机器人 信号 机器 个人
机器学习从入门到放弃:硬train一发手写数字识别
一、前言 前面我们了解了关于机器学习使用到的数学基础和内部原理,这一次就来动手使用 pytorch 来实现一个简单的神经网络工程,用来识别手写数字的项目。自己动手后会发现,框架里已经帮你实现了大部分的数学底层逻辑,例如数据集的预处理,梯度下降等等,所以只要你有足够棒的idea,你大部分都能相对轻松去 ......
2023年秋季个人阅读计划4
现实中,我们见过太多匆忙上马的项目。他们有些存在着先天设计缺陷、有些因为操作过程中执行不力而虎头蛇尾,而有些则是根本没有经过完整的或者有效的测试就立即投入生产。这个林林总总的各种现象,最终导致的结果只有一个,那就是项目的部分或者全部失败。而在坐着看来,这些失败都是可以避免,或者可以在某一程度上避免的 ......
[机器学习] 5. 一致收敛性 Uniform Convergency
回顾不可知 PAC 的定义 定义 一个假设类 \(\mathcal H\) 是不可知 PAC 可学习的,如果存在函数 \(m_{\mathcal H} : (0, 1)^2 \to \mathbb N\) 和一个学习算法满足,对任意 \(\epsilon, \delta \in (0, 1)\)、\ ......
机器学习中的优化方法——两种梯度下降法的Python实验报告
1 背景 考虑正则逻辑回归的反对函数(Consider the objection function of regularized logistic regression): \[\begin{gather*} \mathop{min}\limits_{x\in\mathbb{R}^d}f(x)=\ ......
影响机器视觉精度的关键因素
1、最小测量单位为所需测量公差带的十分之一。 2、当试图测量非常小的特征(例如分辨率低于0.001mm)时,可以使用长波长的颜色,例如蓝色或紫色来提高对比度。如果零件处于运动状态,请考虑使LED照明器频闪以获得最佳强度和灯泡寿命。 ......
2022 CCPC 华为云计算挑战赛 机器人
题目链接 其实是补2023CCPC秦皇岛热身赛C 主要思路跟IOI2021分糖果是一样的,区别就是这里不是对总的区间二分,而是指定区间 所以先做一次区间询问把对应的log个线段树区间拿出来,然后就是二分一样的思路,不过是在序列上,所以要先逆序找到第一个不满足条件的线段树区间,然后进到它对应的子树里二 ......
机器学习——延后初始化
到目前为止,我们忽略了建立网络时需要做的以下这些事情: 我们定义了网络架构,但没有指定输入维度。 我们添加层时没有指定前一层的输出维度。 我们在初始化参数时,甚至没有足够的信息来确定模型应该包含多少参数。 有些读者可能会对我们的代码能运行感到惊讶。 毕竟,深度学习框架无法判断网络的输入维度是什么。 ......
机器学习——参数管理
参数访问 我们从已有模型中访问参数。 当通过Sequential类定义模型时, 我们可以通过索引来访问模型的任意层。 这就像模型是一个列表一样,每层的参数都在其属性中。 如下所示,我们可以检查第二个全连接层的参数。 print(net[2].state_dict()) OrderedDict([(' ......
机器学习——层和块
一个块可以由许多层组成;一个块可以由许多块组成。 块可以包含代码。 块负责大量的内部处理,包括参数初始化和反向传播。 层和块的顺序连接由Sequential块处理。 下面给出一个例子(以pyTorch为例) class NestMLP(nn.Module): def __init__(self): ......
花了两年时间手搓的物联MESH组网(个人免费使用)
支持MCU型号: ESP8266 & ESP32 存储要求: 大于或等于1Mbyte (8Mbit) 意义: 填补8266上 WiFi Mesh空缺 一个域支持节点数量: 理论上是255个 特点: 使用较少资源实现 TCP后端可靠传输,可以单播,也可以广播 可以中继,自愈合,即插即用 通信全异步设计 ......
Win10个人使用调整
win10 UAC问题 gpedit.msc 本地组策略编辑器-计算机配置-Windows设置-安全设置-本地策略-安全选项 用户账户控制:以管理员批准模式运行所有管理员-已禁用 重启 自动登录开机自动登录 netplwiz 开机启动 点击左下角开始, 设置-应用-启动 关闭自动更新 1.服务Win ......
GIL 信号量 Event事件 池
不是保证数据安全,是保证线程与线程之间那个垃圾回收机制的安全1.gil不是Python的特点,是cpython解释器的特点2.gil是保证解释器级别的数据的安全3.gil会导致同一个进程下的多个线程无法同时执行即无法利用多核优势4.针对不同的数据需要加不同的锁处理5.解释器型语言的通病:同一个进程下 ......
2023年秋季个人阅读计划3
小学的时候我们都做过这样的应用题:“工厂需要加工一批零件,安排5名工人的话需要10小时完成,那么安排25名工人加工,多少小时可以完成”之类的。对于这类题目,小学一二年级的学生都可以轻松得到答案。也正是如此,如今的工作中,仍有不少同仁秉持这样的小学生思维来衡量工作量,跟进工作进度。他们没有发现,如今的 ......
【HMS Core】机器学习服务热门问题合集
【关键词】 机器学习服务、文本识别、身份证识别 【问题描述1】 机器学习服务的文本识别能力,是否支持草书等? 【解决方案】 草书是不支持的,目前建议使用较为规范的字体测试。 【问题描述2】 机器学习服务是否支持训练模型? 【解决方案】 目前不支持该能力。 【问题描述3】 身份证识别服务,返回bi ......
机器学习——梯度爆炸和梯度消失
🤔️如何避免梯度爆炸或消失? 在参数初始化时需要非常小心,以确保梯度和参数可以得到很好的控制(随即初始化) ReLU激活函数缓解了梯度消失问题,这样可以加速收敛。(Sigmoid激活函数在输入很大或是很小时,它的梯度都会消失。) ......
[个人记录] datax同步Oracle数据到MSSQL - 报错提示插入重复主键
之前试着把Oracle的数据同步到MSSQL,表到表的操作,结果提示插入重复主键,在Oracle使用的是rowid插入到MSSQL表的id主键中去,该id设置了主键约束。 一开始很纳闷,怎么会重复插入主键呢? rowid不是唯一的吗? 因为搞了很久没搞定,换了其他生成主键的方法也没成功,sys_gu ......
【Python微信机器人】第三篇:使用ctypes调用进程函数和读取内存结构体
目录修整 目前的系列目录(后面会根据实际情况变动): 在windows11上编译python 将python注入到其他进程并运行 注入Python并使用ctypes主动调用进程内的函数和读取内存结构体 使用汇编引擎调用进程内的任意函数 利用beaengine反汇编引擎的c接口写一个pyd库,用于实现 ......
喜讯!东舟“实车测试机器人”发明专利通过国家知识产权局正式授权,创新成果获专利保护
近日,东舟技术申报的《用于实车人机交互功能测试中的执行机构、PC上位机及测试方法》知识成果获得国家知识产权局授予发明专利!实车测试机器人是东舟技术在技术创新和研发方面取得的重要突破,该专利技术的应用将有效助力主机厂智能座舱实车测试工作效能提升。 这项专利的授权不仅保护了东舟技术创新成果,激励研发团队 ......
对于百度前端技术学院的task0003-个人任务管理系统开发的一个记录
第一眼看到它列出的需求和实现要求,就觉得头晕,毕竟真的有点乱,好在自己时刻记得偶像的那一句话,“编程,最重要的是解决问题的能力。” 那我现在遇到需求杂乱的话,是不是要把这些要求分类出来?html、css、JS按这个分类出来后,再继续拿草稿图来画最基础的结构(这个是最重要的,不然一开始就乱写,到时候处 ......
MISC个人总结
基本准备知识 1、010editor分析图片——宽高 文件头尾 伪加密等 2、文件属性中的详细信息——备注(虽然现在不常见了但也要特别注意) 3、file 查看文件类型 4、ls -a 查看所有文件 5、binwalk ,foremost 分离 6、多文件时 对比CRC值,进行校验 7、string ......
CRYPTO个人总结
Base系列编码浅析 Base编码有很多种,常用的有: base16 base32 base64 base85 base36 base 58 base91 base 92 base62 Base16 使用16个ASCII可打印字符(数字0-9和字母A-F),对任意字节数据进行编码。 先获取输入字符串 ......
机器学习——偏差-方差权衡问题
偏差指的是模型与真实数据分布之间的误差。线性模型能表示的函数空间有限,所以存在偏差。 方差指同一模型在不同训练集上的输出变化。简单模型方差小,复杂模型容易过拟合,方差大。 1. 泛化性好的模型往往偏差高,方差低。比如简单的线性模型。 2. 灵活性强的模型往往偏差低,方差高。比如复杂的深度神经网络。 ......
机器学习——权重衰减
权重衰减(Weight Decay)是正则化的一种技术,是针对神经网络权重参数的正则化手段。其通过为损失函数添加权重参数的L2范数来实现。在优化神经网络时,权重衰减会惩罚权重参数值过大,从而达到正则化的效果。 常见的权重衰减在损失函数中以如下形式添加: loss = 损失函数 + λ * 权重L2范 ......
jupyter_机器学习基础
学习打他frame和一些基础操作 import pandas as pd import numpy as np pd.DataFrame(np.random.randn(2,3)) score=np.random.randint(40,100,(10,5)) score score_df=pd.Da ......
机器狗装上 ChatGPT 大脑当导游;AI 正在学习「超人的说服力」丨 RTE 开发者日报 Vol.73
开发者朋友们大家好: 这里是「RTE 开发者日报」,每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE (Real Time Engagement) 领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」,但内容仅代表编辑的个人观点,欢迎大家留 ......
使用IBM ART库生成交通信号牌的攻击样本
目标:生成对抗样本,扰动图像,让原本是“停”的信号牌识别为“禁止驶入”: 代码如下(注意,因为我找的cnn原始模型支持的是灰度图像,所以彩色的对抗样本还需要修改代码): import cv2, os import numpy as np import numpy as np import tenso ......
请说说qt主要用的控件?信号和槽怎么实现的?
qt主要用到的控件: QWidget基类, QPushButton普通按钮, QLineEdit文本输入, QSlider滑动条,QLabel显示文本或图像, QMainWindow创建应用程序的主窗口,QCeckBox复选框,QRadioButton单选按钮。 信号和槽的实现: 每个控件可以发出信 ......
calibre-web个人图书在线管理
calibre 注:图片来【本地图书管理:通过calibre-web打造个人在线书城_白毛偷二的博客-CSDN博客】 https://blog.csdn.net/qq_39366927/article/details/123013413 calibre官方下载地址:https://calibre-e ......
在Docker容器内,我如何连接到机器的本地主机?
内容来自 DOC https://q.houxu6.top/?s=在Docker容器内,我如何连接到机器的本地主机? 我有一个运行在Docker容器内的Nginx。我的主机系统上运行着一个MySql。我想从我的容器内连接到MySql。MySql只绑定到本地主机设备。 有没有办法从这个Docker容器 ......