0%

列举文件:ls
列举文件,时间排序: ls -tr
列举文件,显示详细时间信息:ls -l –time=ctime

概述

  1. 分析了CE和Dice Loss的关系,用理论证明了CE是Dice的upper bound。
  2. Dice偏向小型目标,而CE隐式的约束了真实的大小。
  3. 在理论分析后,我们添加L1正则化项,鼓励预测接近类别比例,不降低泛化性的同时解决类别不均衡问题。
  4. 多种实验多个任务,比较不同的loss设计,ablation study,证明我们的正则化项有效性。

现有工作解决类别不均衡问题

  1. CE:直接从分类获得,增加少数类的权重,修改Loss等。如focal loss和topk loss。
  2. Dice:基于geometry-based度量,引入class weights。Linear Dice, logarithmic or generalised dice loss.度量prediction和ground truth的关系
    (描述不是特别clear)
    动机:不知道哪个流派更好,有人根据经验认为Dice更好,这也是Dice广泛应用于医学图像分割的原因。

题目1(dp60分->双向dp口胡)

题目描述

一个矩阵数组,从左上角走到右下角,每一步可向右or向下,走完之后的总价值为通过的位置的数的乘积,(每个数的范围是-8到8,矩阵数组15*15),求最大总价值,答案mod 1e9+7。

解题思路

阅读全文 »

题目描述

原始a=b=n,n为输入。数据范围1e9。
四种等概率操作:
1.(a-100, b)
2.(a-75, b-25)
3.(a-50, b-50)
4.(a-25, b-75)
直到a<=0或b<=0时停止。

记a先到0的概率为p(a),b先到0的概率为p(b),ab同时到0的概率为p(ab)
求:对于输入的n,输出p(a)+0.5*p(ab)

阅读全文 »

位运算符号,以及常用的用法。更新中。

阅读全文 »