- 博客(17)
- 资源 (20)
- 收藏
- 关注
原创 redis和rabbitmq启动
redis启动先cd到你所在redis路径e:cd E:\cs\Redis-x64-3.0.504然后启动redis-server.exe redis.windows.confwindows下安装Redis第一次启动报错:[2368] 21 Apr 02:57:05.611 # Creating Server TCP listening socket 127.0.0.1:6379: bind: No error解决方法:在命令行中运行redis-cli.exe127.0.0.1:6
2021-05-31 13:50:44 286
原创 Java中DAO层、Service层和Controller层的区别
DAO层:DAO层叫数据访问层,全称为data access object,属于一种比较底层,比较基础的操作,具体到对于某个表的增删改查,也就是说某个DAO一定是和数据库的某一张表一一对应的,其中封装了增删改查基本操作,建议DAO只做原子操作,增删改查。Service层:Service层叫服务层,被称为服务,粗略的理解就是对一个或多个DAO进行的再次封装,封装成一个服务,所以这里也就不会是一个原子操作了,需要事物控制。Controler层:Controler负责请求转发,接受页面过来的参数,传给S
2021-05-22 16:19:22 218
原创 基于DQN的快速避障路径规划
全文内容:基于DQN的快速避障路径规划基础知识:Q-learningDeep Q-Network(DQN)代码详解:initialisingtarget.pytraining2.py
2021-05-14 10:36:54 5133
原创 Tensorflow——tf.nn.conv2d
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)除去name参数用以指定该操作的name,与方法有关的一共五个参数:input:指需要做卷积的输入图像,它要求是一个Tensor,具有[batch, in_height, in_width, in_channels]这样的shape,具体含义是[训练时一个batch的图片数量,图片高度,图片宽度,图像通道数],注意这是一个4维的Tensor,要
2021-05-14 10:29:59 227
原创 Word 2016表格三线表制作
1、打开word,点击插入,插入一个表格。2、选中表格,点击设计,在边框中的笔画粗细选择1.5磅,然后在边框下拉框先选择无框线,再选择上框线和下框线。然后笔画粗细选择0.5磅,选中第一行后,在边框中选择下框线。3、然后选择表格,单击设计,主要是对其方式,选择布局中的水平居中。4、属性设置好后,选中表格,依次单击 插入→表格→快速表格→将所选内溶保存到快速表格库,命名为三线表,确定,关闭的时候点击确定。之后,就可以从插入→表格→快速表格 快速新建三线表。...
2021-05-13 15:42:02 1233
原创 batch size设置技巧
深度学习中经常看到epoch、 iteration和batchsize这三个的区别:(1)batchsize:批大小。在深度学习中,一般采用SGD训练,即每次训练在训练集中取batchsize个样本训练;(2)iteration:1个iteration等于使用batchsize个样本训练一次;(3)epoch:1个epoch等于使用训练集中的全部样本训练一次;举个例子,训练集有1000个样本,batchsize=10,那么训练完整个样本集需要:100次iteration,1次epoch。1.当数
2021-05-13 14:26:22 3689
原创 MistGPU使用
官网地址:https://mistgpu.com/user/远程连接:gpu110.mistgpu.xyz:31111账号:mist
2021-05-12 15:27:39 1492 1
原创 基于深度强化学习的路径规划笔记
感谢知乎周思雨博主;此方法同源借鉴于ICIA一篇强化学习paper源码github地址:https://github.com/a7b23/Autonomous-MazePathFinder-using-DQN该程序将由几个封锁(由块颜色表示)组成的图像作为输入,起始点由蓝色表示,目的地由绿色表示。 它输出一个由输入到输出的可能路径之一组成的图像。 下面显示的是程序的输入和输出。输入图像被馈送到由2个conv和2个fc层组成的模型,其输出对应于底部和右侧动作的Q值。 代理根据哪个Q值更大而向右或向.
2021-05-12 10:14:35 5727 1
原创 深度强化学习博客阅读
深度强化学习(Deep Reinforcement Learning)入门深度强化学习——Dueling-DDQN强化学习导论
2021-05-12 09:44:05 108
原创 人工智能学习规划
一、数学基础和机器学习算法相结合的数学知识。上面两部分是理论层面的数学,机器学习算法中会对这些数学进行应用。链接:https://zhuanlan.zhihu.com/p/25197792,知乎专栏上的一篇好文章,囊括了很多应用知识点。二、经典算法知识2.1、机器学习现实中机器学习算法应用,强推。书籍及课后代码:链接:https://pan.baidu.com/s/15XtFOH18si316076GLKYfg 密码:sawb2.2、深度学习说到深度学习,我们不得不提斯坦福的另一门王牌课程C
2021-05-12 09:23:34 1538
原创 【Python】常用函数——tf.truncated_normal
tf.truncated_normal(shape, mean, stddev) :shape表示生成张量的维度,mean是均值,stddev是标准差。这个函数产生正太分布,均值和标准差自己设定。这是一个截断的产生正太分布的函数,就是说产生正太分布的值如果与均值的差值大于两倍的标准差,那就重新生成。和一般的正太分布的产生随机数据比起来,这个函数产生的随机数与均值的差距不会超过两倍的标准差,但是一般的别的函数是可能的。例如:import tensorflow as tf;import numpy as
2021-05-12 09:08:08 437
原创 【Python】常用模块(一)——shutil
模块介绍shutil是shell utility的缩写,实现了在Python中实现文件复制、移动、压缩、解压等高级功能,是Python的系统模块,不需要额外安装。常用函数shutil.copyfile( src, dst) 从源src复制到dst中去。当然前提是目标地址是具备可写权限。抛出的异常信息为IOException. 如果当前的dst已存在的话就会被覆盖掉shutil.move( src, dst) 移动文件或重命名shutil.copymode( src, dst) 只是会复制其权限其他
2021-05-12 08:46:59 142
原创 深度学习基础知识
神经网络1. 感知机感知机(Perceptron)是 Frank Rosenblatt 在1957年提出的概念,其结构与MP模型类似,一般被视为最简单的人工神经网络,也作为二元线性分类器被广泛使用。通常情况下指单层的人工神经网络,以区别于多层感知机(Multilayer Perceptron)。尽管感知机结构简单,但能够学习并解决较复杂问题。假设我们有一个n维输入的单层感知机,x1至 xn为 n 维输入向量的各个分量, w1j至 wnj为各个输入分量连接到感知机的权量(或称权值),theta 为
2021-05-07 11:27:32 653
原创 3*3小卷积的优势
我们知道现在在构建CNN时大家喜欢用33的卷积,而不是早期的55,77等更大尺寸的卷积,如vgg系列网络中全部使用了33的卷积。这里既然用3*3卷积来替代更大尺寸的卷积,那么有一个前提,就是要保证两者具有同样大小的输出和感受野。两个33的卷积才能代替一个55的卷积;三个33的卷积才能代替一个77的卷积。以stride=1,padding=0我们来看看为何。我们首先看一下采用55卷积的方案。假设图像大小为nn,采用5*5的卷积核其输出为(n-5)/1+1=n-4。我们再看一下采用3*3卷积的方案
2021-05-07 10:58:00 2261
原创 图像处理中的卷积核kernel
kernel 中的卷积核介绍:简介卷积核(kernel),也叫卷积矩阵(convolution matrix)或者掩膜(mask),本质上是一个非常小的矩阵,最常用的是 3×3 矩阵。主要是利用核与图像之间进行卷积运算来实现图像处理,能做出模糊、锐化、凹凸、边缘检测等效果。卷积运算卷积在通俗上理解是把原始矩阵中的每一个元素,都与其相邻的元素根据卷积核的权重分布做加权平均,卷积运算的公式如下:其中,g(x,y)是被处理后的矩阵,w 是卷积核,f(x,y)是原始矩阵,-a≤s≤a 并且 -b≤t≤b
2021-05-07 10:41:26 14945 4
原创 卷积核(kernel)和过滤器(filter)的区别
之前就遇到过类似的问题,但是没有在中文社区中找到一种通俗易懂的答案,于是决定写下这篇文章,希望能给有类似困惑的人一个比较清晰的解释。卷积核就是由长和宽来指定的,是一个二维的概念。而过滤器是是由长、宽和深度指定的,是一个三维的概念。过滤器可以看做是卷积核的集合。过滤器比卷积核高一个维度——深度。下面结合一个多通道的例子马上就能理解了:图1是对一个3通道的图片做卷积操作,卷积核的大小为 3 × 3 ,卷积核的数目为3,此时过滤器指的就是这三个卷积核的集合,维度是 3 × 3
2021-05-07 10:16:30 1863 4
自写线代笔记——李永乐.pdf
2020-06-26
自动软件测试.docx
2020-05-05
自动软件测试.docx
2020-05-05
源代码版本管理.docx
2020-05-05
五一建模的秦皇岛数据.rar
2020-05-05
硬件实验大三课程报告
2020-05-05
编译技术课程实验报告
2020-05-05
网络服务器配置设计报告
2020-05-05
协议报文分析课程实验报告
2020-05-05
终端接入配置及简单网络设计
2020-05-05
《自我管理与领导力开发课程结课作业报告》.doc
2020-05-05
Bison语法分析器-2
2020-05-05
利用 Flex/Bison 构造编译器
2020-05-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人