类和对象初步 目录 🚀补充知识 引用& 基本定义 引用作为函数返回值 常引用 const 关键字（避免误改） 基本内容 常量方法（常量成员函数） 常量成员函数的重载 mutable 关键字 加快速度与避免改变 动态内存管理 new 关键字 函数重载 函数的缺省值 🚀类的定义和使用 定义类 定义对象 对象占用的空间 🚀访问对象的成员 🚀类成员的访问权限（private 隐藏机制） 🚀内联成员函数 补充知识 引用& 基本定义 类型名 & 引用名=变量名，引用名相当于变量名的一个别名 定义时必须初始化成某个引用变量 只能引用变量，不能引用常量、const变量和表达式和⚠️迭代器(右值不允许绑定) 特殊的，对于const 引用（const 类型名 &） 定义时仍然必须初始化 但是可以绑定到变量、常量、const变量或表达式（此时将延长表达式值的周期）也可以引用迭代器 初始化后便一直引用该变量，不会引用其他变量 1234int a = 10;int b = 20;int &r ...
AI实践笔记
未读HW1：使用numpy实现反向传播算法示例 注：以往届 AI 基础作业为资料、采用任务驱动型方法进行学习 作业内容： 阅读并理解代码 修改 np_mnist_template.py，更改 loss 函数、网络结构、激活函数、完成训练 MLP （多层感知机,Multilayer Perception）网络以识别手写数字 MNIST（modified national institute of standards and technology)数据集 代码理解 numpy 数值调用库（相当于#include) 1import numpy as np 使用np.array以支持矢量化运算如np.array[1,2]+np.array[3,4] 12345X=np.array([0,0,1],[0,1,1],[1,0,1],[1,1,1])# 输入数据y=np.array([0],[1],[1],[1])# 标签数据# 目的是为了让网络发现逻辑门（前两列->标签)，第三列是一个+b 偏置但后面又有偏置向量因此此处似乎冗余 神经元模型 关于偏置 定义激活函数及其导数 12345 ...
fastAI课程笔记
未读Pratical Deep Learning for Coders Useful Links Youtube courses fastbook Kaggle 入口 Jupyter Notebook Introduction Start modelling：recognize a bird Practical Data Ethics 数据伦理 Myth and Truth Tools PyTorch Jupyter Notebook !pip install -Uqq fastai （ensure newest version) docs.fast.ai: offering examples RISE插件 Vision framework
Diving into daily papers Three pass Abstract (relevant? No! Pass!) Methodology and results (more care) Implement in your brain , understand every deriation Plain Neural Network tensorflow simulaton Activation function Backpropagation Paper1：What is convolutional Neural Network? from CNN Explainer
Gemini
未读关于Gemini使用的火判 动机 使用则皆知，但其实不使用亦然。 纵观从小到大的教育：自己的作业自我完成。如果检索资料能够替代自己的手工打磨和思考，如果抄袭复制模仿能够提升自己的真实能力和掌握水平，那么中小学何不用古早的检索软件替代传统的自习监督呢？ 固然， 在无法进行自我控制之前，禁绝此类容易使用过度而“荒废”的工具大有裨益，然而，现实中又有多少人能完美地执行理想的所谓“自我控制”呢？不过乎，AI 的兴起，水波大兴，作为一种生产工具其带来的效益诚然不可估量，但其在如今学习领域的肆意横行，似乎预示这一种更大范围的坠落——只有少数把自监督能力牢牢掌握的行动和引导才可胜出。 先不谈中国应试教育的好坏，至少从一种方式看来，它具备了知识规范分层、批量输出、定期监督、奖罚机制的流程，成为一种类似 BFS 短期内稳定获取知识的途径。而对于所谓的引导式学习，奖罚监督来源于分块式的成功和失败，输出是随着引导流程而产生的，而其中所学到的每一块知识都是为了服务于最终目标。 分层-获取-监督-递进-……贯穿着各类学习的始终。 毫无分层的杂乱（区别于引导式学习，其分层即一个项目的中间步骤及发散，具备 ...
Kaggle+JupytoraNotebook使用指南 Kaggle界面概览 核心资源与算力限制 (Cloud Computing) Kaggle 提供免费的算力资源，无需本地安装配置环境，通过浏览器即可使用。 资源类型 周使用额度 单次运行时长 适用场景 CPU 无限制 12 小时 数据清洗、统计分析、传统机器学习 GPU (T4 x2) 约 30 小时 12 小时 深度学习训练、计算机视觉 (CV)、自然语言处理 (NLP) TPU (v3-8) 约 20 小时 9 小时 大规模深度学习模型、TensorFlow 优化任务 文件路径规范 (Path System) 在 Kaggle Notebook 中，文件系统分为三个主要区域： 只读输入区 (/kaggle/input/): 所有挂载的数据集、竞赛数据均存放在此。 只能读取，不能修改。 可写输出区 (/kaggle/working/): 这是当前的工作目录。 用于存放训练好的模型权重、导出的 CSV 提交文件等。 临时存储区 (/kaggle/temp/): 用于存放运行 ...
虚拟环境+Git简介+vscode&Jupyter使用指南 此方法适用于 mac 版本终端 📑 快速索引 1. 搭建虚拟隔离环境 2. 备份自己的配置 2.1 本次备份方法 2.2 极简版操作 3. 补充说明 3.1 从零开始 Git 3.2 其他 Git 操作 3.3 更多 3.3.0 .gitignore常用忽略模板 3.3.1 Alias 别名设置 3.3.2 终端警告与日志消除 3.3.3 隐藏文件快捷键 4. VS Code 操作实践 搭建虚拟隔离环境 为了不破坏系统设置，同时跳过系统中一些自带的问题（诸如版本不匹配、自动化脚本损坏等一些问题。 12345678python3 -m venv .venv --without-pip# 此处安装的是裸环境# .venv 可命名为更有标识度的名称curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py# 利用官方网址补全 pip 环境pip install ipykernel numpy matplotlib tor ...
