问题描述　　w星球的一个种植园，被分成 m * n 个小格子（东西方向m行，南北方向n列）。每个格子里种了一株合根植物。　　这种植物有个特点，它的根可能会沿着南北或东西方向伸展，从而与另一个格子的植物合成为一体。　　如果我们告诉你哪些小格子间出现了连根现象，你能说出这个园中一共有多少株合根植物吗？输入格式　　第一行，两个整数m，n，用空格分开，表示格子的行数、列数（1<m,n...

二叉树（C语言）这里记录了二叉树的一些基本概念。下面是在LeetCode上刷的有关二叉树的习题，在此做个记录。LeetCode104.二叉树的最大深度给定一个二叉树，找出其最大深度。二叉树的深度为根节点到最远叶子节点的最长路径上的节点数。说明:叶子节点是指没有子节点的节点。示例：给定二叉树[3,9,20,null,null,15,7]，3/ \...

1、概念        位运算符的运行速度要快于算术运算符，用位运算符代替算数符会加快程序运行速度。移位运算符包括&lt;&lt;（左移）和&gt;&gt;（右移）。左移运算符的作用是将一个二进制位的操作数按指定的移动位数向左移动，移出位被丢弃，右边的空位一律补0；右移运算符的作用是将一个二进制位的操作数按指定的移动位数向右移动，移出位被丢弃，左边的空位一律补0；2

cross_entropy函数是pytorch中计算交叉熵的函数。输入主要包括两部分，一个是维度为（batch_size，class）的向量，class表示分类的数量，这个就表示模型预测的分类结果；另一个是维度为（batch_size）的一维矩阵，表示每个样本的真实分类。输出的就是交叉熵的值。交叉熵交叉熵是常见的损失函数，公式如下：其中y是真实分类，是通过softmax处理后的模型预测分类。在上面

最近项目组让我做一个文本分类的小任务，我一直习惯了做NLP的各种任务都起手用BERT看效果，这次数据质量较高，虽然label有点多，但F1还是达到了0.9以上。之前对BERT的预训练过程做过详细解释，文章中的代码就是一段简洁的预训练Demo代码，对于了解BERT的原理有很大帮助。结合原理和代码来理解bert模型https://blog.csdn.net/Q_M_X_D_D_/article/det

写在前面前几天阅读了一段bert模型预训练的代码，并写了解析（结合原理和代码来理解bert模型），但是这段代码中的语料是手动添加的两个人的一段对话，不足以显示模型的效果。于是我想用实验室的中医语料数据来训练该模型，由于数据增多，模型也更庞大，于是想把模型及数据迁移到GPU上，过程中遇到了不少的bug，但debug时也了解了一些pytorch模型的运行细节，在此做个记录。pytorch如何使用GPU

问题描述假设有下面这样一个数据集，想要对其中的数据进行分类，分为两个聚类。例如算法流程K-Means算法是个迭代算法，其迭代过程分为两步：聚类分配和中心移动。首先随机生成两个点，即聚类中心，如下图所示。然后开始算法的迭代过程：（1）首先进行聚类分配，遍历所有样本，按照样本与两个聚类中心的距离大小来将每个样本分配给两个聚类中心。即把样本分配到离他最近的那个聚类中心。（2）然后进行聚类中心的移动。计算

上篇中写了Python爬虫的基础知识，并将我的所有博客文章标题和阅读量爬下来放进了文件中。详情点击：简单爬虫这篇中将上个程序进阶一下，在多线程下，将所有的文章标题和阅读量对应着爬下来，并生成柱状图。再将函数封装到类中，通过指定用户名就可以爬取该用户的所有文章阅读量。进阶详情上一篇中的阅读量是在博客首页爬取的。但是经过我实际操作后发现，将首...

前几天突然心血来潮想鼓捣一个服务器，把之前javaweb实验课上做的网页放上去，由于第一次做水平有限，部署项目费了三四天劲儿，踩了好多坑，把原本没那么复杂的事弄得一团糟。小破服务重装了两次系统，mysql和Tomcat的配置改了无数次，绕了好多圈子最后终于成功了。以下详细的配置过程：1、前期准备准备好jdk的安装包、Tomcat的压缩包、mysql的压缩包、...

人脸识别是一门非常非常庞杂的理论系统，我们需要由浅到深地学习，逐步构建人脸识别理论体系，学习过程任重道远。人脸识别的概念不用多说了，在生活中已经十分常见了，首先对人脸识别的一些最基础的概念做一些解释。人脸识别的基本步骤？在图像上选取一个（矩阵）区域作为观察窗口提取窗口中的一些特征来对这个窗口进行描述根据特征描述来判断该窗口是否框住了一张人脸不断重复...