目录FGD（Full gradient descent）全梯度下降法SGD（stochastic gradient descent）使用动量(Momentum)的随机梯度下降法(SGD)使用牛顿加速度（NAG, Nesterov accelerated gradient）的随机梯度下降法（SGD）小批量梯度下降算法（mini-batch）SAGD（随机平均梯度下降(Stochastic Aver
转载
2024-08-06 12:44:14
55阅读
STL 标准模板库
容器类型
以前的11个容器类型
deque、list、queue、priority_queue、stack、vector、map、multimap、set、multiset、bitset
C++11 新增了
forward_list、unordered_map、unordered_multimap、un
文章目录一、概述1.1 容器1.2 算法1.3 迭代器二、常用容器3、string3.1 常用成员函数2.4 list2.4.1 常见成员函数2.5 set/multiset2.5.1 常见成员函数2.6 map/multimap2.6.1 常见成员函数2.7 stack2.7.1 常见成员函数2.8 queue2.8.1 常见成员函数2.9 priority_queue2.9.1 常见成员函数
STL是Standard Template Library的简称，中文名标准模板库。 STL可分为容器(containers)、迭代器(iterators)、空间配置器(allocator)、配接器(adapters)、算法(algorithms)、仿函数(functors)六个部分。 常用的容器有：向量(vector) 列表(list) 栈(stack) 队列(queue) 双端队列(deque
转载
2024-04-15 11:04:12
344阅读
容器（container）是装有其他对象的对象。容器里面的对象必须是同一类型，该类型必须是可拷贝构造和可赋值的，包括内置的基本数据类型和带有公用拷贝构造函数和赋值操作符的类。典型的容器有队列、链表和向量等。在标准C++中，容器一般用模版类来表示。不过STL不是面向对象的技术，不强调类的层次结构，而是以效率和实用作为追求的目标。所以在STL并没有一个通用的容器类，各种具体的容器也没有统一的基类。容器
转载
2024-06-17 20:14:00
0阅读
学习笔记之Pytorch：线性回归的实现写在前面Pytorch实现loss的计算梯度下降迭代计算完整代码写在后面 写在前面小编写博客的初心是为了记录自己的学习历程，所以以下内容可能会有不严谨的地方，如果各位大佬发现内容有错或者有更好的方法，欢迎在评论区留言，一起进步！Pytorch实现本文只涉及线性回归代码的实现，不会太多的涉及到线性回归到数学原理，如果需要了解线性回归原理，可以在CSDN上搜索
转载
2024-02-02 19:58:00
49阅读
STL的容器可以分为以下几个大类: 一：序列容器， 有vector, list, deque, string.二 : 关联容器, 有set, multiset, map, mulmap, hash_set, hash_map, hash_multiset, hash_multimap三: 其他的杂项： stack, queue, vala
目录STL背景和定义：STL分类：STL三大分类：容器：算法：迭代器：STL六大组件：STL容器使用案例：创建容器：遍历容器容器嵌套容器STL背景和定义：STL是标准模板库（Standard Template Library，STL）。STL是为了增强代码的复用性而创建的一套数据结构和算法的标准模板库，STL里的代码几乎都是模板。STL分类：STL三大分类：STL广义上可以分为：迭代器，容器和算法
转载
2024-07-09 07:58:42
14阅读
STL 简介STL 是 Standard Template Library 的简称，中文名标准模板库，是用 C++ 模板机制来表示泛型的库。STL 现在是 C++ 标准库的一部分（大约 80 %），在工作中也非常常用，非常值得我们学习，其实 STL 就是下面 6 个组件的集合： - 容器 Container - 算法 Algorithm - 迭代器 Iterator - 仿函数 Funct
转载
2024-04-24 21:52:26
41阅读
1、STLSTL（Standard Template Library）标准模板库，是C++为建立 数据结构与算法的一套标准。STL从广义上分为：容器（container）、算法（algorithm）、迭代器（iterator），容器和算法之间通过迭代器进行无缝连接。STL几乎所有的代码都采用了类模板或者函数模板。1.1、STL六大组件容器、算法、迭代器、仿函数、适配器（配接器）、空间配置器容器：各
转载
2024-06-09 11:01:54
44阅读
是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。不仅能够 实现强大的GPU加速，同时还支持动态神经网络.PyTorch提供了两个高级功能： 1.具有强大的GPU加速的张量计算（如Numpy） 2.包含自动求导系统的深度神经网络与tensorflow,caffe区别TensorFlow和Caffe都是命令式的编程语言，而且是静态的，首先必须构建一个神经网络，然后一次又一
转载
2023-06-30 18:35:02
391阅读
在讨论“PyTorch版本有哪些”这个话题之前，我们先了解一下PyTorch本身。PyTorch是一个开源的机器学习框架，这个框架以其灵活性和易用性在深度学习社区中备受青睐。随着时间的推移，PyTorch经历了多个版本的迭代，每个版本除了修复bug外，还引入了新的功能和特性。因此，了解不同的PyTorch版本显得尤为重要。
```mermaid
flowchart TD
A[了解PyTo
研究者发布模型PyTorch Hub 支持在 GitHub 上发布预训练模型（定义模型结构和预训练权重），这只需要增加一个简单的 hubconf.py 文件。该文件会列举所支持的模型，以及模型需要的依赖项。现在，我们可以看看最简单的案例，torchvision 的 hubconf.py： 在 torchvision，模型有以下几部分：每个模型文件都可以独立的执行这些模型不依赖 Py
# Docker参数详解及使用方法
## 概述
在Docker中，参数是非常重要的概念，通过参数我们可以更好地控制容器的行为。本文将介绍Docker中常用的参数及其使用方法，帮助你更好地理解和使用Docker。
## 参数列表
在Docker中，常用的参数包括但不限于以下几种：
1. `-d, --detach`：在后台运行容器
2. `-i, --interactive`：交互模式运行容器
原创
2024-06-14 06:14:42
59阅读
摘要： 继上一篇的文章 初识 MySQL 5.5 新功能、参数 之后，现在MySQL5.6 针对 MySQL5.5 各个方面又提升了很多，特别在性能和一些新参数上面，现在看看大致提升了哪些方面（后续不定时更新）。一：性能、功能上的提升。① 在线DDL即 online DDL，日常的增删字段和索引都不会出现问题，但还是有很多操作不支持完全的
常用的STL容器（每一个容器就是一个类模板，大致分为顺序容器，适配器容器，关联容器。 1.顺序容器（按照线性次序的位置存储数据，即第一，第二，，第三，依次类推，常用的顺序容器是vector,string,deque,list）. (1)向量容器（vector) |v[0]|v[1]|v[2]…|v[n-1]|[增长的空间] | 表头 表尾 以上为vector容器v的存储方式 若初始分配空间不够，当
转载
2024-04-06 22:17:49
31阅读
一、 什么是STL库STL(standard template libaray-标准模板库)：是C++标准库的重要组成部分，不仅是一个可复用的组件库，而且是一个包罗数据结构与算法的软件框架。二、STL库的六大组件容器：各种数据结构，如vector，list，deque，set，map，用来存放数据。算法：sort(排序)，search(查找)，copy(拷贝)，erase(删除)迭代器：迭代器是一
转载
2024-05-30 20:53:31
86阅读
STL中的六大部件 （1）容器 （2）分配器 （3）算法 （4）迭代器 （5）适配器 （6）仿函数 这六大部件中，我们一般直接使用的是容器、算法和迭代器以及仿函数。其中算法通过迭代器对容器中的元素进行操作。所以实际上各类部件是相互作用的关系。知己知彼才能更好的使用各个部件。推荐去看侯捷老师的STL体系结构与内核分析这一门课，我自己听完之后感觉受益匪浅。 接下来开始总结常见容器：一、简述 容器可以分
转载
2024-07-01 05:50:45
100阅读
尽管 PyTorch 已经为我们实现神经网络提供了不少便利，但是人的惰性是无极限的，这里介绍一个进一步抽象的工具包——ignite，它将 PyTorch 训练过程更加简化了。1. 安装pip install pytorch-ignite2. 基础示例from ignite.engine import Events, create_supervised_trainer, create_supervi
转载
2024-08-31 19:58:13
88阅读
PyTorch 是一个基于 Python 的科学计算库，提供了两个主要特征：第一，它是一个 GPU 加速的张量计算库，提供类似于 NumPy 的操作接口，可以在 GPU 上进行加速计算；第二，它是一个自动微分系统，可以用于深度学习模型的开发和训练。PyTorch 的主要模块包括：torch：包含了张量数据类型、数学运算以及用于构建神经网络的函数等等。torch.nn：包含了定义神经网络层、损失函数
转载
2023-08-31 22:06:38
88阅读
