clustering spectral机器 笔记
Swift 笔记-1 基本类型，集合类型，控制流与基本函数
目录基本类型变量与常量字符串单行多行整型浮点布尔值集合类型数组字典 Dictionaries集合 Sets枚举 Enums控制流条件判断循环代码块抽象结构函数声明函数返回类型声明返回多个值自定义参数标签函数参数默认值函数与错误 最近对 iOS 开发有兴趣，学习 SwiftUI，主要跟的是 hacki ......
《软件需求十步走》阅读笔记四
读到第四篇，就是需求工程的规划篇。 需求规划工作是面向“全业务、全信息、全系统”，业务是事项，采用分析综合、归纳演绎的逻辑方法整理出组织与对象的业务逻辑模型，在此业务的逻辑模型基础上进行系统的规划 。也是事项的实作行为，也是对所做事项的总称。 业务研究就是借鉴科学研究方法通过资料研究、现场调研还原一 ......
自然语言处理：通过API调用各大公司的机器翻译开放平台
国内大公司做机器翻译做的比较好的有讯飞和百度，这里给出这两个公司机器翻译的开放平台API的介绍： 讯飞开放平台： 链接：https://www.xfyun.cn/doc/nlp/xftrans_new/API.html#%E6%8E%A5%E5%8F%A3%E8%AF%B4%E6%98%8E 百度翻 ......
【GUI软件】小红书详情数据批量采集，含笔记内容、转评赞藏等，支持多笔记同时采集！
马哥原创：小红书详情采集软件，自动爬取xhs笔记的详情数据，字段含：笔记id,笔记链接,笔记标题,笔记内容,笔记类型,发布时间,修改时间,IP属地,点赞数,收藏数,评论数,转发数,用户昵称,用户id,用户主页链接。 ......
【学习笔记】使用科学和魔法。
一直没有太理解我们是怎么上网的，今天逼着自己问了问 GPT，这是他的回答。 因为众所周知的原因，下文中 “虚拟 virtual 私人 private 网络 network” 均用【数据删除】代替。 连接WiFi： 当用户在设备上连接WiFi时，他们实际上是连接到一个本地网络，这个网络由无线路由器提供 ......
ml.net例子笔记7-ml.net与OMNX
在整个模型生成过程中，模型位于内存中，并且可以在整个应用程序生命周期中访问。 但是，一旦应用程序停止运行，而模型未在本地或远程的某个位置保存，则无法再访问该模型。 通常情况下，在其他应用程序中训练模型之后，某些时候会使用模型进行推理或重新训练。 因此，存储模型很重要。 详细信息参考： https:/ ......
ml.net例子笔记6-ml.net v2之AutoML
AutoML 1 概念 自动化机器学习也称为自动化 ML 或 AutoML，是将机器学习模型开发过程中耗时的反复性任务自动化的过程。 数据科学家、分析师和开发人员可以使用它来生成高度可缩放、高效且高产能的 ML 模型，同时保证模型的质量。 https://learn.microsoft.com/zh ......
读程序员的README笔记18_职业生涯规划
1. 行为准则 2. 管理者是做什么的 2.1. 与你的管理者构建工作关系将有助于你发展你的职业生涯、减少压力，甚至交付可靠的软件 2.1.1. 必须了解你的管理者需要什么，这样你才能帮助他们 2.2. 管理者们似乎总是在开会，但他们实际上在做什么并不明显 2.3. 工程经理的工作是关于人、产品和流 ......
《软件工程—实践者的研究方法》读书笔记
与以前的软件工程书籍不同，本书在敏捷开发以及 Web 应用程序和移动应用程序的分析、设计、测试和质量管理方面有大量篇幅。本书的内容并不局限于理论知识的阐述，而是用大量的篇幅在简单的例子中进行分析和设计，主要使用SafeHome来演示如何推进软件项目。它也不同于布鲁克斯的“人月神话”，它关注工程项目中 ......
gnuradio笔记[1]-内嵌python代码块
摘要 在GNU Radio中简单使用内嵌python代码块实现输出内容到文件. 超链接 解决无法编辑代码块内代码 原理简介 GNU Radio简介 [https://wiki.gnuradio.org/index.php?title=What_Is_GNU_Radio] GNU Radio is a ......
读程序员的README笔记17_构建可演进的架构（下）
1. 可演进的API 1.1. 随着需求的变化，你需要改变你的API，即代码之间的共享接口 1.2. 改变API很容易，但很难做到正确 1.3. 保持API小巧 1.3.1. 小巧的API更易于理解和演进 1.3.2. 只添加即刻需要的API方法或字段 1.3.3. 带有许多字段的API方法应该有合 ......
机器学习-线性分类-支持向量机SVM-SMO算法代码实现-15
1. alpha2 的修剪 if y1 != y2 : α1 - α2 = k # 不用算k的具体大小 if k > 0: # 上图的左 下这条线 α2 的区间 (0, c-k) k < 0 : # 上图的左 下这条线 α2 的区间 （-k, C） 所以： L = max(0, -k) # k>0 ......
机器学习中集成学习的概念及其一些典型算法
1.集成学习的概念 集成学习是一种机器学习范式，在这种范式中，多个学习者被训练和组合起来一起解决同一个问题。通过使用多个学习者，就可以把整个模型的泛化能力提高很多倍 所以说，集成学习的泛化能力比单个学习者强得多得多，所以叫：“集思广益”。 2.集成学习的具体流程 一个问题出来，数据集丢给若干模型进行 ......
2023年12月20日阅读笔记
《阿里测试之道》 本次以其中涉及电商的测试场景为例，记录一下“大促质量保障”一章的读书笔记。这一章主要讲述了在大促场景下，全链路压测是如何实施的，以及通过什么方式保证最终大促时的生产环境稳定性。 风险与挑战全链路压测目标：尽可能真实模拟流量洪峰，进行高可用验证用例场景需要考虑两个方面： 横向多样膨胀 ......
软件需求读书笔记
《软件需求模式》一书中有一些经典的语句，从中我体会了很多：“需求是构建成功软件的基石。”这句话强调了需求的重要性，指出在软件开发过程中，良好的需求定义是成功的关键。 “需求是用户和开发团队之间的桥梁。”这句话强调了需求在用户和开发团队之间起到连接和沟通的作用，有效的需求管理可以促进双方的理解和协作。 ......
探索需求读书笔记
“一本出色的书——独特，发人深省而又有趣，这是任何从事需求过程的人员的必读书”这是Claude W.Burrill,Burrill.Ellsworth Associates写在书的最后对这本书的赞扬，随着阅读的进行我这些天读了这本书的第三部分，第三篇探索机会同样用原来的风格讲述需求分析的知识，让我受 ......
python钉钉机器人运维脚本监控实例
面是关于“Python钉钉机器人运维脚本监控实例”的完整攻略: 目录 介绍 使用步骤 配置机器人 运行脚本 示例说明 监控服务器CPU使用率 监控服务器磁盘空间 总结 介绍 钉钉机器人是钉钉提供的一种形式化的通信渠道，可以通过代码来调用钉钉机器人的API，实现以机器人的形式向钉钉群组发送消息。本篇攻 ......
opencv图像处理机器学习真实项目教程(python实现)3图像处理基础
3 图像处理基础 在本章中，我们将介绍图像处理中的各种操作，首先是基于平移的操作，如旋转和调整大小。读者将学习如何使用 OpenCV 旋转和调整图像大小，以及如何控制生成图像的大小和方向。本章接着介绍了图像的算术运算，如加法、减法和除法。本章继续以图像运算为主题，介绍图像的位运算，如 AND、OR ......
Unity ComputeShader笔记
#pragma kernel CSMain //定义核心函数 RWTexture2D<float4> Result;//这声明了一个变量，它包含的数据是shader程序将要用到的。我们不需要用到网格mesh数据，你需要像这样明确的声明，你的compute shader需要写入读出什么数据。数据类型名 ......
Capture a TCP dump from a Linux node in an AKS cluster
https://learn.microsoft.com/en-us/troubleshoot/azure/azure-kubernetes/capture-tcp-dump-linux-node-aks https://learn.microsoft.com/en-us/azure/aks/node ......
用C#也能做机器学习？
前言✨ 说到机器学习，大家可能都不陌生，但是用C#来做机器学习，可能很多人还第一次听说。其实在C#中基于ML.NET也是可以做机器学习的，这种方式比较适合.NET程序员在项目中集成机器学习模型，不太适合专门学习机器学习，本文我将基于ML.NET Model Builder（低代码、入门简单）构建一个 ......
SQL SERVER上课笔记
SQL 数据库 笔记 ############## 目录 SQL 数据库 笔记############## 一、初次使用数据库 .二、用SSMS工具工具采用图形化的方法创建数据库（第二种方法通过T-SQL语句创建数据库） 三、利用T-sql创建数据库 四、删除数据库 五、数据库的相关操作分离，附加， ......
用C#也能做机器学习？
本文先是简单介绍了ML.NET与ML.NET Model Builder，其次基于ML.NET Model Builder构建了一个猫狗识别的机器学习模型实例，最后在.NET项目中集成了它。 ......
MLX vs MPS vs CUDA:苹果新机器学习框架的基准测试
如果你是一个Mac用户和一个深度学习爱好者，你可能希望在某些时候Mac可以处理一些重型模型。苹果刚刚发布了MLX，一个在苹果芯片上高效运行机器学习模型的框架。 最近在PyTorch 1.12中引入MPS后端已经是一个大胆的步骤，但随着MLX的宣布，苹果还想在开源深度学习方面有更大的发展。 在本文中， ......
《代码大全2》阅读笔记
《代码大全2》是一本非常经典的软件开发书籍。 在书中，强调了比较优秀的代码结构和命名规范的重要性。书中注释的部分帮助我理解怎么去编写有意义的注释，合适的注释可以提供代码理解上的便利，但是过多或者无关的注释会干扰代码的可读性。 还有书中关于代码复用和模块化的内容帮助学习如何设计可重用的代码和模块，提高 ......
opencv图像处理机器学习真实项目教程(python实现)2图像入门
本章介绍图像的基本概念和基本操作。 我们将首先提供像素等图像基础知识的清晰定义。 接下来，我们将深入讲解如何使用 OpenCV 库读取、显示和保存图像。 然后我们将继续使用 OpenCV 在图像上绘制形状的实际任务，重点是矩形、圆形和其他基本形状等主题。 主要内容： 图像和像素简介 读取、显示和写入 ......
《构建之法》读书笔记（三）
《构建之法》，读这本书教会了我在团队开发时的团队合作。 首先是代码规范：1.代码风格规范。 2.代码设计规范。 一.代码风格规范 1.缩进：一般用四个空格的距离，从可读性来说正好。 2.行宽：行款可以限定为100字符。 3.断行与空白的{}行：尽量 if(a) { doit(); } else { ......
《重构：改善既有代码的设计》读书笔记二
二、代码的坏味道 1、Duplicated Code(重复代码) 坏味道首当其冲的就是Duplicated Code，如果你在一个以上的地点看到相同的重复结构，那么这个坏味道就可以确定了，设法将它们合而为一 同一个类中两个或更多的函数含有相同的表达式 利用Extract Method（提炼方法）提炼 ......
Hierarchical Clustering-based Personalized Federated Learning for Robust and Fair Human Activity Recognition-2023
任务：人类活动识别任务Human Activity Recognition HAR 指标：系统准确性、公平性、鲁棒性、可扩展性 方法：1. 提出一个带有层次聚类（针对鲁棒性和公平的HAR）个性化的FL框架FedCHAR；通过聚类（利用用户之间的内在相似关系）提高模型性能的准确性、公平性、鲁棒性。 2 ......