前几天有个小伙伴有这么一个需求：l1=[{x:x}forxinrange(10)]l2=[{x:x}forxinrange(10,20)]想要实现如下的结果：[{0:0,10:10},{1:1,11:11},{2:2,12:12},{3:3,13:13},{4:4,14:14},{5:5,15:15},{6:6,16:16},{7:7,17:17},{8:8,18:18},{9:9,19:19}]
分类：
编程语言 时间：
2020-02-25 20:37:03
阅读次数：
78
前几天有个小伙伴有这么一个需求：l1=[{x:x}forxinrange(10)]l2=[{x:x}forxinrange(10,20)]想要实现如下的结果：[{0:0,10:10},{1:1,11:11},{2:2,12:12},{3:3,13:13},{4:4,14:14},{5:5,15:15},{6:6,16:16},{7:7,17:17},{8:8,18:18},{9:9,19:19}]
分类：
编程语言 时间：
2020-02-25 20:20:56
阅读次数：
63
import random import math from scipy.stats import norm import matplotlib.pyplot as plt %matplotlib inline def norm_dist_prob(theta): y = norm.pdf(thet ...
分类：
其他好文 时间：
2020-02-24 18:30:59
阅读次数：
56
今天记录一下列表的基础功能： 定义一个列表： l1=[1,2,3] l2=list([1,2,3,]) l1 [1, 2, 3] l2 [1, 2, 3] 1、append: 像列表中添加一个元素 l1=[1,2,3,] l1.append(4) l1 [1, 2, 3, 4] 2、clear: 清 ...
分类：
编程语言 时间：
2020-02-21 22:42:54
阅读次数：
92
GMEM是gpu里重要的资源，gpu基于framebuffer的大小生成tile，通过解析tile在主存中重建surface。这个操作就是gmem store。更多的rt，导致更多的tile，更多的store操作，更多的性能损失。 恰当地说，GMEM就像到gpu的高速的L1级缓存。从这个缓存上加载东 ...
分类：
其他好文 时间：
2020-02-21 20:45:30
阅读次数：
93
思路 这题好简单，可以分析一下，没有别的情况了。 代码 ...
分类：
其他好文 时间：
2020-02-20 18:37:35
阅读次数：
57
批量归一化 "1.基本概念" "2.代码实现" 1.基本概念 对输入的标准化（浅层模型） 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。 标准化处理输入数据使各个特征的分布相近 批量归一化（深度模型） 利用小批量上的均值和标准差，不断调整神经网络中间输出，从而使整个神经网络在各层的 ...
分类：
其他好文 时间：
2020-02-20 13:32:04
阅读次数：
91
相关知识点说明 范数与稀疏性Note: 1、范数 常见的有L0范数、L1范数、L2范数，经常要将L0范数等价为L1范数去求解，因为L1范数求解是一个凸优化问题，而L0范数求解是一个NP（Nondeterministic Polynomial time Problem，不能在多项式时间内解决或不确定能 ...
分类：
其他好文 时间：
2020-02-19 15:15:17
阅读次数：
86
恢复算法 1、L1 minimization 这是一个凸优化问题，类似于统计学中的LASSO。 优化算法有： 特点： L1最小化的其他形式： 2、Matching Pursuit MP算法(匹配追踪算法) 算法描述： 作为对信号进行稀疏分解的方法之一，将信号在完备字典库上进行分解。假定被表示的信号为 ...
分类：
其他好文 时间：
2020-02-19 13:06:15
阅读次数：
114
1.和数据结构相关的序列： 1.1reversed对列表进行反转（次操作不会该改变原列表，而且生成一个新的迭代器） l=[1,4,6,8,9] l1=l.reverse() #列表里的反转没有返回值 print(l1,l) #列表里的反转会改变原来的数据 结果为 None [9, 8, 6, 4, ...
分类：
其他好文 时间：
2020-02-17 18:09:46
阅读次数：
80
