- 博客(52)
- 资源 (2)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Linux服务器设置ssh私钥登录
Linux服务器创建用户与私钥服务器居然被黑客通过暴力ssh破解并进行挖矿，本篇文章将讲述如何创建用户私钥，并关闭ssh密码登录创建新用户并创建私钥使用root用户创建新用户，名为xxx，并禁用密码登录。指定用户使用的shell解释器为bash，指定用户主目录路径为/home/xxx或者其他自定义路径。adduser xxx --disabled-password -s /bin/bash -d /home/xxx对已存在的用户创建私钥首先使用root权限，切换到用户xxx，进入该用户x
2022-01-28 19:40:52
6109
原创 [论文阅读]Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection
[论文阅读]Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection用于任意形状文本检测的深度关系推理图网络文章收录于2020 CVPR[论文地址]https://arxiv.org/abs/2003.07493[代码地址]https://github.com/GXYM/DRRG文章目录摘要简介方...
2020-03-27 11:50:40
6627
原创 [论文阅读]Chinese Street View Text: Large-scale Chinese Text Reading with Partially Supervised Learning
文章目录摘要简介相关工作文本阅读基准端到端文本阅读弱监督和部分监督学习方法实验参考文献文章被收录于ICCV2019[论文地址]http://openaccess.thecvf.com/content_ICCV_2019/html/Sun_Chinese_Street_View_Text_Large-Scale_Chinese_Text_Reading_With_Partially_ICCV_2...
2020-03-20 11:01:47
1412
原创 [论文阅读]TextDragon: An End-to-End Framework for Arbitrary Shaped Text Spotting阅读笔记
TextDragon: An End-to-End Framework for Arbitrary Shaped Text Spotting阅读笔记文章被收录于ICCV2019[论文地址]:http://openaccess.thecvf.com/content_ICCV_2019/html/Feng_TextDragon_An_End-to-End_Framework_for_Arbitra...
2020-03-12 17:34:45
2142
原创 Caffe代码迁移为PyTorch的注意事项
进入研究生生活已经有三个月了，每天的生活就是上课、看论文、跑模型，也从来没有自己动手写过完整的模型。最近想在一个Caffe模型上加个模块，奈何实在改不动Caffe代码（C++忘的差不多了，日后一定好好看看Caffe底层），于是转战PyTorch。本文主要介绍一下注意事项，不具体展开介绍怎么样一步一步来，只说明一下大致步骤，具体细节只有做了才能明白。Caffe网络结构的迁移参考文章PyTo...
2019-12-16 20:09:12
969
原创 cs231n assignment2 PyTorch
文章目录Barebones PyTorchThree-Layer ConvNetTraining a ConvNetPyTorch Module APIBarebones PyTorchThree-Layer ConvNet使用pytorch抽象等级1的方式实现卷积神经网络。three_layer_convnet()out1 = F.conv2d(x, conv_w1, bias=con...
2019-08-21 10:37:41
2577
原创 cs231n assignment2 ConvolutionalNetworks
文章目录ConvolutionNaive forward passNaive backward passConvolutionNaive forward pass实现卷积操作，按照卷积的流程，写出最能理解的代码。N, C, H, W = x.shapeF, _, HH, WW = w.shapestride, pad = conv_param['stride'], conv_param...
2019-08-11 20:49:58
1185
原创 cs231n assignment2 dropout
代码：https://github.com/LiuZhe6/CS231N为了防止神经网络过拟合数据，可以采用dropout方法。其主要思想是：对隐藏层中部分输出或者权重随机置为0。文章目录Dropoutforward passbackward passInline QuestionDropoutforward pass题目要求使用inverted dropout，其主要思想是在训练阶段在...
2019-08-03 11:08:52
1118
4
原创 cs231n assignment2 Batch Normalization
BatchNormalization的反向推导比之前的稍微复杂一些，但是画出计算图后，从后往前推导就会变的简单。文章目录Batch normalizationforwardbackwardLayer Normalization: ImplementationInline QuestionBatch normalizationforward首先实现layers.py中的batchnorm_f...
2019-08-02 10:30:21
1680
1
原创 cs231n assignment2 Fully-connected Neural Network
开始了卷积神经网络的学习，这部分内容还是非常多的。本次作业分为五个部分：Q1：Fully-connected Neural Network、Q2：Batch Normalization、Q3：Dropout、Q4:Convolutional Networks、Q5：PyTorch / TensorFlow on CIFAR-10。以下内容为全连接网络内容，采用模块化的设计，思路非常清晰。准备工...
2019-07-29 11:35:36
2258
原创 cs231n assignment1 features
features前几个作业都是直接将图片的原始像素作为模型输入，本次作业是通过使用定向梯度直方图Histogram of Oriented Gradients (HOG)和HSV颜色空间。简单说，HOG不考虑图片的颜色信息，只捕获图片的纹理；而颜色直方图只考虑颜色，不考虑纹理。使用这两个方法一起工作，效果会更好。Train SVM on featureslearning_rates = [0...
2019-07-17 17:25:28
1655
原创 cs231n assignment1 two-layer-net
two-layer-net首先完成神经网络对scores和损失函数的计算，其中激活函数使用RELU函数，即max(0,x)函数。neural_net.py的loss()函数# *****START OF YOUR CODE (DO NOT DELETE/MODIFY THIS LINE)*****h1 = np.maximum(0,X.dot(W1) + b1)scores = h1.d...
2019-07-16 11:36:09
1920
1
原创 cs231n assignment1 softmax
SoftmaxSoftmax的损失函数为Li=−logpyi=−log(efyi∑jefj)=−fyi+log∑jefjL_{i}=-\log p_{y_{i}}=-\log \left(\frac{e^{f_{y_{i}}}}{\sum_{j} e^{f_{j}}}\right)=-f_{y_{i}}+\log \sum_{j} e^{f_{j}}Li=−logpyi=−log(...
2019-07-12 11:48:38
1788
原创 cs231n assignment1 SVM
上一篇：cs231n assignment1 knn文章目录SVMInline QuestionSVM支持向量机的损失函数为Li=∑j!=yimax(0,sj−syi+△)L_{i}=\sum_{j!=y_{i}} \max \left(0, s_{j}-s_{y_{i}}+\triangle\right)Li=j!=yi∑max(0,sj−syi+△)其中sjs_{j}s...
2019-07-10 17:20:29
1449
原创 cs231n assignment1 knn
文章目录准备阶段Assignment11. k-Nearest Neighbor classifier2. SVM3. Softmax classifier4. Two-Layer Neural Network5. Higher Level Representations: Image FeaturesInline ProblemInline Question 1Inline Question ...
2019-07-09 14:37:30
3403
7
原创 吴恩达机器学习第十一周测验
测验：Application: Photo OCR第一题Suppose you are running a sliding window detector to findtext in images. Your input images are 1000x1000 pixels. Youwill run your sliding windows detector at two scales...
2019-07-04 13:42:46
1878
原创 吴恩达机器学习第十周测试
第一题答案B分析：当代价函数呈上升趋势的时候，可以试着将学习率减小第二题答案CD分析：A：随机梯度下降并不能并行化，错误。B：批量梯度下降是在每一次迭代后计算代价函数，错误。C：在随机梯度下降算法执行之前，先要将样本打乱，正确。D：在大量数据样本的情况下，随机梯度下降要比批量梯度下降效率高，正确。第三题答案AD第四题答案CD第五题答案ACD...
2019-07-02 17:19:57
1768
2
原创 吴恩达机器学习第九周测试及编程练习
文章目录测验一：Anomaly Detection第一题第二题第三题第四题第五题测验二：编程练习：测验一：Anomaly Detection第一题答案AD分析：异常检测通常是在大部分数据是正常的情况下，发现少量不同寻常的数据。第二题答案B分析：当算法检测的结果丢掉了异常数据的时候，此时增加sigma可以减少丢失。第三题答案A第四题答案AD分析：A：当使用...
2019-06-29 19:06:13
3772
4
原创 吴恩达机器学习第八周测试及编程练习
文章目录测试：Principal Component Analysis第一题第二题第三题第四题第五题编程练习：K-Means Clustering and PCA作业一：Find Closest Centroids (k-Means)作业二：Compute Centroid Means (k-Means)作业三：PCA作业四：Project Data (PCA)作业五：Recover Data (...
2019-06-15 10:44:42
3587
原创 吴恩达机器学习第七周测试和编程作业
文章目录测验：Support Vector Machines第一题第二题第三题第四题第五题编程作业：Support Vector Machines作业一：Gaussian Kernel作业二：Parameters (C, sigma) for Dataset 3作业三：Email Preprocessing作业四：Email Feature Extraction测验：Support Vector...
2019-05-28 20:21:18
3780
原创 吴恩达机器学习第六周测验及编程作业和选做题
文章目录测验1:Advice for Applying Machine Learning第一题第二题第三题第四题第五题编程作业：Regularized Linear Regression and Bias/Variance测验2:Machine Learning System Design测验1:Advice for Applying Machine Learning第一题答案C分析：...
2019-05-24 10:54:19
4700
1
原创 mac安装隶书字体
使用mac电脑的office写论文时，发现缺少隶书字体，故从Windows上拷贝了一个，分享出来，方便使用。链接: https://pan.baidu.com/s/1jofEEkhPoBSQxGJe5bCuoA 提取码: ag55 复制这段内容后打开百度网盘手机App，操作更方便哦安装步骤下载上述链接的文件，完成后直接打开点击“安装字体”即可。最后在office中的效果如下：...
2019-05-18 10:02:13
9821
10
原创 西交软院考研经验
目录一、综述二、参考书清单数学英语政治专业课915三、初试复习方法基础阶段-3月到6月强化阶段-7月到10月7月-8月9月10月冲刺阶段-11月到进考场11月12月四、复试复习方法五、择校建议六、个人建议一、综述首先说一下我自己的情况：本科双非普通一本，GPA：3.59，通过四六级，2019考研。初试：政治66，英二68，数二126，专业课（代号915）120，总分380，初试大概排名60...
2019-05-12 18:47:47
3094
9
原创 吴恩达机器学习第五周测验及编程作业
测验：Neural Networks: Learning第一题答案B第二题答案A第三题答案D第四题答案AD分析：A：使用梯度检验来检查反向传播是否正确，正确。B：梯度检验要比反向传播计算损失函数的梯度慢的多，错误。C：梯度检验对梯度下降算法来说非常有用，错误。D：为了保证效率，在使用反向传播算法前关闭梯度检验，正确。第五题答案BC分析：A：权重...
2019-05-12 16:21:29
4648
原创 吴恩达机器学习第四周测验及编程作业
测验：Neural Networks: Representation第一题答案AD分析：B：错误，XOR需要三层。C：输出结果并不是概率，不一定和为1。第二题答案A分析：画出真值表x1x2真值001011101110第三题答案A第四题答案A分析：x为3 x 1的列向量，theta1为3 x ...
2019-05-08 16:06:25
4379
2
原创 吴恩达机器学习第三章测试及编程练习
测验1:Logistic Regression第一题答案AD第二题答案AB第三题答案CD第四题答案AB分析：A：因为H_theta(x)总是0到1，故CostFunction按照定义一定是大于等于0的，正确。B：罗辑回归可以使用“区分一类和其他剩下类”的方法，正确。C：罗辑回归是收敛的，故梯度下降法总会找到全局最小值，错误。D：如果我们有两类，则需要两个...
2019-05-04 09:35:54
2472
原创 吴恩达机器学习第二周测试及编程练习
测验一：Linear Regression with Multiple Variables第一题答案0.52分析使用特征缩放，具体将特征值处以（最大值-最小值）或者范围即可，故5184/(100)^2 = 0.52（保留两位小数）第二题答案C分析：由于代价函数迅速下降并趋于平稳，说明å选的比较好。第三题答案C分析：根据题目，n为3（不包括x0）,故x应为14 * 4...
2019-05-02 20:12:40
6266
5
原创 吴恩达机器学习第一周测试
测试21Consider the problem of predicting how well a student does in her second year of college/university, given how well she did in her first year.Specifically, let x be equal to the number of “A” g...
2019-04-28 16:03:43
3012
原创 macOS 10.14 Mojove安装Hadoop + Spark + HBase + Zookeeper
macOS 10.14 Majove安装Hadoop + Spark + HBase + Zookeeper一、前言二、环境准备三、配置文件环境变量配置Hadoop配置1.修改hadoop-env.sh2.修改core-site.xml3.修改hdfs-site.xml 文件4.修改mapred-site.xml 文件5.修改yarn-site.xml配置Spark配置HBase1.修改hbase...
2019-04-07 17:12:55
844
原创 Ubuntu安装破解版MATLAB及问题解决
本文参考其他人CSDN文章，将自己的安装、破解、问题解决综合起来,供大家一站式操作 来源: https://blog.csdn.net/hejunqing14/article/details/50265049 https://blog.csdn.net/wuzuyu365/article/details/52292296 http://tieba.baidu.com/p/483034644...
2018-04-12 22:27:07
1646
1
原创 MySQL优化
设置慢查日志1.开启‘记录未使用Index’日志set global logs_queries_not_using_indexes=on;2.测试阶段先设置查询时间长long_query_time=0。set global long_query_time=0;3.设置慢查询状态为onset global slow_query_log=on;4.对已有数据库进...
2018-02-08 12:42:12
278
原创 贪心-埃及分数
问题描述把一个真分数表示为埃及分数之和的形式。所谓埃及分数，是指分子为1的分数。如7/8 = 1/2 + 1/3 + 1/24。 问题分析一个真分数a/b，要寻找其最大的1/c，那么很容易想到的方法是枚举。但是枚举法效率不高，所以这里采用贪心算法。 a/b肯定为算法设计设某个真分数的分子为A(!=1),分母为B。把B除以A的商的整数部分加1后的值作为埃及分数的分
2018-01-24 12:41:12
1088
原创 MSP430系列单片机-读RAM数据烧写到Flash中
题目一从RAM地址0x0200中读取一个long数据，并烧写至地址为0x1800的Flash中。代码：#include"io430.h"void main(void){ //初始化RAM信息段的指针 unsigned long * RAM_ptr = (unsigned long *) 0x0200; //初始化Flash信息段的指针 uns
2018-01-09 22:13:47
1798
原创 MSP430系列单片机-Timer_A实现PWM
概念PWM信号是一种具有固定周期、不定占空比的数字信号。 如果Timer_A的计数器工作在增计数模式，输出采用输出模式7（复位/置位模式） 利用寄存器TAxCCR0控制PWM波形的周期，用其他某个寄存器TAxCCRx来控制占空比（t高电平/ T周期） 题目设ACLK = TACLK = LFXT1 = 32768Hz， MCLK = SMCLK = DCOCLK = 32 *
2018-01-09 20:26:35
3960
原创 由于 accessExternalSchema 属性设置的限制而不允许 'file' 访问, 因此无法读取方案文档 '***.xsd'
问题描述本人使用的操作系统为Deepin15.5，配置JDK版本和JRE版本为1.8.0_151。 使用IDEA开发WebService客户端时遇到这个问题。 在终端使用命令java -versionPicked up _JAVA_OPTIONS: -Dawt.useSystemAAFontSettings=gaspjava version "1.8.0_151"Java(TM) SE
2017-12-28 12:42:22
7382
原创 .Net架构编程题
程序设计题 1. 在控制器中实现模糊查询并将结果返回给视图的代码。 （模糊查询用户名为例） 前端视图代码： <form action="QueryUsername" method="post"> 用户名:<input type="text" name="username" /> <input type="submit" value="提交" /></form> 【前端样式
2017-12-08 14:46:56
590
原创 Java设计模式之观察者(Observer)模式
一、举例 假如，大学里的教务处想发布一条通知，他有两种措施： 1. 对每一位在校学生和在职教师推送。 2. 发布一条公告，让学生和教师自己查看。 对于第一种办法，肯定是不可取的。因为这样的开销很大，需要花费很多的精力去做这件事情，而且很容易出现纰漏。 那么第二种办法，我们就可以称之为 观察者模式。其中教务处是被观察者，而老师和学生是观察者，观察者需要随时关注被观察者的动态。 二、代码实现
2017-11-30 17:32:54
249
原创 Redis数据类型
一、Redis的数据类型 1.string字符串类型： 这是Redis的基本数据类型，字符串是安全的，里面可以存放图片或者序列化对象等数据，最大可以存放512M内容。例如：127.0.0.1:6379> set name "redis"OK127.0.0.1:6379> get name"redis"127.0.0.1:6379>2.hash哈希: Redis hash是一个键名集合，
2017-10-19 20:14:06
668
原创 高并发系统的瓶颈与优化总结
最近学习了慕课上面的高并发秒杀系统，下面是自己对课程的一些总结。 Java高并发 慕课网，老师讲的贼棒！ 一、高并发系统的瓶颈 1.MySQL服务器与后端服务器之间的网络延迟 2.后端采用事务管理，MYSQL行级锁造成数据阻塞，使得并发量大打折扣。 二、高并发系统的优化方案 1.前端优化：对于可以造成高点击量的按钮采取适当的优化，例如秒杀按钮，可以限制只能点击一次，点击之后按钮禁用。
2017-10-08 23:32:32
2244
转载 深入剖析Java中的装箱和拆箱
自动装箱和拆箱问题是Java中一个老生常谈的问题了，今天我们就来一些看一下装箱和拆箱中的若干问题。本文先讲述装箱和拆箱最基本的东西，再来看一下面试笔试中经常遇到的与装箱、拆箱相关的问题。以下是本文的目录大纲：一.什么是装箱？什么是拆箱？ 二.装箱和拆箱是如何实现的 三.面试中相关的问题 一.什么是装箱？什么是拆箱？ 在前面的文章中提到，Java为每种基本数据类型都提供了对应的包装器类型，
2017-09-18 20:24:40
417
maven+servlet+jsp+bean的demo
2017-05-26
使用idea开发web项目,jsp中无法显示bootstrap样式
2016-12-09
TA创建的收藏夹 TA关注的收藏夹
TA关注的人