数据挖掘算法—K-Means算法 Python版本 简介 又叫K-均值算法，是非监督学习中的聚类算法。 基本思想 k-means算法比较简单。在k-means算法中，用cluster来表示簇；容易证明k-means算法收敛等同于所有质心不再发生变化。基本的k-means算法流程如下：选取k个初始质心（作为初始cluster，每个初始cluster只包含一个点）； repeat： 对每个样本点，计算得到距其最近的质心，将其类别标为该质心所对应的cluster； 重新计...
本文禁止转载，违者必究！ 用强化学习玩合成大西瓜 代码地址：https://github.com/Sharpiless/play-daxigua-using-Reinforcement-Learning 用强化学习DQN算法，训练AI模型来玩合成大西瓜游戏，提供Keras版本和PARL（paddle）版本。B站：https://space.bilibili.com/470550823 CSDN：https://blog.csdn.net/weixin_44936889 AI Studio：https://aistudio.baidu.com/aistudio/personalcenter/thirdview/67156 Github：https://github...
本文代码地址： https://gitee.com/devilmaycry812839668/final_-version_-parallelism_-reinforce_-cart-pole ----------------------------------------------------------------------
从零开始学习PPO算法编程（pytorch版本）（三） 我们接着上一篇文章继续写 从伪代码中可以看到，在进行第6步和第7步的时候每次迭代需要执行多个epoch，所以我们首先要把epoch的个数放在之前定义的初始化函数中。因为从公式看θ\thetaθ和?\phi?都有下标，说明第k次迭代的参数与当前的参数之间存在区别，这意味着每个迭代也都有自己的一组要执行的epoch。 Step 5： 优势估计函数计算。在强化学习中，策略对应的优势函数描述了在状态...
从零开始学习PPO算法编程（pytorch版本）（一） 这几篇文章介绍了使用Pytorch进行PPO（近端策略优化）算法编程。这个文章是我从网上进行PPO学习实践是边学边写的，希望能把整体的流程捋顺。 这篇文章首先总体介绍一下编写PPO算法的流程和使用到的文件。 学习PPO算法编程的基础：Python，pytorch，强化学习，策略梯度算法介绍，PPO的理论知识。以下是一些学习参考的内容： 直观理解PPO算法 PPO算法【理论篇】 PPO算法通俗理解 PG算法...
可以直接运行测试：import hashlib import time import requestsbyteTable1 ="D6 28 3B 71 70 76 BE 1B A4 FE 19 57 5E 6C BC 21 B2 14 37 7D 8C A2 FA 67 55 6A 95 E3 FA 67 78 ED 8E 55 33 89 A8 CE 36 B3 5C D6 B2 6F 96 C4 34 B9 6A EC 34 95 C4 FA 72 FF B8 42 8D FB EC 70 F0 85 46 D8 B2 A1 E0 CE AE 4B 7D AE A4 87 CE E3 AC 51 55 C4 36 AD FC C4 EA 97 70 6A 85 37 6A C8 68 FA FE B0 33 B9 67 7E CE E3 CC 86 D6 9F 76 ...
前言 通过代码解释遗传算法解决旅行商问题的思路(CUDA版本，使用GPU并行加速)。 首先，定义常量参数 const int nCities = 99; //城市数量 const int GEN_OUT = 15; //最大代数 const int GEN_IN = 1; //最大代数 const int UNIT_NUM = 20000; //群体规模为20000 const int BlockDIm = 5;//开五个Block const int ThreadDIm = 200;//每个Blockl里开两百个线程 const int EachBlock = 20;//每个线程处理20个种群 const int Exchage =...
语义分割算法(pytorch版本)C++部署全流程解析 本文以https://github.com/CSAILVision/semantic-segmentation-pytorch作为示例语义分割算法，采用libtorch来进行C++部署 整个部署分为以下几个步骤进行展开： 示例语义分割算法简介原始模型预处理opencv化模型网络结构重构模型转化C++数据预处理、前向传播及后处理代码开发opencv和libtorch联合编译 示例语义分割算法简介 https://github.com/CSAILVision/semantic-segmentation-pyto...
简单识别图片相似度。使用PHP实现 在网上查了写资料，这里作为整理，比较高级的算法这里不讨论，这里仅仅说一下php容易实现的简单算法。算法的思路是对图片进行压缩处理，得到特征hash，然后对比hash进行监测相似度。 这类算法称为：感知哈希算法，包括aHash、pHash、dHash。顾名思义，感知哈希不是以严格的方式计算Hash值，而是以更加相对的方式计算哈希值，因为“相似”与否，就是一种相对的判定。 以下来自网络，没有实际测试：...
#堆排序的python版本代码#堆排序的向下调整函数#大根堆的建立方函数def sift(li,low,high): #li是指列表，low是指根节点位置，high是指最后一个元素位置 i=low #最开始跟节点的位置 j=2*i+1 #左边下一层孩子节点 tmp=li[low] #把堆顶元素存下来 while j<=high: #只要j位置有节点，有数字便可以一直循环 if j+1<high and li[j+1]>li[j]: #右边孩子有并且右边更大 j=j+1 #把j指向j+1，右边孩...
1.冒泡排序/* 冒泡排序 */ void bubbleSort(int arr[], int n) {for (int i = 0; i < n; i++) {for (int j = 0; j < n - i - 1; j++) {if (arr[j] > arr[j + 1]) {int tmp = arr[j];arr[j] = arr[j + 1];arr[j + 1] = tmp;}}} } 2.选择排序/* 选择排序 */ void selectionSort(int arr[], int n) {for (int i = 0; i < n; i++) {int minIndex = i;for (int j = i; j < n; j++) {if (arr[minIndex] > arr[j]) {minIndex = j;}}int t...
给定一个数组 nums，编写一个函数将所有 0 移动到数组的末尾，同时保持非零元素的相对顺序。 实例输入: [0,1,0,3,12] 输出: [1,3,12,0,0]说明:必须在原数组上操作，不能拷贝额外的数组。 尽量减少操作次数。 思路：从左到右遍历数组存在数字把是0的逐一的替换，左右更替，最后在遍历剩余的直接填写0就可以class Solution: def moveZeroes(self, nums): if len(nums)<0: return pos = 0 for i i...
package 排序;import java.util.Arrays;/** * 快速排序 */public class demo1 { public static void main(String[] args) { int a[] = {1, 8, 2, 4, 3, 9, 5, 6}; go(a, 0, a.length - 1); System.out.println(Arrays.toString(a)); } /** * 进行排序，找出分界值，然后依据分界，将左右两部分继续进行排序 */ public static void go(int[] a, int left, int right) { if (left ...
O(n)因为将列表转换为集合是O(n)时间,所以得到交集是O(n)时间而len是O(n)def disjoint3c(A, B, C):"""Return True if there is no element common to all three lists."""return len(set(A) & set(B) & set(C)) == 0或类似地,应明确为O(N)def set_disjoint_medium (a, b, c):a, b, c = set(a), set(b), set(c)for elem in a:if elem in b and elem in c:return Falsereturn True但是这个O(n ^ 3)代码：def set_disjoint_slowest (a...
在尝试使用带有OpenCV的GPU加速简单算法时,我注意到在我的机器(Ubuntu 12.10,NVidia 9800GT,Cuda 4.2.9,g 4.7.2)上,GPU版本实际上比CPU版本慢.我用以下代码进行了测试.#include <opencv2/opencv.hpp> #include <opencv2/gpu/gpu.hpp>#include <chrono> #include <iostream>int main() {using namespace cv;using namespace std;Mat img1(512, 512, CV_32FC3, Scalar(0.1f, 0.2f, 0.3f));Mat img2(128, 128, CV_32FC3, Scalar(0.2f,...