孙晓军82-CSDN博客

原创程序调试利器GDB – 使用指南

GDB是GNU Debugger的简称，其作用是可以在程序运行时，检测程序正在做些什么。GDB程序自身是使用C和C++程序编写的，但可以支持除C和C++之外很多编程语言的调试。GDB原生支持调试的语言包含：•C•C++•D•Go•Object-C•OpenCL C•Fortran•Pascal•Rust•Modula-2•Ada此外，通过扩展GDB，也可以用来调试Python语言。

2023-04-06 12:56:28 1715 1

原创 Jupyter Notebook 开发指南

Jupyter Notebook是一套基于web的交互式开发环境，用户可以在线开发和分享包含代码和输出的交互式文档。本文系统介绍了Jupyter的项目结构，安装和配置，使用，管理和扩展等用于Jupyter开发的方方面面。为初学者了解和快速上手Jupyter Notebook，提供了较为详细的介绍和代码实践。

2022-12-29 17:05:24 1583

语义分割（Semantic Segmentation），是计算机视觉中的一项关键技术之一，用于识别图像中的对象，并为对象进行分类。从宏观上来看，语义分割为人工智能模拟人类“看得见“的能力提供了基础支撑，为机器对周边场景的理解铺平了道路。本文使用Pytorch框架，实现了一个简单的语义分割模型，并介绍了语义分割技术在实际中的一些应用。旨在通过简单易懂的代码实现，来了解语义分割技术和机器学习的主要开发流程。文章内容涉及了机器学习开发流程中的数据处理，建模和模型评估部分。

2022-12-13 14:41:00 835

原创 “你好，人工智能”开篇絮语

“人工智能 (AI) 是一组技术，使计算机能够执行各种高级功能，包括查看、理解和翻译口语和书面语言、分析数据、提出建议等各种能力” – google cloud

2022-12-12 10:43:59 427

原创你好，语义分割（一）

语义分割（Semantic Segmentation），是计算机视觉中的一项关键技术之一，用于识别图像中的对象，并为对象进行分类。从宏观上来看，语义分割为人工智能模拟人类“看得见“的能力提供了基础支撑，为机器对周边场景的理解铺平了道路。本文使用Pytorch框架，实现了一个简单的语义分割模型，并介绍了语义分割技术在实际中的一些应用。旨在通过简单易懂的代码实现，来了解语义分割技术和机器学习的主要开发流程。文章内容涉及了机器学习开发流程中的数据处理，建模和模型评估部分。

2022-11-21 12:00:31 1430

原创经典同态加密算法Paillier解读 - 原理、实现和应用

随着云计算和人工智能的兴起，如何安全有效地利用数据，对持有大量数字资产的企业来说至关重要。同态加密，是解决云计算和分布式机器学习中数据安全问题的关键技术，也是隐私计算中，横跨多方安全计算，联邦学习和可信执行环境多个技术分支的热门研究方向。本文对经典同态加密算法Pailier算法及其相关技术进行介绍，重点分析了Paillier的实现原理和性能优化方案，同时对基于公钥的加密算法中的热门算法进行了横向对比。并介绍了Paillier算法的一些实际应用。

2022-09-20 16:47:12 13349 7

原创使用opentelemetry 搭建新一代可视化分布式监控系统

随着SOA，微服务架构及PaaS，Devops等技术的兴起，线上问题的追踪和排查变得更加困难。对线上业务的可观测性得到了越来越多企业的重视，由此涌现出了许多优秀的链路追踪及服务监控中间件。比较流行的有Spring Cloud全家桶自带的Zipkin，点评的CAT, 华为的skywalking，Uber的Jaeger, naver的Pinpoint。......

2022-08-12 09:02:37 2248

原创隐私集合求交（PSI）协议研究综述

隐私集合求交（PSI）是安全多方计算（MPC）中的一种密码学技术，它允许参与计算的双方，在不获取对方额外信息（除交集外的其它信息）的基础上，计算出双方数据的交集。隐私集合求交在数据共享，广告转化率，联系人发现等领域有着广泛的应用空间。本问对隐私集合求交的各项实现技术做了介绍和对比，对隐私集合求交的原理进行了分析，并进一步阐述了隐私集合求交目前面临的挑战和发展前景。......

2022-08-12 08:52:18 4866

原创 FCN实现语义分割-Pytorch（三）

##3.4、验证（Validation）当我们在训练集上指标表现良好时，需要使用验证集来检验一下训练的结果是否存在过拟合现象。###3.4.1、模型与参数的保存模型的训练可能是一个漫长的过程，在模型训练过程中，以及模型训练完成准备发布时，我们需要保存模型或模型参数，以便在此基础上继续训练，或者把训练好的模型发布上线。# 保存模型torch.save(net, './fcn8s.pth')# 保存模型参数torch.save(net.state_dict(), './fcn8s.pth')#

2022-04-17 08:28:14 3755 9

原创 FCN实现语义分割-Pytorch（二）

##3.2、数据集（Dataset）Pytorch提供了Dataset和Data Loader来帮助处理数据集。对于语义分割的训练数据，假设我们已经有了原始图像及对应的标签图像。为了训练网络模型，我们需要原始图像的Tensor数据，形状为（N，C, H, W）。其中N为样本数量，C为通道数量，H和W表示图像的像素高度和宽度。同时需要保证所有训练图像具有相同的C，H和W。标签数据可以使用（N，H，W）形状的标准标签，或者使用one-hot encoding标签。###3.2.1、自定义Dataset

2022-03-15 08:09:07 2528

原创 FCN实现语义分割-Pytorch（一）

目录1、语义分割2、FCN简介3、FCN实现语义分割3.1、网络模型3.1.1、模型初始化3.1.2、权重初始化3.1.3、前向计算3.2、数据集（Dataset）3.2.1、自定义Dataset3.2.2、one-hot编码3.2.3、数据预处理-数据变换（Transform）3.2.4、数据加载器（DataLoader）3.3、训练（Train）3.3.1、学习准则（Criterion）3.3.2、优化（Optimizer）3.3.3、指标（Metrics）3.3.3、

2022-03-15 08:07:09 5857

sunxiaojun