- 深度学习训练模型中的 Epoch，Batchsize，Iterations
GOODPOSThttps://towardsdatascience.com/epoch-vs-iterations-vs-batch-size-4dfb9c7ce9c9 Epoch /ˈiːpɒk/ 美 n.时代，纪元；值得纪念的事件（或日期）；世（地质年代，纪下分世）；历元复数epochs 当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一次Epoch。所有训练......
- 【学习】第一章 第4节
1-4原子结构的玻尔行星模型光谱：物质的特性之一，每一物质都有其独特的光谱。物质不同，光谱亦异。巴尔末经验方程的里德伯形式：\[\displaystyle\barv=\frac{1}{\lambda}=R_H(\frac{1}{2^2}-\frac{1}{n^2})\]其中\(R_H\)称为里德伯常量，其数值为\(1.09737\times10^7\te......
- 一文读懂强化学习：RL全面解析与Pytorch实战
在本篇文章中，我们全面而深入地探讨了强化学习（ReinforcementLearning）的基础概念、主流算法和实战步骤。从马尔可夫决策过程（MDP）到高级算法如PPO，文章旨在为读者提供一套全面的理论框架和实用工具。同时，我们还专门探讨了强化学习在多个领域，如游戏、金融、医疗和自动驾驶等的具体应用......
- Django实战项目-学习任务系统-查询列表分页显示
接着上期代码框架，6个主要功能基本实现，剩下的就是细节点的完善优化了。接着优化查询列表分页显示功能，有很多菜单功能都有查询列表显示页面情况，如果数据量多，不分页显示的话，页面展示效果就不太好。本次增加查询列表分页显示功能，对一个查询列表功能进行分页改造，其他依此类推即可。......
- 最小表示法学习笔记
找出与\(S\)循环同构的字符串中字典序最小的那一个。记录两个指针\(i\)和\(j\)，表示当前可能成为答案的最前面两个位置。初值为字符串的前两个位置\(1\)和\(2\)。每次按\(k\)从小到大暴力比较\(S_{i+k}\)和\(S_{j+k}\)的大小，当遇到\(S_{i+k}>S_{j+k}\)时，\(i\simi......
- 学习笔记：卢卡斯定理
卢卡斯定理引入卢卡斯定理用于求解大组合数取模的问题，其中模数必须为素数。正常的组合数运算可以通过递推公式求解，但当问题规模很大，而模数是一个不大的质数的时候，就不能简单地通过递推求解来得到答案，需要用到卢卡斯定理。定义卢卡斯定理内容如下：对于质数\(p\)，有\[\binom{n}{......
- 学习笔记：裴蜀定理
裴蜀定理定义裴蜀定理，又称贝祖定理（Bézout'slemma）。是一个关于最大公约数的定理。其内容是：设\(a,b\)是不全为零的整数，则存在整数\(x,y\),使得\(ax+by=\gcd(a,b)\).证明若任何一个等于\(0\),则\(\gcd(a,b)=a\).这时定理显然成立。若\(a,b\)不等于\(0\).由......
- 学习笔记：威尔逊定理
威尔逊定理定义威尔逊定理：对于素数\(p\)有\((p-1)!\equiv-1\pmodp\)。证明我们知道在模奇素数\(p\)意义下，\(1,2,\dots,p-1\)都存在逆元且唯一，那么只需要将一个数与其逆元配对发现其乘积均为（同余意义下）\(1\)，但前提是这个数的逆元不等于自身。那么很显然\((p-1)!\bmod......
- uboot的重定向汇编详细分析--Apple的学习笔记
一，前言既然是第二轮学习，当然要比第一轮增加深度，获取更多技能和通用方法论。之前我想通过代码关闭relocate功能，结果一尝试就复位了，看来没我想的简单，还是先了解下relocate的代码。二，源码分析调用前r0有传参为gd->relocaddr，也就是一个指针地址保存在r0。arch/arm/lib/crt0.S ldr r0,......
- 2023年11月第一周学习总结
排序归并排序本质是将多个序列进行合并，和快排一样也用的是分而治之的思想，并且它也是基于比较里面较快的算法且能保持稳定性的算法。那么怎么将两个序列合并呢?(假设左右两边已经有序)开辟一个和数组一样大的辅助数组，再设定两个指针，第一个指针指向第一个序列的开头，第二个指针......