Helloyouth的博客_树莓派实验,编程训练/蓝桥杯/ACM,计算机视觉与深度学习

Transformer学习与基础实验1 - 4——注意力机制、模型结构、应用举例——英汉翻译（数据准备、模型训练与推理）

合集文章发表在公众号——分享之心Transformer学习与基础实验1——注意力机制Transformer学习与基础实验2——Transformer结构Transformer学习与基础实验3——transformer应用举例演示——英汉翻译（1. 数据准备与处理）Transformer学习与基础实验4——英汉翻译（2. 模型构建、训练、推理）特色： &

Transformer

注意力机制

英汉翻译

原创 11天前 32 阅读

激活函数和损失函数的小结——以mindspore为演示工具

激活函数mindspore.nn.get_activation(name, prim_name=None)获取激活函数。参数：name (str) - 激活函数名称。prim_name (Union[str, None]) - 算子名称，默认值： None 。返回：激活函数。注意以下并不包括所有带参数的激活函数。激活函数字典（名称-激活函数类）： {'softmin': Softmin, 'so

损失函数

激活函数

函数图像

原创精选 18天前 129 阅读

聚类基础实验——KMeans与KMeans++

K-Means聚类算法原理K-Means聚类的核心思想是将含有n个对象或元组的数据集X={x1, x2, …, xn}划分为K个簇，每个簇至少包含一个对象且每个对象属于且仅属于一个簇；划分时，同一个簇中的对象的距离尽可能地近，不同簇之间的对象的距离尽可能地大。K-Means划分的各个簇最终使均方误差最小，即其中，xj是第j个对象，j=1,2,…,n，ui为第i个簇的中心；簇的表示有两种方法：①K

聚类

KMeans

KMeans++

聚类质量评估

原创 29天前 82 阅读

组合分类器基础实验——numpy实现或sklearn借口调用：袋装Bagging, 随机森林, 提升Boosting

袋装(Bagging)基本思想对原训练数据集采用随机有放回抽样的方法选择子数据集从而构造组合分类器。给定含有n个样本的数据集合D, 袋装在构造指定的T个基础模型（以基分类器为例）的基本过程：对D进行采样，得到若干个大小相同子数据集Di（i=1,2, …, T）,Di中可能包含重复样本（因为对每个Di采用的是有放回抽样得到的）；分别在每个样本集合Di上训练一个模型；T个基分类器分别预测，用投票法输出

Bagging

有放回抽样

随机森林

Boosting

AdaBoost

原创精选 2月前 199 阅读

支持向量机——算法思想、基础理论、基础分类实验

支持向量机算法思想支持向量机（Support Vector Machine, SVM）是一种监督学习算法，可用于线性/非线性数据的分类和回归任务。最大间隔超平面： SVM的基本思想是在特征空间中找到一个最优的超平面（在二维空间中为一条直线，三维空间中为一个平面，以此类推至高维空间），以将不同类别的样本分开，这个超平面被称为最大间隔超平面。支持向量：支持向量是离超平面最近的样本

SVM

支持向量

线性可分

核函数

原创 2月前 31 阅读

朴素贝叶斯分类实现垃圾短信识别——python自行实现和sklearn接口调用

朴素贝叶斯分类问题引入设一个数据集为D={(X1, Y1), (X2, Y2), …, (Xn, Yn)}，其中样本Xi的可由m个特征表示，即Xi=(Xi1, Xi2, …, Xim)（一般要离散特征，对于连续特征的情况见后续的注意事项）；而Yi为样本标签，Yi∈{C1,C2, …, Ck}，i=1,2, …, n.现有一个新样本X# = (X#1, X#2, …, X#m)，在给定的数据集D的基

贝叶斯定理

特征独立假设

垃圾短信

sklearn

原创精选 2月前 407 阅读

基于决策树实现葡萄酒分类——sklearn接口调用实现

决策树算法总结算法思想给定一个样本集合D，其中每个样本由若干个属性表示，决策树通过贪心策略（如 ID3 / C4.5 / CART）不断挑选最优的属性，将每个样本划分到不同的子树，再在各棵子树上通过递归对子树上的样本进行划分，直到满足一定的终止条件为止。决策树的每个叶节点对应一个分类，非叶节点对应某个属性上的划分，根据样本在该属性上的不同取值将其划分为若干子集。算法基本框架（伪代码）输入：训练集

决策树

ID3

C4.5

CART

熵

原创精选 2月前 158 阅读

k-近邻算法实现鸢尾花分类-sklearn接口调用

KNN（K-Nearest Neighbors）算法思想基本思想：基于给定的一个训练样本集合D和k值，现有待预测样本x（无标签）；在D中找到与x距离最近的k个样本，①若是分类问题，则通过投票法选择这k个样本中出现次数最多的类别作为x的预测标签；②若是回归问题，对这k个样本的标签求平均值，得到x的预测结果。算法三要素：k值，距离，k个近邻的快速检索方法①k值的选取：当k值很小

KNN

鸢尾花

sklearn

kd树

原创 2月前 93 阅读

逻辑回归实现乳腺癌预测-numpy实现与MindSpore实现

逻辑回归

numpy

sklearn

mindspore

sigmoid

原创 2月前 48 阅读

PyTorch深度学习小技巧70个

预览版本PyTorch基础1）导入PyTorch：import torch2）安装PyTorch（终端命令行在对应python环境中下载）：pip install torch3）创建张量：torch.tensor()4）将NumPy数组转换为PyTorch张量：torch.from_numpy()5）检查张量大小：tensor.size()6）访问张量的形状：tensor.shape7）使用张量进

PyTorch

PyTorch操作和使用

深度学习

原创 3月前 82 阅读

Python自然语言处理基础实验3_Skip-Gram + Negative Sampling实现word2vec

一、实验目的了解Word2Vec技术的原理。掌握Skip-Gram 和Negative Sampling的作用及原理。二、实验要求对数据集进行预处理形成训练数据；基于Skip-Gram 和Negative Sampling实现word2vec（使用pytorch构建网络）。可视化获得的词向量（字典中的前20个字）数据集：text8包含了大量从维基百科收集到的英文语料下载地址：地址1：

词向量

Skip-gram

负采样

两个词向量的余弦值

可视化词向量

原创 2023-04-20 10:32:27 754 阅读 1点赞 1收藏 4评论

Python计算机视觉基础实验4-分类实验(基本分类、残差网络分类)

一、实验基础最小平均距离分类最小距离分类法是最基本的分类方法之一，它通过求出未知类别向量X到事先已知的各类别（如A，B，C等）对应的所有数据的中心向量的距离D，然后将待分类的向量X归为最小距离对应的类别。这里的距离一般是指欧几里得距离，也叫欧氏距离，还可以是曼哈顿距离、切比雪夫距离等。欧几里得距离距离计算公式如下：从先验与后验信息到贝叶斯定理先验信息和后验信息都是指定条件下的概率信息。先验信息是在

最小距离分类器

先验后验信息

最大似然分类

ResNet18

原创 2023-04-19 09:28:12 650 阅读 1收藏

蓝桥杯备战日志(Python)23-特殊时间&特殊日期-(枚举特殊“时间”)

特殊日期原题对于一个日期，我们可以计算出年份的各个数位上的数字之和，也可以分别计算月和日的各位数字之和。请问从年月日至年月日，总共有多少天，年份的数位数字之和等于月的数位数字之和加日的数位数字之和。例如，年月

日期

枚举优化

异常语句

原创 2023-04-02 20:10:45 317 阅读

Python计算机视觉基础实验3-显著性检测(HC&FC)

一、实验基础图像显著性检测图像的显著性是指对于给定一副真实世界中的场景图像，人们会自动地识别出感兴趣区域，忽略掉不感兴趣的区域，即将注意力集中在图像中某些显著的部分区域。图像的注意预测，也称视觉显著性检测，指通过智能算法模拟人的视觉系统特点，预测人类的视觉凝视点（就是全神贯注的看一件物品的一个点）和眼动（进行视野搜索的要素），提取图像中的显著性区域(即人类感兴趣的区域)。Lab颜色空间Lab颜色空

图像显著性检测

Lab颜色空间

HC算法

FT算法

原创精选 2023-03-30 17:32:07 1793 阅读 1收藏

Python自然语言处理基础实验2_基于HMM的中文分词

实验目的了解并掌握基于隐马尔可夫模型（HMM）的分词方法，重点掌握Viterbi算法。实验要求1、对给定的语料库（或自行准备）进行统计分析，确定 HMM 模型的三个参数;2、根据上一步求得的参数，使用 Viterbi 算法对下面的句子完成分词，并显示分词结果。“今天天气真不错。”“我们都喜欢晴天”kaggle datasets download -d helloyouth/chinese-phra

中文分词

HMM

序列标注

维特比（Viterbi）算法

原创 2023-03-30 10:55:13 1243 阅读 1点赞 1收藏

蓝桥杯备战日志(Python)22-最小权值&本质上升序列-(二叉树的形式、动态规划)

最小权值原题对于一棵有根二叉树 T，小蓝定义这棵树中结点的权值 W(T) 如下：空子树的权值为 0。如果一个结点 v 有左子树 L, 右子树 R，分别有 C(L) 和 C(R) 个结点，则 W(v) = 1 + 2W(L) + 3W(R) + (C(L))2 C(R)。树的权值定义为树的根结点的权值。小蓝想知道，对于一棵有 2021 个结点的二叉树，树的权值最小可能是多少？分析本题在考查二叉树

结点

子树

权值

动态规划

原创 2023-03-18 21:01:34 287 阅读

蓝桥杯备战日志(Python)21-排列小球-(递归搜索)

原题小蓝有黄绿蓝三种颜色的小球，分别为 R、G、B 个。同样颜色的小球没有区别。小蓝将这些小球从左到右排成一排，排完后，将最左边的连续同色小球个数记为，将接下来的连续小球个数记为，以此类推直到最右边的小球。请问，总共有多少总摆放小球的方案，使得为严格单调递增序列，即 t1 < t2 < t3 < ... 。输入描述输入一行包含三个整

搜索

递归

搜索求解

原创 2023-03-15 08:28:21 263 阅读

Python计算机视觉基础实验2-边缘检测和角点检测

实验基础边缘检测边缘检测是计算机视觉中的基本问题，目的是标识数字图像中亮度变化明显的点（区域）。边缘检测能够大幅度地减少数据量，并且剔除可以认为不相关的信息，同时保留图像重要的结构属性。差分与差分计算差分（计算）与微分（计算）分别对应于离散（函数）与连续（函数）。差分，即差分函数或差分运算，差分的结果反映了离散量之间的一种变化。我们知道，数字图像的像素值是一种离散量，我们可以使用差分计算的结果反映

边缘检测

角点检测

差分计算

鲁棒性

原创 2023-03-14 08:14:20 1166 阅读

Python自然语言处理基础实验1_基于词表的中文分词

基于词表的中文分词一、实验目的了解并掌握基于匹配的分词方法，以及分词效果的评价方法。二、实验要求实现正向最大匹配、逆向最大匹配以及双向最大匹配等三种分词方法，记录并分析三种方法的准确率以及分词速度。思考并分析哪些因素可能会影响分词的准确性。三、实验准备1. 词典准备在GitHub（https://github.com/fxsjy/jieba）开源的一个中文词表数据，下载地址：

中文分词

词表

最大匹配算法

分词结果评价指标

原创 2023-03-09 11:16:45 1281 阅读 1点赞 1收藏

Python计算机视觉基础实验1-图像直方图

实验基础图像的熵在信息论中，熵（英语：entropy）是接收的每条消息中包含的信息的平均量，又被称为信息熵、信源熵、平均自信息量。这里，“消息”代表来自分布或数据流中的事件、样本或特征。（熵最好理解为不确定性的量度而不是确定性的量度，因为越随机的信源的熵越大。图像熵描述了图像信源的平均信息量。熵指的是体系的混乱的程度，对焦良好的图像的熵大于没有清晰对焦的图像，因此可以用熵作为一种对焦评价标准。熵越

图像的熵和对比度

直方图均衡

直方图匹配

原创精选 2023-03-07 07:42:36 844 阅读

蓝桥杯备战日志(Python)20-受伤的皇后-(矩阵搜索、递归)

原题有一个的国际象棋棋盘（行列的方格图），请在棋盘中摆放个受伤的国际象棋皇后，要求：任何两个皇后不在同一行。任何两个皇后不在同一列。如果两个皇后在同一条 45 度角的斜线上，这两个皇后之间行号的差值至少为 3 。请问一共有多少种摆放方案。分析本题考查搜索，一般这种涉及“矩阵”的搜索使用递归方法会更直观、简便。在一个

搜索

递归方法

原创 2023-03-01 21:45:56 275 阅读

蓝桥杯备战日志(Python)19-阅兵方阵&删除字符-(平方和频次统计&字符串字典序)

阅兵方阵原题X 国要参加同盟阅兵活动。主办方要求每个加盟国派出的士兵恰好能组成 2 个方阵。 X 国发现弱小的 Y 国派出了130 人的队伍，他们的士兵在行进中可以变换 2 种队形：X 国君很受刺激，觉得 X 国面积是 Y 国的 6 倍，理应变出更多队形。于是他发号施令：我们要派出一支队伍，在行进中要变出 12种队形！！！手下人可惨了，要忙着计算至少多少人才能组成 12 种不同的双方阵。

平方和

字典序

原创 2023-02-28 21:45:01 137 阅读

蓝桥杯备战日志(Python)18-第几个幸运数字-(枚举只含某些因子的整数)

第几个幸运数字原题到 X 星球旅行的游客都被发给一个整数，作为游客编号。 X 星的国王有个怪癖，他只喜欢数字 3,5 和 7。国王规定，游客的编号如果只含有因子：3,5,7就可以获得一份奖品。我们来看前 10 个幸运数字是： 3 5 7 9 15 21 25 27 35 45 因而第 11 个幸运数字是： 49 小明领到了一个幸运数字 59084709587505，他去领奖的时候，人家要求他准

整除

Python

找规律

原创 2023-02-26 18:09:25 140 阅读

蓝桥杯备战日志(Python)17-激光样式&修剪灌木-(排列组合&画图找规律)

激光样式原题X 星球的盛大节日为增加气氛，用 30台机光器一字排开，向太空中打出光柱。安装调试的时候才发现，不知什么原因，相邻的两台激光器不能同时打开！国王很想知道，在目前这种 bug 存在的情况下，一共能打出多少种激光效果？显然，如果只有 3台机器，一共可以成 5种样式，即：全都关上（sorry, 此时无声胜有声，这也算一种）；开一台，共 3种；开两台，只 1种。 30 台就不好算了，国

排列组合

画图找规律

原创 2023-02-20 08:29:46 173 阅读

蓝桥杯备战日志(Python)16-玩具蛇&序列个数-(DFS&枚举、递归)

玩具蛇原题小蓝有一条玩具蛇，一共有 16节，上面标着数字 1 至 16。每一节都是一个正方形的形状。相邻的两节可以成直线或者成 90度角。小蓝还有一个 4 × 4 的方格盒子，用于存放玩具蛇，盒子的方格上依次标着字母 A 到 P共 16个字母。小蓝可以折叠自己的玩具蛇放到盒子里面。他发现，有很多种方案可以将玩具蛇放进去。下图给出了两种方案：请帮小蓝计算一下，总共有多少种不同的方案。如果两个方案

递归

DFS

枚举

原创 2023-02-17 12:47:55 137 阅读

蓝桥杯备战日志(Python)15-铺设道路-(贪心、递归分裂区间)

原题春春是一名道路工程师，负责铺设一条长度为的道路。铺设道路的主要工作是填平下陷的地表。整段道路可以看作是块首尾相连的区域，一开始，第块区域下陷的深度为。春春每天可以选择一段连续区间，填充这段区间中的每块区域，让其下陷深度减少 1。在选择区间时，需要保证，区间内的每块区域在填充前下陷深度均不

递归

贪心

原创 2023-02-16 15:43:51 320 阅读

蓝桥杯备战日志(Python)14-数列求值&七段码-(枚举、取余&连通图与其子图)

数列求值原题给定数列，从第项开始，每项都是前项的和。求第项的最后位数字。枚举、取余本题使用常规的枚举即可，就是计算数列的第i项(i=4, 5, 6, 7, ..., n)的数值，这里的n=20190324，但是需要考虑数列元素的数值越来越大，且本题要求最后一项（第n项）的最后4位数字，枚举时

取余

连通图

子图

原创 2023-02-12 07:15:57 124 阅读

蓝桥杯备战日志(Python)13-跳跃-(遍历、动态规划)

原题小蓝在一个行列的方格图中玩一个游戏。开始时，小蓝站在方格图的左上角，即第行第列。小蓝可以在方格图上走动，走动时，如果当前在第行第列，他不能走到行号比小的行，也不能走到列号比小的列。同时，他一步走的直线距离

数组越界

访问矩阵

动态规划

原创 2023-02-10 06:45:36 114 阅读

蓝桥杯备战日志(Python)12-递增序列&等差素数列-(”找规律“枚举&数论)

递增序列原题对于一个字母矩阵，我们称矩阵中的一个递增序列是指在矩阵中找到两个字母，它们在同一行，同一列，或者在同一度的斜线上，这两个字母从左向右看、或者从上向下看是递增的。例如，如下矩阵中LANNQIAO有等个递增序列。注意当两个字母是从左下到右上排列时，从左向右看和从上向下看是不同的顺序。对于下面的行&nbs

枚举

找规律

等差素数列

原创 2023-02-09 11:58:58 119 阅读

蓝桥杯备战日志(Python)11-数字三角形-(动态规划)

数字三角形1原题上图给出了一个数字三角形。从三角形的顶部到底部有很多条不同的路径。对于每条路径，把路径上面的数加起来可以得到一个和，你的任务就是找到最大的和（路径上的每一步只可沿左斜线向下或右斜线向下走）。分析逐行遍历每个数字，使用动态规划根据题意更新顶部的数字到当前所遍历的数字最大和，直到访问完底部的所有数字，最后得出顶部到底部最大的和。具体实现见下述源码。源码N = int(input())m

数字三角形

动态规划

原创 2023-02-08 10:42:24 178 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

GPNU CIT lab Helloyouth

Transformer学习与基础实验1 - 4——注意力机制、模型结构、应用举例——英汉翻译（数据准备、模型训练与推理）

激活函数和损失函数的小结——以mindspore为演示工具

聚类基础实验——KMeans与KMeans++

组合分类器基础实验——numpy实现或sklearn借口调用：袋装Bagging, 随机森林, 提升Boosting

支持向量机——算法思想、基础理论、基础分类实验

朴素贝叶斯分类实现垃圾短信识别——python自行实现和sklearn接口调用

基于决策树实现葡萄酒分类——sklearn接口调用实现

k-近邻算法实现鸢尾花分类-sklearn接口调用

逻辑回归实现乳腺癌预测-numpy实现与MindSpore实现

PyTorch深度学习小技巧70个

Python自然语言处理基础实验3_Skip-Gram + Negative Sampling实现word2vec

Python计算机视觉基础实验4-分类实验(基本分类、残差网络分类)

蓝桥杯备战日志(Python)23-特殊时间&特殊日期-(枚举特殊“时间”)

Python计算机视觉基础实验3-显著性检测(HC&FC)

Python自然语言处理基础实验2_基于HMM的中文分词

蓝桥杯备战日志(Python)22-最小权值&本质上升序列-(二叉树的形式、动态规划)

蓝桥杯备战日志(Python)21-排列小球-(递归搜索)

Python计算机视觉基础实验2-边缘检测和角点检测

Python自然语言处理基础实验1_基于词表的中文分词

Python计算机视觉基础实验1-图像直方图

蓝桥杯备战日志(Python)20-受伤的皇后-(矩阵搜索、递归)

蓝桥杯备战日志(Python)19-阅兵方阵&删除字符-(平方和频次统计&字符串字典序)

蓝桥杯备战日志(Python)18-第几个幸运数字-(枚举只含某些因子的整数)

蓝桥杯备战日志(Python)17-激光样式&修剪灌木-(排列组合&画图找规律)

蓝桥杯备战日志(Python)16-玩具蛇&序列个数-(DFS&枚举、递归)

蓝桥杯备战日志(Python)15-铺设道路-(贪心、递归分裂区间)

蓝桥杯备战日志(Python)14-数列求值&七段码-(枚举、取余&连通图与其子图)

蓝桥杯备战日志(Python)13-跳跃-(遍历、动态规划)

蓝桥杯备战日志(Python)12-递增序列&等差素数列-(”找规律“枚举&数论)

蓝桥杯备战日志(Python)11-数字三角形-(动态规划)