学习网络 算法fasterrcnn深度

四种语言刷算法之复制带随机指针的链表

力扣138. 复制带随机指针的链表 1、C /** * Definition for a Node. * struct Node { * int val; * struct Node *next; * struct Node *random; * }; */ struct hashTable{ st ......
指针 算法 语言

网络对抗实验六 MSF应用基础--20201313

《网络对抗技术》——Exp6 MSF应用基础 一、实践内容 本实践目标是掌握metasploit的基本应用方式,重点常用的三种攻击方式的思路。具体需要完成: 1.1一个主动攻击实践,尽量使用最新的类似漏洞; 1.2 一个针对浏览器的攻击,尽量使用最新的类似漏洞; 1.3 一个针对客户端的攻击,如Ad ......
20201313 基础 网络 MSF

《开源云计算:部署、应用、运维》学习笔记

开源云计算:部署、应用、运维 王薇薇,康楠,张雪松,等 基础篇 2023-02-06 20:31 云计算的基本原理是:通过使计算分布在大量的分布式计算机上,而非本地计算机或特定的远程服务器中,使企业数据中心的运行与互联网具有更高的耦合度,使企业能够将资源切换到需要的应用上,根据需求访问计算机和存储系 ......
笔记

【动手学深度学习】第十二章笔记:异步计算、数据并行

为了更好的阅读体验,请点击这里 12.1 编译器和解释器 原书主要关注的是命令式编程(imperative programming)。Python 是一种解释性语言,因此没有编译器给代码优化,代码会跑得很慢。 12.1.1 符号式编程 考虑另一种选择符号式编程(symbolic programmin ......
深度 笔记 数据

《网络对抗技术》——Exp6 MSF应用基础

一、实践内容 本实践目标是掌握metasploit的基本应用方式,重点常用的三种攻击方式的思路。具体需要完成: 一个主动攻击实践,尽量使用最新的类似漏洞; 一个针对浏览器的攻击,尽量使用最新的类似漏洞; 一个针对客户端的攻击,如Adobe或office,尽量使用最新的类似漏洞; 成功应用任何一个辅助 ......
基础 技术 网络 Exp6 Exp

ds:顺序表删除重复元素的算法

算法思想: 1.遍历顺序表、移动元素(把未匹配到目标数据的元素前移i-k个位置) int k =0;int i =0; k用来计数,i用来扫描顺序表。 当匹配到目标元素时k++,未匹配到目标元素时就i++遍历,并且要将未匹配到的元素前移i-k个位置。 2.修改顺序表的length为length-k ......
算法 顺序 元素 ds

十大排序算法

0、算法分类 十种常见排序算法可以分为两类 比较类排序 通过比较来决定元素间的相对次序,时间复杂度为 O(nlogn)~O(n²) 非比较类排序 不通过比较来决定元素间的相对次序,其时间复杂度可以突破 O(nlogn),以线性时间运行 名次解释: 时间/空间复杂度:描述一个算法执行时间/占用空间与数 ......
算法

【C++学习笔记】类的长度

//空类 长度是1 由于可以初始化,所以必须有一个长度1 class 空类{} //一个函数 长度是1 其实函数不占长度,多个函数,长度还是为1,为了初始化,必须有一个长度。 class 一个函数{ void Test(); } //一个虚函数类 由于有一个虚函数表,所以必须长度为4,多个虚函数,也 ......
长度 笔记

网络对抗实验六 MSF应用基础

Exp6 MSF应用基础 实验目标 1.1一个主动攻击实践,尽量使用最新的类似漏洞; (1分) 1.2 一个针对浏览器的攻击,尽量使用最新的类似漏洞;(1分) 1.3 一个针对客户端的攻击,如Adobe或office,尽量使用最新的类似漏洞;(1分) 1.4 成功应用任何一个辅助模块。(1分) 实验 ......
基础 网络 MSF

拉格朗日插值法 (Lagrange interpolation approach) 学习笔记

Lagrange interpolation approach 是要解决一种如下的问题: 给定 $n$ 个坐标,$(x_1, y_1), (x_2, y_2), \dots, (x_n, y_n)$,确定一个多项式 $f(x) = a_0 + a_1x + a_2x^2 + \dots + a_dx ......

基于深度学习的水果检测与识别系统(Python界面版,YOLOv5实现)

本博文介绍了一种基于深度学习的水果检测与识别系统,使用YOLOv5算法对常见水果进行检测和识别,实现对图片、视频和实时视频中的水果进行准确识别。博文详细阐述了算法原理,同时提供Python实现代码、训练数据集,以及基于PyQt的UI界面。通过YOLOv5实现对图像中存在的多个水果目标进行识别分类,用... ......
深度 界面 水果 Python YOLOv5

文心一言 VS chatgpt (14)-- 算法导论3.2 2~3题

二、证明等式(3.16):a ^ {\log_b c} = c ^ {\log_b a}。 文心一言: chatgpt: 我们需要证明的等式为:$a^{\log_b c} = c^{\log_b a}$。 首先,将 $\log_b c$ 看作一个变量 $x$,那么原式可表示为 $a^x = c^{\ ......
文心 导论 算法 chatgpt 3.2

Swift下Data处理全流程:从网络下载,数模转换,本地缓存到页面使用

Swift下将网络返回json数据转换成struct 假如网络请求返回的数据结构是一个深层嵌套的Json 首先要通过key-value取出这个json中的数据源 // 将返回的json字符串转Dictory let json = """ { "name": "jack", "age": 20, "d ......
数模转换 缓存 流程 页面 Swift

「学习笔记」可持久化线段树

可持久化数据结构 (Persistent data structure) 总是可以保留每一个历史版本,并且支持操作的不可变特性 (immutable)。 主席树全称是可持久化权值线段树,给定 $n$ 个整数构成的序列 $a$,将对于指定的闭区间 $\left[l, r\right]$ 查询其区间内的 ......
线段 笔记

机器学习中的batch_size

batch_size:表示单次传递给程序用以训练的数据(样本)个数。比如我们的训练集有1000个数据。这是如果我们设置batch_size=100,那么程序首先会用数据集中的前100个参数,**即第1-100个数据来训练模型。当训练完成后更新权重,再使用第101-200的个数据训练,**直至第十次使 ......
batch_size 机器 batch size

网络对抗实验六 MSF应用基础

#实践内容 ###一、主动攻击实践 关闭靶机防火墙 打开445端口 查看版本 msfconsole search scanner/smb/smb_ use 7 show options set rhosts 192.168.217.138 run 查找对应利用漏洞模块 search exploit/ ......
基础 网络 MSF

卷积神经网络基础

卷积神经网络是进行图像处理的基础神经网络模型,其包含卷积、池化、激活函数和展平四个主要部分。 卷积是一种基本的信号处理操作,在图像处理中也得到广泛应用,基本原理是将一个输入的图像或信号与一个小的卷积核进行卷积运算,得到一个输出的特征图。如下图选取一个3x3的卷积核,对一个7x7的图像进行卷积操作,那 ......
卷积 网络基础 神经 基础 网络

23.4.24前学习笔记

可通过document.documentElement.scrollTop=0控制返回页面顶部 scrollTo方法 window.scrollTo(x,y)//控制页面移动到哪 页面尺寸事件 window.addEventListener('resize',function(){ //改变屏幕尺寸 ......
笔记 23 24

基于深度神经网络的图像分类与训练系统(MATLAB GUI版,代码+图文详解)

本博客详细介绍了基于深度神经网络的图像分类与训练系统的MATLAB实现代码,包括GUI界面和数据集,可选择模型进行图片分类,支持一键训练神经网络。首先介绍了基于GoogleNet、ResNet进行图像分类的背景、意义,系统研究现状及相关算法。然后展示了系统的界面演示效果,包括选择图片分类、选择文件夹... ......
神经网络 深度 图像 神经 代码

1-ORB-SLAM3论文重点导读及整体算法流程梳理-归纳

摘要 ORB-SLAM3是第一个能够执行纯视觉、视觉-惯导以及多地图的SLAM系统,可以在单目,双目以及RGB-D相机上使用针孔以及鱼眼模型。 本文主要新颖之处在于基于特征的VIO紧耦合系统,该系统完全依赖于最大后验估计,即使在IMU初始化阶段也是如此。本系统在小型和大型、室内和室外环境中实时稳定运 ......
算法 ORB-SLAM 流程 整体 重点

Java学习笔记(九)

1、代理模式的概念 可以为其它对象提供一种代理以控制对这个对象的访问,屏蔽对真实角色的直接访问。 2、为什么要重写toString()方法? 默认情况下,toString()方法返回的字符串是由对象的类名、“@”符号和对象的哈希码组成的。我们需要重写toString()方法,以便返回更有意义和有用的 ......
笔记 Java

Git相关学习3(主要为分支、解决冲突)

分支基础命令 有关分支的基础命令 解决冲突 分支使用流程 ......
分支 Git

MarkDown学习

标题 #+空格+标题名字 几个 # 就是几级标题 字体 粗体 粗体两边各加两个* Hello,Word! 斜体 两边各加一个* Hello,Word! 斜体加粗 两边各加三个* Hello,Word! 删除线 两边各·加两个~ Hello,Word! 引用 用一个大于号表示 > 该资源引用自狂神说J ......
MarkDown

vue-esign 学习笔记

1 注意事项 最新版是1.1.4,我们项目组用的是1.1.0。从npmjs可以看出,两个版本中间的版本都是不可用的,下载量为0. 除此之外还可以参考的类似工具: https://www.npmjs.com/package/vue-esignature vue-esignature https://w ......
vue-esign 笔记 esign vue

Git的相关学习2(要点:git常用指令)

git的主要工作流程 获取本地仓库 git常用指令 需要知道的是,刚才我们创建好的一个本地仓库,里面的文件除了**.git文件夹,其余的均为工作目录**; 从工作区提交到暂存区: git add .(表示提交到所有的文件里面去) 从暂存区提交到本地仓库(需要加入相应注释): git commit - ......
指令 要点 常用 Git git

网络流学习笔记

概念 最大流: 在一个网络图上,每个边有流量限制,假如起始点有无线流量,求最多能有多少流量流到终点。 增广路: 一条从起始点到终点了路径,可以流流量。 算法 Ford-Fulkerson算法 解决这个问题,可以用Ford-Fulkerson算法。 该算法的核心就是寻找增广路。每找到一条增广路,就给它 ......
笔记 网络

生成函数学习笔记

概念 序列的母函数(生成函数)是一种形式幂级数。其每一项的系数可以提供关于这个序列的信息,使用母函数解决问题。 如:序列 $a$ 的生成函数为 $G(x)=\sum\limits_{i=1}^{n}a_if_i(x)$。其中 $f_i(x)$ 是无实际意义的,具体取值看题目要求。但有一些一般取值。 ......
函数 笔记

莫队学习笔记

概念 莫队是一种幽雅的暴力。用于处理区间问题。 核心思想就是把询问离线下来,然后维护双指针按一定顺序处理每个询问。精髓就在于一定顺序。 首先确定一个块长,然后将左端点的位置除以块长,把询问分成若干块。在每个块里按右端点排序。发现当块长为 $\sqrt n$ 时两个指针各移动 $n\sqrt n$ 次 ......
笔记

线性基学习笔记

概念 线性基是一个集合。 从原集合中选取任意数都能通过线性基中的数异或得到。 本质上是对集合的压缩 性质 所有数字没有最高位相同的 集合大小为 $\log_2$ 级别。 操作 排查:若线性基内有最高位相等的,让其相异或,并继续排查直到没有可操作的数。 若原集合内有 $0$ 线性基无法实现。 实现 v ......
线性 笔记

点分治学习笔记

概念 点分治用于解决有一定要求的链的计数。 对于点 $u$ 的子树的问题,可以将答案分为: 经过点 $u$ 不经过点 $u$ 第一种可以用桶加暴力。枚举一端的长度,用桶计算另一端长度;第二种分到子树中解决即可。 注意到,在随机选根的时候该算法表现不优秀,但若根为重心,因为每次子树大小都减少一半,所以 ......
笔记