qq_29423387的博客

原创 java面试编程（手撕代码）

剑指offer:JZ1class Solution{public boolean Find(vector<vector<int>>array,int target){ int rowCount=array.size();//行 int colCount=array[0].size();//列 int i,j; for(i=rowCount-1,j=0;i>=0&&j<colCount) {

转载 JAVA面试汇总

集锦一：一、面试题基础总结1、 JVM结构原理、GC工作机制详解答：具体参照：JVM结构、GC工作机制详解 ，说到GC，记住两点：1、GC是负责回收所有无任何引用对象的内存空间。 注意:垃圾回收回收的是无任何引用的对象占据的内存空间而不是对象本身，2、GC回收机制的两种算法，a、引用计数法 b、可达性分析算法（ 这里的可达性，大家可以看基础2 Java对象的什么周期），至于更详细的GC算法介绍，大家可以参考：Java GC机制算法2、Java对象的生命周期答：创建阶段 、 应用阶段 、

原创 如何关闭电脑的防火墙

原创 InstructGPT笔记

GPT笔记

转载 《JAVA程序设计》期末考试复习题

java复习题

原创 bug:DataLoader worker (pid(s) 16668, 14864) exited unexpectedly

pytorch-bug记录

原创 bug:DataLoader worker (pid(s) 16668, 14864) exited unexpectedly

pytorch-bug记录

原创 冒泡排序代码实现

冒泡排序算法

原创 冒泡排序代码实现

冒泡排序算法

原创 卷积神经网络卷积层池化层全连接层理解

卷积神经网络

原创 java案例_实现剪刀石头布小游戏

java上课案例

原创 ViT论文总结

Vit论文复盘

转载 图形化理解神经网络中的异或问题

1、异或问题是每个讨论多层神经网络的人都会谈论的话题，问题的本身就是解决一个线性可分的问题。对应到几何的二维问题就是用一条直线划分两个分类的问题。对于简单二维分类问题如果一个数字z代表分类，那么将这个过程写成公式：Z=f(x,y)问题就转化为求解二维函数f(x,y)使其最接近给定的数据点。形象化的解释如下图：红蓝两色代表互不相同的两个类，如果以z=0.5作为分解线将其作为两类，问题划分。就很简单了，只需将xy写成如下的形式：z=0.5x+0.5y+0写成矩阵的形式：最终绘制成图：很明显

转载 计算机网络

**1、OSI 的七层模型分别是？各自的功能是什么？**简要概括物理层：底层数据传输，如网线；网卡标准。数据链路层：定义数据的基本格式，如何传输，如何标识；如网卡MAC地址。网络层：定义IP编址，定义路由功能；如不同设备的数据转发。传输层：端到端传输数据的基本功能；如 TCP、UDP。会话层：控制应用程序之间会话能力；如不同软件数据分发给不同软件。表示层：数据格式标识，基本压缩加密功能。应用层：各种应用软件，包括 Web 应用。说明：在四层，既传输层数据被称作段（Segments）；

原创 pytorch安装

1、Anaconda的安装（自行参考其他博客）2、使用pip安装pytorch打开anaconda prompt创建一个pytorch的环境conda create -n pytorch_gpu python=3.7pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113安装COUD11(可以查看自己显卡的种类去pytorch官网上指定下载)、测试imp

原创 AlexNet神经网络

note:作者是用两个GPU来计算，所以把神经网络分为上下两个层次输入是2242243 输出的话变化成4096维的特征集有五个卷积层负责提取特征，每个卷积层之间均存在一个核函数符合计算最后通过全连接层实现特征维度的拼接...

转载 自注意力机制

自注意力机制核心就是给预测的单词赋予不同的权重Encoder-Decoder框架本身就是处理句式为<Source,Target>,我们的目标是给定输入句子Source,期待通过Encoder-Decoder框架来生成目标句子Target,Source和Target分别由各自的单词构成Encoder顾名思义就是对输入句子Source进行编码对于解码器Decoder来说，其任务是根据句子Source的中间语义表示C和之前已经生成的历史信息来生成i时刻要生成的单词区别无非是Encoder部分

原创 基于深度学习的计算机视觉研究新进展_文献阅读

基于深度学习的计算机视觉研究新进展摘要：本文着眼于2016年以来典型网络和模型，对基于深度学习的计算机视觉研究进行综述，主要包括以下部分：总结了对凸显分类的主流深度神经网络模型（标准化模型和轻量化模型）总结了针对不同计算机视觉领域的主流方法和模型（目标检测、目标分割和图像超分辨率）总结了深度神经网络搜索方法本文收稿于2022-02-10引言时间节点深度学习早在1986年就被Dechter[2]引入机器学习领域2000年Aizenberg等[3]又在机器学习领域引入了人工神经网络（Ar

原创 迁移学习-李沐

迁移学习1、迁移学习1.1、迁移学习目的能在一个任务上学习一个模型，然后用其来解决相关的别的任务，这样我们在一个地方花的时间，学习的一些知识，研究的一些看法可以在另外一个地方被使用到；迁移学习是在深度学习出圈的，因为在深度学习中需要训练很多的深层神经网络，需要很多的数据，代价也很高；1.2、迁移学习的途径a.做好一个模型将其做成一个特征提取的模块（Word2Vec【在文本上做训练一个单层神经网络，在训练好之后，每一个词对应一个特征，然后用这个特征去别的事情】，ResNet【对图片做特

原创 各种协议与 HTTP 协议的关系

各种协议与 HTTP 协议的关系域名解析：域名变成字符串；发送HTTP请求，请求报文；TCP协议对请求报文进行分组分割；IP协议负责路由转发（迪杰特斯拉算法）；接收端TCP对分组信息进行重组；请求返回结果并把对应的资源进行回传；...

原创 神经网络正向传播和反向传播

正向传播（forward-propagation）：指对神经网络沿着输入层到输出层的顺序，依次计算并存储模型的中间变量。反向传播（back-propagation）：沿着从输出层到输入层的顺序，依据链式法则，依次计算并存储目标函数有关神经网络各层的中间变量以及参数的梯度。反向传播是一种计算神经网络参数梯度的方法在训练深度学习模型的时候，正向传播和反向传播相互依赖其一：正向传播的计算依赖于模型参数的当前值，这些模型参数是在反向传播梯度计算后通过优化算法迭代的其二：反向传播的梯度计算可能依赖于各变量的

原创 PyTorch教程_数据的加载(小土堆)

import osfrom PIL import Imagefrom torch.utils.data import Dataset# dataset有两个作用：1、加载每一个数据，并获取其label；2、用len（）查看数据集的长度class MyData(Dataset): def __init__(self, root_dir, label_dir): # 初始化，为这个函数用来设置在类中的全局变量 self.root_dir = root_dir

原创 SQL_牛客

SQL_牛客SQL1 查询所有的列select * from user_profileSQL2 查询多列select device_id,gender,age,university from user_profileSQL3 查询结果去重select distinct university FROM user_profileSQL4 查询结果限制返回行数select device_idFROM user_profileLIMIT 2SQL5 将查询后的列重新命名selec

原创 数据挖掘 - 二手车交易价格预测(阿里天池)

https://blog.csdn.net/CarryLvan/article/details/106797353https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12281978.0.0.68021b43o0Uz9x&postId=95422https://tianchi.aliyun.com/course/319?spm=5176.21206777.J_3641663050.20.309317c9ZA3PRl未完待续...

转载 图书管理系统

一、项目介绍项目简介使用jsp、layui、mysql完成的图书馆系统，包含用户图书借阅、图书管理员、系统管理员界面，功能齐全。开发工具为eclipse，环境java8，必须tomcat9.0+，mysql为5.7（mysql8也行）项目详细介绍本图书管理系统总体上分为前台页面显示和后台管理。前台页面（即本书图书管理系统的首页）实现了公告的显示，图书查询，留言建议三大主要功能，有读者规则查看功能，师生们可以看到图书管理人员发布的最新公告信息，并可以查询自己感兴趣的图书，查看留言提议，用户登录后还

转载 用于图像识别的深度残差学习

Deep Residual Learning for Image Recognition（ResNet）用于图像识别的深度残差学习摘要由于越深的神经网络训练起来越来困难，所以本文提出了一种残差学习框架，用于简化网络层次比较深的模型。这个ResNet框架使得网络层次可能根据输入来学习残差函数而非原始函数（unreferenced functions），本文已经证明，这些残差网络的优化更加简单，并且可以是的更深的层来获得更高的准确率，这些残差组合模型在ImageNet测试集上的错误率仅3.57%，这个结果

转载 计算机网络七层模型OSI

一、OSI的基本概念及原则OSI是Open System Interconnect的缩写，意为开放式系统互联。各个层次的划分遵循以下原则同一层中的各网络节点都有相同的层次结构，具有同样的功能。同一节点内相邻层之间通过接口进行通信。七层结构中的每一层使用下一层提供的服务，并且向其上层提供服务。（物理->数据链路层->…应用层）不同节点的同等层按照协议实现对等层之间的通信。二、OSI七层模型原层的功能概述三、OSI七层模型详细解释第一层：物理层在OSI参考模型中，物理层是参

转载 CNN卷积神经网络

**CNN卷积神经网络原理讲解**一、机器识图**在给定的格子里，绣上不同的颜色，最后就可以展现出一幅特定的“图片”。而机器识图的方式正好和绣十字绣的方式相反，现在有了一幅图片，机器通过识别图片中每个格子（像素点）上的颜色，将每个格子里的颜色都用数字类型存储，得到一张很大的数字矩阵，图片信息也就存储在这张数字矩阵中。上图中每一个格子代表一个像素点，像素点里的数字代表颜色码，颜色码范围是[0，255]，（各式各样的颜色都是由红、绿、蓝三色组成，每个颜色都是0~255之间数字）一张大数字矩阵的基础

原创 重装系统教程

1、系统盘已经准备好了2、开始安装图文教程：3、安装完成，此系统盘从京东上购买，在这里只是记录一下系统安装流程，以备不时之需。

原创 通过腾讯会议实现录屏操作

第一步、腾讯会议客户端安装下载第二步、点击快速会议第三步、点击录制视频按钮（本地录制）第四步：共享桌面1第五步：暂停录制，此时提示该录制视频已经保存为MP4格式第六步：结束共享第七步：结束会议，根据设置里面找到录制视频的存储位置，并将文件命名为学号_姓名_课程设计名称（例如：1000000_张三_图书管理系统）...

转载 迁移学习-李沐

1、什么是迁移学习能在一个任务上学习一个模型，然后用其来解决相关的别的任务。迁移学习的途径a.做好一个模型将其做成一个特征提取的模块Word2Vec-在文本上做训练一个单层神经网络，在训练好之后，每一个词对应一个特征，然后用这个特征去别的事情；ResNet-对图片做特征，然后用这个特征来对作为另一个模型的输入，这样假设效果非常好，那么就可以代替人工去抽取特征；I3D-用来对视频做特征b、在一个相关的任务上训练一个模型，然后在另一个任务上直接用它c、训练好一个模型，然后在一个新的任务上对其做

原创 JAVA实训

0、前言这个博客主要是为了一部分本地环境还有搭建好的所准备，根据对目前同学在开发中遇到的问题来看，大部分同学遇到的问题是基本的环境没有配好，这样项目根本就运行不起来。所以现在先把同学们需要搭建的环境以及开发工具进行汇总，要进行管理系统的开发，下面的内容是基础，请大家先把环境搭建好。1、开发工具（推荐）1.1、elcipse下载安装1.2、Navicat for mysql 安装下载（mysql的可视化管理工具）2、环境配置2.1、jdk1.8安装下载2.2、mysql安装下载(重点提醒，

原创 查看tomcat版本号

1. cmd+R(资源管理器)2. cd D\xx\xx\xx\bin3. 输入命令：catalina version

转载 Transformer个人理解

前言Transformer是谷歌在17年发表的Attention Is All You Need 中使用的模型，经过这些年的大量的工业使用和论文验证，在深度学习领域已经占据重要地位。Bert就是从Transformer中衍生出来的语言模型。我会以中文翻译英文为例，来解释Transformer输入到输出整个流程。1、Transformer整体结构图Transformer 是 seq2seq 模型，分为Encoder（编码器）和Decoder（解码器）两大部分。如上图，Encoder部分是由6个相同的e

原创 python-smote扩充正样本

import randomimport pandas as pdfrom sklearn import preprocessingfrom sklearn.neighbors import NearestNeighborsimport numpy as np#开始smote,把正样本扩充100倍class Smote: def __init__(self,samples,N=10,k=5): self.n_samples,self.n_attrs=samples.shape

原创 bug：ValueError: multi_class must be in (‘ovo‘, ‘ovr‘)

当出现这个问题时候，主要的原因是训练集或者测试集中存在异常的数据，例如你的数据是经过归一化之后的数据，但是在数据中仍然有大于1的数字，此时原数据存在问题，只要异常的数据提出即可。...

原创 bug-猎豹wifi提示无线网卡未打开（微星笔记本）

当使用猎豹wifi发现无线网卡未打开怎么解决？方法一：把WLAN接口打开方法二：1.在开始菜单找到“控制面板”并打开2.在打开的页面中找到“网络和internet”并打开3.找到“网络和共享中心”并打开4.在左侧页面找到“适配器设置”并打开5.找到“无线网络连接”6.右键单击之后选择“启用”...

原创 python将两个文件（左右)合并到一个文件中

import pandas as pdimport numpy as np#读取文件df1=pd.read_csv("E:/xxx/count2/20211005.csv")df2=pd.read_csv("E:/xxx/count2/20211006.csv")#合并#df=pd.concat(df1,df2)df=pd.concat([df1,df2], ignore_index=True,axis=1)#数据保存合并文件df.to_csv('E:/xxxxx/count2/sum

转载 python把同一个文件夹下的若干个xlsx文件合并到一起

出现的问题：需要把上述中四个文件中的内容合并到一起代码实现：# -*- coding:utf-8*-# import sys# reload(sys)# sys.setdefaultencoding('utf-8')import importlib,sysimportlib.reload(sys)import pandas as pdimport osimport os.pathimport timetime1=time.time()# 使用os模块walk函数，搜索出某目录

原创 打开QQ音乐检测不到声卡

出现这个问题主要是声卡驱动出现了问题，我们需要做的是在设备管理器中把驱动卸载，然后通过驱动精灵重新检测安装，并且不需要重新启动。图：把上面的控制器删除