草庐IT

草履虫

全部标签

HC595简单原理及proteus仿真(一)草履虫能听懂版

简单原理目录简单原理简介:特性:引脚功能:proteus仿真接线: 注意:SH_CP,ST_CP,DS如何工作实验一:实验一:实验三: END:hc595是具有三态输出寄存器的CD74HC5958位移位寄存器相当于单片机的外接寄存器,可以解决单片机io口数量不足问题(作者认为)特性:特性 •低输出电流,最大值1µA•移位寄存器具有直接清零功能•8位串行输入/并行输出移位寄存器•2V至6V的宽工作电压范围•高电流三态输出最多可驱动多达15个LSTTL负载•低功耗,ICC最大值为80µA•典型值tPD=14ns•电压为5V时,输出驱动为±6mA引脚图引脚功能:QA~QH:并行输出QH’:串行输出S

(草履虫级别的精讲)卷积神经网络的基本组成结构

目录前言卷积神经网络的基本组成结构一.卷积层1.标准卷积层2.形变卷积3.空洞卷积二.池化层1.最大池化层2.平均池化层三.激活函数1.Sigmoid2.Tanh3.ReLU4.Leaky_ReLU 5.Mish四.损失函数1.回归损失函数2.分类损失函数交叉熵损失函数(CrossEntropyLoss)     平衡交叉熵损失函数(BalancedCrossEntropy)     FocalLoss前言第一个典型的卷积神经网络(ConvolutionalNeuralNetwork,以下简称CNN)是由LeCun等人于1998年提出LeNet网络,是一种用于手写体字符识别的非常高效的卷积神经

C++ STL?看这篇就够啦。草履虫都能学会的STL教程!

C++中容器容器是什么?string容器构造函数常见函数vector容器与array的区别构造函数常见函数迭代器迭代器是什么?deque容器实现原理常见函数stack容器栈常见函数queue容器常见函数list容器链表链表的概念list容器的迭代器常见函数set/multiset容器二叉树常见函数map/multimap容器map和set的**区别**是:容器是什么?几乎可以说,任何特定的数据结构都是为了实现某种特定的算法。STL容器就是将运用最广泛的一些数据结构实现出来。常用的数据结构:数组(array),链表(list),tree(树),栈(stack),**队列(queue)**,集合(

条件期望:Conditional Expectation 举例详解之入门之入门之草履虫都说听懂了

我知道有很多人理解不了“条件期望”(ConditionalExpectation)这个东西,有的时候没看清把随机变量看成事件,把\(\sigma\)-algebra看成随机变量从而思路全错的时候,我也会觉得莫名奇妙。所以在这里用一个极其简单的例子解释一下,只要你是一只上过高中的草履虫那就能听懂。\[\]我们来丢一枚质地均匀的硬币(意味着得到正面与反面的概率各为\(\frac{1}{2}\)),连丢两次并记录两次结果。那么很容易可以写出全集\(\Omega=\left\{HH,HT,TH,TT\right\}\),\(H\)和\(T\)分别代表正面和反面。现在是第一个需要稍加思考的地方,令\(\

条件期望:Conditional Expectation 举例详解之入门之入门之草履虫都说听懂了

我知道有很多人理解不了“条件期望”(ConditionalExpectation)这个东西,有的时候没看清把随机变量看成事件,把\(\sigma\)-algebra看成随机变量从而思路全错的时候,我也会觉得莫名奇妙。所以在这里用一个极其简单的例子解释一下,只要你是一只上过高中的草履虫那就能听懂。\[\]我们来丢一枚质地均匀的硬币(意味着得到正面与反面的概率各为\(\frac{1}{2}\)),连丢两次并记录两次结果。那么很容易可以写出全集\(\Omega=\left\{HH,HT,TH,TT\right\}\),\(H\)和\(T\)分别代表正面和反面。现在是第一个需要稍加思考的地方,令\(\

草履虫都能上手用的人工智能模型

前排提示:阅读本文不需要任何人工智能以及算法相关的知识。你会任何一种编程语言就行,会python当然那更好。仅作为NLP科普,娱乐,实际算法工作并非这么简单。X:“宝,你搞的是什么算法?”A:“NLP,又叫自然语言处理。”X:“太抽象了啊”A:“比如聊天机器人?”X:“emmmmm”A:“算了,你自己试一下吧,上车,坐稳了。”接下来会分为两部分:没有Python环境的我会提供一个colab,但是colab是谷歌的,要怎么打开能懂我的意思吧。有Python环境的可以直接上手进行尝试了。代码是完全一样的。如果你没有Python环境那么:Transformers,whatcantheydo?-Col

草履虫都能上手用的人工智能模型

前排提示:阅读本文不需要任何人工智能以及算法相关的知识。你会任何一种编程语言就行,会python当然那更好。仅作为NLP科普,娱乐,实际算法工作并非这么简单。X:“宝,你搞的是什么算法?”A:“NLP,又叫自然语言处理。”X:“太抽象了啊”A:“比如聊天机器人?”X:“emmmmm”A:“算了,你自己试一下吧,上车,坐稳了。”接下来会分为两部分:没有Python环境的我会提供一个colab,但是colab是谷歌的,要怎么打开能懂我的意思吧。有Python环境的可以直接上手进行尝试了。代码是完全一样的。如果你没有Python环境那么:Transformers,whatcantheydo?-Col