学习网络 算法fasterrcnn深度
文心一言 VS 讯飞星火 VS chatgpt （136）-- 算法导论11.3 2题
二、用go语言，假设将一个长度为r的字符串散列到m 个槽中，并将其视为一个以 128 为基数的数，要求应用除法散列法。我们可以很容易地把数 m 表示为一个 32 位的机器字，但对长度为r的字符串，由于它被当做以 128 为基数的数来处理，就要占用若干个机器字。假设应用除法散列法来计算一个字符串的散列 ......
VM的网络端口转发
VM visualBox使用NAT模式的时候，可以设置端口转发规则，让局域网的其他电脑访问虚拟机。 点击端口转发，可以设置转发规则： 原理大概就是VM这个软件会在电脑主机上打开22222端口，并监听收到的数据，收到后就会转发到虚拟机的22端口。 那么，我想要ssh 10.0.2.15，则输入如下指令 ......
到底什么是Linux？快进来学习！
相信大家对Linux并不陌生吧？Linux 是一种计算机系统，属于基础中的基础，就和我们熟知的Windows一样，都是系统。它是现今最流行和最实用的计算机操作系统，它区别于后台、算法、大数据、前端、测试方向，需要程序员对Linux系统拥有更多的感悟和技术。 在Linux操作系统中，所有被操作系统管理 ......
机器学习——Bahdanau 注意力
9.7节中探讨了机器翻译问题： 通过设计一个基于两个循环神经网络的编码器-解码器架构， 用于序列到序列学习。 具体来说，循环神经网络编码器将长度可变的序列转换为固定形状的上下文变量， 然后循环神经网络解码器根据生成的词元和上下文变量 按词元生成输出（目标）序列词元。 然而，即使并非所有输入（源）词元 ......
神经网络中的量化与蒸馏
前言 本文介绍了深度学习中精简模型的技术：量化和蒸馏。 本文转载自DeepHub IMBA 作者：Aaditya ura 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 CV各大方向专栏与各个部署框架最全教程整理 ......
机器学习——注意力评分函数
10.2节使用了高斯核来对查询和键之间的关系建模。 (10.2.6)中的 高斯核指数部分可以视为注意力评分函数（attention scoring function）， 简称评分函数（scoring function）， 然后把这个函数的输出结果输入到softmax函数中进行运算。 通过上述步骤，将 ......
Spring5学习随笔-IOC（反转控制）、DI（依赖注入）和创建复杂对象
学习视频：【孙哥说Spring5：从设计模式到基本应用到应用级底层分析，一次深入浅出的Spring全探索。学不会Spring？只因你未遇见孙哥】 第七章、反转控制与依赖注入 1.反转(转移)控制（IOC inverse of Control） 控制：对于成员变量赋值的控制权 反转控制：把对于成员变量 ......
机器学习——注意力汇聚：Nadaraya-Watson 核回归
上节介绍了框架下的注意力机制的主要成分 图10.1.3： 查询（自主提示）和键（非自主提示）之间的交互形成了注意力汇聚； 注意力汇聚有选择地聚合了值（感官输入）以生成最终的输出。 本节将介绍注意力汇聚的更多细节， 以便从宏观上了解注意力机制在实践中的运作方式。 具体来说，1964年提出的Nadara ......
嵌入式系统设计教程（第二版）学习总结1
计算机系统基础知识 1.数据表示 对于任何一种进位计数制，都可以多项式展开； 1. 10进制转2进制：整数部分“除2取余”，小数部分“乘2取整” 2.二进制，十六进制，八进制之间的对应关系： 3.数值型数据表示： 无符号数：全部二进制位表示数值，没有符号位 有符号数：最高位0表示正数，1表示负数，其 ......
算法刷题记录-哈希表
算法刷题记录-哈希表 有效的字母异位词 给定两个字符串 *s* 和 *t* ，编写一个函数来判断 *t* 是否是 *s* 的字母异位词。 注意：若 *s* 和 *t* 中每个字符出现的次数都相同，则称 *s* 和 *t* 互为字母异位词。 示例 1: 输入: s = "anagram", t = " ......
机器学习-小样本情况下如何机器学习
交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓 ......
神经网络入门篇：详解为什么需要非线性激活函数？（why need a nonlinear activation function?）
为什么需要非线性激活函数？ 为什么神经网络需要非线性激活函数？事实证明：要让的神经网络能够计算出有趣的函数，必须使用非线性激活函数，证明如下： 这是神经网络正向传播的方程，现在去掉函数\(g\)，然后令\(a^{[1]} = z^{[1]}\)，或者也可以令\(g(z)=z\)，这个有时被叫做线性激 ......
数据结构与算法 | 动态规划算法（Dynamic Programming）
上一篇文末已经提到了记忆化搜索是动态规划（Dynamic Programming）的一种形式，是一种自顶向下（Top-Down）的思考方式；既然动态规划有自顶向下（Top-Down）的递归形式，自然想到对应的另外一种思考方式自底向上（ Bottom-Up ）。什么是自底向上的思考？不空谈理论... ......
机器学习——注意力提示
查询、键和值 自主性的与非自主性的注意力提示解释了人类的注意力的方式， 下面来看看如何通过这两种注意力提示， 用神经网络来设计注意力机制的框架， 首先，考虑一个相对简单的状况， 即只使用非自主性提示。 要想将选择偏向于感官输入， 则可以简单地使用参数化的全连接层， 甚至是非参数化的最大汇聚层或平均汇 ......
【ElasticSearch】突破深度分页数据限制的方案
一、场景需求 最近在忙一个新的项目，数据源是ES，但是功能就是对文档进行翻页查询 ES提供了分页查询，就是from + size深度查找，但是使用有限制，只能在1万条内 我和同事的意见是1万条之后的数据没有任何意义，就限制1万吧 但是后面内部测试后产品对这个方案是不满意的，既要又要 所以ES现有的几 ......
KMeans算法全面解析与应用案例
本文深入探讨了KMeans聚类算法的核心原理、实际应用、优缺点以及在文本聚类中的特殊用途，为您在聚类分析和自然语言处理方面提供有价值的见解和指导。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云 ......
测试开发常见算法题
1.冒泡排序 def faet_sort(test: list) -> list: """冒泡排序""" for i in range(len(test)): for j in range(len(test)-i-1): if test[j] > test[j + 1]: test[j], test ......
FashAPI学习
保存前端上传的文件 参考：https://geek-docs.com/fastapi/fastapi-questions/205_fastapi_how_to_save_uploadfile_in_fastapi.html 参考：https://www.php.cn/faq/584389.html ......
算法~base64算法理解
base64 Base64 是一种用于将二进制数据编码成 ASCII 字符的编码方式。它主要用于在文字环境中传输或存储二进制数据，如在电子邮件、XML 文件、URL 参数等。Base64 编码不是一种加密算法，而是一种编码方式，其主要作用是将二进制数据转换为文本数据，以便更容易在文本协议中处理。 B ......
到底什么是Linux？快进来学习！
相信大家对Linux并不陌生吧？Linux 是一种计算机系统，属于基础中的基础，就和我们熟知的Windows一样，都是系统。更多技术干货详见www.linuxprobe.com ......
java基础学习：基本算术运算符，+符号做连接符
1基本的算术运算符 package com.itheima.operator; public class operator1 { public static void main(String[] args) { //目标：掌握基本的算术运算符的使用 int a=10; int b=2; System ......
Pod走主机网络时kubelet选择纳管IP作为service后端IP
k8s v1.19.0 pkg/kubelet/kubelet_pods.gogenerateAPIPodStatus函数根据getHostIPAnyWay方法返回结果作为PodIP，该PodIP会成为service的后端IP。 pkg/kubelet/kubelet_getters.gogetHo ......
Java学习笔记
Java学习笔记 Day 3-5：变量、数据类型和运算符 1. 基本数据类型 2. 变量 3. 常量 4. 命名规范 第4天：算术运算符 第5天：关系和逻辑运算符 1. 关系运算符 2. 逻辑运算符 Java学习笔记 Day 3-5：变量、数据类型和运算符 1. 基本数据类型 在 Java 中，有以 ......
VisionPro脚本学习练习笔记
VisionPro脚本学习练习笔记 练习1 零件的匹配分数显示 练习重点：模板匹配工具 关于CogPMAlignTool工具心得： 首先明确一点，模板匹配的分数是通过匹配的特征来确定的。匹配的特征越多，获得的分数越高。 我们为了让匹配的模板分数越高，可以在做模板的时候适当考虑选取必要的特征 实操Pa ......
C#winform学习4(tab光标顺序、子窗口打开限制、提示框、定时器、状态栏用户时间、下拉显示、查询功能)
1.更改光标顺序 视图-->Tab键顺序 启动的时候，光标就会在用户名的文本框中,并且在按tab键的时候，光标就会按照我们定的顺序显示。即用户名文本框--tab-->密码文本框--tab-->登录--tab-->重置 2.新建类 右键-->添加-->类 写入代码，封装字段生成属性，右键-->重构-- ......
网络流与二分图的常见技巧
sto louis & Maverik orz! 写一些知识点，图论杂题过后单独开一篇。 最小割 最大流最小割定理 对于任意网络 \(G = (V, E)\) ，其上的最大流 \(f\) 和最小割 \(\{S, T\}\) 总是满足 \(|f| = ||S, T||\) 。 即，最大流在数值上等于最 ......
学习笔记10
目录知识点归纳第12章 块设备I/O和缓冲区管理块设备和I/O缓冲区Unix缓冲区管理子系统Unix算法的优点：1.数据的一致性；2.缓存效果；3.临界区；Unix算法的缺点：Unix算法的一些具体说明:新的I/O缓冲区管理算法苏格拉底挑战遇到的问题与解决方案实践过程 知识点归纳 第12章 块设备I ......
对匈牙利算法的一些解释
首先看蓝书上的代码 为什么即将开始dfs时，没有一开始就把vis[i]标记了？ 其实dfs的流程是从左部的一个节点出发，考察右部的一个节点，如果右部的节点已经匹配了，下次dfs直接从这个右部节点的匹配点开始计算，所以vis的标记都是标记的右部节点，左部节点是不用标记的（因为是匹配二分图，只会被访问到 ......
2023-2024 20231313《计算机基础与程序设计》第八周学习总结
2023-2024 20231313《计算机基础与程序设计》第八周学习总结 作业 速达 作业课程 班级链接 作业要求 计算机基础与程序设计第八周学习总结 作业内容 《计算机科学概论》第9章《C语言程序设计》第7章并完成云班课测试，功能设计与面向对象设计，面向对象设计过程，面向对象语言三要素，汇编、编 ......