卷积 深度 案例 网络
人工智能安全：防止攻击和数据泄露：最佳实践：案例研究：技术分析
[toc] 73. 人工智能安全：防止攻击和数据泄露：最佳实践：案例研究：技术分析 随着人工智能的广泛应用，保护人工智能系统的安全性变得越来越重要。人工智能技术可以被用于许多目的，包括自动化决策、自然语言处理、计算机视觉等等。但是，由于这些技术的高度复杂性和敏感性，人工智能系统的安全漏洞也变得更加容 ......
【神经网络】基于自编码器的神经网络
[toc] 标题：31. 【神经网络】基于自编码器的神经网络 在介绍神经网络之前，我想先简单介绍一下人工智能和机器学习的概念。人工智能是计算机程序和人类智能的集成，通过利用计算机处理数据、学习和决策，实现自主思考和行动。机器学习是人工智能的一个分支，通过对大量数据进行学习和分析，让计算机自动从数据中 ......
基于深度学习的自动化推理：基于图论和计算图模型的推理
[toc] 《基于深度学习的自动化推理：基于图论和计算图模型的推理》 一、引言 随着人工智能和深度学习技术的快速发展，自动化推理成为了人工智能领域的一个重要研究方向。自动化推理能够提高人工智能系统的性能，降低人工干预的成本，是人工智能领域中的一个重要挑战。图论和计算图模型是自动化推理中非常重要的两个 ......
实际案例分析 - 根据应用程序日志的记录，反查出哪一行 ABAP 代码产生的这条日志试读版
本文的写作动机来自笔者[知识星球](https://t.zsxq.com/07RJRBlnM)一个朋友的提问： > 调用bapi创建主数据的时候报错，没有未物料组分配特性参数文件，这个是什么原因？实际查看，特性文件已经生成了  要理解数据的突发长度，首先我们来考虑一种场景，假如模块A不间断的往FIFO中写数据，模块B同样不间断的从FIFO中读数据，不同的是模块A写数据的时钟频率要大于模块B读数据的时钟频率，那么在一段时间 ......
垃圾识别系统Python+TensorFlow+Django+卷积神经网络算法【完整代码系统】
## 一、介绍 垃圾识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对5种垃圾数据集进行训练，最后得到一个识别精度较高的模型。并基于Django，开发网页端操作平台，实现用户上传一张垃圾图片识别其名称。 ## 二、效果展示 ![16837 ......
交通标志识别系统Python+TensorFlow+Django+卷积神经网络算法实现【完整代码】
## 一、介绍 使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Django，开发网页端操作平台，实现用户上传一张图片识别其名称。 ## 二、效果展示 ![1683898509301-2259 ......
【二】操作系统基础与网络通信基础
### 【二】操作系统基础 - 操作系统： - （Operating System，简称OS）是管理和控制计算机硬件与软件资源的计算机程序 - 是直接运行在“裸机”上的最基本的系统软件 - 任何其他软件都必须在操作系统的支持下才能运行。 > 注：计算机(硬件)－>os－>应用软件 ### 【三】网络 ......
【一】网络编程之CS与BS架构
## 网络编程 ### 【一】什么是BS结构，什么是CS结构？ > C/S和B/S都是互联网中常见的网络结构模型。 #### 【1】什么是C/S模型？ - C是英文单词“Client”的首字母，即客户端的意思 - C/S就是“Client/Server”的缩写，即“客户端/服务器”模式。 - 例如： ......
花朵识别系统Python+TensorFlow+Django+卷积神经网络算法实现
## 一、背景 花朵识别系统，基于Python实现，深度学习卷积神经网络，通过TensorFlow搭建卷积神经网络算法模型，并对数据集进行训练最后得到训练好的模型文件，并基于Django搭建可视化操作平台。 在当今信息化社会，图像识别技术在各种领域都展现出了重要的应用价值，包括医学影像分析、自动驾驶 ......
文本识别分类系统python，基于深度学习的CNN卷积神经网络算法
## 一、介绍 文本分类系统，使用Python作为主要开发语言，通过TensorFlow搭建CNN卷积神经网络对十余种不同种类的文本数据集进行训练，最后得到一个h5格式的本地模型文件，然后采用Django开发网页界面，实现用户在界面中输入一段文字，识别其所属的文本种类。 在我们的日常生活和工作中，文 ......
简单示例说明什么是神经网络？
本文由gpt4辅助撰写（gptschools.cn） 神经网络是一种模仿人脑神经元工作原理的计算模型，用于实现机器学习和人工智能系统。它由一系列相互连接的神经元（也称为节点或单元）组成，这些神经元组织成不同的层。神经网络通常包括输入层、一个或多个隐藏层和输出层。每个节点根据其输入数据和相应的权重计算 ......
xpath解析案例-全国城市名称爬取
url： https://www.aqistudy.cn/historydata/ 1.获取热门城市的城市名称： 2.获取所有城市的名称： 3.用竖杠符号连接xpath： ......
强化学习从基础到进阶-案例与实践[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战
强化学习从基础到进阶-案例与实践[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战 ......
网络流题型总结
最近写了一段时间的网络流，现在应该总结一下了。 网络流就是将原问题抽象成包含顶点和边有容量限制的网络。 ### 1.最大流 最大流可以看作使用 `flow` 来做出一系列的限制，从而满足原题条件。 ##### 1.1 拆点 有时候某一个点还有额外的限制，这个时候就需要把一个点拆成两个点，用它们之间的 ......
mongodb 深度分页优化思路之cursor游标
mongodb 没有官方的游标滚动实现深度分页功能，建议的都是选择出一个字段，如_id,然后每次查询时限制该字段，而不进行分页处理。 也没有看到更优的实现方式，本文做一个大胆的假设，自行实现滚动分页功能。供大家思路参考。 但是猜想可以自行实现一个，简单思路就是，第一次查询时不带limit进行查询全量 ......
xpath解析案例-4k图片解析下载
1.li标签_a标签_获取img标签中src和alt属性: 2.图片名称中文乱码的解决方式： 3.图片下载保存到指定文件夹： ......
基于SpringBoot实现SSMP整合的案例源码
案例介绍：基于SpringBoot实现SSMP整合的案例之一（案例分析与模块创建） - 掘金 (juejin.cn) 源码下载：点我 ......
zemax光学设计-案例5-一个fTheta透镜与坐标断点
案例5 – f-theta透镜与坐标断点 1、 波长632nm 2、 ENPD = 50mm 3、 F# = 3 4、 扫描角度 10deg 5、 双胶合 BK7+F2 6、 视场 0°即可 目标：学习坐标断点(旋转反射镜改变光束位置) 多重结构组态中，附加数据#：3 (选择第三个面的第三个参数作为 ......
RHEL 网络配置 --- IP转发
一、概要 1. 环境 Rocky Linux 9.1 CentOS 7.9 二、配置 1. sysctl服务 (1) 检查状态 systemctl status sysctl (2) 开启 sudo systemctl start sysctl sudo systemctl enable sysct ......
zemax光学设计-案例5-一个fTheta透镜与坐标断点
案例5 – f-theta透镜与坐标断点 1、 波长632nm 2、 ENPD = 50mm 3、 F# = 3 4、 扫描角度 10deg 5、 双胶合 BK7+F2 6、 视场 0°即可 目标：学习坐标断点(旋转反射镜改变光束位置) 多重结构组态中，附加数据#：3 (选择第三个面的第三个参数作为 ......
2. 入门案例
# 1. IOC 入门案例 **对于入门案例，我们得先**`分析思路` 然后再`代码实现`， ## 1.1 入门案例思路分析 **(1)Spring 是使用容器来管理 bean 对象的，那么管什么?** - **主要管理项目中所使用到的类对象，比如(Service 和 Dao)** ......
案例4_一个变倍扩束镜
案例4 – 变倍扩束镜（无焦系统）1、 波长550nm2、 ENPD = 10mm3、 扩束倍率：3X 、 5X 、8X4、 视场 0 deg5、 4片 N-BK76、 玻璃约束 2-15-2 、 空气约束0.5-1000-0.57、 系统总长TOTR 235mm优化函数操作数设置REAY 光线与选 ......
zemax光学设计-案例1-单透镜指标
案例1 – 单透镜 1、 使用F d C光 2、 ENPD = 25mm 3、 F/# = 4 则 EFFL = 4 * 25 = 100mm 4、 FOV = 0 5、材料 BK7 目标 ： 学习查看Ray fan 和Spot 优化前 ： 变量与优化函数： 优化前后对比 优化前点列图： 像差 二 ......
案例5-一个fTheta透镜与坐标断点
案例5 – f-theta透镜与坐标断点1、 波长632nm2、 ENPD = 50mm3、 F# = 34、 扫描角度 10deg5、 双胶合 BK7+F26、 视场 0°即可目标：学习坐标断点(旋转反射镜改变光束位置)多重结构组态中，附加数据#：3 (选择第三个面的第三个参数作为paramete ......
zemax光学设计-案例2-双胶合Doublet
案例2– 双胶合透镜 1、 使用F d C光 2、 ENPD = 50mm 3、 F/# =8 (相对孔径倒数) 4、 FOV = 10 5、玻璃最小边缘厚度和中心厚度4mm，最大中心厚度为18mm 6、正透镜用缅玻璃，负透镜用火石玻璃 分别使用的是BK7+F2 以及将玻璃材料选为替换作为变量后优化 ......
轻量级的深度学习框架Tinygrad
Tinygrad是一个轻量级的深度学习库，它提供了一种简化和直观的方法来理解和实现神经网络。在本文中，我们将探讨Tinygrad及其主要功能，以及它如何成为那些开始深度学习之旅的人的有价值的工具。 https://avoid.overfit.cn/post/33edc61f5a414cefa4431 ......
轻松配置深度学习模型 ?
动动发财的小手，点个赞吧！  由于所有模块都需要大量参数和设置，因此管理深度学习模型可能很困难。训练模块可能需要诸 ......
vMware-Centos7网络连接设置
# 原文链接:https://blog.csdn.net/zacry/article/details/124229889 VmWare 12.5.9 build-7535481[安装CentOS](https://so.csdn.net/so/search?q=安装CentOS&spm=1001.2 ......