卷积 神经网络 深度 模型
卷积神经网络中卷积层、池化层、全连接层的作用(摘录)
1. 卷积层的作用卷积层的作用是提取输入图片中的信息，这些信息被称为图像特征，这些特征是由图像中的每个像素通过组合或者独立的方式所体现，比如图片的纹理特征，颜色特征。 比如下面这张图片，蓝色框框住的地方就是脸部特征，这些特征其实是由一个个像素所组成的。 再者这是一张彩色图片，它包含R、G、B三个通道 ......
计算机网络VLAN实验
实验内容： 1、单交换机的vlan设置 2、多交换机的vlan设置 实验步骤或程序 单交换机的vlan设置 配置VLAN 默认的VLAN1是默认存在的并且所有PC机在没有被配置的情况下默认放在VLAN1中。 我们将PC0和PC1放在同一VLAN 1中，PC2、PC3、PC4放在同一VLAN 1002 ......
《动手学深度学习 Pytorch版》 9.3 深度循环神经网络
将多层循环神经网络堆叠在一起，通过对几个简单层的组合，产生一个灵活的机制。其中的数据可能与不同层的堆叠有关。 9.3.1 函数依赖关系 将深度架构中的函数依赖关系形式化，第 \(l\) 个隐藏层的隐状态表达式为： \[\boldsymbol{H}^{(l)}_t=\phi_l(\boldsymbol ......
网络编程基本知识
1 什么是网络编程 1 网络编程从大的方面就是对信息的发送和接收 2 通过操作相应api调度计算机硬件资源，并利用传输管道进行数据交换的过程 3 网络模型，套接字，数据包。 ......
近期AI模型重要工作综述
近期AI模型重要工作综述 自2022年末Chatgpt和Stable Diffusion横空出世以来，AI模型又进入了一个新的阶段，现就2023年出现的一些新颖模型，以及前几年被提出，现在作为某个领域的“基底”的重要工作，做一些总结和分析。 1. GPT-4 OpenAI在Chatgpt（GPT-3 ......
《动手学深度学习 Pytorch版》 9.2 长短期记忆网络（LSTM）
解决隐变量模型长期信息保存和短期输入缺失问题的最早方法之一是长短期存储器（long short-term memory，LSTM）。它与门控循环单元有许多一样的属性。长短期记忆网络的设计比门控循环单元稍微复杂一些，却比门控循环单元早诞生了近 20 年。 9.2.1 门控记忆元 为了记录附加的信息，长 ......
GRLSTM：基于图的残差LSTM轨迹相似性计算《GRLSTM: Trajectory Similarity Computation with Graph-Based Residual LSTM》(知识图谱嵌入、图神经网络、残差网络、点融合图、多头图注意力网络GAT、残差LSTM、点感知损失函数(图的点损失函数、轨迹的点损失函数))
2023年10月18日，14:14。 来不及了，这一篇还是看的翻译。 论文：GRLSTM: Trajectory Similarity Computation with Graph-Based Residual LSTM(需要工具才能访问) Github： AAAI 2023的论文。 摘要 轨迹相似 ......
网络基础
目录字节序和大小端大小端转换函数IP地址转换字符串到整形 小段->大端大端->小端 字符串->字符串 字节序和大小端 字节序，顾名思义字节的顺序，就是大于一个字节类型的数据在内存中的存放顺序，也就是说对于单字符来说是没有字节序问题的，字符串是单字符的集合，因此字符串也没有字节序问题。 字符串也没有字 ......
《自顶向下方法》1.7 协议层次和服务模型
协议层次 目的：向上层提供更好的服务 实现：通过层间的接口访问下层所提供的服务 本层服务：包括下层提供的服务 + 与对等层交互带来的新功能 服务 主体 服务用户 服务提供者 服务访问点：区分上层用户的信息 形式：原语 信息 类型 面向连接的服务 无连接的服务 数据单元（DU） head + SDU（ ......
R语言时变向量自回归（TV-VAR）模型分析时间序列和可视化|附代码数据
全文链接：http://tecdat.cn/?p=22350 最近我们被客户要求撰写关于时变向量自回归（TV-VAR）模型的研究报告，包括一些图形和统计输出。 在心理学研究中，个人主体的模型正变得越来越流行。原因之一是很难从人之间的数据推断出个人过程 另一个原因是，由于移动设备无处不在，从个人获得的 ......
VLAN虚拟网络
VLAN 名称：vlan 虚拟局域网（virtual LAN） 用途 由于交换机所有的端口都在同一广播域，只要发送广播会产生大量的垃圾信息，同时会有病毒的安全隐患（病毒）。 为了解决上述问题 1、物理解决 需要在交换机之间添加路由器（成本太高） 2、逻辑解决 使用vlan虚拟局域网技术 优势 控制广 ......
【笔记】数据库、网络故障与恢复
【笔记】数据库故障与恢复 数据库故障主要分:事务故障、系统故障和介质故障 事务故障 是指事务在运行至正常终点前被终止，此时数据库可能出现不正确的状态。 是由于事务程序内部错误而引起的，有些可以预期，如金额不足等，有些不可以预期，如非法输入、运算溢出等。 类似于手动执行回滚 恢复过程: 1、反向(从后 ......
大模型背景下软件工程的机遇与挑战
点击链接了解详情 本文作者：汪晟杰 导语:AISE（AI Software Engineering）有人说是软件工程 3.0，即基于大模型（LLM - Large Language Model）时代下的软件工程。那么究竟什么是 AISE，他的发展历程对软件工程产生怎样的变化。本次主题文章会分为五大部 ......
Generative AI 新世界 | 大模型参数高效微调和量化原理概述
在上期文章，我们对比了在 Amazon SageMaker 上部署大模型的两种不同的部署方式。本期文章，我们将探讨两个目前大语言模型领域的开发者们都关注的两个热门话题：大型语言模型（LLM）的高效微调和量化。 ......
6.卷积神经网络
卷积层的作用一 在说卷积层之前, 我想先说一下为什么会有卷积层; 前面几个博客提到的神经网络都是用矩阵乘法来建立输入和输出之间的关系, 如果有n个输入和m个输出, 那么就需要n*m个参数; 如果n和m很大并且有多个全连接层的话需要的参数数量是庞大的; 卷积层就是通过三个特性来解决这个问题： 稀疏连接 ......
防火墙网络放行
通常做设置时需要对指定的程序或端口进行防火墙放行 @echo off rem 设置需要启动的端口 set OTHERPORT=1433,3389 rem 启用防火墙常规端口 可以删除 netsh advfirewall firewall add rule name="_Ping" dir=in pr ......
新手上路：如何进行网络映射，实现公网访问安防视频LiteCVR平台？
最近接到一个用户需求，需要在现场进行简单的映射，从而实现公网访问LiteCVR的Web页面，方便运维。今天我们来介绍下实现方法。 LiteCVR平台可在复杂的网络环境中，将分散的各类视频资源进行统一汇聚、整合、集中管理，实现视频资源的鉴权管理、按需调阅、全网分发、智能分析等。平台可提供视频监控直播、 ......
【Python&RS】基于GDAL栅格数据/图片位深度（bit）转换
最近在用OpenCv库处理图片时发现cv库无法读取64位的tif影像，所有想通过Python将64位的图片转换成8位的。今天就跟大家分享一下如何利用Python的GDAL库，实现栅格数据/图片的位深度转换。 ......
深度学习基础认知简明梳理
深度学习基础简明梳理-基于李宏毅油管课程 前言 该内容为基于博主对深度学习的认知与实践经验的对李宏毅油管上课程的简要理解，有局限偏差之处，敬请谅解。后续随着学习的深入会进行一定修正。 本质概述 此处不会特意探讨机器学习与深度学习之间的差别，纵观这些领域，它们所构建的方法论为：寻找到一个模型（函数）， ......
深度学习模型_锁死种子
import torch import random import os import numpy as np def seed_setting(seed): random.seed(seed) # os.environ['']=str(seed) np.random.seed(seed) torc ......
大数据-拉链表模型
拉链表是一种维护历史状态，以及最新状态数据的一种表。拉链表根据拉链粒度的不同，去除了一部分不变的记录，通过拉链表可以很方便的还原出拉链时点的客户记录，实际上相当于快照。 拉链表特征 1）记录一个事物从开始，一直到当前状态的所有变化的信息； 2）每次上报的都是历史记录的最终状态，是记录在当前时刻的历史 ......
Cocos Creator 2D/3D基础/ 第003节3D模型的基本概念
3.1 计算机如何制作一个3D模型 讲述这个问题之前，我们先来看下现实生活中我们要做一个模型，应该如何做呢？首先我们要把模型的形状给雕刻构建出来，现实生活中的物体都是由分子组成的连续的表面，计算机是离散的无法做到这点，所以计算机通过微分的方式，把一个曲面分成”多个平面”来模拟实现连续的物体表面。常见 ......
提高三维模型数据的几何坐标精度需要采取方法浅析
三维工厂K3DMaker是一款三维模型浏览、分析、轻量化、顶层合并构建、几何校正、格式转换、调色裁切等功能专业处理软件。可以进行三维模型的网格简化、纹理压缩、层级优化等操作，从而实现三维模型轻量化。轻量化压缩比大，模型轻量化效率高，自动化处理能力高；采用多种算法对三维模型进行几何精纠正处理，精度高，... ......
神经网络入门篇：为什么深度学习会兴起？
为什么深度学习会兴起？ 这篇我们来讲故事，关于为什么深度学习会兴起的故事~ 深度学习和神经网络之前的基础技术理念已经存在大概几十年了，为什么它们现在才突然流行起来呢？ 因为多亏数字化社会的来临，现在的数据量都非常巨大，我们花了很多时间活动在这些数字的领域，比如在电脑网站上、在手机软件上以及其它数字化 ......
神经网络入门篇：神经网络的监督学习
神经网络的监督学习 关于神经网络也有很多的种类，考虑到它们的使用效果，有些使用起来恰到好处，但事实表明，到目前几乎所有由神经网络创造的经济价值，本质上都离不开一种叫做监督学习的机器学习类别，下面来举例看看。 在监督学习中你有一些输入\(x\)，想学习到一个函数来映射到一些输出\(y\)，比如之前提到 ......
NTP网络时间服务器是什么？和NTP网络授时有什么区别？
NTP网络时间服务器是什么？和NTP网络授时有什么区别？ NTP网络时间服务器是什么？和NTP网络授时有什么区别？ 京准电子科技官微——ahjzsz 摘要：5G网络部署和垂直行业应用对于时间同步提出了新的需求。为了更满足高精度的同步需求，需要采用高精度同步源技术、高精度同步传送技术、同步监测技术、智 ......
springboot连接rabbitmq网络异常时，不能自动重连的问题
在rabbitmq官网的java api处：https://www.rabbitmq.com/api-guide.html#recovery介绍了java连接rabbitmq异常恢复的问题。其中提及了如下内容 As of version 4.0.0 of the Java client, autom ......
【专题】2023母婴行业网络营销洞察报告PDF合集分享（附原数据表）
原文链接：https://tecdat.cn/?p=33866 品牌一直在思考如何更好地了解消费者的需求，特别是在年轻化和线上消费趋势加强的母婴行业。根据《2023母婴行业数据报告合集》，短视频直播平台成为该行业新的增长点。报告合集显示，母婴商品的消费人数在2022年全年和2023年前两个月均呈快速 ......
基于开源模型搭建实时人脸识别系统（四）：人脸质量
续人脸识别实战之基于开源模型搭建实时人脸识别系统（三）：人脸关键点、对齐模型概览与模型选型_CodingInCV的博客-CSDN博客 不论对于静态的人脸识别还是动态的人脸识别，我们都会面临一个问题，就是输入的人脸图像的质量可能会很差，比如人脸角度很大，人脸很模糊，人脸亮度很亮或很暗。这些质量低的图像 ......