logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

c++ 数据结构 顺序、链式队列实现

链式队列:#include <iostream>#include <stdio.h>#include <malloc.h>const int MAXSIZE=100;typedef int ElemType;using namespace std;typedef struct qnode{ElemType data;struct qnode *next;}Dat

文章图片
#数据结构#c++#开发语言
信创培训第一课:linux操作系统基础

信创培训第一课:linux操作系统基础文章目录信创培训第一课:linux操作系统基础主要任务:一、了解什么是 PKS?了解麒麟桌面版本和麒麟服务器版本的区别二、掌握云主机的基本操作使用yum方式更新云主机操作系统上的软件通过yum方式安装一个应用,并卸载查看系统CPU核心数、CPU利用率、内存利用率、磁盘空间利用率、当前运行进程等信息查看Linux内核版本以及麒麟版本信息:查看网卡、网络地址配置、

#linux
吴恩达机器学习笔记:手搓线性回归(梯度下降寻优)

记录下梯度下降公式推导和代码实现,以及与最小二乘的比较。吴恩达老师课程中使用一个参数theta保存两个变量,不过我好像没把中间变量的形状对齐,所以最后实现了两个参数的版本。

文章图片
#线性回归#回归
超几何分布的其他形式及其解释?

超几何分布定义百度百科:超几何分布是统计学上一种离散概率分布。它描述了从有限N个物件(其中包含M个指定种类的物件)中抽出n个物件,成功抽出该指定种类的物件的次数(不放回)。称为超几何分布,是因为其形式与“超几何函数”的级数展式的系数有关。注意点:(1)超几何分布的模型是不放回抽样。(2)超几何分布中的参数是M,N,n,上述超几何分布记作X~H(n,M,N)。疑惑?有如下题目:题目本身不是问题,在下

文章图片
#概率论
Anaconda prompt中使用conda下载pytorch,一直卡在solving environment解决方案

关闭梯子清空镜像源:在pytorch官网找到对应的版本与命令:复制、下载。

文章图片
#conda#pytorch
基于VGG16实现宝石图像分类任务(acc 84%)--paddle paddle

补充完成CNN的网络结构定义方法实现宝石识别 2.可尝试不同网络结构、参数等力求达到更好的效果卷积神经网络是提取图像特征的经典网络,其结构一般包含多个卷积层与池化层的交替组合。数据集地址:宝石分类数据集地址文件夹目录结构为:data/data218356/,后面的218356这个编号在paddle中启动不同的环境时会发生改变。数据集文件名为archive_train.zip,archive_tes

文章图片
#分类#paddle#python
Python本地代码+Anaconda环境移植到AutoDL平台步骤

3、在VSCode本地从main函数开始,在终端中运行python文件,遇见路径问题各文件首行加sys.append("")2、接着是pip install PyTorch等重要的算法库。1、首先创建虚拟conda环境,Python版本与本地一致。3、VSCode下载remote-SSH连接远程服务器Debug代码。可以在这一步或者上一步的Lab中直接上传文件。2、本地下载FinalShell连接

文章图片
#python#开发语言
ADRC-跟踪微分器TD的Maltab实现及参数整定

提出的目的是为了解决在实际问题中,从不连续(如方波)或带随机噪声(如模型不确定性或外部干扰)的参考信号中,合理提取连续信号及微分信号的问题。在实际应用中,我们所得到的信号往往是带有噪声的,为了从这些含噪信号中提取或恢复原始信号,就需要设计滤波器,以得到原始信号的最佳逼近 [1],因此TD可视为滤波器。在设计飞行器姿态控制器的过程中,参考指令为方波形式,致使信号不连续处的导数发生较大变化,严重影响了

文章图片
#算法
一文解决Could not build wheels for box2d-py, which is required to install pyproject.toml-based projects

首先用conda指令下载发现报错未找到源 报错 “PackagesNotFoundError”,然后开梯子使用pip下载。其中envpath可使用conda env list查看,env_name是个性化虚拟环境的名称。windows11下,使用anaconda在虚拟环境下下载gymnasium[all]库报错.然后重新使用pip install gymnasium[all]然后重新使用pip下载

文章图片
#python#pip#conda
matlab实现dijkstra算法(.m文件可直接运行)

dijkstra标记法求解单源最短路文章目录如只需代码,请移步后文一、dijkstra算法介绍完整版1.定义概览2.算法描述二、dijkstra介绍 简述版三、最短路问题思路四、matlab.m文件(复制粘贴即可执行)总结如只需代码,请移步后文一、dijkstra算法介绍完整版1.定义概览Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点

#矩阵#图论#动态规划 +1
    共 12 条
  • 1
  • 2
  • 请选择