第0次作业

一 翻阅邹欣老师的关于师生关系博客,并回答下列问题:

1.最理想的师生关系是健身教练和学员的关系,在这种师生关系中你期望获得来自老师的哪些帮助?

在读了邹欣老师的关于师生关系的博客之后,我对师生关系有了更深一步的见解和认知,邹欣老师用比喻的方法提出了大多数大学中师生的关系,比如餐馆和食客,老板和雇员,保姆和婴儿以及狱警和犯人,我觉得这些比喻非常的恰当,充分的阐述了当代大学生与大学老师的关系,但是最理想的比喻是健身教练与健身学员的关系,在这种关系中,学员的求知欲是最强烈的,因为这些学员的想法足够强烈,才能够花大价钱来参加这种健身活动,在健身活动中, 谁要做各种运动, 流汗呢? 是学员。谁在这个活动中对别人指指点点, 提出各种要求,鼓励别人更加努力? 是教练。教练会时时刻刻提醒学员要努力训练,鼓励学员要比别人做的还要好,而教练要求严格的目的也是因为学生的真实成绩对自己的口碑,健身馆今后的收入有直接影响。把这种关系放到师生关系最恰当不过,也是最合理的关系,学员如果想成绩优秀,得到别人的认可,他就会交学费来通过学校的老师提升自己的能力,老师鼓励学生学习,要比别人更加优秀,才有可能学的更好,而学生出人头地,对老师的名誉提升也有很大的因果关系。所以我期望老师能多给我一些鼓励,并且对我严加管理,时刻提醒我要努力学习,提升自己,而我也要更加主动,多思考并且敢于提出自己对问题的理解,与老师多交流,完成学业的提高。

2.你对博客中提到的评分规则有何意见和建议?

我觉得现在的评分规则对于我们现阶段是合理的,可以把分数划分为几个档,这样更加直观的反映出学生的学习情况与编程情况,对每一位学生的作业都公平对待,在以后的学习中,也应该以这样的标准为基础,认真完成自己的每一次作业。

3.你读了该博客中哪些超链接?有何感想?

我阅读了你为啥要上课认真听讲的超链接,第一,认真听讲是一种能力,真如博客里面说的,能力就像肌肉一样需要训练,既然需要训练就需要持续点滴地培养,只有上课的时候才能培养出来这种能力,这种高质量的动作能给自己带来很强的专注能力,对于老师上课讲的重点知识能随时掌握并加之合理的运用;第二,课程讲的不好不能成为不听讲的理由,有的同学总是抱怨老师的讲课能力差,讲的东西根本听不懂,但是老师的知识水平总是优于我们学生的,我们应该取之精华去之糟粕,把我们应该学的知识认真弄懂;第三,课程有用无用不是一个大学生的格局能判定的,为我们应该用更长远的角度来审视我们学习的每一门课程,大学之所以开设多元化的课程,主要是为了我们的学习生活更加丰富,应该提升自己的视野和格局,不应该只学习一门课程,因为以后的精神不是单一的,而是全方位的;第四,跟上老师的节奏,梳理你的思路,这是最快的进步,老师上课会基本上按照课本给你推演一遍,来龙去脉,构建逻辑。所以如果你能完整地跟下来,一堂课的收获是非常大的;第五,聚精会神在这个时代已经是稀缺能力,大学应该打好基础,走神是认真听讲的大敌,我们要杜绝走神的情况发生,因为上课只要一走神,可能跟之前的知识构建就中断了,很难再重新跟上,如果想跟上,还得从最开始的讲课开始,这就会耽误大量的时间,以至于后面讲的课也跟不上,久而久之,落下的慢慢就多了。

二 新的学期新的开始,一切皆有新的可能。请观看电影风雨哈佛路或者书籍版,豆瓣、kindle、京东阅读和多看阅读都有相应的电子书版本。写不少于500字的读后感:

在观看了风雨哈佛路的电影之后,我的内心深有感触,在小莉斯八岁的时候,正应该是小孩子宠溺在父母的关爱之下的她,和其他的孩子截然相反,父母酗酒吸毒,而且小莉兹不得不每天出去扫街以贴补家用,但是母亲竟然为了有钱吸毒,不惜和两个孩子争抢仅有的用以生存的生活费,最后母亲因为吸毒感染上了艾滋病不行去世,而且父亲酗酒最后进入了收容所,外公又不肯收留她,她只好流浪街头,在母亲去世的当天,只有棺木,连简单的葬礼仪式都没有,只想渴求父母亲情,这人世间最基本的愿望也成了奢望;当她最后的一丝希望都破灭的时候,留给她的,除了伤心,只有伤心,在这之后,小莉斯下定决心要改变自己的命运,那就只有知识,她用自己的真诚赢得了上学读书的机会;在17到19岁之间两年的时光,她学习掌握了高中四年的课程,每门学科的成绩都在A以上,并且赢得了去哈佛大学学习的机会,她的经历、她的真诚、她的论文深深打动每一位评委。12000美金的纽约时报一等奖学金,让她获得了进入哈佛的通行证。这个故事教会了我如果有梦就去追,努力和收获是成正比的,在面对困难与挫折的时候买药勇于面对,只要努力,不愁没有回报。

三 本学期课程C程序设计高级课程主要学习指针、结构、链表、文件几部分内容,你对本学期课程的学习有什么目标?预备如何实现该目标?

经历了一个学期的学习,我认识到计算机专业的对编程基础的要求很高,这学期我们会主要学习c程序设计高级的知识,包括编程中最主要的指针,结构等等,这学期应该杜绝懒惰,在闲暇时间多多回顾基础内容,在这基础之上,多多理解高级的编程知识,态度决定一切,还要保证每天的代码数量,完成从量变到质变的过程,在完成自己设定的目标之后,可以适当的放松自己,劳逸结合,完美的完成自己的学习任务。

转载于:https://www.cnblogs.com/wshjw/p/8541533.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值