博客初衷，很多时候找不到一些东西，在此分享一些自己曾经找很久的东西，以供大家学习交流。

最新推荐文章于 2024-08-12 23:09:11 发布

挪威的企鹅

最新推荐文章于 2024-08-12 23:09:11 发布

阅读量58

点赞数

文章标签：学习

本文链接：https://blog.csdn.net/qq_41861352/article/details/125074267

版权

苦逼研究生，什么都要从头开始学，由于跨学科导致基础不够牢固，在学习的过程中走了不少弯路。

方向为智能控制，优化算法，系统辨识，嵌入式开发

在此分享一些自己的心得，以借助此平台记录下自己学习的足迹。

共勉！

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

挪威的企鹅

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
博客初衷，很多时候找不到一些东西，在此分享一些自己曾经找很久的东西，以供大家学习交流。

第一篇博客
复制链接

扫一扫

初识HTML5(入门级的,很好的)

08-12

MathML用于在网页上呈现复杂的数学公式，是科学文档中不可或缺的一部分。HTML5还提供了地理位置API，允许网页访问用户设备的地理位置信息，为地图、本地服务等应用提供了支持。 7. Web存储与离线Web应用程序 HTML5...

HelicopterGame:使用 Artemis Entity Framework、Libgdx 和 Box2D 编写的简单游戏

06-18

我写它是因为我在网上找不到任何集成了这三个框架的东西，我想知道如何做到这一点。它让我想到了很多不同的小事。这个源代码是 Korosu 的基础，所以它也有点乱，而且没有持久。但我实现了我的初衷。 ...

参与评论您还未登录，请先登录后发表或查看评论

python打包exe找不到模块_pyinstaller打包后运行提示找不到模块

weixin_39611769的博客

12-11

1080

自定义Sublime Text的图标sublime text很赞,windows上最接近mac逼格的轻量编辑器,对于我这样比较喜欢格调的人来说,简直不二之选啊. 美中不足的是,看久了觉得它的图标似乎不是很上心.现在都流行扁平化了而它还停 ...BOM之location对象定义 location提供了与当前窗口中加载的文档有关的信息,还提供了一些导航功能.location是一个很特别的对象,因为它既...

【Java分享客栈】我曾经的两个Java老师一个找不到工作了一个被迫转行了

xiangyangsanren的专栏

04-23

2815

写这篇文章的初衷主要是最近发生了两件事，让我感慨良多，觉得踏入这个行业的初始，有些事情就应该长远考虑，这样对职业发展才更有利，仅仅停留在技术的追求上固然能壮大自身，可逆水行舟的程序员们终究会面临职业转折点，如何避免自己成为弃子是一个沉重又不得不思考的话题。本篇的两个故事就是我分享给大家的真实情况，以及我的一点点感悟。

分享一些自己的学习历程和学习方法

吧主

09-27

1941

每天，都会有人在微博上私信我，问我关于学习和成长的问题。这种问题我一般都不会回复某个j，毕竟每个人的情况不一样，每个人对待事物的性格也不一样，我不能夸下海口的说，你看某本书几个月就能如何如何，我能做的多数时候只是鼓励鼓励，其次我也从不认为我已经成长到一个多高的境界上，让我去给别人做指导，我还是当之有愧的。

一年成为博客专家？致！奋斗的自己

智的博客

05-24

7357

忆还记得刚开始写博客是在的时候，那时疫情在家，无法去学校，我当时已经大二了，可是我对自己的未来很迷茫，我不算是个很努力的人，也不算懒，我不想我的大学就这样过去，不留下一点什么，所以我开始了写博客，初衷也就记录一下学校学的知识，后来看多了其他大佬博客之后，渐渐的了解了我这个专业，明白了我应该如何学习。其实我得感谢这个疫情，没有它我还真不一定了解 ...

Java多线程的11种创建方式以及纠正网上流传很久的一个谬误

无界编程

04-06

5406

创建线程比较传统的方式是继承Thread类和实现Runnable，也可以用内部类，Lambda表达式，线程池，FutureTask等。经常面试会问到继承Thread类和实现Runnable的区别，然后网上会流传如下这样的说法，这是错误的。流传很久的错误说法：这个说法是举一个火车票售票的例子，大致意思是说实现Runnable接口可以实现多继承，这一点说的是正确的，但是错误的是下面的，那些...

分享一些自己的学习方法

嘻哈包袱铺专栏

09-13

1445

转载自：https://paper.dropbox.com/doc/ViVmfES5n0eGv5DhvzJHH?t=277428713177851 每天，都会有人在微博上私信我，问我关于学习和成长的问题。这种问题我一般都不会回复某个人，毕竟每个人的情况不一样，每个人对待事物的性格也不一样，我不能夸下海口的说，你看某本书几个月就能如何如何，我能做的多数时候只是鼓励鼓励，其次我也从不认为

工作方法论总结（学会在工作中不停思考和使用）

热门推荐

张彦峰的博客

12-02

1万+

总结一些在工作中应用的方法论

张俊林：从对比学习视角，重新审视推荐系统的召回粗排模型

Kaiyuan_sjtu的博客

10-27

1865

分享嘉宾：张俊林博士新浪微博编辑整理：王岩开课吧出品平台：DataFunTalk导读：今天分享的主题是从对比学习的视角，即从一个不同的角度来看看推荐系统里面的召回和粗排模型。对比学习从...

一份诚恳的互联网找工作总结和感想(附：怎样花两年时间去面试一个人)

寒小阳

09-14

1万+

找工作季来了，互联网大潮也将至。近来陆续有不少师弟师妹校友求分享各种资料和经验，想来手头上确实还有一些资源，也包括当初博主的师兄师姐们以及某些无私的大牛们分享的资料，笔经面经以及感想。于是翻出来看看，倒是也勾起了不少博主当初找工作时候的记忆和感想，于是一并整理整理，发上来吧。前面已经有找工作笔试面试那些事儿(15)---互联网公司面试的零零种种和多家经验、找工作笔试面试那些事儿(14)---轻松一

林家铺子：一瓶罐头的秘密

08-19

林楠坦言创立品牌的初衷十分简单，就是想自己掌握话语权，因为自主品牌意味着拥有自主市场和自主定价权，很多商业策略可以由自己来决定。“林家铺子”这个名称除了与创始人林楠的姓氏有关之外，还源于茅盾的短篇小说...

智能陷阱——精选推荐.pdf

02-27

让⽤户在还没有意识到在做什么的时候，他们已经能引诱⽤户接下来的动作了。什么意思呢？⼤多数⼿机软件刷新⽅式是相似的，往下拉，最上⾯就是新的内容。再往下再刷新，⼜是新的，每次都是，这在⼼理学上称为"正...

人力资源部智力测评标准.docx

02-19

这对于很多职业而言都是必不可少的技能。 ##### 3.4 视觉想象能力测试个体的空间感知能力和视觉想象力。这类测试通常包括图案识别、图形旋转等题目，能够很好地评估参与者的空间认知能力。 #### 四、门萨俱乐部的...

【鸿蒙学习】Stage模型与FA模型的对比与应用选择

最新发布

一个不断前行的程序者

08-12

294

Stage模型是一种基于应用生命周期和功能模块划分的架构设计理念。它将应用分为多个阶段（Stage），每个阶段对应一个特定的任务或界面，使得应用结构更加清晰、开发更加高效。FA模型（Feature Ability Model）是鸿蒙OS中另一种应用架构设计理念，它以功能为单元，将应用划分为多个功能模块（Feature Ability），每个模块具有独立的生命周期和功能。Stage模型和FA模型各有优势，适用于不同的开发场景。普通开发者应根据项目需求、团队协作、性能要求等因素，选择最合适的模型。

日常学习--20240806

xxm13679073037的博客

08-07

823

调优

车身域测试学习、CANoe工具实操学习、UDS诊断测试、功能安全测试、DTC故障注入测试、DBC数据库、CDD数据库、CAN一致性测试

车载测试

08-12

488

车身域测试学习、CANoe工具实操学习、UDS诊断测试、功能安全测试、DTC故障注入测试、DBC数据库、CDD数据库、CAN一致性测试

Zero123++ 论文学习

calvinpaean的博客

08-07

1093

随着新视图生成模型的涌现，3D 内容生成领域取得了显著进展，这些模型利用了强大的 2D 扩散生成先验知识，这些 2D 扩散模型是在互联网上的大规模数据集训练得到的。如果没有全局条件，针对可见区域生成的内容还是不错的，但是对于不可见区域，则生成质量就急剧下降了，因为模型缺乏推理物体的全局语义的能力。Reference Attention 指的就是，在对模型的输入去噪时，对一个额外的参考图像使用去噪 UNet 模型，并将参考图像中得到的自注意力 key 矩阵和 value 矩阵附加到去噪模型的相应的注意力层。

Redmon等在2015年提出了YOLO算法，相比于其它类目标检测算法它要快很多。

05-20

是的，YOLO（You Only Look Once）算法是一种实时物体检测算法，它的设计初衷是为了在保证检测精度的同时实现更快的检测速度。相比于其它类目标检测算法，如Faster R-CNN和SSD，YOLO具有以下优点： 1. YOLO将物体检测问题转化为一个回归问题，可以直接在图像上进行端到端的预测，因此运行速度更快。 2. YOLO使用单个神经网络同时进行物体检测和分类，减少了多个阶段的复杂度。 3. YOLO在输入图像上进行单次卷积操作，可以在高分辨率的图像上进行物体检测，同时训练也更加简单。尽管YOLO有很多优点，但也存在一些缺点。例如，在小目标检测上的表现不如Faster R-CNN和SSD，因为YOLO在预测时会忽略一些小物体。此外，由于YOLO采用的是单次卷积操作，因此在检测图像中存在多个尺度物体时，可能会出现检测不准的情况。