任务的学习，具有学会学习的能力。由于元学习可帮助模型在少量样本下快速学习，从元学习的使用角度看，人们也称 ......
【五期李伟平】CCF-A（AAAI'21）Game of Gradients: Mitigating Irrelevant Clients in Federated Learning
Nagalapatti, Lokesh , and R. Narayanam . "Game of Gradients: Mitigating Irrelevant Clients in Federated Learning." (2021). 针对联邦学习中相关客户端选择（FRCS）的问题，本文提 ......
abc097d<并查集，排列>
题目 D - Equals 给出\(1\sim n\)的排列p，给出\(m\)种对换\((p_i, p_j)\)，在这\(m\)种对换中任选操作，对原排列对换任意多次。求能够实现的\(p_i = i\)的最大个数为多少？ 思路 将m中对换中能够相互关联的位置归为一组，这组位置之间可通过对换操作实现任 ......
机器视觉 - YoloV8 命令行安装
创建python 环境 下载并安装 miniconda 安装包, 注意miniconda和 python 版本对应关系, 不要选择python最新的版本, 以免yolo或pytorch不能兼容最新版python. 这里到安装到 C:\miniconda3 配置 conda 环境, 修改conda配置 ......
abc096d<素数筛，整除>
题目 D - Five, Five Everywhere 寻找n个素数，使得这n个素数中任意5个数之和都是合数。 思路 如果一个数除5余1，那么5个这样的数之和一定能被5整除； 筛出范围内所有满足上述条件，且为素数的数即可。 总结 如何想到除五余一这一点呢？ 首先应思考如何构造合数，想到如果是5个数 ......
[JMeter] JMeter的测试报告格式转换(.jtl => html)
0 序言 近期在jmeter测试服务器上跑压测脚本，跑完后，生成 .jtl的测试报告文件。但这份文件不便于直接阅读（尤其是统计分析能力欠缺），我需要转为html。 1 使用方式 CASE1：基于JTL测试报告文件，转为HTML测试报告 set "BASE_DIR=E:\work_data\xxxx\ ......
机器学习-概率图模型系列-隐含马尔科夫模型-33
目录1. Hidden Markov Model2. HMM模型定义 注：参考链接 https://www.cnblogs.com/pinard/p/6945257.html 1. Hidden Markov Model 隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较 ......
简易机器学习笔记（十一）opencv 简易使用-人脸识别、分类任务
前言 前段时间摸了下机器学习，然后我发现其实openCV还是一个很浩瀚的库的，现在也正在写一篇有关yolo的博客，不过感觉理论偏多，所以在学yolo之前先摸一下opencv，简单先写个项目感受感受opencv。 流程 openCV实际上已经有一个比较完整的模型了，下载在haarcascades 这里 ......
[cpp]: 以模板作为模板参数 -- <template>
[cpp]: 以模板作为模板参数 -- <template> 一、template 说明 1、模板参数：以‘模板’作为模板的参数。 2、示例 1 // template<class T1, class T2> class W：模板参数W 2 // W<T1, T2>: W有两个参数【T1, T2】 ......
[cpp]: Standard Input/Output -- <iostream>
[cpp]: Standard Input/Output -- <iostream> 一、基本说明 1、IO library 2、library(part): <iosfwd> 3、library(part): <ios> 4、library: <isotream> 二、参考文档 1、 input/ ......
mysql> GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' WITH GRANT OPTION; ERROR 1410 (42000): You are not allowed to create a user with GRANT
mysql> GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' WITH GRANT OPTION;ERROR 1410 (42000): You are not allowed to create a user with GRANT 解决办法 以下是 8.0版本的 ......
Unity3d_Rewired官方文档翻译：要点（四）：Rewired Editor->All Maps、Layout Rules、Map Enabler
仅翻译了官方文档中的Essentials（要点）、Concepts（概念）两部分，这是文档中最重要的部分，理解了这两部分的内容应该足以让你将Rewired运用到你的项目中，之后再去阅读文档的其他部分也能更容易理解。 斜体加下划线部分为添加的注解，非官方文档内容。若你发现有翻译、注解不正确的，请留言告 ......
Unity3d_Rewired官方文档翻译：要点（二）：Rewired Editor->Setting、Tools
仅翻译了官方文档中的Essentials（要点）、Concepts（概念）两部分，这是文档中最重要的部分，理解了这两部分的内容应该足以让你将Rewired运用到你的项目中，之后再去阅读文档的其他部分也能更容易理解。 斜体加下划线部分为添加的注解，非官方文档内容。若你发现有翻译、注解不正确的，请留言告 ......
Unity3d_Rewired官方文档翻译：要点（三）：Rewired Editor->Players、Actions、InputBehaviours、Categories、CustomControllers
仅翻译了官方文档中的Essentials（要点）、Concepts（概念）两部分，这是文档中最重要的部分，理解了这两部分的内容应该足以让你将Rewired运用到你的项目中，之后再去阅读文档的其他部分也能更容易理解。 斜体加下划线部分为添加的注解，非官方文档内容。若你发现有翻译、注解不正确的，请留言告 ......
abc095d<思维>
题目 Static Sushi 一个圆桌上摆着n个食物，吃掉每个食物得到一定能量，沿着圆桌任意顺时针逆时针走，每走一米消耗1点能量，求能够得到的最大能量。 思路 一共4种走法： 顺时针走到某位置离开； 逆时针走到某位置离开； 顺时针走，而后走回原点，在逆时针走到某位置，离开； 逆时针走，而后走回原点 ......
abc094d<组合数>
题目 Binomial Coefficients \(n\)个数中选择两个数作为组合数\(C(m,r)\)的\(m\)和\(r\)，使得组合数的值最大。 思路 首先选择最大的数作为\(m\)； 其次，对于确定的\(m\)，要使得组合数最大，使得\(r\)接近\(\left \lceil \frac{ ......
[cpp]: concept --<template>
[cpp]: concept --<template> 一、说明 1、concept 定义一个“C”，“C”是一组“模板参数T”的限制条件。“C”：只有满足限制条件“C”模板的参数T，才能通过编译。 2、代码示例 1 // 定义概念“C1” 2 3 template<class T> 4 conce ......
C#中的List<T>和Dictionary<TKey, TValue>的底层原理
List<T>和Dictionary<TKey, TValue>本质上上是顺序表，用数组来存储数据，在添加和删除数据时，如果需要调整数组长度，则需要进行数组拷贝。 也可以理解成就是对数组的一种扩展，从而使开发者更方便的调用添加、删除、插入等操作。 所以，优化的思路是，对于大概知道元素的数量时，在实例 ......
【机器学习】逻辑回归
目录感知器的种类sigmoid（logistics）函数代价/损失函数（cost function）——对数损失函数（log loss function）梯度下降算法（gradient descent algorithm）正则化逻辑回归（regularization logistics regres ......
【机器学习】多元线性回归
目录多元线性回归模型（multiple regression model）损失/代价函数（cost function）——均方误差（mean squared error）批量梯度下降算法（batch gradient descent algorithm）特征工程（feature engineerin ......
【scikit-learn基础】--『监督学习』之 支持向量机分类
支持向量机也是一种既可以处理分类问题，也可以处理回归问题的算法。关于支持向量机在回归问题上的应用，请参考：TODO 支持向量机分类广泛应用于图像识别、文本分类、生物信息学（例如基因分类）、手写数字识别等领域。 1. 算法概述 支持向量机的主要思想是找到一个超平面，将不同类别的样本最大化地分隔开。超平 ......
深度学习之机器学习理论
（一）机器学习（Machine Learning）：就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法，统计学家也称之为统计学习，但本质上起源于计算机科学的人工智能。 （二）机器学习的分类：机器学习主要分为两类，即监督学习(supervised learning)与非监督学 ......
abc314e<构造，思维>
题目 D - Grid Components 在不超过100×100的方格中染黑白色，使得白色联通块个数为a，黑色连通块个数为b。 思路 固定使用100×100的格子，首先将上半部分全涂白，下半部分全涂黑；此时黑白两色的连通块的个数均为1； 而后在白色区域，在不破坏白色区域白色块联通性的前提下，离散 ......
Learning Dynamic Query Combinations for Transformer-based Object** Detection and Segmentation论文阅读笔记
Motivation & Intro 基于DETR的目标检测范式（语义分割的Maskformer也与之相似）通常会用到一系列固定的query，这些query是图像中目标对象位置和语义的全局先验。如果能够根据图像的语义信息调整query，就可以捕捉特定场景中物体位置和类别的分布。例如，当高级语义显示图 ......
NullInjectorError: R3InjectorError(AccountModule)[ModalHelper -> NzModalService
异常： 解决方法： 造成的原因是出现了不同版本的ng-zorro-antd 方式一：删除项目下 node_modules、package-lock.json 或 yarn.lock 文件后重新安装依赖 方式二：找到package.json中定义以外的ng-zorro-antd版本删除，此处发现是@d ......