学习网络 算法fasterrcnn深度
洛谷P5937 [CEOI1999]Parity Game_学习笔记
洛谷P5937 [CEOI1999]Parity Game 本来是想练习一下离散化的，结果看到这道又有并查集又有离散化的题，于是就逝了逝，在阅读题解后， 发现自己对并查集和离散化认识有点问题，于是写下这篇笔记总结一下。 看到这种给出几个条件判断矛盾的题，便想到了两种常见思路，一种是拓扑排序， ......
linux学习指令与现有环境解决问题笔记
# linux学习指令与现有环境笔记 *注意：我将pytorch和cuda安装在了pytorch这个虚拟环境中* ## pytorch安装及注意问题 注意版本对应，稳定版2.0.1对应cuda11.7，别按错了 按错导致重新安装 ##cuda安装过程与对应问题 代表可选参数 ## 列表(list) ### 基础 列表是可迭代对象，列表有序 矩阵 ```python # 创建列表 [1,2,3,4,5] # 列表可以包含不同的数据类型 [1,2,3,"hello"] # 可以使用下表索引(从0开始) rhyme[1 ......
二分算法
1. 将两个集合合并 2. 询问两个元素是否在一个集合当中 基本原理：每个集合用一棵树表示，树根的编号就是整个集合的编号。每个节点储存它的父节点，p[x]表示x的父节点 判断树根（属于那个集合）`if (p[x] == x)` 求x的集合编号：`while(p[x] != x) x = p[x];` ......
机器学习评价指标总结（多分类篇）
[TOC] 在机器学习的多分类任务中，我们常常需要评价模型在多个类别上的表现。对于多分类任务来说，主要有两种处理方法：直接作为多分类任务和转化为二分类任务。以下我们会从相应的处理方法出发，介绍多分类任务的评价指标。 ## 多分类任务 ### 直接作为多分类任务 一种常见的方法是将多分类问题视为一个整 ......
01 数据通信网络基础
# 华为设备图标简介  # 网络通信基本概念 通信:是指人与人、人与物、物与物之间通过某种媒介和行为进行的 ......
Netty源码学习3——Channel ，ChannelHandler，ChannelPipeline
[系列文章目录和关于我](https://www.cnblogs.com/cuzzz/p/16609728.html) ## 零丶引入 在[Netty源码学习2——NioEventLoop的执行](https://www.cnblogs.com/cuzzz/p/17641482.html)中，我们学 ......
面对新领域，做真题应优先于学习书本知识，二者应同时进行
面对全新的领域，做真题和概览考试用书同时进行或前者优于后者开始，一方面可以熟悉考点，通过错题了解知识点往往能留下更深刻的印象；另一方面，通过题目和答案提炼考点和知识关键字，熟悉考题呈现方式，对于看书抓住可能的出题点有一定帮助（这对于选择题型较为适用）。简单来讲，当你熟悉如何出题时，面对书上的知识点可 ......
基于opencv-pyhton与opencv-c++的结合理解与学习
2023年上半年，一直在学习opencv-c++版本，学习了其中的多个库函数 > 笔记链接：https://www.cnblogs.com/Tan-code/category/2339311.html > + opencv-python 读取图片，画圆等基本操作 ： > + opencv-c++ 多 ......
Bresenham画直线算法（待完成）
[TOC] Bresenham算法是图形学非常经典的光栅线生成算法，可用于显示直线、圆以及其他曲线。这里通过算法画直线过程，了解其工作原理。 # 问题描述 已知线段2端点$(x_0, y_0) (x_e, y_e)$，屏幕上画出该直线段。 由于屏幕是通过像素点显示的，只能通过像素点所在的整数坐标近似 ......
操作系统学习笔记（三）——内存管理
一、虚拟内存 将进程所用的地址隔离开，让操作系统为每个进程分配独立的一套虚拟地址。虚拟内存可以使进程的运行内存超过物理内存的大小。 进程持有的虚拟地址会通过 CPU 芯片中的内存管理单元（MMU）的映射关系，来转换变成物理地址，然后再通过物理地址访问内存，如下图所示： 有两种映射方法： 1、分段： ......
第四节：分库分表深度剖析
一. 二. 三. ! 作 者 : Yaopengfei(姚鹏飞) 博客地址 : http://www.cnblogs.com/yaopengfei/ 声 明1 : 如有错误，欢迎讨论，请勿谩骂^_^。 声 明2 : 原创博客请在转载时保留原文链接或在文章开头加上本人博客地址，否则保留追究法律责任的权 ......
使用 TensorFlow 进行机器学习
使用 TensorFlow 进行机器学习 这是使用 TensorFlow 进行机器学习的官方代码存储库。 使用 TensorFlow（Google 最新、最好的机器学习库）开始进行机器学习。 概括 第 2 章- TensorFlow 基础知识 概念 1：定义张量 概念 2：评估操作 概念 3：互动会 ......
深度学习
深度学习 麻省理工学院出版社的书正在准备中 伊恩·古德费洛、约书亚·本吉奥和亚伦·库维尔 书籍 练习 外部链接 讲座 我们计划在本书的所有章节中提供讲座幻灯片。我们目前仅提供某些章节的幻灯片。如果您是课程讲师并且拥有自己的相关讲座幻灯片，并且希望从本网站链接或镜像您的幻灯片，请随时与我们联系。 介绍 ......
学习基础知识
学习基础知识 NodeGui 使用原生组件而不是基于 Web 的组件作为构建块。因此，要了解 NodeGui 应用程序的基本结构，您需要熟悉 Javascript 或 Typescript。本教程面向所有在 Web 开发方面有一定 Web 经验的人。 节点贵发展简述# 就开发而言，NodeGui 应 ......
神经网络——基于sklearn的参数介绍及应用
一、MLPClassifier&MLPRegressor参数和方法 参数说明（分类和回归参数一致）： hidden_layer_sizes :例如hidden_layer_sizes=(50, 50)，表示有两层隐藏层，第一层隐藏层有50个神经元，第二层也有50个神经元。activation :激活 ......
机器学习 -> Machine Learning (I)
# 1 机器学习概述 ## 1.1 定义及应用领域 机器学习是一种让计算机通过经验学习并对输入数据做出决策或预测的方法. 它是人工智能的一个重要分支, 已广泛应用于各种领域, 如自然语言处理, 计算机视觉, 推荐系统, 医疗诊断, 金融风险预测等. ## 1.2 机器学习与人工智能, 深度学习的关系 ......
操作系统学习笔记（二）——操作系统结构
一、内核 作为应用和硬件设备之间的桥梁，负责应用程序只与内核交互，不用关心硬件的细节。 4 个基本能力： 管理进程、线程，决定哪个进程、线程使用 CPU，也就是进程调度的能力； 管理内存，决定内存的分配和回收，也就是内存管理的能力； 管理硬件设备，为进程与硬件设备之间提供通信能力，也就是硬件通信能力 ......
cmake学习方法+CHI独占+ctags编写+C/C++语言原子的序+单核比多核快的C代码
# cmake学习方法 主要是cmake这个东西好像有点抽象，而我想要的是完完全全的控制，虽然是花里胡哨的； 但是在高手看来，这些东西有点过家家，而不是真正意义上的技术，甚至经常被怼，净是花拳绣腿，不容易阅读，控制效果不好，有时候还有语法错误云云。 因此我还是用的Makefile，但是想必cmake ......
操作系统学习笔记（一）——硬件
一、冯诺依曼模型 定义计算机基本结构为5个部分：存储器、运算器、控制器、输入设备、输出设备。 运算器和控制器在中央处理器（CPU）里，存储器就是常见的内存，输入输出设备就是计算机外接的设备，比如键盘是输入设备，显示器是输出设备。 1、内存 程序和数据存储在内存里，存储数据的基本单位是字节，1字节等于 ......
[算法学习笔记][刷题笔记] 单调队列优化 dp
### 前置知识 · 单调队列 单调队列顾名思义，一般用于解决 **滑动RMQ**问题。它的原理非常简单。我们维护一个双端队列，这个双端队列 **只维护可能成为区间最值**的元素。 最基础的单调队列，例如滑动窗口。直接依据题意维护即可。 这里提供单调队列模板（STL deque 版） 单调队列模板（ ......
循环神经网络
循环神经网络 from mxnet import nd x, w_xh = nd.random.normal(shape=(3, 1)), nd.random.normal(shape=(1, 4)) h, w_hh = nd.random.normal(shape=(3, 4)), nd.rand ......
关于欧几里得算法与裴蜀定理的证明
### 前言： 因为某次考试订正 T4，用到了 exCRT，然后发现我和 lws 不会 exgcd…… 所以来把 gcd 到 exgcd 重新学一下，就写了这篇 trick。 ### 欧几里得算法： 求证： $$ \gcd(a,b)=\begin{cases} \gcd(b,a\bmod b) & ......
python+playwright 学习-76 playwright 忽略SSL 错误
# 前言 playwright 设置 ignore_https_errors 参数忽略 SSL 错误 # context 上下文中设置 browser.new_context() 创建上下文时 ``` from playwright.sync_api import sync_playwright, ......
文心一言 VS 讯飞星火 VS chatgpt （82）-- 算法导论8.1 1题
# 一、如果用go语言，在一棵比较排序算法的决策树中，一个叶结点可能的最小深度是多少? ## 文心一言： 在一个排序决策树（如二叉搜索树）中，每个叶节点的最小深度等于输入数据中最大元素与最小元素之间的位距离。这是因为在最坏的情况下，每个比较都需要将最大元素向最小元素的路径移动，因此叶节点的最小深度就 ......
基于LXD搭建实验室GPU服务器（二）——宿主机的深度学习环境安装
在上一篇博客中，我们介绍了服务器的基本配置，例如换源、sshd配置、防火墙配置等。
在本文中，我们将继续介绍如何在宿主机配置基本的深度学习环境，包括nvidia驱动，cuda，anaconda，torch等。 ......
Pytest+Jenkins 学习笔记
# Pytest+Jenkins 学习笔记 在软件测试工作中，单元测试通常是由开发人员执行的、针对最小单元粒度的组件测试，在完成了单元粒度的测试任务之后，通常就需要交由专职的测试人员将这些单元级的组件放到粒度更大的功能组件或子系统中来进行整合性的测试了。在专业术语中，粒度介于单元测试与系统测试之间的 ......
学习笔记413—python实现BP神经网络进行预测和误差分析（附源代码）
python实现BP神经网络进行预测和误差分析（附源代码） 反向传播算法也称为BP神经网络，是一种带有反馈的神经网络反向学习方法，它可以对神经网络的各层上的各个神经元的各个神经元之间的连接权重进行不断迭代修改，使神经网络将输入数据转换成期望的输出数据 BP神经网络的学习过程由正向传播和反向传播两部分 ......
mysql 深入学习三 索引优化二 （索引下推、trace工具）
使用上一篇的表并插入测试数据 #‐‐ 插入一些示例数据 drop procedure if exists insert_emp; delimiter ;; create procedure insert_emp() begin declare i int; set i=1; while(i<=100 ......