原创 從XGBoost想開去:泰勒公式、梯度下降法、牛頓法、海森矩陣

寫在前面:重溫XGBoost的時候,發現很多基本的數學知識已經忘得差不多了。借溫習XGBoost的機會,就重新走一遍與XGBoost沾邊的那些年的高等數學與線性代數吧! 泰勒公式 定義:泰勒公式是一個用函數在某點的信息描述其附近取值的公式

原创 c++常見Built-in總結

1、判斷是否爲數字或字母isalpha:如果是字母,返回一個非零數;否則,返回0;isdigit:如果是數字(0-9),返回一個非零數;否則,返回0;isalnum:如果是字母或數字,返回一個非零數;否則,返回0;2、獲得長度vector

原创 Caffe中DeconvolutionLayer的用法

寫在前面:關於Deconvolution 與Transposed Convolution的字面上的區別,在此不再討論,以下統稱爲Deconvolution,可參考http://blog.csdn.net/u013250416/articl

原创 動態規劃之三:最長上升子序列與最長公共子序列問題

一.最長上升子序列1.定義LIS(i):表示以第i個數字爲結尾的最長上升子序列的長度LIS(i):表示在[0...i]的範圍內,選擇數字nums[i]可以獲得的最長上升子序列的長度LIS(i) = max(1 + LIS(j)) (i >

原创 [Python爬蟲]爬取新浪理財師股票問答

本文將與大家分享如何爬取新浪理財師股票問答。一.背景介紹1)爬取順序:在這裏,根據已有的股票id列表,按照順序,依次爬取每隻股票下面的股票問答。股票id格式:lines = ['300592.XSHE', '300604.XSHE', '

原创 動態規劃之一:基本思想

一.基本思想一般來說,只要問題可以劃分爲規模更小的字問題,並且原問題的最優解中包含了子問題的最優解,則可以考慮用動態規劃解決。動態規劃的實質是分治思想和解決冗餘。因此,動態規劃是一種將問題實例分解爲更小的/相似的子問題,並存儲子問題的解,

原创 隊列、棧

1、用兩個棧來實現一個隊列,完成隊列的Push和Pop操作。 隊列中的元素爲int類型。class Solution { public: void push(int node) { stack1.push(node

原创 鏈表

一、測試鏈表程序 介紹如何創建,打印,刪除鏈表程序。 #include<iostream> using namespace std; struct ListNode { int val; ListNode *next; Lis

原创 動態規劃之二:0/1揹包問題

一、0/1揹包問題定義有一個揹包,它的容量爲C(Capacity)。現在有n種不同的物品,編號爲0...n-1,其中每一件物品的重量爲w(i),價值爲v(i)。問可以向這個揹包中盛放哪些物品,使得在不超過揹包容量的基礎上,物品的總價值最大

原创 場景文字檢測技巧總結

從事場景文字檢測相關的工作有一段時間了,總結了一些經驗技巧,下面就在此記錄下來,僅供參考。 數據集篇 icdar2015數據集 由於icdar2015數據集和icdar2013數據集的訓練圖片均較少,因此,在訓練icdar2015數據集的

原创 基於深度學習的目標檢測及場景文字檢測研究進展

根據本人組會PPT總結整理,複習備用。一.目標檢測與場景文字檢測定義目標檢測:給定一張圖片或者視頻幀,找出其中所有目標的位置,並給出每個目標的具體類別。場景文字檢測:文字檢測(Text Detection):對照片中存在文字的區域進行定位

原创 如何判斷深度學習的網絡是否work?

寫在前面:對於多數從業者而言,從頭開始寫深度學習程序的情況比較少。多數情況下,都是從Github上下載已有的深度學習的程序,使用自己的數據集進行訓練,或者根據需要對程序進行修改。一般官方公開的代碼實現與論文接近,而個人開發者公佈的代碼實現

原创 Bounding-box Regression詳解

  轉自http://caffecn.cn/?/question/160,作者沁心風雨。在此記錄,供自己複習。     R-CNN系列文章(Fast/ Faster RCNN)都訓練了Bounding-box 迴歸器來對窗口進行校正,以提

原创

1.重建二叉樹 輸入某二叉樹的前序遍歷和中序遍歷的結果,請重建出該二叉樹。假設輸入的前序遍歷和中序遍歷的結果中都不含重複的數字。例如輸入前序遍歷序列{1,2,4,7,3,5,6,8}和中序遍歷序列{4,7,2,1,5,3,8,6},則重建