<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[php_thebest_language的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/php_thebest_language</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; php_thebest_language]]></copyright><item><title><![CDATA[CNN+Transformer]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132747179</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132747179</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 22:10:41 +0800</pubDate><description><![CDATA[Transformer本用于自然语言识别领域（NLP）
但近些年来越来越多的学者将Transformer的理念应用到图像识别领域并取得了当年的SOTA]]></description><category></category></item><item><title><![CDATA[关于迁移学习的一点理解]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132747144</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132747144</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 22:08:47 +0800</pubDate><description><![CDATA[内容：利用在 ImageNet1000 数据集训练好的模型，将所需的模型参数下载，嵌入到对应的网络架构中，使用对预训练模型的搭建。目前Pytorch框架中可以下载多种模型，包括 ResNet、ResNeXt、Xception、MobileNetV2等。3.1 内容：将两个领域的数据映射到同一个域不变特征的空间，然后进行分布对齐，以解决域分布不一致的问题。2.2 冻结：保证模型前几层参数（梯度系数、权重、偏置等参数不发生变化）、主要是加快模型的训练速度，也可以增加准确率的效果。]]></description><category></category></item><item><title><![CDATA[知识蒸馏学习]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132747001</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132747001</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 22:00:45 +0800</pubDate><description><![CDATA[---教师和学生模型：将已训练完善的模型作为教师模型，通过控制“温度”从模型的输出结果中“蒸馏”出“知识”用于学生模型的训练，并希望轻量级的学生模型能够学到教师模型的“知识”，达到和教师模型相同的表现。由于使用现有的已经训练好的模型模型，将其中蕴含的信息用于指导新的训练阶段，避免了重新学习耗费的时间。：老师模型没有预训练，准备和学生模型一同进行训练，在一同训练的过程中来指导学生模型进行学习，完成知识蒸馏。：老师模型和学生模型是一个模型，也就是一个模型来指导自己进行学习，完成知识蒸馏。]]></description><category></category></item><item><title><![CDATA[改进深度学习网络的几个思路]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132746932</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132746932</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 21:56:43 +0800</pubDate><description><![CDATA[通过SPP，我们就把一张任意大小的图片转换成了一个固定大小的21维特征（当然你可以设计其它维数的输出，增加金字塔的层数，或者改变划分网格的大小）。当我们有很多层网络的时候，当网络输入的是一张任意大小的图片，这个时候我们可以一直进行卷积、池化，直到网络的倒数几层的时候，也就是我们即将与全连接层连接的时候，就要使用金字塔池化，使得任意大小的特征图都能够转换成固定大小的特征向量，这就是空间金字塔池化的奥义（多尺度特征提取出固定大小的特征向量）。黑色的图3，把整张图片作为了一个块，也就是块的大小为(w,h)]]></description><category></category></item><item><title><![CDATA[常见注意力机制]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132746820</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132746820</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 21:52:02 +0800</pubDate><description><![CDATA[告诉网络自适应的更加关注通道的高语义特征，例如点特征，线特征，面特征，明暗特征，对我们来讲，只要涉及到卷积操作，就可以插入注意力机制试一试效果。，告诉网络更加关注物体在空间中所处于的一个。是一个 简单而有效的 注意力模块；，可以 无缝集成到任何。18年提出的一种新的。]]></description><category></category></item><item><title><![CDATA[U-net网络学习记录]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132746787</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132746787</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 21:45:25 +0800</pubDate><description><![CDATA[比较直接的回答是降采样的理论意义：它可以增加对输入图像的一些小扰动的鲁棒性，比如图像平移，旋转等，减少过拟合的风险，降低运算量，和增加感受野的大小。升采样的最大的作用其实就是把抽象的特征再还原解码到原图的尺寸，最终得到分割结果。输入是一幅图，输出是目标的分割结果。继续简化就是，一幅图，编码，或者说降采样，然后解码，也就是升采样，然后输出一个分割结果。根据结果和真实分割的差异，反向传播来训练这个分割网络。既然输入和输出都是相同大小的图，为什么要折腾去降采样一下再升采样呢？本质上是一个用于图像分割的神经网络。]]></description><category></category></item><item><title><![CDATA[机器学习处理问题的基本路线]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132746762</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132746762</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 21:42:36 +0800</pubDate><description><![CDATA[基本路线：1.搭建环境/数据读入2.数据分析3.特征工程4.建模调参5.模型融合。]]></description><category></category></item><item><title><![CDATA[机器学习常见名词解释]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132746730</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132746730</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 21:41:04 +0800</pubDate><description><![CDATA[过拟合：个人理解，训练集中有公共特点a和私有特点b，我只要学会处理a就可以处理这类问题了，但是我错误的把b也给学会了，学多了，导致处理训练集的时候拟合的很好，但是处理这一类问题的时候表现不佳。特征预处理包含：数值型特征无量纲化，数值型特征分箱，统计变换，类别特征编码。模型融合：同时训练多个模型，用一定办法将其融合在一起。特征筛选：可以得到一个排名，确定每个属性的重要程度。数据预处理包含：数据探索，数据清洗，特征预处理。支持向量机：监督学习的二元分类的分类器？测试集：期末考试：测试成功。]]></description><category></category></item><item><title><![CDATA[个人对JPA，mybatis，mybatisPlus的一点小小认知]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/132746203</link><guid>https://blog.csdn.net/php_thebest_language/article/details/132746203</guid><author>php_thebest_language</author><pubDate>Thu, 07 Sep 2023 21:08:55 +0800</pubDate><description><![CDATA[之前接手的一个小项目上还用过mybatiesPlus，那个框架给我的感觉还不如这俩，明明都是为了简化开发而创造的，但是mybatiesPlus有额外的学习成本，需要一套专门的业务语句，当时刚接手那个项目的时候，想写几个业务语句没把我难死。JPA：DAO层的一个框架，简化了SQL，据说前身是SSH 中的Hibernate，所以他给我的感觉和Hibernate很类似，目的都是为了减少SQL语句的使用，尽可能用“注解”和“方法”代替SQL语句。说实话，用惯了mybaties，感觉这个JPA也就那样。]]></description><category></category></item><item><title><![CDATA[卷积核为1的一维卷积，等价于全连接，个人理解]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/129264392</link><guid>https://blog.csdn.net/php_thebest_language/article/details/129264392</guid><author>php_thebest_language</author><pubDate>Tue, 28 Feb 2023 16:44:30 +0800</pubDate><description><![CDATA[卷积核为1的卷积操作，等价于全连接的个人理解]]></description><category></category></item><item><title><![CDATA[2021-06-01]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/117446156</link><guid>https://blog.csdn.net/php_thebest_language/article/details/117446156</guid><author>php_thebest_language</author><pubDate>Tue, 01 Jun 2021 16:29:14 +0800</pubDate><description><![CDATA[数据库备份
CREATE TABLE tab_new AS SELECT * FROM tab_old;
数据库恢复到某个节点
alter table 表名 enable row movement;
flashback table 表名 to timestamp to_timestamp(‘2011-03-04 05:00:00’,‘yyyy-mm-dd HH24:MI:SS’);

]]></description><category></category></item><item><title><![CDATA[使用ExceUtiles读取输出表格数据]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/107220517</link><guid>https://blog.csdn.net/php_thebest_language/article/details/107220517</guid><author>php_thebest_language</author><pubDate>Thu, 09 Jul 2020 10:06:40 +0800</pubDate><description><![CDATA[这次要使用ExceUtiles读取表格数据,将数据处理后，成功的数据录入数据库，失败的数据标明原因输出到excel表格，同时统计成功输出的条数和失败的条数，主要就是对Java的Io流的操作，和EcelUtiles类的运用。
这个工具类应该可以之际我在网上下载
由于是离线环境代码粘不出来所以我简单写写过程
首先是文件操作，用
nputStream  fileinputStram=new FileInputStream(“路径/文件名.后缀”)将文件读取出来，注意要放在trycatch里
然后实例化一个Exce]]></description><category></category></item><item><title><![CDATA[对aop理解的一点整理]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/106211278</link><guid>https://blog.csdn.net/php_thebest_language/article/details/106211278</guid><author>php_thebest_language</author><pubDate>Tue, 19 May 2020 12:06:28 +0800</pubDate><description><![CDATA[对aop的一点理解补充：aop是面向切面编程，可以方便的实现多个模块的功能增强(补充)，比如说我想在每个接口调用之前都鉴权，我就可以写个aop，
@Aspect声明这是个切面类，@Pointcut声明切入点，@Before@After配置前后通知。原理涉及到动态代理，说到动态代理就不得不提静态代理，就是在一个代理类里new一个被代理类的对象，然后调用对象里的方法，在调用之前和之后补充业务。但是如果想一次调用对个对象的话一个个new一个个调用太麻烦了，所以引入了动态代理。动态代理使用反射，根据类名和路径去获取]]></description><category></category></item><item><title><![CDATA[对于hashmap的理解]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/103597821</link><guid>https://blog.csdn.net/php_thebest_language/article/details/103597821</guid><author>php_thebest_language</author><pubDate>Wed, 18 Dec 2019 14:59:50 +0800</pubDate><description><![CDATA[对key求hashcode得到的值来选桶
对key求equals，如果相同则覆盖，不相同则尾插成链表（太长变成红黑树）
取值的时候是插入的逆过程，通过求传入的key的hashcode来选桶，桶里的链表挨个和传入的key求equals，true则取value，false则继续找下一个。
之前一直都是这么理解的，刚刚自己做了个小实验来验证一下，结果正好符合
class TreeNode {
    i...]]></description><category></category></item><item><title><![CDATA[MySQL锁的学习]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/103583486</link><guid>https://blog.csdn.net/php_thebest_language/article/details/103583486</guid><author>php_thebest_language</author><pubDate>Tue, 17 Dec 2019 16:50:09 +0800</pubDate><description><![CDATA[偷一张图

共享锁：目前我个人的理解是
共享锁是只读锁，如果一条数据被一个事务加了共享锁的话，那么别的事务就无法对他进行更改的操作。
共享锁是共享的，如果一条数据被加上了共享锁的话，其他的事物也可以再给他上一把共享锁（两把锁锁住同一辆小黄车）只有这两个事务都给他解锁后他才能恢复自由身。
排他锁 与共享锁对立，用来写，无法共享（想想也是，如果一个数据已经被排他锁锁住了，还能被另一个排他锁锁住的话，那...]]></description><category></category></item><item><title><![CDATA[记一次上线的曲折之路（存储过程执行失败）]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/103423207</link><guid>https://blog.csdn.net/php_thebest_language/article/details/103423207</guid><author>php_thebest_language</author><pubDate>Fri, 06 Dec 2019 16:05:26 +0800</pubDate><description><![CDATA[昨天傍晚上线的时候，代码分支已经合到了线上分支，还需要执行一个sql，但是在执行sql的时候，运维同学反馈：sql语句报错，执行不了。此时线上服务出现了无法登录，功能异常等问题，形势一片紧急。部门boss赶紧叫了几个有经验的开发从家里赶来协助（已经下班了）运维也赶紧联系另一位资深运维询问。
因为之前qa环境和preview环境执行sql的时候都是那位资深运维执行的，也没见出什么bug，上线的时候这...]]></description><category></category></item><item><title><![CDATA[list排序的一种简洁的方法]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/103387891</link><guid>https://blog.csdn.net/php_thebest_language/article/details/103387891</guid><author>php_thebest_language</author><pubDate>Wed, 04 Dec 2019 15:41:02 +0800</pubDate><description><![CDATA[比较list的一种方法
之前都是new Comparator然后重写compareTo方法，今天偶然发现了还可以这么写，而且看着简洁了不少，nb！
collect.sort(Comparator.comparingInt(ChannelVo::getId).thenComparingInt(ChannelVo::getRegionId));


...]]></description><category></category></item><item><title><![CDATA[docker git常用命令整理]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/103353872</link><guid>https://blog.csdn.net/php_thebest_language/article/details/103353872</guid><author>php_thebest_language</author><pubDate>Mon, 02 Dec 2019 18:22:25 +0800</pubDate><description><![CDATA[整理一点自己目前用到的，比较少，但是怕以后忘了，先写在这里，方便以后往回捡。
docker：
docker pull my sql —拉取image
docker images—查看已拉取的image
docker run --name=myName -it ubuntu 创建个名字是myName的ubuntu容器
docker ps 查看正在运行的容器
docker ps -a 查看所有容器
d...]]></description><category></category></item><item><title><![CDATA[docker端口映射解释 外部连接docker里的mysql 踩坑记录]]></title><link>https://blog.csdn.net/php_thebest_language/article/details/103294765</link><guid>https://blog.csdn.net/php_thebest_language/article/details/103294765</guid><author>php_thebest_language</author><pubDate>Thu, 28 Nov 2019 15:58:58 +0800</pubDate><description><![CDATA[在学习docker的时候，跟着跑了一个在docker里创建mysql，在外部的数据库可视化软件进行连接的例子，前面都做的挺顺利的，顺利的创建了数据库，可以进行数据库操作，docker ps也可以看到这个数据库一直在运行。可到了连接的时候就总是无法连接，查了好多教程都直接跳过这段，自己找了好久，有人说ip不能是localhost，要通过docker-machine ip命令来找的，又有人说docke...]]></description><category></category></item><item><title><![CDATA[My sql报错 Duplicate entry '0' for key 'PRIMARY']]></title><link>https://blog.csdn.net/php_thebest_language/article/details/103290408</link><guid>https://blog.csdn.net/php_thebest_language/article/details/103290408</guid><author>php_thebest_language</author><pubDate>Thu, 28 Nov 2019 11:33:50 +0800</pubDate><description><![CDATA[今天练习的时候，用建表语句建了个个表，但是忘记设置主键了，于是就加了一句
alter table student add id int primarykey;

但是一直报这个 Duplicate entry ‘0’ for key 'PRIMARY’的错误，我在网上搜了一下，应该是设置主键的时候，因为主键是不能空的嘛，所以要给设置个默认值，默认值就是0，但第一条数据的主键设置成0后mysql会把...]]></description><category></category></item></channel></rss>