编码 效率 颜色 笔记
MIT6.828学习笔记3(Lab3)
在这个lab中我们需要创建一个用户环境（UNIX中的进程，它们的接口和实现不同），加载一个程序并运行，并使内核能够处理一些常用的中断请求。 ......
Pytorch学习笔记之tensorboard
训练模型过程中，经常需要追踪一些性能指标的变化情况，以便了解模型的实时动态，例如：回归任务中的MSE、分类任务中的Accuracy、生成对抗网络中的图片、网络模型结构可视化…… 除了追踪外，我们还希望能够将这些指标以动态图表的形式可视化显示出来。
TensorFlow的附加工具Tensorboar... ......
推荐8个提高工作效率的IntelliJ插件
前言 欢迎关注微信公众号「JAVA旭阳」交流和学习 IntelliJ目前已经成为市面上最受欢迎的Java开发工具，这得益于里面非常丰富的插件机制。本文我将分享在日常开发中我经常使用的5个插件，它们可以帮助您提高工作效率。 1. GenerateAllSetter 作为开发人员，我们总是需要new() ......
.NET 云原生架构师训练营（基于 OP Storming 和 Actor 的大型分布式架构一）--学习笔记
目录 为什么我们用 Orleans Dapr VS Orleans Actor 模型 Orleans 的核心概念 为什么我们用 Orleans 分布式系统开发、测试的难度（服务发现、通信） 运维的复杂度（伸缩性与可靠性的保障） actor 拥有全局唯一身份 自动伸缩功能 Dapr VS Orlean ......
【机器学习】李宏毅——AE自编码器(Auto-encoder)
1、What 在自编码器中，有两个神经网络，分别为Encoder和Decoder，其任务分别是： Encoder：将读入的原始数据（图像、文字等）转换为一个向量 Decoder：将上述的向量还原成原始数据的形式 而目标是希望还原出来的结果能够与原始数据尽可能的接近。其中的向量可称为Embedaing ......
【图像处理笔记】小波变换
【图像处理笔记】总目录 0 引言 1987年，小波被证明是多分辨率信号处理和分析的基础。多分辨率理论融合并统一了来自不同学科的技术，包括来自信号处理的子带编码、来自数字语音识别的正交镜像滤波及金字塔图像处理。顾名思义，多分辨率理论涉及多个分辨率下的信号（或图像）表示与分析。 曾经有人问我有关haar ......
【图像处理笔记】傅里叶变换
【图像处理笔记】总目录 0 引言 在之前的博客图像增强，傅里叶变换（OpenCV)中都有用到过傅里叶变换，但一直都不是特别理解，现系统地学习一下。先来看一个视频傅里叶级数与傅立叶变换，我们了解到任何周期函数都可以表示为不同频率的正弦函数和/或余弦函数之和，其中每个正弦函数和/或余弦函数都乘以不同的系 ......
[论文阅读] 颜色迁移-N维pdf迁移
[论文阅读] 颜色迁移-N维pdf迁移 文章: N-Dimensional Probability Density Function Transfer and its Application to Colour Transfer, [paper ][code] 1-算法原理 简单来说, 本文将图像看 ......
[论文阅读] 颜色迁移-Correlated Color Space
本文算法比较简单, 其原理是把原始图像本身的空间分布进行归一化, 然后通过旋转平移缩放等变换, 变换到目标图像的空间分布 ......
私藏！资深数据专家SQL效率优化技巧 ⛵
同一个数据分析的需求，不同人的SQL代码效率上会差别很大！本文给大家梳理集中效率优化方法，这也是数据岗面试的高频问题哦！快学起来~ ......
一定要用Photoshop？no！动手用Python做一个颜色提取器！ ⛵
本文使用Python实现『颜色提取』功能，构建『简单提取器』与『复杂提取器』，从单个或多个图像的某个位置提取颜色，类似PS或者PPT中的取色器功能。 ......
高效率开发Web安全扫描器之路（一）
一、背景 经常看到一些SRC和CNVD上厉害的大佬提交了很多的漏洞，一直好奇它们怎么能挖到这么多漏洞，开始还以为它们不上班除了睡觉就挖漏洞，后来有机会认识了一些大佬，发现它们大部分漏洞其实是通过工具挖掘的，比如说下面是CNVD上面的白帽子大佬 我想成为大佬要怎么做 我一直觉得自己是一个有梦想的人，我 ......
ADPCM(自适应差分脉冲编码调制)的原理和计算
ADPCM 用于解决 DPCM 的差值宽度问题, 通过定义一个差值表(例如IMA ADPCM 中使用 89个固定差值, 取值从7到32767), 将差值的范围放宽到16bit, 此时差值在数组中的编号只需要6bit就可以表示(0 - 88), 再进一步只记录编号的变化值, 就将变化量压缩到了4bit... ......
视频超分之BasicVSR-阅读笔记
1.介绍 对于视频超分提出了很多方法，EDVR中采用了多尺度可变形对齐模块和多个注意层进行对齐和定位并且从不同的帧聚合特征，在RBPN中，多个投影模块用于顺序聚合多个帧中的特征。这样的设计是有效的，但不可避免地增加了运行时和模型的复杂性。此外，与SISR不同，VSR方法的潜在复杂和不同设计在实施和扩 ......
视频超分之BasicVSR++阅读笔记
1.介绍 在这项工作中，我们通过设计二阶网格传播和流引导的可变形对齐来重新设计BasicVSR，使信息能够更有效地传播和聚合。 如图所示，提出的二阶网格传播解决了BasicVSR中的两个限制：i）我们允许以类似网格的方式进行更积极的双向传播，ii）我们放松了BasicVSR中一阶马尔可夫特性的假设， ......
iNeuOS工业互联网操作系统，脚本化实现设备运行时长和效率计算与统计
有一个煤矿项目，使用iNeuOS系统时有一个需要是：要统计设备的运行时长，进一步统计设备运行效率。主要是有效分析设备运行状态，合理的进行节能。iNeuOS本身具备强大的脚本能力，需要现场实施人员有一定脚本编写能力，如果不具备脚本编写能力，那么下面的模板修改相应的参数即可。 ......
JUC源码学习笔记6——ReentrantReadWriteLock
系列文章目录和关于我 阅读此文需要有AQS独占和AQS共享的源码功底，推荐阅读： 1.JUC源码学习笔记1——AQS独占模式和ReentrantLock 2.JUC源码学习笔记2——AQS共享和Semaphore，CountDownLatch 一丶类结构和源码注释解读 1.ReadWriteLock ......
《Hierarchical Text-Conditional Image Generation with CLIP Latents》阅读笔记
概括 模型总述 本篇论文主要介绍DALL·E 2模型，它是OpenAI在2022年4月推出的一款模型，OpenAI在2021年1月推出了DALL·E模型，2021年年底推出了GLIDE模型。 DALL·E 2可以根据文本描述去生成原创性的、真实的图像，这些图像从来没有在训练集里出现过，模型真的学习到 ......
【动手学深度学习】学习笔记
线性神经网络 图像分类数据集 import torch import torchvision from matplotlib import pyplot as plt from torch.utils import data from torchvision import transforms fr ......