309. 最佳买卖股票时机含冷冻期难度中等671给定一个整数数组，其中第i个元素代表了第i天的股票价格 。​设计一个算法计算出最大利润。在满足以下约束条件下，你可以尽可能地完成更多的交易（多次买卖一支股票）:你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。我们用 f[i] 表示第 i 天结束之后的「累计最大收益」。根据题目描

6-CNN-3（理解卷积过程）计算卷积后特征图尺寸（步长1原图大小32，核5，则(32-5)/步长+1=28CNN层次序卷积层->ReLu层->池化层（下采样，压缩数据和参数数量）->全连接层边界0填充不丢弃原图信息，保持特征图与原图大小一致。核大小3 5 7 分别填充宽度1 2 3计算卷积核参数数量如核大小5，则5×5×3+1 （3通道，1个偏置）池化层7-CNN-case s

介绍当我获得一份名单（本校4年的本科生录取姓名、学号、专业、录取中学等等）打算利用这个名单，进行一些基础的有趣分析基础整理引入库，并读写表格import numpy as npimport pandas as pdimport osfrom collections import defaultdictimport matplotlib.pyplot as pltplt.r...

Soft attention是一种全局的attention，其中权重被softly地放在源图像所有区域Hard attention一次关注图像的一个区域，采用0-1编码，时间花费较少，但是不可微分，所以需要更复杂的技术来进行训练下图是从果壳网（quora）摘取的一篇回答即在机器学习中soft 常常表示可微分，比如sigmoid和softmax机制而hard常常表示不可微分soft hard att

Soft attention是一种全局的attention，其中权重被softly地放在源图像所有区域Hard attention一次关注图像的一个区域，采用0-1编码，时间花费较少，但是不可微分，所以需要更复杂的技术来进行训练下图是从果壳网（quora）摘取的一篇回答即在机器学习中soft 常常表示可微分，比如sigmoid和softmax机制而hard常常表示不可微分soft hard att

11-GAN基本思想（方法）初始化一个生成器G判别器D，每一次迭代，step1（先固定G，训练D）：G生成一组图片，再从数据库采样真实图片，用这两组对D进行训练，目标是使D对真实图片的评分高，而对G生成的图片的评分低step2（固定D，训练G）：G+D构成大网络，G产生图片，D对其识别评分，以此对G进行训练，使得输出数值越大越好结构学习 Structured learning传统机器学习可以表示为

11-GAN基本思想（方法）初始化一个生成器G判别器D，每一次迭代，step1（先固定G，训练D）：G生成一组图片，再从数据库采样真实图片，用这两组对D进行训练，目标是使D对真实图片的评分高，而对G生成的图片的评分低step2（固定D，训练G）：G+D构成大网络，G产生图片，D对其识别评分，以此对G进行训练，使得输出数值越大越好结构学习 Structured learning传统机器学习可以表示为

卷积层 Convolutional layer卷积运算的目的是提取输入的不同特征类似于CV中的滤波，通过滑动窗口来得到特征图像非线性激活层 Reluf(x)=max(0,x)非线性激活层即保留大于0的值，即保留特征比较好的值，将特征小于0的值舍去池化层 pooling池化（Pooling）：也称为欠采样或下采样。主要用于特征降维，压缩数据和参数的数量，减小过拟合，同时提高模型的容错性一般是 卷积层

最近在做聊天机器人的人工智能实践，需要用到依存句法分析和语义依存分析，所以利用强大的中文语言技术平台注册及快速入门网址 https://www.xfyun.cn/快速入门文档 https://www.xfyun.cn/doc/platform/quickguide.htmlIP白名单设置运行demo时，会出现类似{"code":"10105","data":{},"desc":"ill...

个人情况：本科某中流985，偏人工智能专业，无科研经历，无比赛奖项，绩点80+，大概前百分之四十，大一转专业到CS/AI，基础一般，六级擦边过初试382 65名，总成绩32名择校历程：一开始想去南方中流以上985（南大武大中山之类），发现分数较高，且风险较大（如21年科软）。遂曲线救国，在报名时临时选择了西交，（408也复习不完了）复（预）习：由于大三上课程和实验较多，且疫情在家效率低，所以基本上