暂时未有相关云产品技术能力~
暂无个人介绍
【深度学习】笔记
【IDEAL环境配置】实现实时热部署
java实现P2P通信
【JSP配置问题】解决无法解析方法‘println(java.lang.String)
Unity实现触控效果
【JAVA期末复习资源】包含重点知识、踩坑知识,期末复习看这一份就够了
操作系统之CPU调度算法,使用C语言实现,可运行在linux环境中
使用最少的代码,C语言实现OS银行家与死锁
【操作系统--MMU内存管理单元】Linux环境下C语言详解(附代码)
Java期末考试各种易错知识
简单快速实现文本关键词提取
Git学习笔记(实战开发常用技巧)
本文章总结Python的各类知识,并将知识之间进行对比,对期末考试非常有效
Python+Anaconda+PyCharm等区别
一、配置python环境 1下载Python Python Releases for Windows | Python.org 2下载PyCharm Download PyCharm: Python IDE for Professional Developers by JetBrains 2.OpenCV_Python 软件环境的搭建:为人脸检测,人脸采集,人眼检测项目做准备_哔哩哔哩_bilibili ............
Easy平面追踪、表面跟踪和运动跟踪、稀疏空间地图解析与实战
展示3D模型,同时实现模型自动旋转和触屏旋转和缩放
Python经典习题,闵可夫斯基距问题
数据科学基础与数据挖掘
软件质量与测试之Junit对Java代码进行测试实战
先说说这个题目吧,好端端的数据库不连,偏偏喜欢要整一个JavaBean和List来模拟数据库,虽然说这样的做法非常的愚蠢,但没办法,毕竟是主人的任务是吧doge。作者其实已经做了一版,但是这代码写的实在是。。。于是乎作者使用了MVC框架后整理了一个新的。(如果你学了servlet,那会发现和它的结构和思想非常的像)
NLP自然语言处理之NLTK工具的使用,进行英文情感分析、分词、分句、词性标注(附代码)
JavaScript实现探照灯效果,五角星+旋转+边界检测,图片自适应大小+不透明度0.8+阴影
想用电脑控制手机,但是下载第三方软件好麻烦,只需三步骤即可使用windows系统自带投屏插件实现投屏功能
Unity开发,基于Manomotion实现隔空手势交互,无硬件设备要求,支持安卓、苹果、AR Foundation开发
华南理工出了一篇有意思的文章,将标签和文本进行深度融合,最终形成带标签信息的文本表示和带文本信息的标签表示。
北航出了一篇比较有意思的文章,使用标签感知的数据增强方式,将对比学习放置在有监督的环境中 ,下游任务为多类文本分类,在低资源环境中进行实验取得了不错的效果
在Pycharm中使用Jupyter,并配置自定义的Conda环境
🍊本文从行人下山过程引入梯度下降法,随后详细阐述其原理,并做了两个实验更好理解🍊实验一使用Pytorch来求解函数的最小值🍊实验二使用批量梯度下降算法、和机梯度下降算法来拟合函数最佳参数。
🍊本文从梯度下降算法开始介绍BP反向传播算法背景,并使用一个实际案例来模拟BP过程来讲解其原理。最后做了三个实验进行BP实战🍊实验一手撸一个y=ω*x模拟反向传播过程🍊实验二将BP应用到线性回归模型中进行参数拟合🍊实验三使用Pytorch重现实验二过程。
在训练神经网络模型时候,有时候我们想查看GPU资源的使用情况,如果使用Ctrl+Shift+Esc不太符合我们程序员的风格😅,如果可以使用代码查看GPU使用情况就比较Nice。话不多说,直接上代码。
话不多说,先看实现效果作者之前尝试过Apple公司的ARkit、Google公司的ARCore以及国产的EasyAR和SenseAR。Apple公司和Google公司的AR产品是市面上的主流,功能非常的完善,基本可以满足所有的程序载体,但是开发门槛非常的高。国内这两款AR产品还不错,但是主要针对的是WebAR,在微信小程序上功能不是很完善,作者在网上查找资源后发现国内弥知科技公司的Kivicube产品完美的适配于微信小程序,而且几乎上是零代码。非常适合小白新手。
🍊本文详细介绍了线性回归和逻辑回归是什么,并对二者进行了对比,此外详细介绍了sigmoid函数,最后使用Pytorch来实战模拟二者🍊实验一使用Pytorch实现线性回归🍊实验二使用Pytorch实现逻辑回归。
当我们在学习深度学习的时候,往往会看到Sklearn、Pytorch、Tensorfloiw、Keras等各种各样的框架平台,看得我们眼花缭乱,这些框架平台究竟是干什么用的呢?🤔
🍊文本从小女孩图片检测开始引入CNN,将其与FNN进行对比,并对CNN的原理和流程进行了详细的介绍。最后使用CNN在计算机视觉和自然语言处理领域进行实验实战🍊实验一:模拟CNN,并观察其输入、卷积层、输出的维度情况🍊实验二:使用CNN对经典Mnist手写数字图像数据集进行图像分类检测。
🍊本文以一个案例题目出发,详细描述了遗传算法过程,并做了两个实现复现了案例🍊实验一:纯手打原生代码复现案例🍊实验二:使用第三方库scikit-opt复现案例。
MongoDB是一种面向文档的非关系型数据库,所谓的面向文档是一种类似JSON的结构,因此可以简单理解MongoDB存储的是各种各样的JSONMongoDB可以快速开发web型应用,因为存储的是JSON格式,因此无需像关系型数据库那样需要建表,非常的的灵活。
不知大家在看论文代码的时候是否会常常看见 torch.einsum(),这玩意儿看起来是真的抽象,但是深入了解后发现它原来这么好用。
博主在阅读论文原代码的时候常常看见一些没有见过的代码技巧,特此将这些内容进行汇总
适合新手的SpringBoot整合Mybatis实现登录注册功能,附Gitee工程代码地址
适合新手的SpringBoot整合MybatisPlus实现登录注册功能,附Gitee工程代码地址
Scala学习笔记
IMDB数据预处理
该项目使用SpringBoot2.7+MongoDB实现的登录注册Demo,可作为启动项目的BaseLine
解决绕过安全框架进行接口测试
🍊本文详细介绍了FNN的原理,并给出了具体的推导过程🍊使用Pytorch搭建了FNN模型,并对糖尿病数据集开展分类任务实战。
🍊本文旨在以一种通俗易懂的方式来介绍RNN,本文从天气预报开始引入RNN,随后对RNN进行详细介绍,并对几种变体的LSTM、CRU、BiLSTM进行重点介绍。最后以5个实验进行实战训练 🍊实验一:Pytorch+Bert+RNN实现文本分类预测模拟 🍊实验二:Pytorch+Bert+RNN实现对IMDB影评数据集进行二分类情感分析 🍊实验三:Pytorch+Bert+GRU实现对IMDB影评数据集进行二分类情感分析 🍊实验四:Pytorch+Bert+LSTM实现对IMDB影评数据集进行二分
解决出现Java.lang.OutMemoryError.java heap space和FAILED:Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask
浙大联合北大出了篇比较有意思的文章,从模型解释的角度设计了一个称为Self-Explaining的网络模型,该网络模型可以直接加在任何预训练模型之上,来提高模型的性能和准确率。现在让我们来看看这篇文章吧。
🍊本文主要介绍了Self-Attention产生的背景以及解析了具体的网络模型。