stat
#title
solved
8 / 14
athe perfect stall
solved
3 / 5
bmarch of the penguins
1 / 1
cpigs
0 / 4
dsightseeing tour
ebudget
0 / 2
foptimal milking
gfiring
hshoot the bullet
第一題「
the perfect stall
」二分匹配借用最大流ek演算法解決：先設定源點和匯點，連線源點和所有牛，連線匯點和所有牛棚。再利用bfs尋找從源點到匯點的路徑(增廣路)要求每條邊殘餘值》0，找出一條增廣路後再在每條邊正向上增加殘餘值的最小值，反向上減去殘餘值的最小值，sum加上殘餘值的最小值，完成一次增廣。反覆增廣直到bfs找不到一條源點到匯點的路徑時的sum就是答案。遇到的問題&解決方法
第二題「march of the penguins」使用dinic演算法：將每個點拆成入點(從1到n編號)和出點(從n+1到2n編號)兩個點，權值為每個點的最大跳躍次數，建立源點(編號為0)並將源點與每個入點相連，權值為每個點上的企鵝數，嘗試將每個點的出點與另乙個點的入點相連(若兩點間距離小於最大跳躍距離則相連)，再分別把每個點(除源點外)的入點作為匯點，利用dinic演算法求最大流:
1.利用bfs建立層次圖，表示每個殘餘流量大於0的點到源點的最短距離(每條邊距離為1).
2.利用dfs多路增廣，flow=每次增廣的值累加.
3.重複1和2直到bfs無法建立層次圖時的flow即為最大流。
若flow與企鵝總數相等，則該匯點有效,依次遍歷所有點找出所有可行的匯點。
linux基本命令初步記錄（2019 4 27）
lslist 選項 l 以列表的形式展現出來 a 顯示隱藏檔案，包含以 開頭的檔案 h 以較高的可讀性顯示檔案，顯示檔案的大小 pwdprint working directory 列印當前工作路徑 cdchange directory 改變目錄 cd 進入系統根目錄 cd和cd 進入當前使用者主目...
keras 訓練是 各種loss 變化情況
1 學習率可能太大 2 batch size太小 3 樣本分佈不均勻 4 缺少加入正則化 大家可以在這幾個方面去進行調整，一步一步的調整，先調整學習率，然後再調整batch size,一般這兩種情況比較多，很容易就可以解決。如果還不行，再考慮一下val 集的資料樣本和訓練集的樣本是不是同樣的分布。從...
訓練網路出現loss為NaN的情況
原因 在學習過程中，梯度變得非常大，使得學習的過程偏離了正常的軌跡。症狀 觀察輸出日誌中每次迭代的loss值，發現loss隨著迭代有明顯的增長，最後因為loss值太大以致於不能用浮點數去表示，所以變成nan。可採取的方法 1.降低學習率，比如solver.prototxt中base lr，降低乙個數...