体细胞 样本 深度 流程
请求上下文分析、函数和方法、threading.local对象、偏函数、flask整个生命执行流程(1.1.4版本为例)、wtforms
请求上下文分析(源码：request原理) 导出项目的依赖 # 之前 pip freeze >requirments.txt 把当前解释器环境下的所有第三方依赖都导出来 # 使用第三方模块，更精确的导出依赖 pipreqs 第一步：安装 pip3 install pipreqs 第二步：使用命令，导 ......
【flask】flask请求上下文分析 threading.local对象 偏函数 flask1.1.4生命执行流程 wtforms
上节回顾 # 1 蓝图 - 第一步：导入 - 第二步：实例化得到对象，可以指定static和templates - 第三步：app中注册蓝图，注册蓝图时，可以指定前缀 - 第四步：使用蓝图，注册路由，注册请求扩展 # 2 g对象 -当次请求的全局对象，在当次请求中可以放值和取值 -跟session的 ......
函数-流程函数
常见的流程函数： 代码： select if(true,'OK','Error');/*如果第一个值为true，则返回OK，否则返回Error */select IFNULL(null,'default');/*如果第一个值为null，则返回default，否则返回第一个值 */-- 查询emp表成 ......
AIRIOT赋能水务行业深度转型，打造智慧水务“四化建设”
水利水务与民生息息相关，随着我国智慧城市建设的推进及科学技术的不断发展，对城市供水管理产生了尤为重要的影响。面对水务行业信息化建设周期长，无统一的技术标准和数据标准，信息孤岛严重，协同工作能力受制约，运营分析缺乏数据支撑和科学依据等一系列问题。因此，结合城市供水所需，及时调整智慧水务建设战略，加快智 ......
m基于简化后的轻量级yolov4深度学习网络农作物检测算法matlab仿真
1.算法描述 YOLOv4 的深层网络包括 SPP 模块、PANet 模块、YOLO Head 模块和部分卷积，其主要作用是加强目标特征提取并获取预测结果。SPP 模块的输入端和输出端各连接一个三次卷积块，每个三次卷积块包含 2 个 1×1 卷积和 1 个 3×3 卷积。 PANet 模块包含特征层 ......
深度学习基础入门篇[二]：机器学习常用评估指标:AUC、mAP、IS、FID、Perplexity、BLEU、ROUGE等详解
A.深度学习基础入门篇[二]：机器学习常用评估指标:AUC、mAP、IS、FID、Perplexity、BLEU、ROUGE等详解 1.基础指标简介 机器学习的评价指标有精度、精确率、召回率、P-R曲线、F1 值、TPR、FPR、ROC、AUC等指标，还有在生物领域常用的敏感性、特异性等指标。 在分 ......
4-流程控制语句
第一章 流程控制语句 1.1 流程控制语句分类 顺序结构 判断和选择结构(if, switch) 循环结构(for, while, do…while) 1.2 顺序结构 顺序结构是程序中最简单最基本的流程控制，没有特定的语法结构，按照代码的先后顺序，依次执行，程序中大多数的代码都是这样执行的。 顺序 ......
Mask R-CNN – 1 小时实用深度学习分割
Mask R-CNN – 1 小时实用深度学习分割 创建您自己的 AI 语义分割的实用指南：了解完整的工作流程 – 从训练到推理 课程英文名：Mask R-CNN - Practical Deep Learning Segmentation in 1 hour 此视频教程共3.48GB，中英双语字幕 ......
深度学习—ResNet_CIFAR100代码
1 ''' 2 参考资料： PyTorch官方文档 3 ''' 4 5 # 导入所需的包 6 import torch 7 import wandb 8 import torch.nn as nn 9 from torchvision import transforms 10 from torchv ......
深度学习的基本原理和常用框架介绍
深度学习是一种基于人工神经网络的机器学习方法，它可以从大量的数据中学习抽象和复杂的特征，从而实现各种智能任务，如图像识别、自然语言处理、语音识别等。深度学习的基本原理是利用多层的神经网络结构，通过前向传播和反向传播的算法，不断调整网络中的参数，使得网络的输出能够逼近或优化目标函数。深度学习的常用框架 ......
【Java 并发】【九】【AQS】【三】基于AQS的共享锁实现、底层源码深度剖析
1 前言 上一节我们详细讲解了基于AQS实现的互斥锁机制，进行了深入的剖析，包括从acquire入口源码开始，剖析了获取锁失败调用addWaiter方法加入等待队列，知道了Node节点是怎么插入等待队列的；同时还剖析acquireQueue方法的源码，解析了插入等待队列之后的节点什么时候被挂起，什么 ......
Java异常处理流程
Java异常处理流程 java中处理异常的代码块构成一般如下 class TestException{ String testEx(){ try { System.out.println("捕获异常"); }catch (java.lang.Exception E){ System.out.prin ......
【LeetCode剑指offer 02】矩阵中的路径（老鼠走迷宫plus，应用深度优先搜索与回溯机制）
矩阵中的路径 https://leetcode.cn/problems/ju-zhen-zhong-de-lu-jing-lcof/ 给定一个 m x n 二维字符网格 board 和一个字符串单词 word 。如果 word 存在于网格中，返回 true ；否则，返回 false 。 单词必须按照 ......
SpringBoot启动流程
启动类 @SpringBootApplication public class App { public static void main(String[] args) { SpringApplication.run(App.class,args); } } @SpringBootApplicati ......
【Java 并发】【九】【AQS】【二】基于AQS的互斥锁机制、底层源码深度剖析
1 前言 上一节我们从整体上分析了什么是AQS以及AQS内部的数据结构，那么这节我们就从acquire和release入手，分析一下AQS为独占锁提供的机制：到底是怎么在获取资源失败进入等待队列的？以及释放资源的时候怎么唤醒后继节点的线程竞争锁的？ 2 acquire 方法源码解析 首先我们看一下A ......
转载自团队博客：基于深度学习的人脸识别会议签到系统
电梯演讲：https://www.bilibili.com/video/BV1kc411W7w4?t=9.9 原型： 1，主界面 2，会议管理 3，人员管理 4，会议室管理 ......
流程控制语句
一、三种流程控制语句 顺序结构、选择结构、循环结构 二、顺序结构 没什么好说的，程序一行一行的，从上到下执行就是顺序结构 三、选择结构 1. if() 条件判断 if(条件1){满足条件1执行}else if(条件2){不满足条件1满足条件2执行}else{条件1，2都不满足执行} 2. switc ......
深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数
深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数 1.神经元 在生物学中，神经元细胞有兴奋与抑制两种状态。大多数神经元细胞在正常情况下处于抑制状态，一旦某个神经元受到刺激并且电位超过一定的阈值后，这个神经元细胞就被激活，处于兴奋状态，并向其他神经元传递信息。基于神经元 ......
渗透测试——简单的流程化信息收集
简单的流程化信息收集 脚本 import os import fnmatch import socket import shutil def checkcdn(host): ip_list=[] try: addrs = socket.getaddrinfo(host, None) for item ......
git操作全流程
一：上传 _________________________________________________________________________________________________________________________________________________ ......
4-流程控制语句
第一章 流程控制语句 1.1 流程控制语句分类 顺序结构 判断和选择结构(if, switch) 循环结构(for, while, do…while) 1.2 顺序结构 顺序结构是程序中最简单最基本的流程控制，没有特定的语法结构，按照代码的先后顺序，依次执行，程序中大多数的代码都是这样执行的。 顺序 ......
树：剑指 Offer 55 - I. 二叉树的深度
题目描述： 输入一棵二叉树的根节点，求该树的深度。从根节点到叶节点依次经过的节点（含根、叶节点）形成树的一条路径，最长路径的长度为树的深度。 例如： 给定二叉树 [3,9,20,null,null,15,7]， 返回它的最大深度 3 。 树的遍历方式总体分为两类：深度优先搜索（DFS）、广度优先搜索 ......
动手深度学习pytorch
<script src="http://latex.codecogs.com/latex.js" type="text/javascript"></script> 引言 一：过去⼗年中取 得巨⼤进步的想法 1.如dropout (Srivastava et al., 2014)，有助于减轻过拟合的危 ......
Java-Day-4（进度 + 三大流程控制语句）
Java-Day-4 进制 整数 二进制：0，1，满二进一，0b 或 0B开头 十进制：0 ~ 9，满十进一 八进制：0 ~ 7，满八进一，数字 0 开头 十六进制：0 ~ 9 及 A / a ( 10 ) ~ F / f ( 15 )，满十六进一，0x 或 0X 开头 | 十进制 | 十六进制 | ......
Java-Day-4（进制 + 三大流程控制语句）
Java-Day-4 进制 整数 二进制：0，1，满二进一，0b 或 0B开头 十进制：0 ~ 9，满十进一 八进制：0 ~ 7，满八进一，数字 0 开头 十六进制：0 ~ 9 及 A / a ( 10 ) ~ F / f ( 15 )，满十六进一，0x 或 0X 开头 | 十进制 | 十六进制 | ......
深度学习-情感分析
title: 情感分析 数据准备 现在我们手中有一批影评数据（IMDB 数据集），影评被分为两类：正面评价与负面评价。我们需要训练一个情感分析模型，对影评文本进行分类。 这个问题本质上还是一个文本分类问题，研究对象是电影评论类的文本，我们需要对文本进行二分类。下面我们来看一看训练数据。 IMDB（I ......
深度学习-pytorch模型构建
title: Python特殊语法--列表推导式 切片 迭代器 生成器 装饰器 lambda表达式 构建自己的模型 让我们直接切入主题，使用 PyTorch，自己构建并训练一个线性回归模型，来拟合出训练集中的走势分布。我们先随机生成训练集 X 与对应的标签 Y，具体代码如下： import nump ......
111. 二叉树的最小深度
给定一个二叉树，找出其最小深度。 最小深度是从根节点到最近叶子节点的最短路径上的节点数量。 说明：叶子节点是指没有子节点的节点。 class Solution { public: int minDepth(TreeNode* root) { if(root == nullptr) return 0; ......
深度学习基础-pytorch1
DataSet DataLoader Torchvision 数据读取 训练开始的第一步，首先就是数据读取。PyTorch 为我们提供了一种十分方便的数据读取机制，即使用 Dataset 类与 DataLoader 类的组合，来得到数据迭代器。在训练或预测时，数据迭代器能够输出每一批次所需的数据，并 ......