大数据的特性：4v规模性（Volume）大数据的特征首先就体现为“数量大”，存储单位从过去的GB到TB，直至PB、EB。随着信息技术的高速发展，数据开始爆发性增长。社交网络（微博、推特、脸书）、移动网络、各种智能终端等，都成为数据的来源。淘宝网近4亿的会员每天产生的商品交易数据约20TB；脸书约10亿的用户每天产生的日志数据超过300TB。迫切需要智能的算法、强大的数据处理平台和新的数据处理技术， ...

最近在看一些关于图网络的内容，初步入坑…之前看过那几篇赫赫有名的综述论文，看过后一个感觉：GNN是一个筐，什么都能往里面装。确实，这块很有研究价值，总的来讲就是使得机器学习能够处理Non Euclidean data。比如推荐系统、电子交易、计算几何、脑信号、分子结构等抽象出的图谱。这些图谱结构每个节点连接都不尽相同，有的节点有三个连接，有的节点有两个连接，是不规则的数据结构。以前机器学习只能处理 ...

题目一：判断一棵二叉树是否是完全二叉树题目分析层序遍历 将所有的结点加入队列（包括空结点）。当遇到空结点时，查看其后面是否有空结点。若有，则二叉树不是完全二叉树。如果是满二叉树或者完全二叉树，这些空结点应该是在广度优先遍历的末尾，所以，当我们遍历到空洞的时候，整个二叉树就遍历完了。但如果是非完全二叉树，当遍历到空结点时，空结点后面还有非空结点。 C++代码123456789101112131415 ...

对于大多数人来说，犯错是一件让人很不开心的事情。但反过来想，犯错可以让我们意识到自己的不足，然后我们很快就学会下次不能再犯错了。犯的错越多，我们学习进步就越快。 同样的，在神经网络训练当中，当神经网络的输出与标签不一样时，也就是神经网络预测错了，这时我们希望神经网络可以很快地从错误当中学习，然后避免再预测错了。那么现实中，神经网络真的会很快地纠正错误吗？ 我们来看一个简单的例子： 上图是一个只 ...

问题一：滑动窗口的最大值问题描述给定一个数组和滑动窗口的大小，请找出所有滑动窗口里的最大值。 例如，如果输入数组[2, 3, 4, 2, 6, 2, 5, 1]及滑动窗口的大小3,那么一共存在6个滑动窗口，它们的最大值分别为[4, 4, 6, 6, 6, 5]。 注意： 数据保证k大于0，且k小于等于数组长度。 样例 123输入：[2, 3, 4, 2, 6, 2, 5, 1] , k=3输出 ...

问题一：0到n-1中缺失的数字问题描述一个长度为n-1的递增排序数组中的所有数字都是唯一的，并且每个数字都在范围0到n-1之内。 在范围0到n-1的n个数字中有且只有一个数字不在该数组中，请找出这个数字。 样例 123输入：[0,1,2,4]输出：3 问题分析算法一：二分查找 $O(logn)$ 二分查找主要就是考虑我们要查找的值是在哪个区间，以及能否查找得到。 为什么说能否查找得到呢，比如这个题 ...

问题一：数字序列中某一位的数字问题描述数字以0123456789101112131415…的格式序列化到一个字符序列中。 在这个序列中，第5位（从0开始计数）是5，第13位是1，第19位是4，等等。 请写一个函数求任意位对应的数字。 样例 123输入：13输出：1 问题分析这里需要通过三步来确定： 对于任给的一个数n，首先需要确定n这个数对应的是几位数，比如13对应的肯定是一个两位数，200对应 ...

使用tensorflow过程中，训练结束后我们需要用到模型文件。有时候，我们可能也需要用到别人训练好的模型，并在这个基础上再次训练。这时候我们需要掌握如何操作这些模型数据。看完本文，相信你一定会有收获！ Tensorflow模型文件我们在checkpoint_dir目录下保存的文件结构如下： 12345--checkpoint_dir| |--checkpoint| |--MyMode ...

问题一：二叉搜索树的后序遍历序列问题描述输入一个整数数组，判断该数组是不是某二叉搜索树的后序遍历的结果。 如果是则返回true，否则返回false。 假设输入的数组的任意两个数字都互不相同。 样例 123输入：[4, 8, 6, 12, 16, 14, 10]输出：true 问题分析二叉搜索数对应的就是树的中序遍历 在这里，首先通过后续遍历的结果找到根节点，也即是数组中的最后一个元素，然后在数组中 ...

引入TensorFlow提供了一种统一的格式来存储数据，这个格式就是TFRecord。基于这个统一的数据格式，在处理数据的时候有一些通用的框架。这些通用的框架总结为获取文件列表、创建文件队列、图像预处理、合成Batch、设计损失函数、梯度下降算法。如图片总结如下： 获取文件列表、创建文件队列TFRecord介绍TFRecord数据文件是一种将图像数据和标签统一存储的二进制文件，能更好的利用内存， ...