不知道说什么的小记

最新推荐文章于 2023-04-12 10:29:40 发布

_Lucask

最新推荐文章于 2023-04-12 10:29:40 发布

阅读量383

点赞数

分类专栏： Mood

本文链接：https://blog.csdn.net/qq_28413479/article/details/70936690

版权

Mood 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

曾经的考研第一志愿初试过了，然后复试炸了，答复说是笔试成绩太差，很惋惜，很忧伤了那一段时间。

当时是玩游戏太过分了，确实，很疯狂的玩游戏，这锅是要背的。没心情搞毕设？差点被当初的毕设老师给挂了，呵呵。毕设这东西真的是水到爆炸了，然后一志愿被挂了得背点锅吧。

不过现在在新学校也还不错啦，因为有了皮皮佳吧~所谓的忘掉过去悲伤的方法是找到新欢？

但是当上周日听到小胖说的，我去年被刷掉的原因究竟是啥呢？
我后面是个本校的考研狗，so，理所应当我得出局了

终究没有那么忧伤了吧

是真的没有忧伤了么

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

_Lucask

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

C++派生访问说明符小记(推荐)

12-26

如下所示： #include <iostream> using namespace std; class a{ protected: int i; private: ...class b:public a{//派生访问说明符对派生类内对其直接基类的访问没有影响，主要是用于控制...//错误，派生类不能访

js substr、substring和slice使用说明小记

12-07

- 在处理负数参数时，`substr()` 在不同浏览器中行为不一致，而 `substring()` 和 `slice()` 都有明确的转换规则。 - 对于边界情况，`substring()` 和 `slice()` 都会自动调整开始和结束位置，确保开始位置小于等于...

参与评论您还未登录，请先登录后发表或查看评论

【小记】LaTex 语法说明

爱学习的卡比兽

05-25

1192

LaTex 语法说明

总结《你不知道的JavaScript》三卷小记

ispaomoya博客

12-05

783

你不知道的JavaScript上中下三卷基本导航、小记、总结

小记

man_tou_22

01-20

198

迎来春节半个月的假期。这半个月争取每天写一篇博客，每天分享学习一个java web 方向的功能实现！！差不多了。不知道春节那几天，会不会更新。心里面还是说想刷的。

英语每日小记

热门推荐

sulia1234567890的博客

04-12

8万+

英语

TCP 加速小记

Netfilter

06-25

1万+

都说 BBR 比 CUBIC，但 CUBIC 究竟差在哪儿？看下图理解一下 CUBIC 为什么不抗丢包： CUBIC 遭遇丢包后无条件 MD，此后从新的 ssthresh 处开始 AI，CUBIC 认为丢包一定是拥塞导致的 buffer overflow 引起的。事实上并不一定。25 Gbps * 50us 链路，5% 丢包率，吞吐下降到 300 Mbps，原因正如上图所示，链路越长，问题越严重。如何优化呢？常规思路是丢包不降窗或少降窗，但没有直指核心。核心不是丢包后降窗，相反，丢包降窗和数据包守恒无论如

正则表达式小记

码飞_CC的博客

08-07

2715

文章目录1. 使用正则很酷1.1 不使用正则1.2 使用正则2. JS中正则表达式的创建方式3. 术语与操作符3.1 精确匹配3.2 匹配一类字符3.3 转义3.4 匹配开始与匹配结束3.4 重复出现3.5 预定义字符类3.6 分组3.7 或操作符（OR）3.8 反向引用在开发的过程中，我们不使用正则表达式也可以正常工作，但是，如果有了正则表达式（Regular Expression）的话，那么...

Docker快速入门小记

Miracle8070

06-03

1751

从实际需求学习docker，整理了docker常用命令以及一些关键技术究竟如何使用

互联网架构小记

菜鸟零号 kungfu~peng

01-03

350

互联网架构小记发展历程 ORM框架对象-关系映射（Object/Relation Mapping），是随着面向对象的软件开发方法发展而产生的。面向对象的开发方法是当今企业级应用开发环境中的主流开发方法，关系数据库是企业级应用环境中永久存放数据的主流数据存储系统。对象和关系数据是业务实体的两种表现形式，业务实体在内存中表现为对象，在数据库中表现为关系数据。内存中的对象之间存在着关联和继承关...

修行之路小记

Zackery的博客

10-20

240

记录一些小问题

python进行爬虫小记

01-15

总的来说，Python爬虫涉及网络请求、HTML解析、数据提取等多个环节，而Python的丰富库和简洁语法使其成为爬虫开发的理想选择。通过不断实践和学习，可以掌握各种策略和技术，应对不同类型的网页抓取任务。

JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip

09-21

1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。

09-21

09-21

2024秋招华为笔试题大全-仅供参考具体需要根据实际修改

09-21

2024秋招华为笔试题大全-仅供参考具体需要根据实际修改

借助于Ascend310 AI处理器完成深度学习算法部署任务，

09-21

应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。

基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip

09-21

深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。

mac+ffmpeg+php,mac折腾安装ffmpeg小记

05-13

在Mac上使用ffmpeg进行视频处理是非常常见的，同时也是非常有用的。下面是在Mac上安装ffmpeg的简单步骤： 1. 安装Homebrew Homebrew是一个在Mac上安装软件包的包管理器，使用它可以方便地安装ffmpeg。...