学习网络 算法fasterrcnn深度
10、数据库学习规划：MySQL - 学习规划系列文章
MySQL数据库是笔者认识的几个流行的数据库之一。类似于Linux重装系统，其也是开源的，最主要是有很多的社区支持，众多的开发者对其能够进行使用，所以其功能也挺强大，便于使用。通过对MySQL数据库的学习，笔者认为其是现今贡献最大和使用最广泛的数据库。因为其有社区版，能够免费进行安装和使用，而且其管 ......
Vue2.0 学习 第三组 条件语句
本笔记主要参考菜鸟教程和官方文档编写。1.v-if在div或者之类的dom中使用v-if可以控制是否插入该dom，控制由v-if的true和false决定。如：<div id="app"><div v-if="test"></div> </div><script>new Vue({el:"#app" ......
最小生成树学习笔记
定义 最小生成树是指给定一个带权连通图 G，如果里面有一个子图 G' 中的边权和加起来最小并且使得所有的点都能两两相通。 性质 从上述的定义可以看出，最小生成树有以下性质： 如果图 G 中有 n 个点的话，G'中的边数为 n-1 且 G' 中不含有环。 最小生成树可能是一个，也可能是多个。 还有一些 ......
【LBLD】带权重的随机选择算法
带权重的随机选择算法 528. 按权重随机选择 不使用二分法： class Solution { private: vector<int> preSum; int N = 0; public: Solution(vector<int>& w) { srand(time(0)); preSum.pus ......
COMS3200 网络编程
COMS3200 Assignment 1 2023S1100 total marks, 25% overall course markDue: 15:00 19 April 20231 Preface1.1 Notes This document is subject to change for ......
李宏毅机器学习——pytorch
什么是pytorch python机器学习框架，Facebook提出，主要有一下两个特点 使用GPU加速高维矩阵的运算 torch.cuda.is_available() x = x.to('cuda') 可以很方便的实现梯度的计算 requires_grad=True指定需要对变量x计算梯度 z是 ......
Mathematica学习笔记002-数据导入导出
如果不能把数据导入导出，Mathematica就只能是个大号计算器了。 学会了导入导出，一方面可以把数据、图像结果保存，另一方面也可以将别的程序的中间结果导出成（txt或xls格式），然后交给Mathematica处理，让骑完成高精度计算和绘图。 基本操作其实很简单 Export["D:\\abc. ......
跟随 科普中国 学习
科普中国 文档说明：只记录关键地方; 2023-04-11 缘由： 搜索知识，但是默认搜索引擎不太好用，总是找不到 ，找到记录一下 笔记： 收藏目录： 科普中国 车厘子到底是不是樱桃呢？今天带大家好好认识一下~ ......
ebpf的简单学习
ebpf的简单学习-万事开头难 前言 bpf 值得是巴克利包过滤器 他的核心思想是在内核态增加一个可编程的虚拟机. 可以在用户态定义很多规则, 然后直接在内核态进行过滤和使用. 他的效率极高. 因为避免了上下文切换,中断等导致的cycle损失. 很多先进的工具,比如XDP以及K8S的cilium等网 ......
Flink零基础学习笔记(一)：基础概念
一、Apache Flink的定义、架构和原理 Apache Flink是一个分布式大数据处理引擎，可以对有限数据流和无限数据流进行有状态或无状态的计算，能够部署在各种集群环境，对各种规模大小的数据以内存速度进行快速计算。 接下来我们介绍一下这些关键词的意义。 处理无界和有界数据 任何数据都能形成一 ......
迪杰斯特拉算法
###一. 概述 Dijkstra算法是求一个顶点到其余各顶点的最短路径算法- 迪杰斯特拉算法主要特点是从起始点开始，采用贪心算法的策略 每次遍历到始点距离最近且未访问过的顶点的邻接节点，直到扩展到终点为止 ###二. 算法流程 建立图的存储结构（邻接矩阵/邻接表） 初始化图 初始化源点到各点路径长 ......
排序算法总结
基于比较的排序算法 <E extends Comparable<E>> 排序的稳定：排序前相等的两个元素，排序后相对位置不变（元素交换位置如果是跳跃交换，就有可能造成不稳定） 可以试着想想排序算法对 [0, 1, 1, 0] 是如何排序的 1、如果元素只有一个域，稳定性没有意义 2、不依赖排序算法的 ......
JavaScript Promise 学习笔记
Promise是ES6新增的用于异步编程的一个类。通过链式调用的形式可以解决以往异步编程出现的“回调地狱”的情况。 Promise本质上还是调用的回调函数，其内部维护了状态、兑现回调、拒绝回调，在状态变更时回调对应的函数。 Promise对象有then()、catch()和finally()三个成员 ......
Docker网络
Docker网络 Docker网络从覆盖范围可分为单个host上的容器网络和跨多个host的网络 Docker安装时会自动在host上创建三个网络，我们可用docker network ls命令查看 [root@Wesuiliye ~]# docker network ls NETWORK ID N ......
ChatGPT问答[4]-为什么神经网络最后都会归结于计算矩阵
为什么神经网络最后都会归结于计算矩阵? 神经网络的本质是通过一系列的线性和非线性变换来实现对输入数据的处理和转换。在这个过程中，神经网络需要对每一层的输入进行线性变换和非线性变换，其中线性变换通常是通过矩阵乘法来实现的。 具体来说，神经网络中的每一层都包含多个神经元，每个神经元都与上一层的所有神经元 ......
网络架构设计汇总
1.企业网络基本架构 企业网络架构很大程度上取决于企业或机构的业务需求。 小型企业：通常只有一个办公地点，一般采用扁平网络架构进行组网。这种扁平网络能够满足用户对资源访问的需求，并具有较强的灵活性，同时又能大大减少部署和维护成本。 网络通常缺少冗余机制，可靠性不高，容易发生业务中断 大型企业：网络对 ......
c/c++快乐算法第二天
c/c++感受算法乐趣（2） 开始时间2023-04-15 22:26:49 结束时间2023-04-16 00:18:16 前言：首先我们来回忆一下昨天接触了些什么算法题，1.1百钱百鸡问题，1.2借书方案知多少，1.3打鱼还是晒网，这三个题中有一个统一的思想就是枚举模拟，根据达成某种条件便解决了 ......
Python学习——Day3
一、运算符 1、算术运算符 int,float=>数字类型 2、赋值运算符 ①增量赋值 ②交叉赋值 交叉赋值就像是c语言中值的互换，但这里比c语言中要更简洁 ③链式赋值 ④解压赋值 解压赋值就是把列表/字典里的多个值释放出来，这里的k就相当于是一个压缩包，把值赋给了a,b,c,d 注意：解压赋值要求 ......
通过Otsu算法实现条形码的角度矫正matlab仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 条码的检测在自动化数据采集中占重要地位，原始的采集均为一维采集，即利用红外光线等扫描器进行扫描，需要人工的进行对准，不仅费时，而且浪费人力，随着现代的摄像技术的不断发展，现在的条码可以直接通过摄像机采集整个的条码图像， ......
Linux学习安装
ncpa.cpl 查看网络连接 1、安装Vmware 注意事项： 版本不匹配 [(24条消息) 创建Linux报错“与 vmx86 驱动程序的版本不匹配: 预期为 410.0，实际为 360.0”_vmx86驱动程序的版本不匹配_学习学习学习，再学习的博客-CSDN博客](https://blog. ......
2023-04-15 算法面试中常见的链表问题
2023-04-15 算法面试中常见的链表问题 本章的两个基础类如下 链表的节点类。toString()在debug时实时查看链表很有用 /*********************************************************** * @Description : 链表的 ......
m基于形态学处理和边缘检测的人员跟踪检测算法matlab仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 视频图像分析是近年来计算机视觉领域中备受关注的前沿方向。从技术角度而言，其研究内容相当丰富，主要涉及到模式识别、图像处理、计算机视觉、人工智能等学科知识；同时动态场景中运动的快速分割、非刚性运动、目标之间互相遮挡或停止 ......
深度学习Pytorch中组卷积的参数存储方式与剪枝的问题
写这个主要是因为去年做项目的时候 需要对网络进行剪枝 普通卷积倒没问题 涉及到组卷积通道的裁剪就对应不上 当时没时间钻研 现在再看pytorch 钻研了一下 仔细研究了一下卷积的weight.data的存储 1.搭建网络 这里先随便搭建一下网络 放几个深度可分离卷积和普通卷积 import torc ......
Transformer网络-Self-attention is all your need
一、Transformer Transformer最开始用于机器翻译任务，其架构是seq2seq的编码器解码器架构。其核心是自注意力机制： 每个输入都可以看到全局信息，从而缓解RNN的长期依赖问题。 输入： （待学习的）输入词嵌入 + 位置编码（相对位置） 编码器结构： 6层编码器： 一层编码器 = ......
算法-回文链表-24
/** * Definition for singly-linked list. * public class ListNode { * public int val; * public ListNode next; * public ListNode(int x) { val = x; } * } ......
TensorFlow 卷积神经网络实用指南：1~5
原文：Hands-On Convolutional Neural Networks with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标 ......
深度学习快速参考：11~13
原文：Deep Learning Quick Reference 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 十一、训练 ......
深度学习快速参考：1~5
原文：Deep Learning Quick Reference 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 一、深度学习 ......
Python 迁移学习实用指南：6~11
原文：Hands-On Transfer Learning with Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3 ......
期望最大化算法（EM）简介
Expectation Maximization，EM算法是带有隐变量的概率模型参数的极大似然估计（MLE为给定参数，观测数据出现/生成的可能性）。 如下为《统计机器学习》中对应EM算法的笔记。 观测数据Y和隐变量X合称，完全数据 观测数据Y称，不完全数据 E步：（期望步）求Q函数（上一轮参数固定， ......