- 博客(55)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 机器学习Task2-决策树
1.决策树模型与学习1.1.决策树模型分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。结点有两种类型：内部节点和叶节点。内部结点表示一个特征或属性，叶结点表示一个类。下图是一个决策树的示意图。图中圆和方框表示内部结点和叶节点。1.2.决策树与if-then规则决策树模型可以看作一个if-then规则的集合，由根结点到叶节点的每一条路径构建一条规则；路径上内部结点的特征对应着规则的条件，而叶结点的类对应着规则的结论。1.3.决策树与条件概率分布将特征空间划分为互
2020-08-22 23:45:51
431
原创 使用docker搭建简单的web环境
1.安装docker（https://blog.csdn.net/qq_22841811/article/details/53447560）2.把需要的Dockerfile和需要的tomcat和jdk压缩包放在同一个目录下3.docker build -t hello:v2 . 指定镜像名称，在这里是hello，不含有大写字母成功之后，多了两个镜像。4.使用hello镜像创建一个容器有挂载的容器重...
2018-04-25 19:08:07
2577
2
原创 剑指 Offer 35. 复杂链表的复制
文章目录题目请实现 copyRandomList 函数，复制一个复杂链表。在复杂链表中，每个节点除了有一个 next 指针指向下一个节点，还有一个 random 指针指向链表中的任意节点或者 null。思路这道题不简单，或许有人像我一样直接return提供的头节点一样，但通不过检查。其实普通链表的复制很简单，使用双指针遍历链表即可，但还有random指针就不好做了。 public static ListNode copyRandomList(ListNode head) {
2021-12-08 21:51:38
142
原创 剑指 Offer 24. 反转链表
反转链表题目：定义一个函数，输入一个链表的头节点，反转该链表并输出反转后链表的头节点。示例:输入: 1->2->3->4->5->NULL输出: 5->4->3->2->1->NULL限制：0 <= 节点个数 <= 5000思路：小米的面试中出现过，考察coder操作链表的基本操作。很简单的一个思路就是在遍历链表的过程中把next指针由原先指向下一个结点改变为指向前一个结点，注意指针移动的先后顺序，我们这里使用双指针，包
2021-12-08 17:06:51
318
原创 剑指 Offer 30. 包含min函数的栈
包含min函数的栈定义栈的数据结构，请在该类型中实现一个能够得到栈的最小元素的 min 函数在该栈中，调用 min、push 及 pop 的时间复杂度都是 O(1)。思路：使用两个双向链表模拟栈，一个栈进行基本操作，一个栈保存每次操作后的最小值。代码如下：class MinStack { Deque<Integer> mainPart = new LinkedList<>();//主体栈，负责栈的基本操作 Deque<Integer> minPar
2021-12-06 21:33:37
159
原创 剑指 Offer 09. 用两个栈实现队列
剑指 Offer 09. 用两个栈实现队列用两个栈实现一个队列。队列的声明如下，请实现它的两个函数 appendTail 和 deleteHead ，分别完成在队列尾部插入整数和在队列头部删除思路：由于栈有先进后出的特征，所以若要实现队列的先进先出需要利用一个保存新元素的栈和一个准备输出旧元素的栈，旧元素的栈由前一个栈出栈得到。其中，删除元素时需要从保存旧元素的栈中取元素，取完后再从保存新元素的栈中填充。 //由于栈有先进后出的特征，所以若要实现先进先出需要实现进（add栈）、出（add栈）
2021-12-06 20:48:01
146
原创 字符串（字母、数字排序）
/** * 题目要求：给定一个字符串，包含大小写字母、数字和问号，需要在不改变各类型位置的情况下， * 将字母按字典序排列，先大写后小写，数字按从大到小顺序排列。 */解决思路：对输入的字符串中的数字、大小写字母和问号进行统计，分别存储到不同的列表中，然后按照排序规则排序，最后通过指针操作遍历，从而替换原字符串非空格位的元素。时间复杂度o(n)。public static void main(String[] args) { //1.输入数据 //定义一个.
2021-10-10 19:48:01
2373
原创 Ubuntu 16.04安装gpu版pytorch(包括cuda、cudnn)
Ubuntu 16.04安装gpu版pytorch，显卡配置为RTX3090注：RTX3090不支持CUDA10.2(支持的最高显卡为RTX 2080ti),这里使用cuda11.1小技巧：watch -n 10 nvidia-smi 命令每10s刷新一下显存利用率
2021-04-07 10:44:38
1048
原创 Deformable Convolutional Networks
Deformable Convolutional Networks1.产生背景2.可变形3.直观效果1.产生背景视觉识别中一个挑战是如何适应目标在比例、姿势和部分变形，一种解决方案是扩大数据集到包含所有变化类型的物体，方法有仿射变换。第二种是通过变换不变性特征和算法来提高特征表达的鲁棒性[遇到未见过的情形时算法仍然有较好的输出]。后者通过手工设计的特征不具有“远见”，预判不到对任务有意义的未知几何变换，而且有些已知变换很难通过手工设计不变性特征进行建模。当今几何变换建模的能力主要来源于数据扩增和简单手
2020-12-31 18:16:36
87
原创 CBAM: Convolutional Block Attention Module
CBAM: Convolutional Block Attention Module1.前提情要1.1注意力机制1.2池化2.背景3.backbone3.1总体模块图3.2 通道注意力模块3.3空间注意力模块4.收获1.前提情要1.1注意力机制提到注意力这个名词，打个比方，人看事物时并不是注意事物的全体，而是注意感兴趣的地方或者更加有辨别性的地方，类似的是，特征提取网络中也有注意力机制，让网络提取到更重要的特征，而抑制对任务不重要的特征。注意力分为以下两种：通道注意力：回答what,即哪些特征是最
2020-12-29 21:32:59
589
2
原创 CR-FPN: channel relation feature pyramid network for object detection
CR-FPN: channel relation feature pyramid network for object detection背景解决方案过程结论背景FPN等特征融合“插件”只考虑到了为给底层特征图添加强语义信息而没有考虑到融合不同层次的特征图不同的通道之间的关联关系，贸然融合的结果会带来一些噪音导致降低检测效果。如何考虑通道之间的通道关系让特征融合产生的特征对目标识别具有更强的辨别性是该文献的解决方向。解决方案提出CR-FPN(channel relation feature pyra
2020-12-28 18:10:16
353
原创 Deep Feature Pyramid Reconfiguration 目标检测中的深度特征金字塔重构
决策树摘要笔记points总结摘要最新的目标检测算法通常通过特征金字塔来学习多尺度的表示以获得更好的预测结果，但是当前特征金字塔的设计在整合不同尺度的语义信息方面仍效率低下。在本文中，我们从研究现有的特征金字塔开始，提出了一种新的重构架构，以高度非线性但有效的方式将低级表示与高级语义特征结合起来。特别地，我们的架构由全局关注和局部重新配置组成，能够在全球和局部的不同空间位置和尺度上聚集面向任务的特征。全球关注和本地重新配置都是轻量级的、到位的和端到端可训练的。在SSD中使用这种方法，与原始模型及其其他
2020-11-16 22:27:10
390
原创 基于边缘检测的边界框重构算法提高YOLOv3边界框精度
摘要：利用边缘检测和区域的像素值增强边界框的准确率，根据IOU交并比（分别与真实框进行重叠区域占联合区域的比例），证明可以比YOLOv3的预测框精确。问题：1.为什么精确的边界框定位可以最小化硬件成本。答：在无人驾驶和机器人系统中，除了目标检测软件定位目标的位置外，也需要大量的硬件传感器。因为当一个人的生命掌握在技术手中时，哪怕是一毫米的精度都很重要，比如无人驾驶。所以，若目标检测软件能够捕捉精确的目标位置，可以帮助减少硬件成本和降低普通消费者和行业的总体成本。2.YOLOv3被应用于哪些领域，有
2020-11-13 22:00:54
1880
8
原创 YOLOv3-YOLOv4论文笔记
1.边界框预测YOLOv3采用3个尺度的特征图（当输入为416x416时）（13x13）、（26x26）、（52x52）进行预测，每个位置称为一个网格点，每个网格点预测三个先验框。所以通过k-means得到9个先验框，划分到3个尺度特征图中，有助于实现小目标的预测。每个先验框有4个位置信息,1个边框置信度和n个类别信息。先验：基于常识或者群体发生的概率。相对于后验概率，比如一个人有可能是癌症的症状，根据后验概率= 先验概率x实际概率，先验概率由于人群得癌症的人很少所以很小，实际概率可能很大，但最终的
2020-09-26 15:21:18
224
原创 Datawhale Task4-查找2（对撞指针）
1.前言本次查找2的主题是对撞指针，即双指针。以LeetCode的1.两数之和和15.三数之和为例。2.例子2.1 两数之和给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。示例：给定 nums = [2, 7, 11, 15], target = 9因为 nums[0] + nums[1] = 2 + 7 = 9所以返回 [0, 1]思路
2020-08-28 23:27:18
120
原创 机器学习Task3-SVM(支持向量机)
SVM1.名词解释1.1 SVM1.2 支持向量1.3 分离超平面1.4 间隔2.模型2.1 线性可分支持向量机2.2 线性支持向量机2.3 非线性支持向量机3.训练过程4.测试过程5.问题6.参考资料1.名词解释1.1 SVM支持向量机（support vector machines）是一种二类分类模型。基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机。（感知机追求最大程度正确划分，最小化错误，很容易造成过拟合。支持向量机追求大致正确分类的同时，找间隔最大也一定程度上避免
2020-08-26 22:27:40
232
2
原创 Datawhale Task3-查找1
1.二分查找二分查找：根据中间元素与目标值的大小关系将数组不断进行切分成两半，因为一个长为n的数组最多可以二分logn次，所以二分查找的时间复杂度为o(logn)。1.1例题-搜索插入位置给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。你可以假设数组中无重复元素。思路：计算中间元素的值比较中间元素和目标值的大小关系，若前者大，则搜索区间缩小到左半区间，若前者小，则缩小到右半区间。重复1，2过程直到中间元素和目标值相等
2020-08-25 23:42:51
101
原创 Datawhale Task2-动态规划-梳理总结
动态规划1.何方神圣2.大显神通的时机3.如何成功召唤4.打个怪兽4.1.暴力法代码运行结果4.1.动态规划代码运行结果输入检测5.总结6.参考内容1.何方神圣动态规划用于解决多阶段决策问题，从一个小规模问题出发，逐步得到大问题的解，并记录中间过程；记录中间过程称为“填表”，可能是一维表格，也可能是二维表格。2.大显神通的时机若要解一个问题，我们需要解其不同部分（即子问题），再根据子问题的解以得出原问题的解。这时候就可以试试用动态规划了，相比朴素的暴力法省去了很多计算量，小技巧：举几个例子！！！
2020-08-22 18:19:03
123
原创 Task1-浅谈线性回归和逻辑回归
1.监督学习和非监督学习1.1 监督学习监督学习的训练集带标签，即“正确答案”，监督学习分为两大类，一类产生回归模型，预测连续值输出，如预测房价和股票；另一类产生分类模型，预测离散值输出。常见的算法有今天要谈的线性回归/逻辑回归和后续的SVM等。1.2 无监督学习无监督学习指给机器一个不带标签的数据集，让机器自己学习到其中的结构或者信息。比如聚类算法就是典型的无监督学习模型，可以用在新闻聚类和矢量量化（图像压缩）中。2.线性回归机器学习的最终目的是学习到一个函数h,这个函数被称为假设函数，学习了
2020-08-20 23:45:32
190
原创 Datawhale Task1-分治算法-梳理总结
1.前言1.1主要思想分治算法的主要思想是将原问题递归地分成若干个子问题，直到子问题满足边界条件，停止递归。将子问题逐个击破(一般是同种方法)，将已经解决的子问题合并，最后，算法会层层合并得到原问题的答案。用自己的话来说，就是将一个复杂的或者规模比较大的问题切分为一个个的小问题，不断重复这个过程，直到切分后的小问题瞄一眼就能解决了就退出递归，准备“出栈”。而出栈的过程需要不断解决一个个小问题，最终合并小问题的解来解出最开始的问题。1.2解题套路找到递归出口。一般是数组只有一个元素后不再往深递
2020-08-19 16:23:25
130
原创 使用AOP的另外两种方式-注解与xml结合和纯xml
1.注解与xml结合,后期web开发IOC用XML配置比较多，和AOP整合，自然用的比较多是注解与xml的方式。1.用的还是AOP(一)文档里的吃饭的案例。需要改动的只是取消配置类EatConfig，在xml文件里生产Bean和开启切面代理。而切面类不用动，依然使用方便的注解方式。2.测试到此xml和注解结合实现aop的方式就结束了。2.纯xml文件实现AOP(配置稍麻...
2020-08-19 14:49:23
326
原创 Struts2之图书管理系统
趁着周末，梳理一下前几周学的struts2,回顾起struts2,它和springmvc同是action层的解决方案，讲图书系统的同时，先让我们了解一下三层架构，以SSH框架为例。参考来源：http://blog.csdn.net/inter_peng/article/details/410217271.Action/Service/DAO简介：Action是管理业务（Service）...
2020-08-19 14:48:04
666
原创 Spring入门IOC(控制反转)与三层架构的简单登录小例子
1.创建基于web的maven项目（编辑器推荐使用intellij idea）2.导入spring需要的依赖（包括spring的基本包和web包）2.1 为了方便管理依赖的版本，引入properties<properties> <project.build.sourceEncoding>UTF-8</project.build.sourceE...
2020-08-19 14:43:01
269
原创 AOP切面编程（一）
今天给大家带来的是Spring框架中除开IOC(控制反转)之外的第二大特性-AOP(切面编程)，在实际开发中，方法执行情况中都要添加日志或者权限验证的事情，而这时候，不需要将流程式的代码加到主体业务逻辑代码中就可以走过上面常用的流程。AOP则将封装好的对象剖开，找出其中对多个对象产生影响的公共行为，并将其封装为一个可重用的模块，这个模块被命名为“切面”（Aspect）。 切面将那些与业务无关，...
2020-08-19 14:42:02
203
原创 navicat与phpstudy的冲突解决
1.phpstudy正常进行apache和mysql服务，navicat却不能正常连接数据库？ why：因为phpstudy里面的mysql占用了3306端口，即使退出软件，端口还是被占用 所以通过查看占用端口的PID(进程ID号，每一个程序运行后都有独一无二的ID，即PID) cmd下通过netstat -ano来查看端口所对应的PID，然后在任务管理器中暂停进程达到解除...
2020-02-21 19:31:30
2177
原创 缺失数字
一道简单的题，但是发现了各种有趣的算法。题目链接：https://leetcode-cn.com/problems/missing-number/ 题目如下：第一种算法(很普通，效率最低，将nums数组的数存储在list中，然后循环i从1到数组长度，查询list中不存在的i，即为结果)，代码如下： int numsLen = nums.length; ...
2019-11-01 22:34:01
104
原创 汉明距离
趁着今日还有点时间，记下这道有趣的题，大家觉得有启发请给我点个赞，你们的鼓励是我坚持下去的动力。 今天的题链接：https://leetcode-cn.com/problems/hamming-distance/ 先贴上题目（属于lettcode上热题Hot100）: 解法一：（我的解法）思路：第一步：将两个十进制数转换为二进制数的字符串，其中使用栈和除k商余法。...
2019-10-27 22:00:55
201
原创 有效的完全平方数
许久没写博客了，最近在刷lettcode，希望每天一道能坚持下去。 今天分享一个定理吧，也是一个判定有效的完全平方数的技巧，使用该技巧的代码感觉和自己写的代码运行效率有天壤之别。 客官，请坐，先看今天的题：链接：https://leetcode-cn.com/problems/valid-perfect-square给定一个正整数 num，编写一个函数，如果 num 是一个完全...
2019-10-10 18:57:18
508
原创 github常用命令
github是优秀的代码托管和适合分支协作的分布式系统，由linux之父Linus花了两周时间完成，这才是传说中的大佬，为坚持开源精神继linux又带来了地球人的又一福音。接下来记录一下常用命令。CREATE(创建)Clone an existing repository $ git clonessh://[email protected]/repo.gitCreate a...
2019-05-09 16:32:18
184
原创 JDBC学习
JDBC是一个访问各大数据库的接口，专为java程序访问数据库而出品，学习web开发，JDBC是必不可少的临门一脚，因为web系统基本都需要连接数据库。1.原始jdbc访问数据库（没有封装过）步骤：1.装载驱动程序 2.建立数据库连接 3.执行数据库语句 4.获取执行结果 5.清理环境以下以book图书表的按类型查找类型为例子：import java.sql.Connection...
2019-05-09 16:24:53
91
原创 Spring 之jdbc模板（JdbcTemplate与NamedParameterJdbcTemplate）
传统的jdbc访问数据库显得太繁琐，开发者开发了许多的框架与模板，让对数据库的增删改查变得尤为简单与标准化，在这里介绍的是spring出品的jdbc模板，亮点在：开发者不需要去书写建立连接和关闭资源等和核心业务（驱动选择和sql语句）耦合的代码块了，让开发者的注意点重新回到sql语句的设计和执行上。这便是封装的目的，让代码复用，让程序看起来很简洁。本案例还是结合book数据库，关于book数据...
2019-05-09 16:22:56
1391
原创 关于mybits的二级缓存
好久没有写过博客了，这段时间一直在准备软考，没有抽出空来写博客，今天呢，给大家分享一个缓存技术吧，不是基于redis的缓存，而是二级mybits自带的二级缓存。缓存，从字面上就知道是将已经访问过的网页缓存在内存中，当下一次访问的时候不需要发送sql请求到数据库，而是直接在内存里面取。对于一些很小修改的数据库来说，是减轻数据库压力的一种有效方法，而redis虽然是最流行的缓存技术，但是由于博主经...
2019-05-09 15:54:36
656
原创 简单application下实现mybatis的使用
mybatis简单介绍：它是一种ORM（object relational mapping）框架，即对象关系映射。意在根据对象和数据库记录之间的联系，实现操作对象就达到数据库的持久化存储（存储到硬盘）。案例：做一个简单的图书表的增删改查，只涉及dao层1.不管是xml配置还是注解配置，都需要这以下几个步骤。（1）导入相应架包<properties> <...
2019-05-09 15:44:27
1399
原创 DNS域名服务的工作流程和Linux目录结构
DNS域名服务的工作流程：（1）用户搜索一个网址，先在本机系统中找到hosts文件。（2）判断hosts文件是否存在访问的网址对应的ip地址映射。（3）若存在，则不经过DNS解析服务器，直接通过hosts文件中给的ip访问。（4）若不存在，则访问DNS域名解析服务器获得域名的ip地址，第二次使用DNS解析的ip访问。（5）hosts文件的存在可以提高网页的访问速度。...
2019-05-09 15:09:25
193
原创 vmware虚拟网络的配置介绍
NAT模式：虚拟机和主机虚拟的NAT网卡同时在vmware虚拟的NAT网段中，在此模式中，NAT虚拟网络存在一个虚拟的路由器负责地址转发，该模式中的虚拟机可以访问外网，由于虚拟机IP属于的网段是软件自动配置的，所以虚拟机移动地址位置不需要修改IP地址。该模式是最常用的。桥接模式：桥接模式下的虚拟机和物理本机的ip都处于同一个ip网段下，不好的一点是如果虚拟机的物理位置改变的话会导致需要重新...
2019-05-09 15:06:21
222
原创 实践篇-vmWare中NAT方式配置虚拟机上网
第一个虚拟机使用DHCP方式动态获得ip地址分配，创建第二个虚拟机的时候使用手动设置ip地址，却出现了ping不通外网的情况。原来是没有设置网关和DNS解析的原因。在vmware中设置nat网络配置后，可以在上图看到网关、网段的相关配置，虚拟机的网络设置按上述的配置即可。那么如何使用命令行配置虚拟机的网络呢？（1）vi /etc/sysconfig/network-scripts/...
2019-05-09 15:04:24
176
原创 配置主机之间的免密ssh登陆，修改主机名
******配置主机之间的免密ssh登陆假如 A 要登陆 B在A上操作：%%首先生成密钥对ssh-keygen (提示时，直接回车即可)%%再将A自己的公钥拷贝并追加到B的授权列表文件authorized_keys中cd .ssh #进入sshssh-copy-id B（ip） #拷贝公钥到B服务器的授权列表文件A远程连接B，B若存在A的公钥（yue）,则发回一串...
2019-05-09 15:01:21
928
原创 发现身边具有创新性的软件
发现身边具有创新性的软件1、饿了吗：买家下单后，买家能看到买家、卖家、骑手三者之间的地图位置信息，买家可实时监控派送情况，达到派送透明化。骑手在线后，系统会为骑手自动派单，接收附近需要送餐的订单，提高送餐的效率。2、迅雷：迅雷安装过程中，界面动画十分吸引人，提高了用户的视觉体验。相比于很多软件没有风格的安装过程，显得更贴近人的视觉享受。3、网易云音乐:个性推荐。系统根据...
2019-05-09 14:55:59
1133
原创 连接复用的利器-数据库连接池
简单介绍一下数据库连接池，或者说使用连接池的背景是什么?数据库连接是一种关键的、有限的、昂贵的资源，这一点在多用户的网页应用程序中体现得尤为突出。对数据库连接的管理能显著影响到整个应用程序的伸缩性和健壮性，影响到程序的性能指标。数据库连接池正是针对这个问题提出来的。而连接池能干什么呢？连接池能够像一个蓄水池一样容纳一些固定数量的数据库连接，当用户的请求需要访问数据库的时候，不是直接建立新的...
2019-03-16 20:09:16
1040
boostdesc_bgm.i,vgg_generated_48.i等.zip
2020-05-07
现代浏览器博物馆（bootstrap）
2018-03-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人