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

16 函数基础

表16-1总结了与函数相关的主要语句和表达式。其中包含了函数调用语句、两种声明函数的方式(def 和lambda)、两种管理作用域的方式(global 和nonlocal),以及两种传回返回值的方式(return 和yield)。1 为何使用函数2 编写函数下面是关于Python函数背后的一些主要概念的简要介绍。def是可执行的代码:Python 的函数是由一条新语句编写的,即def。与C这样的编

#python#开发语言#后端
Kinetics-400数据集介绍

摘要这个数据集包括了四百种的人体动作类别,每一种类别都至少有400个视频片段,每个片段都取自不同的Youtube视频,持续大概十秒。数据集的动作类别包括人和物体的交互-比如弹奏乐器;人与人的交互-比如握手。...

FLOPs计算

一、概念FLOPS:注意全大写,是floating point operation per second的缩写,意指每秒浮点运算次数,理解为计算速度。是一个衡量硬件性能的指标。FLOPs:注意s小写,是floating point operations的缩写(s表复数),意指浮点运算数,理解为计算量。可以用来衡量算法/模型的复杂度计算:参考...

五、插值法

1 拉格朗日插值1.3 Lagrange插值多项式先讨论只有两个节点 x0,x1(n=1)x_0,x_1(n=1)x0​,x1​(n=1) 的插值多项式。此时插值多项式应设为 φ1(x)=a0+a1x\varphi_1(x)=a_0+a_1xφ1​(x)=a0​+a1​x,且满足插值条件:φ1(x0)=a0+a1x0=y0=f(x0)φ1(x1)=a0+a1x1=y1=f(x1)\varphi_1

#几何学#线性代数#机器学习
矩阵知识:伴随矩阵

一、伴随矩阵1.1 定义1.2 定理利用伴随矩阵求矩阵的逆矩阵的一个例子

pytorch中hook的使用

在pytorch中,可以利用Hook获取、改变网络中间某一层变量的值和梯度,从而便捷地分析网络,而不用专门改变网络结构。一、torch.Tensor中的hook在使用pytorch时,只有叶节点(即直接指定数值的节点,而不是由其他变量计算得到的节点,比如网络输入)的梯度会保留,其余中间节点梯度在反向传播完成后就会自动释放以节省显存。比如:import torchx=torch.Tensor([1,

#pytorch#深度学习#python
windowsC盘msp文件清理

一、当使用WizTree对C盘进行扫描时,发现了了C盘中存在大量的.msp和.msi文件,占用了大概20G左右的磁盘二、MSI和MSP文件都与我们所安装的软件有关系,但是有一些软件可能已经被删除或者被更高版本的替代,这时的MSI或MSP文件就失去了用处,所以可以清理掉三、使用PatchCleaner可以分辨出哪些MSI或者MSP文件需要清理,然后可以清理掉这些文件,释放磁盘清理教程地址下载Patc

libpcap中主要函数使用介绍

PCAP_OPEN_LIVE名字含义:open a device for capturing使用方法:#include<pcap.h>char errbuf[PCAP_ERRBUF_SIZE];pcap_t *pcap_open_live(const char *device,int snaplen,int promisc,int to_ms,char *errbuf);简要描述:这个

神经网络卷积层以及池化层介绍

一、二维卷积层池化层的提出是为了缓解卷积层对位置的过度敏感性。一、二维最大池化层和平均池化层同卷积层⼀样,池化层每次对输⼊数据的⼀个固定形状窗⼝(⼜称池化窗⼝)中的元素计算输出。不同于卷积层⾥计算输⼊和核的互相关性,池化层直接计算池化窗⼝内元素的最⼤值或者平均值。该运算也分别叫做最⼤池化或平均池化。在⼆维最⼤池化中,池化窗⼝从输⼊数组的最左上⽅开始,按从左往右、从上往下的顺序,依次在输⼊数组上滑动

#神经网络#pytorch#深度学习
矩阵的二次型,矩阵的迹、正定矩阵、Hessian矩阵、实对称

向量空间:向量空间Rn由所有的n维向量v组成,向量中的每个元素都是实数。向量空间R2可以用xy平面来表示,其中的每个向量有两个元素,它们定义了平面上一个点的坐标。向量空间的性质:在一个向量空间中,如果我们将任意向量相加或者乘以一个标量,也就是任意向量的线性组合,它们的结果仍然在这个向量空间中。https://zhuanlan.zhihu.com/p/50066691欧式空间:欧几里得空间就是在对现

#线性代数
    共 26 条
  • 1
  • 2
  • 3
  • 请选择