lypのblog

Flexbox（弹性盒布局）是一种 CSS 布局模型，用于设计和布局复杂的网页布局，尤其是在响应式设计中非常有用。它使得容器中的子元素可以灵活地排列和对齐，即使在不同的屏幕尺寸和容器大小下也能保持一致的布局。 Flexbox 的基本概念 Flex容器（Flex Container）：这是你要应用 Flexbox 布局的父元素。通过设置 display: flex; 或 display: inline-flex;，你将一个元素转变为 Flex 容器。 Flex 项目（Flex Items）：这是 Flex 容器中的子元素，自动成为 Flex 项目。 Flexbox 的主要属性1. Flex 容器的属性 display flex：将元素定义为 Flex 容器，启用 Flexbox 布局。 inline-flex：将元素定义为内联 Flex 容器，和 inline 元素一样在行内显示。 123css复制代码.container { display: flex; /* 或 inline-flex */} flex-direction ：定义主轴的方向（即项目排 ...

tmux常见命令整理tmux是一个强大的终端复用器，允许用户在一个终端窗口中运行多个终端会话，并且可以在这些会话之间自由切换。以下是tmux的一些常见命令及其功能： 会话操作 新建会话 tmux：创建一个新的会话，如果不指定名称，则使用默认名称。 tmux new -s <session_name>：创建一个新的会话，并指定会话名称。 退出会话 Ctrl + b 后接 d：分离当前会话（退出会话界面，但会话仍在后台运行）。 查看所有会话 tmux ls 或 tmux list-sessions：列出所有已存在的会话。 恢复会话 tmux attach -t <session_name> 或 tmux a -t <session_name>：连接到一个已存在的会话。 重命名会话 tmux rename-session -t <old_name> <new_name>：重命名一个已存在的会话。 关闭会话 tmux kill-session -t <session_name>：终止一个已存 ...

Linux命令速查—程序羊

RNN学习笔记—就陆熠鹏自己看得懂

RNN循环神经网络循环神经网络的从零开始实现先读取数据集。 123456789%matplotlib inlineimport mathimport torchfrom torch import nnfrom torch.nn import functional as Ffrom d2l import torch as d2lbatch_size, num_steps = 32, 35train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps) 独热编码回想一下，在train_iter中，每个词元都表示为一个数字索引， 将这些索引直接输入神经网络可能会使学习变得困难。 我们通常将每个词元表示为更具表现力的特征向量。 最简单的表示称为独热编码（one-hot encoding） 简言之，将每个索引映射为相互不同的单位向量： 假设词表中不同词元的数目为𝑁（即len(vocab)）， 词元索引的范围为0到𝑁−1。 如果词元的索引是整数𝑖， 那么我们将创建一个长度为𝑁的全0向量， 并将第𝑖处的元素设置 ...

CNN卷积神经网络全连接网络 VS 卷积网络全连接神经网络之所以不太适合图像识别任务，主要有以下几个方面的问题： 参数数量太多 考虑一个输入10001000像素的图片(一百万像素，现在已经不能算大图了)，输入层有10001000=100万节点。假设第一个隐藏层有100个节点(这个数量并不多)，那么仅这一层就有(1000*1000+1)*100=1亿参数，这实在是太多了！我们看到图像只扩大一点，参数数量就会多很多，因此它的扩展性很差。 没有利用像素之间的位置信息 对于图像识别任务来说，每个像素和其周围像素的联系是比较紧密的，和离得很远的像素的联系可能就很小了。如果一个神经元和上一层所有神经元相连，那么就相当于对于一个像素来说，把图像的所有像素都等同看待，这不符合前面的假设。当我们完成每个连接权重的学习之后，最终可能会发现，有大量的权重，它们的值都是很小的(也就是这些连接其实无关紧要)。努力学习大量并不重要的权重，这样的学习必将是非常低效的。 网络层数限制 我们知道网络层数越多其表达能力越强，但是通过梯度下降方法训练深度全连接神经网络很困难，因为全连接神经网络的梯度很 ...

Java容器用法汇总容器分类 List(对付顺序的好帮手): 存储的元素是有序的、可重复的。 Set (注重独一无二的性质)：存储的元素是无序的、不可重复的。 Queue (实现排队功能的叫号机):按特定的排队规则来确定先后顺序，存储的元素是有序的、可重复的。 Map (用 key 来搜索的专家) :使用键值对（key-value）存储，类似于数学上的函数 y=f(x)，“x” 代表 key，“y” 代表 value，key 是无序的、不可重复的，value 是无序的、可重复的，每个键最多映射到一个值。 CollectionCollection是所有单列集合的父接口，因此在Collection中定义了单列集合(List和Set)通用的一些方法，这些方法可用于操作所有的单列集合。方法如下： 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455import java.util.*;public class CollectionA ...

深度学习计算块和层对于多层感知机而言，整个模型及其组成层都是这种架构。 整个模型接受原始输入（特征），生成输出（预测）， 并包含一些参数（所有组成层的参数集合）。 同样，每个单独的层接收输入（由前一层提供）， 生成输出（到下一层的输入），并且具有一组可调参数， 这些参数根据从下一层反向传播的信号进行更新。 事实证明，研究讨论“比单个层大”但“比整个模型小”的组件更有价值。 例如，在计算机视觉中广泛流行的ResNet-152架构就有数百层， 这些层是由层组（groups of layers）的重复模式组成。 这个ResNet架构赢得了2015年ImageNet和COCO计算机视觉比赛 的识别和检测任务 (He et al., 2016)。 目前ResNet架构仍然是许多视觉任务的首选架构。 在其他的领域，如自然语言处理和语音， 层组以各种重复模式排列的类似架构现在也是普遍存在。 为了实现这些复杂的网络，我们引入了神经网络块的概念。 块（block）可以描述单个层、由多个层组成的组件或整个模型本身。 使用块进行抽象的一个好处是可以将一些块组合成更大的组件， 这一过程通常是递归的，如下图所示 ...

这个博客是我整理的 Java 基础知识的学习笔记(并不是我原创的，我也没实力原创，仅供自己和大家学习)，内容包括：Java 数据类型、Java 关键字、Java的三大特性、Java 中的 String、StringBuffer 和 StringBuilder、Java 反射、Java 异常、Java IO 流、Java 注解、Java 泛型、Java 枚举、Java 8 新特性、Java 常见的集合框架源码解析。 1. Java 数据类型详解Java 数据类型有很多，本文主要从基本类型、包装类型、引用类型和缓存池四个方面来总结。 1.1 基本数据类型基本数据类型有 byte、short、int、long、float、double、boolean、char，关于它们的分类，我画了个图。 接下来我主要从字节数、数据范围、默认值、以及用途等方面给大家总结成一个表格，一目了然。 数据类 型字节数位 数最小值最大值默认 值用途byte18-1281270byte 类型用在大型数组中节约空 间，主要代替整数。因为 byte 变 量占用的空间只有 int 类型的四分 之一short216-3276 ...

C++图学习整理最小生成树在无向图中生成一棵树（n-1条边，无环，连通所有点），且这棵树的劝和最小 普利姆算法（Prim）——加点法 任选一点开始，找到离这个点最近的点，加入最小生成树 再继续去找离这个最小生成树最近的点，加入最小生成树中，重复步骤2 克鲁斯卡尔算法（Kruskal） ——加边法 找到最短边，判断其两个端点在不在一个连通分量里 若在，则跳过；若不在，加入最小生成树 洛谷例题题目描述如题，给出一个无向图，求出最小生成树，如果该图不连通，则输出 orz。 输入格式第一行包含两个整数 $N,M$，表示该图共有 $N$ 个结点和 $M$ 条无向边。 接下来 $M$ 行每行包含三个整数 $X_i,Y_i,Z_i$，表示有一条长度为 $Z_i$ 的无向边连接结点 $X_i,Y_i$。 输出格式如果该图连通，则输出一个整数表示最小生成树的各边的长度之和。如果该图不连通则输出 orz。 样例 #1样例输入 #11234564 51 2 21 3 21 4 32 3 43 4 3 样例输出 #117 提示数据规模： 对于 $20%$ 的数据，$N\le 5$，$M\le 20 ...