学习网络 算法 深度 图像
netty网络框架二
一、Buffer的分散和聚集 Buffer的分散和聚集是指将一个大的连续数据缓冲区分割成多个小的缓冲区或将多个小的缓冲区组合成一个大的连续数据缓冲区的过程。 分散操作可以将一个数据缓冲区中的数据分散到多个小的缓冲区中,通常用于将数据发送给多个接收方。聚集操作相反,它可以将多个小的缓冲区中的数据聚集到 ......
学习记录:第一周day01笔记
linux系统简单介绍: BCPL->New B->C->Unix->Minix->Linux->gcc为了编译LInux内核产生 美国贝尔实验室 1.cd命令: cd 文件路径:进入某个目录 / :根目录,所有文件都存储在该目录下 ~:用户主目录,linux提供一个快捷方式cd可以直接回到用户主目 ......
学习记录:第一周day02笔记
vim文本编辑器: 可以直接在终端下采用纯键盘操作的一款文本编辑器(号称编辑器之神,可以升级、可以扩展) 基础用法: 1、进入vim: 输入 vim file.c 文件存在则打开,否则新建并打开 2、输入i: 进入编辑模式,编写代码 3、保存并退出 按Esc,输入ZZ保存并退出 vim三大模式: 正 ......
学习记录:第一周day03笔记
一、数据类型 为什么要对数据进行分类? 1、现实中的数据就是自带类别属性的 2、对数据进行分类可以节约内存存储空间、提高运行速度 存储空间的单位: Bit 比特 存储1个二进制位,只能存储0或1,是计算机存储数据的最小单位 Byte 字节 存储8个二进制位,是计算机存储数据的基本单位 KB(Kb) ......
学习记录:第一周day04笔记
一、for循环语句 循环:就是一种让代码反复执行的方式,从而达到想要的效果 for循环一般会使用一个变量来引导循环的进行,这一变量叫做该循环的循环变量 i index for循环的变化很灵活,但也很危险 for循环的括号问题: 1、for循环内只有一行代码时,大括号可以省略 但是这样不利于后期代码扩 ......
学习记录:第一周day05笔记
一、数组 什么是数组:变量的组合,是一种批量定义相同类型变量的方式 定义: 类型名 数组名[数量]; int arr[5]; 注意:数组的内存空间是连续分配的,且数组的长度一旦确定就无法改变 使用:数组名[下标]; 下标:从0开始,范围:0~数量-1 可以是任意整型表达式,包括整型变量和整型常量 遍 ......
学习记录:第二周day01笔记
一、Window下获取方向键 1、导入头文件 #include<conio.h> 2、通过getch()获取键盘上的键值 上:72 下:80 左:75 右:77 二、Linux下获取方向键: 1、在Window中把getch.h文件放入共享文件夹中 2、在Linux的共享文件夹下执行 mv getc ......
学习记录:第二周day02笔记
进制转换 1、为什么使用二进制、八进制、十六进制? 因为目前CPU只能识别高低两种电平,只能对二进制数据进行计算 二进制虽然能够直接别计算机识别但是不方便人去书写和记录,因此就把二进制数据转换成八进制,方便记录到文档中 随着CPU的位数的不断增加(目前已经到64位),八进制不再能够用满足需求,因此发 ......
图像二值化语义分割
图像语义分割(semantic image segmentation) 图像二值化图像二值化函数 根据图像的灰度特性,将图像分为前景和背景两个部分 将图片(例如,视频,特别是监控视频的图片)分离成前景和背景的任务。具体地,涉及将运动前景对象与静态背景场景分离 “背景减除”就是这样一种传统方法,它基于 ......
【编程算法】【寻路】【A*优化 - 束搜索】
束搜索的好处,就在于,他可以通过剪枝减少搜索的节点,减少时间和空间的消耗但是劣势就是不一定得到最佳路径,如果把他的光束收缩到最小,就是贪心算法 1. 在存储有限的情况下进行类似的宽度优先的图搜索算法 2. 在搜索空间很大的情况下对图搜索进行存储限制的重要性 ......
【编程算法】【寻路】【A*优化 - 迭代加深A*(IDA*)】
限定下限的深度优先搜索 由于不再采用动态规划的方法,节省内存 最大的优点:找到最短路径情况下,需要最小内存 但是是时间换空间,不会记得走过一条路 IDA-Star(IDA*) Algorithm in general « Insight into programming algorithms (wo ......
网络知识点汇总2-MPLS
1.协议地图 2.MPLS介绍 ATM的优缺点: ATM转发采用唯一匹配,一次查表,效率很高 ATM控制信令复杂,成本高昂,难以普及 ATM技术虽然没有成功,但其中有几点创新: 摒弃了繁琐的路由查找,改为简单快速的标签交换: 将具有全局意义的路由表改为只有本地意义的标签表。 MPLS定位在第2.5层 ......
Go 语言:如何利用好 TDD 学习指针并了解 Golang 中的 error 处理
我们在上一节中学习了结构体(structs),👉Go语言:利用 TDD 驱动开发测试 学习结构体、方法和接口 它可以组合与一个概念相关的一系列值。 你有时可能想用结构体来管理状态,通过将方法暴露给用户的方式,让他们在你可控的范围内修改状态。 金融科技行业都喜欢 Go 和比特币吧?那就来看看我们能创 ......
一台交换机能带动多少个网络监控摄像头?
一台交换机能带动多少个网络监控摄像头? 比如,你的交换机是百兆的还是千兆的? 整机的POE功率和端口POE功率是多少? 交换机的品牌又是什么? 部分杂牌的便宜交换机的性能虚标,直接影响到实际工程部署…… 所以,今天跟着三网一起多方位给你分析下:一个交换机能带动多少个网络监控摄像头?千兆交换机一般接2 ......
基于LSTM网络的视觉识别matlab仿真
目录 一、理论基础 二、核心程序 三、仿真结论 一、理论基础 随着计算机技术的快速发展,视觉识别技术在越来越多的领域得到应用,比如机器人领域,海底探测领域,安全识别领域等[01,02]。在这些应用领域中,视觉识别系统的准确性以及实时性直接对整个系统的性能有着深远的影响。目前为止,视觉识别系统涉及到包 ......
模糊神经网络控制器的S函数设计
目录 一、理论基础 二、核心程序 一、理论基础 模糊神经网络的设计主要包括如下几个方面: (1)选取模糊神经网络控制器输入端和输出端变量; (2)选取模糊神经网络控制器输入端和输出端变量相关参数; (3)计算模糊神经网络集隶属函数并总结模糊神经网络控制器控制规则; (4)确定模糊神经网络控制器模糊化 ......
react的diff算法
diff策略 React用 三大策略 将O(n^3)复杂度 转化为 O(n)复杂度 策略一(tree diff): Web UI中DOM节点跨层级的移动操作特别少,可以忽略不计。 策略二(component diff): 拥有相同类的两个组件 生成相似的树形结构, 拥有不同类的两个组件 生成不同的树 ......
markdown学习
Markdown学习 标题 标题 :#+标题名字 二级标题 三级标题 ###以此类推 字体 helloword heloword helloword ~~helloword~~ 引用 选择狂神说java,走向人生巅峰 分割线 图片 超链接 点击跳转狂神 列表 a b b asdbasdb asdba ......
一个基于序列的弱监督视觉信息抽取学习框架
一、简要介绍 视觉信息提取(VIE)近年来受到了越来越多的关注。现有的方法通常首先将光学字符识别(OCR)结果组织成纯文本,然后利用标记级实体注释作为监督来训练序列标记模型。但是,它花费大量的注释成本,可能导致标签混淆,OCR错误也会显著影响最终性能。在本文中,作者提出了一个统一的弱监督学习框架,称 ......
linux 网络管理之netstat命令详解
一、Netstat的作用 netstat用于显示网络状态,可以查看服务器当前端口列表及指定端口的连接状态 二、语法格式 [root@host127 home]# netstat -h usage: netstat [-vWeenNcCF] [<Af>] -r netstat {-V|--versio ......
Javaweb学习-书城项目相关
资料来源于:B站尚硅谷JavaWeb教程(全新技术栈,全程实战) ,本人才疏学浅,记录笔记以供日后回顾 由于是多个视频内容混合在一起,因此只放了第一个链接 本文参考价值不高,随便写写罢了 视频链接 讲师的大致思考逻辑及需要实现的功能 第一日内容: 1. 需求分析 2. 数据库设计 1) 实体分析 - ......
Kubernetes学习
1、 K8S简介 kubernetes,是一个全新的基于容器技术的分布式架构领先方案,是谷歌严格保密十几年的秘密武器 Borg系统的一个开源版本,于2014年9月发布第一个版本,2015年7月发布第一个正式版本。 kubernetes的本质是一组服务器集群,它可以在集群的每个节点上运行特定的程序,来 ......
Kubernetes 学习总结(19)—— Kubernetes 集群管理平台如何选择?Rancher vs KubeSphere
Kubernetes 学习总结(19)—— Kubernetes 集群管理平台如何选择?Rancher vs KubeSphere 前言 Kubernetes(K8s)集群管理平台都是基于 Kubernetes 提供功能,可以说他们是在 K8s 的基础上封装了一层更为友好的操作方式。他们都是为了降低 ......
01.基于深度学习LSTM神经网络的全球股票指数预测研究
基于深度学习LSTM神经网络的全球股票指数预测研究 基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络,并将其应用于全球30个股票指数三种不同预期的预测研究,LSTM神经网络在预测精度和稳定度两方面都有着很大优势,其未来在金融预测等方面将会有广阔的应用场景。 结果发现: LSTM 神经网络 ......
算法笔记
算法笔记 10个数据结构:数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树; 10个算法:递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法 股票问题系列通解(转载翻译) - 力扣(LeetCode) 数据结构和容器 基本类型: int,lo ......
Linux学习第二课-Linux常用命令
1. 远程连接Linux 工具:putty(https://www.chiark.greenend.org.uk/~sgtatham/putty/latest.html)、xshell(https://www.xshellcn.com/xshell.html)等 个人喜欢使用putty,免安装, ......
min-max 容斥学习笔记
定义 设 $\max(S)$ 为集合 S 中的最大值, $\min(S)$ 为集合 $S$ 中的最小值,$|S|$ 为集合 S 的元素数量,那么有以下两个等式: $$\max(S)=\sum_{T \subseteq S} (-1)^{|T|+1} \min(T)$$ $$\min(S)=\sum_ ......
0-《从0到1:CTFer成长之路》学习笔记
本人很早就买下了《从0到1:CTFer成长之路》这本书,但一直没有好好的阅读并实践这本书上的内容 《从0到1:CTFer成长之路》这本书自发布以来一直是国内CTF相关领域优秀的学习书籍,本人也是在学长的推荐下买下这本书。但在购买此书两年后才开始真正学习。 记下这篇博客,开始真正阅读这本书。 ......