一句话评价本科专业课
一句(段)话评价 吐槽
本科目前上过的专业课,英语体育思政之类的课就略去了()
注:没有进行特殊注明的即为必修课。课程本身体验因人而异,难度不仅和课程本身,也与使用教材及授课老师强相关。所以课程和难度评价具有强烈的主观色彩,不建议
进行参考。
一句(段)话评价 吐槽
本科目前上过的专业课,英语体育思政之类的课就略去了()
注:没有进行特殊注明的即为必修课。课程本身体验因人而异,难度不仅和课程本身,也与使用教材及授课老师强相关。所以课程和难度评价具有强烈的主观色彩,不建议
进行参考。
本篇为《CS231n: Deep Learning for Computer Vision》课程的学习笔记,课程版本为 Spring 2025。该篇笔记涵盖了 Assignments。
主要参考了 CS231n 官网 和 B 站课程视频,相关代码和作业实现可以参考 个人完成记录。
前置说明:基础知识可参考 《PyTorch深度学习实践》。本文默认读者已掌握该课程的基础常识,故不再进行赘述。
这一系列笔记为个人随手记录,且是直接从 Obsidian
强行复制过来的,不保证排版和可读性()。
本篇为《CS231n: Deep Learning for Computer Vision》课程的学习笔记,课程版本为 Spring 2025。该篇笔记涵盖了 Lec 12 - Lec 17。
主要参考了 CS231n 官网 和 B 站课程视频,相关代码和作业实现可以参考 个人完成记录。
前置说明:基础知识可参考 《PyTorch深度学习实践》。本文默认读者已掌握该课程的基础常识,故不再进行赘述。
这一系列笔记为个人随手记录,且是直接从 Obsidian
强行复制过来的,不保证排版和可读性()。
本篇为《CS231n: Deep Learning for Computer Vision》课程的学习笔记,课程版本为 Spring 2025。该篇笔记涵盖了 Lec 05 - Lec 11。
主要参考了 CS231n 官网 和 B 站课程视频,相关代码和作业实现可以参考 个人完成记录。
前置说明:基础知识可参考 《PyTorch深度学习实践》。本文默认读者已掌握该课程的基础常识,故不再进行赘述。
这一系列笔记为个人随手记录,且是直接从 Obsidian
强行复制过来的,不保证排版和可读性()。
本篇为《CS231n: Deep Learning for Computer Vision》课程的学习笔记,课程版本为 Spring 2025。该篇笔记涵盖了 Lec 02 - Lec 04。
主要参考了 CS231n 官网 和 B 站课程视频,相关代码和作业实现可以参考 个人完成记录。
前置说明:基础知识可参考 《PyTorch深度学习实践》。本文默认读者已掌握该课程的基础常识,故不再进行赘述。
这一系列笔记为个人随手记录,且是直接从 Obsidian
强行复制过来的,不保证排版和可读性()。
实际上就是把往年题中一些不太会的题提取出来.
抽代学的实在是太烂了, 构造一点不会, 作业好难, 只能过拟合往年题了
QAQ
论如何在 Markdown 环境中打出右对齐的 \(\square\) 证毕符号?
实际上是数分课上老师提的一嘴,
自己补充并完善了一下写出的文章()
在数学分析 / 高等数学的学习中, 我们已经学会了多元函数的微分, 偏导, 高阶偏导和 \(C^{r}\) 类. 但大多数教材并没有介绍高阶全微分, 即 \(f^{(r)}(\boldsymbol{x})\) (也可记作 \(D^{r}f(\boldsymbol{x})\)). 在本文, 我将介绍多元函数的高阶全微分, 以及为什么大多数教材都不介绍多元函数的高阶全微分.
数分课上听到的一个技巧, 终于不用记公式了 QWQ
一般来说计算三角函数相关积分涉及变量替换, 分部积分等手段, 技巧性较强. 在此有一种较为简便计算三角函数相关积分 (尤其与指数相关) 的方法. 其核心为下列公式. \[e^{ix} = \cos x + i\sin x.\]
上大学以来第一场,或许也是最后一场 ICPC。或许以后会离算法竞赛越来越远吧。