- 博客(17)
- 资源 (20)
- 收藏
- 关注
RSS订阅原创 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