深度 知识
GIS融合之路（二）CesiumJS和ThreeJS深度缓冲区整合
在这篇文章开始前再次重申一下，山海鲸并没有使用ThreeJS引擎。但由于ThreeJS引擎使用广泛，下文中直接用ThreeJS同CesiumJS的整合方案代替山海鲸中3D引擎和CesiumJS整合。 系列传送门： 山海鲸可视化：GIS融合之路（一）技术选型CesiumJS/loaders.gl/iT ......
学习方法：知识模块
学习方法：知识模块 知识，是“某个问题解决方案”的思想、原理、技术、方法。每个学科，就是“一组问题的解决方案”的思想、原理、技术、方法。 模块，一个相对独立的、能够解决问题的知识的基本单位。每个学科，由若干个“模块”组成。每个学科的“模块”，叫做“知识模块”。“知识模块”，是每个学科的基本单位。 如 ......
backbone、head、neck等深度学习中的术语解释
我们在阅读文章的时候，经常看到backbone head neck 这一类的术语，但是我们可能并不知道是什么意思，这篇文章就是对这些术语进行解释： backbone： 翻译为主干网络的意思，既然说是主干网络，就代表其是网络的一部分，那么是哪部分呢？这个主干网络大多时候指的是提取特征的网络，其作用就是 ......
提升源代码安全性的C#和Java深度混淆工具——IpaGuard
提升源代码安全性的C#和Java深度混淆工具——IpaGuard 摘要 Ipa Guard是一款功能强大的IPA混淆工具，通过对iOS IPA文件进行混淆加密，保护其代码、资源和配置文件，降低破解反编译难度。本文将介绍Ipa Guard的深度混淆技术，包括逻辑混淆、名称混淆以及处理特殊情况的方法，帮 ......
一些Mybatis的知识点&易错点总结
1、映射文件配置容易出错 在映射文件中，我们很习惯想要在sql语句后面添加';'。 结果是报了一堆错误： 你能从下面的配置中找到哪些错误？ 总共有三处错误： 建议使用parameterType，而不是使用"parameterMap" 不使用$进行绑定数据，而是使用#{} sql语句后面不要以";"结 ......
转载：深度学习：蒸馏Distill
转载，写的比较好了，可以参考：https://blog.csdn.net/pipisorry/article/details/117257414 Distilling the knowledge in a neural networkHinton 在论文中提出方法很简单，就是让学生模型的预测分布，来 ......
寒假1高数知识部分
今天是寒假正式复习的第一天，一整天都在和高数对线，数学真是一个非常好的避难所 首先是几个必背的公式，必须无条件准确熟虑的记住 1、三角函数的公式，特别是那两个平方和与1的公式，不要总依赖那个三角形图，要理解熟练，随时想到能用的出来 2、半角公式，都是正派、然后都要变三角函数，只有一个要加负号 3、斯 ......
代码随想录 day16 N 叉树的最大深度 完全二叉树的节点个数
N 叉树的最大深度 这题昨天做过二叉版本 n叉区别不大 完全二叉树的节点个数 层级遍历 入que的数量就是节点个数 ......
深度学习之机器学习理论
（一）机器学习（Machine Learning）：就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法，统计学家也称之为统计学习，但本质上起源于计算机科学的人工智能。 （二）机器学习的分类：机器学习主要分为两类，即监督学习(supervised learning)与非监督学 ......
网络基础知识学习
1、网络基础知识 ·OSI 七层模型 TCP/IP（Transmission Control Protocol/Internet Protocol）是传输控制协议和网络协议的简称，它定义了电子设备如何连入因特网，以及数据如何在它们之间传输的标准。TCP/IP 不是一个协议，而是一个协议族的统称，里面 ......
Elastic 安全相关知识
Elastic 安全相关知识 证书相关 CA证书 docker 部署不要使用自动生成的证书，找不到 CA 私钥，对于后续证书的生成是个很大的问题，建议先自己生成 CA，再使用自己的CA生成相应证书。 # 生成一个压缩包，包含一个 crt 格式的 CA 证书文件和 私钥 elasticsearch-c ......
数据库基本理论知识
1. 数据库 数据库是一个以某种有组织的方式存储的数据集合。最简单的方法是将数据库想象为一个文件柜。这个文件柜是一个存放数据的物理位置，不管数据是什么，也不管数据如何组织。 数据库 (database)：保存有组织的数据的容器（通常是一个文件或者一组文件）。 数据库软件应该称为数据库管理系统（DBM ......
QMap深度拷贝
QMap深度拷贝 #include <QMap> #include <QPair> #include <QDebug> QMap<int, QString> deepCopyQMap(const QMap<int, QString>& source) { QMap<int, QString> tar ......
【专题】2023年保险合伙人白皮书及优增深度洞察报告PDF合集分享（附原数据表）
原文链接：https://tecdat.cn/?p=34800 原文出处：拓端数据部落公众号 2023年，中国经济从高速向高质量转型，众多保险公司将队伍转型视为寿险行业供给侧改革的关键。以招募和培养专业、职业绩优人才为核心的策略，成为代理人队伍转型的重要方向。阅读原文，获取专题报告合集全文，解锁文末 ......
【C/C++】知识点笔记
1 - 联合体内嵌结构体初始化赋值 union { struct { int i; float f; char *p; }; int o; } obj3 = { 1, 2.2, "sk", 4, 9 }; printf("struct inlay union: %d, %f, %s, %d\n", ......
深度学习模型部署TensorRT为何如此优秀？
一、前言 PyTorch模型的高性能部署问题，主要关注两个方面：高度优化的算子和高效运行计算图的架构和runtime。python有快速开发以及验证的优点，但是相比C++来说速度较慢而且比较费内存，一般高性能场景都是使用C++去部署，尽量避免使用python环境。 TensorRT为什么那么快，因为 ......
「云渲染知识」建筑效果图用什么软件制作？
高品质的建筑效果图需要利用插件来模拟复杂的场景、光线照射和天气变化。然而，许多专业人士可能不清楚有哪些软件可以实现这样的效果。下面将介绍一些常用的软件来帮助实现高品质的建筑效果图。 一、建筑效果图必备软件 1、三维建模工具 Autodesk 3ds Max：强大的建模工具，用于创建复杂的三维模型和高 ......
生活常识-贵金属-黄金知识
前言全局说明 生活常识-贵金属-黄金知识 内容来源于网络 一、单位 Au 黄金化学符号 g 是黄金 gold 的缩写 来源：微信视频号“西安黄金小郭” 二、标号 AU999 或 g999 是纯黄金 AU750 或 g750 代表含金量 75% 三、没有字母只有数字标号 999 这种不是黄金规范标号， ......
数据结构 图的基本知识
图的基本知识： 在n个结点的无向图中，若该图是连通图,则其边数大于等于n-1， 在n个结点的无向图中，若边数大于(n-2)(n-1)/2+1，则该图必是连通图 就是说连通是比较强的条件 2.用邻接矩阵法存储一个图所需的存储单元数目与图的边数有关。（） 正确 错误 这一题有歧义：如果不考虑邻接矩阵的压 ......
数据结构图的基本知识题
判断题 1.在n个结点的无向图中，若边数大于n-1,则该图必是连通图。 T F 解释： 以下两种说法是对的： 在n个结点的无向图中，若该图是连通图,则其边数大于等于n-1， 在n个结点的无向图中，若边数大于(n-2)(n-1)/2，则该图必是连通图 就是说连通是比较强的条件 2.用邻接矩阵法存储 ......
涨知识 —— 别寄辣味泡面了，日本灾区不欢迎
相关: 别寄辣味泡面了，日本灾区不欢迎 给灾区送事物要注意： 不能送辣的（除非是冬天天冷需要一定的御寒提温），因为灾区往往都缺饮用水。 不能送太咸的事物（咸菜这种单独的配菜除外），因为灾区往往都缺饮用水。 不能送熟食，因为灾区往往食物保存条件差，不可能有冰箱来提供，需要保质期长的事物。 不能送与救援 ......
深度估计之SCDepth系列
SC-Depth系列。 SCDepthV1 之前的单目深度估计网络的重投影损失，更多的是利用前后帧的颜色误差进行约束，得到了比较精确的结果。但它们基本上都有一个共性问题：深度值不连续！连续几张图像之间的深度值不连续！也就是说，在不同的帧上产生尺度不一致的预测，因为它们承受了每帧图像的尺度不确定性。这 ......
CUDA驱动深度学习发展 - 技术全解与实战
全面介绍CUDA与pytorch cuda实战 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，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人 一、CUDA：定义与演进 CUDA（ ......
齿轮知识
机械齿轮齿数要不少于17 17+3 或者17+2 否则会根切 塑料齿轮模数通常选0.5-0.8 齿轮齿数一般不小于10 否则强度不够 齿轮慢走丝精度可达到1um 快走丝精度0.01mm ......
深度可分离卷积
深度可分离卷积，使用了一些 trick 极大减少卷积所需参数量和计算量。 理解深度可分离卷积 若需要对 12×12×3 的输入使用卷积，获得 8×8×256 的输出，直接的卷积方法是使用 256 个 5×5×3 的卷积核（无 padding、步长为 1，下同）。此时卷积层的参数量为 19200，卷积 ......
深度学习图像复原之去雨：常用数据集介绍
可能有帮助的链接：https://paperswithcode.com/task/single-image-deraining 合成数据集 Rain100H 出自 CVPR 2017 论文 Deep Joint Rain Detection and Removal from a Single Ima ......
CHAT GPT全称及其发展历程深度剖析
CHAT GPT全称为Conversational Generative Pre-trained Transformer，是一种由OpenAI开发的自然语言处理模型。该模型旨在生成流畅且连贯的对话回复，从而在聊天机器人应用中表现出卓越的性能。 CHAT GPT的发展起始于OpenAI提出的GPT架构 ......
动手学深度学习v2：数据操作+数据预处理
数据操作 import torch x=torch.arange(12) # x的output为 tensor([0,1,2,3,4,5,6,7,8,9,10,11]) # 可以通过张量的shape属性来访问张量的形状和张量中元素的总数 x.shape # output: torch.Size([1 ......