司机站

复变 第一章 以下内容从对应练习中写出 1.1 复数的表达 对于复数对应点在复平面的象限 方法: 转换为指数函数，最后看$e^{\theta i}$中的$\theta$来确定象限 $\theta$的范围转换为$-2\pi<\theta<2\pi$ 先提取出模长(一定为正值)，负号(-)转换为乘$e^{\pi i}$, 辐角主值($-\pi<\theta<\pi$) 反正切函数的使用 因为$-\frac{\pi}{2}<arctan(x)<\frac{\pi}{2}$，所以要处理第二，三象限 2加$\pi$,3减$\pi$ 可以根据y轴的正负轴记忆 1.2 复数的基本运算 辐角(Arg(x))是$\theta+2k\pi$ 而辐角主值(arg(x))是在($-\pi,\pi$) 如有求模运算可以先求模在进行乘除 模长不等式: $||z_1|-|z_2||\le|z_1+z_2|\le|z_1|+|z_2|$ 1.3 复数的乘幂运算和开方运算 被开方数和乘幂运算原表达形式不为指数函数 尽可能转换成指数形式 开多少次 ...

堆积函数图片压缩与堆积函数。 123456789101112131415161718192021222324252627282930313233343536373839404142434445# ^ 设置几张图片拼接def stackImages(scale,imgArray): rows = len(imgArray) cols = len(imgArray[0]) # & 输出一个 rows * cols 的矩阵（imgArray） print(rows,cols) # & 判断imgArray[0] 是不是一个list rowsAvailable = isinstance(imgArray[0], list) # & imgArray[][] 是什么意思呢？ # & imgArray[0][0]就是指[0,0]的那个图片（我们把图片集分为二维矩阵，第一行、第一列的那个就是第一个图片） # & 而shape[1]就是width，shape[0]是height，shape[2]是 wi ...

cuda因为内存不足，无法启动： 解决方法： 将内存分配调节成动态分配 123456from tensorflow.compat.v1 import ConfigProtofrom tensorflow.compat.v1 import InteractiveSessionconfig = ConfigProto()config.gpu_options.allow_growth = Truesession = InteractiveSession(config=config)

手动创建Activity 这里从add no activity开始说起 在app/src/main/java/com.example.**(表示包名)目录下new一个empty activity 在其中会看到 Generate Layout File: if true, a layout file will be generated 自动创建对应的布局文件 Laucher Acitvity: if true,this activity will have a CATEGORY_LAUNCHER intent filter,making it visible in the laucher 自动将此activity变成此项目的主activity 自动在AndroidMainfest.xml中注册并添加intent filter标签及其内容物，使其变为主activity 在这里我们先不勾选这两项，后面手动添加这两项以便了解整个流程 现在回过头来看在com.example.*中创建的kt文件 1234567class MainActivity : AppCo ...

测试正则表达式网站:https://regex101.com/ 用途 查找符合某些复杂规则的字符串的的工具。主要是查找。 元字符 代码 说明 . 匹配除换行符以外的任意字符 \w 匹配字母或数字或下划线或汉字 \s 匹配任意的空白符 \d 匹配数字 \b 匹配单词的开始或结束 ^ 匹配字符串的开始 $ 匹配字符串的结束 ( 用小括号来指定子表达式 ) 用小括号来指定子表达式 把匹配理解成光标移动的位置就行 对于元字符本身的搜索可以使用转义字符来取消字符的特殊意义，如\\\d 同时使用^和$可以限定整个字符串的内容，如^\d{3,5}$,则限定字符串只能包含3到5连续位数字 重复 代码/语法 说明 * 重复零次或更多次 + 重复一次或更多次 ? 重复零次或一次 {n} 重复n次 {n,} 重复n次或更多次 {n,m} 重复n到m次 如: ^\w+匹配一行的第一个单词 字符类要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想匹配没有预定 ...

关于axis轴参数理解坐标轴 假定是二维元素 就是行元素和列元素变化的方向 axis=1对列进行操作，axis=0对行进行操作 tf.Tensor list np.array tf.Tensor 为了实现gpu加速，所以重新开发了科学计算库 基本类型 scalar: 1.1 vector:[1.1,2.2,3.3] matrix:[[1.1,2.2],[3.3,4.4]] Tensor:dim>2 在 TensorFlow 中间，为了表达方便，一般把标量、向量、矩阵也统称为张量，不作区分，需要根据张量的维度数或形状自行判断 int,float,double int32,int64,float32,float64 bool string tf.constant() 用来创建一个标量 可以用以下方法: .gpu( ) :使用gpu .cpu( ) :使用cpu .numpy( ) :返回当前值的numpy的数据类型 .nidm : 返回维度 .shape :返回形状 tf.rank( ) : 可以用来查看张量对象的所有信息 tf.is_ ...

全连接层Layers: input hidden output Heroes: BigDATA ReLU Dropout BatchNorm ResNet XAVIR Initialization Caffe/Tensorflow/PyTorch tf.keras.layers.Dense(units,activation)layer.Dense类: .build(num)方法 num为输入节点数 .kernel方法 权值张量𝑾 .bias方法 偏置张量𝒃 .trainable_variables属性 待优化参数列表 .non_trainable_variables属性 所有不需要优化的参数列表 .trainable属性 所有内部张量列表 通过layer.Dense 类，只需要指定输出节点数Units 和激活函数类型activation 即可。需要注意的是，输入节点数会根据第一次运算时的输入shape 确定，同时根据输入、输出节点数自动创建并初始化权值张量𝑾和偏置张量𝒃，因此在新建类Dense 实例时，并不会立即创建权值张量� ...

迁移学习前提 Task A and B have the same input x. You have a lot more data for Task A than Task B Low level features form A could be helpful for learning B 其实就是从通用性走向专一性 原理通用型的模型会学习到很多基础的信息 比如图像识别模型会学习到边缘检测，曲线检测，明暗对象检测等信息 可以帮助我们进一步去强化某一对象的输出 过程 优先改输出层以其权重 根据已有数据集去训练输出层权重 或者进一步去训练全部权重 但因为我们是在已有可用的权重的基础上进行训练，所以这也叫预训练 预训练的意思就是提前已经给你一些初始化的参数，这个参数不是随机的，而是通过其他类似数据集上面学得的，然后再用你的数据集进行学习，得到适合你数据集的参数，随机初始化的话，的确不容易得到结果，但是这个结果是因为速度太慢，而不是最终的结果不一样