数据结构--堆，可能我们只在《数据结构》这本书上接触过，实际应用中很少用到（至少我觉得是这样）。那么这到底是一种怎样的结构？引入它有什么好处？先来分析这两个问题生活中，我们常可见到各种土堆，石堆等等，类似地，“堆”这个名词可以想到是顶端窄，下端越来越宽的金字塔结构。形象化的一种表示方式就是二叉树，当然它是一种特殊的二叉树，除最下层外都是满二叉树，并且最下层是从左到右依次排列没有空间隔（层序遍历不会
P4101题解第一次写博客，用的不太好~看了好多大佬的题解，发现有的地方想不通，研究了一下，完善了证明过程。题目描述 小 Z 是一个不折不扣的 ZRP（Zealot Round-game Player，回合制游戏狂热玩家），最近他 想起了小时候在江南玩过的一个游戏。在过去，人们是要边玩游戏边填词的，比如这首《菩萨蛮》就是当年韦庄在玩游戏时填 的： 人 人 尽 说 江 南 好， 游 人 只 合 江
# 深度学习框架 Pytorch 简介
## 一、Pytorch 简介
Pytorch 是一个基于 Python 的科学计算库，它提供了强大的 GPU 加速功能，同时拥有丰富的神经网络模块，可以方便地构建和训练深度学习模型。Pytorch 的设计理念是灵活性和易用性，使得用户可以更加轻松地进行快速的实验和原型开发。
## 二、bilibili 小土堆
bilibili 小土堆是一位知名的
原创
2024-07-01 05:30:02
150阅读
堆的认识首先需要说明一点的问题是，这里我们所说的堆和使用malloc开辟的内存空间的那个堆，是完全不一样的，使用malloc的哪个堆，相当于是一块内存空间，而我们这里所说的堆，其实是一种数据结构，也是二叉树顺序存储最明显的一个例子堆的概念及结构如果有一个关键码的集合K = {k0，k1， k2，…，kn-1}，把它的所有元素按完全二叉树的顺序存储方式存储在一个一维数组中，并满足：Ki <=
跟着小土堆学习pytorch（四）——torchvision
跟着小土堆学习pytorch（一）——Dataset
原创
2024-10-22 16:22:33
268阅读
跟着小土堆学习pytorch（五）——dataloader
跟着小土堆学习pytorch（三）——常见transform
# 小土堆深度学习：概念与实现
深度学习是机器学习领域的重要组成部分，近年来得到了广泛的应用。在这篇文章中，我们将探索“深度学习”的基本概念，特别是使用深度学习解决一个简单的问题——“小土堆”的分类问题。为了帮助读者更好地理解，我们将结合状态图和代码示例进行阐述。
## 什么是深度学习？
深度学习是一种基于人工神经网络的算法，它通过模拟人脑处理信息的方式来进行学习。深度学习的一个关键优势在于
Pytorch工具箱dir():打开工具箱，看见工具箱以及工具箱分隔区中都有什么工具help():解释工具的用途以及使用方法打开jupyter开始菜单-->Anaconda对比三种敲Python代码的方式处理数据# 读取数据
from torch.utils.data import Dataset
from PIL import Image
# 可以获取所有图片的地址并通过编号形成列表
im
跟着小土堆学习pytorch（二）——TensorBoard和Transform
原创
精选
2024-10-30 15:15:58
708阅读
跟着小土堆学习pytorch（六）——神经网络的基本骨架(nn.model)
# 使用 PyTorch 创建“土堆”模型的指南
在这篇文章中，我们将带您了解如何使用 PyTorch 创建一个简单的“土堆”模型，同时为您提供详细的步骤和代码指导。我们将以一个简单的机器学习任务为例，这是个简单的多分类任务，帮助您更好地理解 PyTorch。
## 总体流程
下面是我们将要实施的流程的概述：
| 步骤 | 描述
文章目录数据加载DatasetDataloader可视化——TensorBoardTransformToTensorNomalizeResizeRandomCroptorch.nn：神经网络的基本架构Module：所有神经网络的基本类Convolution LayersPooling Layers非线性激活正则化层Recurrent LayersTransformer LayersLinear
转载
2024-04-18 17:54:38
103阅读
裸露土堆识别算法基于人工智能视觉分析技术，裸露土堆识别算法通过对路面/建筑工地的图像进行处理和分析，判断土堆的裸露情况。裸露土他们采取相应措施。
原创
2024-09-19 12:31:48
29阅读
在这篇博文中，咱们将深入探讨如何利用 PyTorch 进行深度学习建模。PyTorch 是一个令人振奋的开源深度学习框架，拥有丰富的工具和库。接下来，我们将系统地展示从环境准备到扩展应用的各个环节，确保每一步都清晰易懂。
## 环境准备
首先，确保你的开发环境中安装了必要的依赖。PyTorch 需要一些前置依赖，包括 Python、NumPy 和一些用于科学计算的库。
### 前置依赖安装
1. 快捷键在jupyter notebook菜单栏有Help按钮，可以查看jupyter的快捷键2. 将多个变量输出一般jupyter notebook默认只打印最后一个变量的结果。比如from pydataset import data
quakes = data('quakes')
quakes.head(10) #前10行数据
quakes.tail(3) #后3行数据通过设置I
一、前言本文属于Pytorch深度学习语义分割系列教程。该系列文章的内容有：Pytorch的基本使用语义分割算法讲解如果不了解语义分割原理以及开发环境的搭建，请看该系列教程的上一篇文章《Pytorch深度学习实战教程（一）：语义分割基础与环境搭建》。本文的开发环境采用上一篇文章搭建好的Windows环境，环境情况如下：开发环境：Windows开发语言：Python3.7.4框架版本：Pytorch
转载
2024-08-18 21:44:40
61阅读
学习前言什么是FasterRCNN目标检测算法源码下载Faster-RCNN实现思路一、预测部分1、主干网络介绍2、获得Proposal建议框3、Proposal建议框的解码4、对Proposal建议框加以利用（RoiPoolingConv）5、在原图上进行绘制6、整体的执行流程二、训练部分1、建议框网络的训练2、Roi网络的训练训练自己的Faster-RCNN模型 学习前言好的pyto
转载
2024-07-22 11:02:20
36阅读
@目录关于Anaconda的一些命令Datasettensorboardtransformstorchvision中的数据集使用DataLoader中的数据集使用torch.nnnn.Module的使用torch.nn 是 torch.nn.functional封装torch.nn.CONV2DPooling layers的nn.MaxPool2dPadding layerNon-linear A
转载
2023-12-11 21:43:01
139阅读
