NWPU
文章平均质量分 86
电路基础实验、数据结构实验、面向对象编程实验
计算机组成原理、计算机操作系统、计算机网络、数据库系统
软件测试、网络与分布计算、信号与系统
计算机视觉、深度学习、机器学习
优惠券已抵扣
余额抵扣
还需支付
¥299.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
MAVER1CK
zhaoliangcheng.blog.csdn.net
展开
-
《自然语言处理》复习
《自然语言处理》复习原创 2023-06-26 13:41:59 · 1015 阅读 · 1 评论 -
《自然语言处理》第二次实验:机器翻译(Transformer中英文翻译实验)
加载原始数据,切分训练、测试数据,并预处理成模型输入所需的数据形式,并保存为mindrecord格式测试数据是否加载正常")")原创 2023-06-23 12:00:00 · 1122 阅读 · 0 评论 -
《自然语言处理》第二次实验:机器翻译(Seq2Seq中英文翻译实验)
EOS = "" SOS = "" MAX_SEQ_LEN = 10 #我们需要将字符转化为ASCII编码 #并全部转化为小写字母,并修剪大部分标点符号 #除了(a-z, A-Z, ".", "?", "!", ",")这些字符外,全替换成空格 def unicodeToAscii(s) : return '' . join(c for c in unicodedata . normalize('NFD' , s) if unicodedata . category(c)!??原创 2023-06-23 12:00:00 · 1020 阅读 · 0 评论 -
《自然语言处理》第一次作业:分词
根据训练语料建立词表,使用最大匹配法(或者隐式马尔科夫模型)实现分词,并对测试集进行性能评估;对数据集进行分词实验,并进行性能评估,评估指标包括准确率,召回率,F1-测度;使用任意一种分词工具(如jieba分词等等)实现分词,并对测试集进行性能评估。处理数据时分为单线程和多线程两个版本,单线程版本保证了顺序与原文一致。测试数据总共324行,因此产生了324份结果,每份结果包含。在一个函数内实现了读取训练集和测试集,并建立词表。数据集:人民日报标注集(包括训练集和测试集)负责读取训练集和测试集,并建立词表。原创 2023-06-22 13:33:37 · 287 阅读 · 0 评论 -
《自然语言处理》第二次作业:语言模型和文本分类
2.进行朴素贝叶斯分类,训练集进行学习,并对测试集的分类性能进行评估,指标包括正向类别的精确率,召回率和F1度量;数据集:text_classification_data用户评论(包括训练集、开发测试集、测试集和词表)1.建立数据集(包括所有数据)的二元语法模型,计算测试集困惑度;题目:语言模型和文本分类。原创 2023-06-22 13:35:22 · 204 阅读 · 0 评论 -
《自然语言处理》第三次作业:词向量
2.确定数据集的Word2vec词向量(调用gensim函数实现训练);1.确定数据集的TFIDF词向量(随机选择20%数据进行训练);3.选择10个词根据词向量确定其Top5相似词;数据集:input.zh.txt数据集。原创 2023-06-22 13:32:33 · 356 阅读 · 0 评论 -
《自然语言处理》第一次实验:TextCNN情感分类
本实验主要基于卷积神经网络对电影评论信息进行情感分析,判断其情感倾向。要求:熟悉实验环境,掌握TextCNN文本分类程序流程,研读代码具体:记录并观察实验结果,如损失随迭代轮数变化等在华为云主页搜索Modelarts并点击“进入控制台”,或者通过以下网址进入:https://console.huaweicloud.com/modelarts/?region=cn-north-4#/dashboard点击左侧导航栏的“开发环境”,选择“Notebook”点击创建按钮来创建一个新的Notebook,选择原创 2023-06-16 11:51:53 · 599 阅读 · 0 评论 -
《网络与分布计算》作业:使用Java Socket封装HTTP请求报文分别GET一个文本文件和一个图片文件
本来想法是字符流和字节流都直接用socket的OutputStream,然后用字符流统计出header的字节数,然后字节流读取的时候跳过对应长度的字节,剩下的字节就是body中图片的字节,但是发现header的字节统计没问题,图片就是写不出来,最后想的办法是把socket的OutputStream保存起来(相当于保存了一个输出流),再把这个输出流变为输入流让字符流和字节流去处理,最后成功了。header的内容是字符串,body的内容是图片,所以对于header使用字符流,对于body用字节流。原创 2023-01-02 21:09:49 · 444 阅读 · 7 评论 -
《信号与系统》实验1:信号的表示、运算、傅里叶级数展开以及信号通过连续时间系统的响应
根据卷积的定义,推导得到的理论值;原创 2023-01-02 21:06:47 · 378 阅读 · 1 评论 -
《信号与系统》实验 2:连续时间信号与系统的频域分析
掌握了傅里叶变换正反变换的定义及求解方法掌握了非周期信号的频谱密度函数的求解方法,并用 Matlab 绘制频谱图掌握了频域系统函数的概念和物理意义学会了利用 Matlab 实现连续时间系统的频域分析。原创 2023-01-02 21:05:10 · 856 阅读 · 0 评论 -
《计算机视觉》:角点检测与图像匹配
DOG 值对噪声和边缘比较敏感,所以在第2步的尺度空间中检测到的局部极值点还要经过进一步的筛选,去除不稳定和错误检测出的极值点,另一点就是在构建高斯金字塔过程中采用了下采样的图像,在下采样图像中提取的极值点对应在原始图像中的确切位置,也是要在本步骤中解决的问题。这些候选关键点是DOG空间的局部极值点,而且这些极值点均为离散的点,精确定位极值点的一种方法是,对尺度空间的 DOG 函数进行曲线拟合,计算其极值点,从而实现关键点的精确定位。特征点的匹配通过计算两组特征点的 128 维的关键点的欧式距离实现的。原创 2023-01-02 21:05:06 · 458 阅读 · 2 评论 -
《计算机视觉》第一次实验:物体识别或图像分类
平台:华为AI平台数据:cifar10数据参考:华为计算机视觉实验1 https://edu.huaweicloud.com/roadmap/colleges.html实验报告一份,包括实验目的,实验内容,实验过程,实验结果及分析。原创 2023-01-02 21:03:27 · 465 阅读 · 0 评论 -
《信号与系统实验》实验 3:信号时域抽样和恢复
掌握了抽样定理,并使用Matlab验证抽样定理;掌握了利用Matlab完成信号抽样的方法,并对抽样信号的频谱进行分析;了解了运用Matlab对抽样信信号进行恢复的方法;在完成实验的过程中学习到了stem()等函数的用法。原创 2023-01-02 21:02:54 · 835 阅读 · 0 评论 -
《计算机视觉》第二次实验:图像分割
Unet是一种改进的全卷积网络(FCN)用于图像分割任务。由Olaf Ronneberger等人在论文《U-Net: Convolutional Networks for Biomedical Image Segmentation》中提出。U-Net的网络结构和论文可以参考其官网U-Net得名于它的网络结构图,类似一个英文字母“U”。左半边是一个从上到下,一步一步从原始图像抽取特征(即原始图像本质信息)的过程;右半边是一个从下到上,一步一步从图像特征还原目标信息的过程。原创 2023-01-02 21:02:07 · 677 阅读 · 0 评论 -
《信号与系统实验》实验 4:连续&离散时间信号与系统的复频域分析实验
对于一二阶极点,如果极点在圆内,信号减幅振荡;极点在圆外,信号增幅震荡;极点在圆上,信号等幅振荡。原创 2023-01-02 21:01:43 · 595 阅读 · 0 评论 -
《机器学习与应用》实验二:BP神经网络实验
由仿真结果图可以看出,未经训练的BP网络输出与目标函数差距很大,逼近效果不理想,而对BP网络训练之后的输出可以较精确的逼近目标函数,并且BP网络的训练迭代次数仅约1、2次,网络的输出目标误差就达到了精度要求,收敛速度很快。其中输出层误差信号同网络的期望输出与实际输出之差有关,直接反映了输出误差,而各隐层的误差信号与前面各层的误差信号都有关,是从输出层开始逐层反传过来的。通过编程实现使用BP网络对函数进行逼近,对BP网络的信号和误差传递的原理以及隐层、输出层权值调整的规则有了充分的理解和认识。原创 2023-01-02 21:01:57 · 992 阅读 · 0 评论 -
《计算机视觉》:图像拼接与融合
读取两张原图后,将第二张图像的尺寸调整到和第一张一样,然后对两张图像进行填充。原创 2023-01-02 20:22:17 · 475 阅读 · 0 评论 -
《软件测试》练习题
运行 观察或记录 评价 (找到错误)分析差别 评价 (获得度量值)边界值分析是一种常用的黑盒测试方法,是对等价类划分方法的补充。程序的很多错误发生在输入或输出范围的边界上,因此针对各种边界情况设置测试用例,可以发现不少程序缺陷。所谓边界值,是指相对于输入等价类和输出等价类而言,稍高于其最高值或稍低于最低值的一些特定情况。边界值分析的步骤包括确定边界,选择测试用例两个步骤。定义了从原有程序生成差别极小程序(即变体)的转换规则。第三方测试是指独立于软件开发方和用户方之外的测试组织实施的测试。原创 2023-01-02 17:08:05 · 199 阅读 · 0 评论 -
《深度学习》:CANN训练营_昇腾AI入门课学习笔记(结业考核)
参考链接giteegithub使用conda安装tf1.15的时候需要额外指定tensorflow-estimator的版本为1.15.1,不然会安装成2.6.0,导致Train.py运行报错。原创 2023-01-02 17:06:34 · 441 阅读 · 0 评论 -
《网络与分布计算》复习概览
分布式计算系统是由多个相互连接的计算机组成的一个整体,这些计算机在一组系统软件(分布式操作系统或中间件)环境下,合作执行一个共同的或不同的任务,最少依赖于集中的控制过程、数据和硬件。包含多个通用资源部件(物理的或逻辑的),可以动态基础上被指定给予各个特定的任务;这些资源部件在物理上是分布的,并经过一个通信网相互作用;有一个高级操作系统,对各个分布的资源进行统一和整体的控制;系统对用户是透明的;所有的资源都必须高度自治地工作而又相互配合,系统内不存在层次控制。原创 2023-01-02 15:54:27 · 397 阅读 · 0 评论 -
《计算机组成原理》复习题
动态RAM(DRAM):用电容存储电荷的原理来存储信息,电容中有足够电荷表示1,无电荷表示0。电荷一般只能维持1~2ms,所以即使不断电也会丢失信息,为此必须在2ms对所有存储单元恢复一次原状态,这个过程叫做再生或者刷新。先传输数据起始位(规定为低电平),之后从低位到高位传输,1为高电平,0为低电平,最后传输校验位(低电平)和终止位(高)静态RAM(SRAM):用触发器原理存储信息,在信息读出后仍然保持原状态,不需要再生。存取时间:又称为存储器的访问时间,是指启动一次存储器操作到完成该操作所需的时间。原创 2023-01-02 15:53:03 · 67 阅读 · 0 评论 -
《软件测试》实验四:移动应用自动化测试(安卓自动化测试)
Monkey测试,就像一只猴子在电脑面前乱敲键盘在测试,猴子什么都不懂只知道乱敲。Android官方对这只“猴子”的描述是这样的:Monkey是一个程序,运行在您的模拟器或设备上,并生成伪随机的用户事件流,如点击,触摸或手势,以及一些系统级事件。您可以使用Monkey以随机但可重复的方式对您正在开发的应用程序进行压力测试。原创 2022-11-27 12:02:32 · 1053 阅读 · 0 评论 -
《计算机视觉》:图像滤波与边缘检测
拿anaconda navigator搜索opencv,然后勾选opencv安装即可lena灰度图lena彩色图。原创 2022-11-14 10:00:00 · 1193 阅读 · 5 评论 -
《软件测试》实验二:嵌入式软件测试
温度采集处理的示例代码已经给出了,点击ETest右侧的“项目->测试目录->功能测试->温度采集处理”进入代码。解压 vspd.rar 文件,打开 vspdxp_install 进行安装。打开ETest,点环境设置然后点确定(环境设置时直接确定,不需要手动更改)创建3对串口,5和6一对,7和8一对,9和 10一对。根据需求文档,使用vspd绑定对应的串口。点击“打开项目”,打开esi文件。如果是读取测试数据,那么代码如下。本次测试对象是温度控制器。打开 vspdconfig。下面给出具体的测试方法。原创 2022-11-12 19:07:22 · 423 阅读 · 1 评论 -
《软件测试》实验一:开发者测试
在源码Year.java中,第十行应该是“Not a valid year”而不是“Not a valid month”源码中应该包含注释,没有任何注释不符合规范。原创 2022-11-12 19:04:57 · 236 阅读 · 0 评论 -
《深度学习》:CANN训练营_昇腾AI入门课学习笔记(第三章 AI应用开发、第四章 直播视频)
本章我们以Caffe框架的开源模型ResNet-50模型为例说明其输入、输出,以便理解后续的开发场景:模型对输入要求:输入图片的编码格式为RGB、分辨率为224*224。模型的输出:Top5置信度的类别标签及其对应置信度。说明:置信度是指图片所属某个类别可能性。您可以通过类别标签查阅其对应的类别。类别标签和类别的对应关系与训练模型时使用的数据集有关,需要查阅对应数据集的标签及类别的对应关系。原创 2022-11-04 11:41:16 · 1340 阅读 · 0 评论 -
《机器学习与应用》实验一
梯度下降法在统计学习还是深度学习中都得到了广泛的应用,我们通过构建合理的模型,将模型预测的输出和正确结果进行误差计算,通过优化模型参数使得输出的结果和正确结果的误差最小,我们往往会把误差损失函数构建成一个凸函数,这样使得参数的求解比较单一化,就像一元二次函数只有一个波峰或者波谷,那么求解答案就是寻找这个波峰或者波谷,如果把误差损失函数表达成类似sinx的函数,存在多个波峰波谷,那么求解的答案就会有多个,显然求解的众多个答案并非都是最优解。我们先对关于x的函数y求关于x的导函数,得到为。原创 2022-10-30 12:45:46 · 448 阅读 · 0 评论 -
《深度学习》:CANN训练营_昇腾AI入门课学习笔记(第二章 TensorFlow模型迁移&训练)
CANN训练营_昇腾AI入门课学习笔记(第二章 TensorFlow模型迁移&训练)原创 2022-10-24 10:53:30 · 1139 阅读 · 0 评论 -
《深度学习》:CANN训练营_昇腾AI入门课学习笔记(第一章 昇腾AI基础知识介绍)
CANN训练营_昇腾AI入门课。原创 2022-10-24 10:52:12 · 1097 阅读 · 0 评论 -
2022全国软件测试大赛web应用测试预选赛-个人赛:九天音乐功能测试2
2022全国软件测试大赛web应用测试预选赛-个人赛:九天音乐功能测试2环境配置已经在软件测试实验三中讲过了,这次直接放题目贴代码。原创 2022-10-23 17:00:00 · 471 阅读 · 0 评论 -
《软件测试》实验三:Web应用测试(WEB 功能测试——安居客)
新建一个项目,点击IDEA左上方的“文件->项目结构->库”,点击“+”,选择Java,然后找到刚才下载的jar包,点击“确定”,即可成功导入。思路:首先打开浏览器,跳转到指定网站,然后根据测试需求文档的内容,在官方文档中查找相应的api,最后对于每一步,按步骤依次写代码即可。如果碰到查不到的情况,比如我这个版本是最新的,没有查到驱动,那么可以下载离得最近的一个版本的驱动。两个里面最新的是106.0.5249.61,点击文件夹进入,然后点击win32的zip压缩包下载。这里显示的就是浏览器的版本。原创 2022-11-12 18:08:54 · 1678 阅读 · 0 评论 -
信息技术基础认知与实践-Python
NWPU信息技术基础认知与实践Python方向作业原创 2022-09-01 21:27:46 · 459 阅读 · 0 评论