- 博客(15)
- 收藏
- 关注
RSS订阅原创 String和StringBuilder速度
而StringBuilder的字符是存储在一个普通的char数组中，初始化容量是16，append之前会计算一次容量，如果容量不够就会创建一个char数组，长度为当前容量的两倍+2。首先String和StringBuilder的存储是有区别的，String是final修饰的，每次对String进行操作都会创建一个新的Sting对象，进行两个字符串相加的时候会建立一个新的char数组，长度为这两个字符串长度的和，然后再进行复制操作。可以看到结果就是上面的代码超时了，下面的代码正常通过。为什么会有这种问题？
2023-05-23 15:39:31
169
原创 rabbitMQ web页面访问
在腾讯云安全组中手动添加5672和15672端口。再重新试一下，应该可以成功。上述指令建立了一个用户名为admin的账户，密码也是admin。如果用户级别为administrator，上述指令无需执行。如果端口已经打开，则检查防火墙是否关闭。如果出现上面的结果，则说明安装成功。如果登录不成功则需要自己建立账号。如出现上述信息则防火墙成功关闭。账号登录，密码也是guest。重新尝试访问，应该可以成功。打开服务器，执行下面指令。
2023-04-10 22:19:56
3039
1
原创 操作系统note
进程是一个具有一定独立功能的程序关于某个集合的一次运行活动，是系统进行**『资源分配和调度』**的一个独立单位。进程是程序的一次执行进程是一个程序及其数据在处理机上顺序执行时所发生的活动进程是程序在一个数据集合上运行过程进程是系统进行资源分配和调度的一个独立单位进程实体（映像）的结构**控制块（PCB） **–操作系统唯一标识进程描述信息（PID、UID）进程控制和管理信息（进程当前状态、进程优先级）资源分配清单（程序段指针、数据段指针、键盘、鼠标）处理机相关信息（寄存器）数据段。
2023-04-07 22:09:25
242
原创 模拟退火算法求解最优化问题
目录0 引言1 模拟退火算法理论1.1 模拟退火算法的起源1.2 物理退火过程1.3 模拟退火原理1.4 模拟退火算法思想2 实例描述2.1 TSP旅行商问题2.1.1 问题描述2.1.2 解空间2.1.3 新解的产生2.1.4 目标函数2.2 背包问题2.2.1 问题描述2.2.2 具体实现2.2.3 结果展示3 总结0引言在优化领域中，根据变量性质的不同大体可以分为两类:—类是包含连续变量的优化问题;另一类是包含整数变量的.
2021-12-13 10:24:20
13765
原创 论文阅读——(邬江兴院士) 网络空间内生安全综述 Cyberspace Endogenous Safety and Security
Cyberspace Endogenous Safety and Security——网络空间内生安全（邬江兴）1 简介大多数安全威胁是由外部原因（即人为攻击）和内部原因（即所谓的“内生安全问题”）相互作用造成的。文章阐述了内生安全的必然性，阐述网络空间内生安全的问题的概念和特点，指出内生安全问题本质上是矛盾的——指出解决内生安全问题必须要里哦用系统自身的内生安全效应2 网络空间内生安全问题2.1 内生安全问题的定义和含义当代计算技术的发展虽然使人类步入了信息时代的辉煌，但计算技术内部的安
2021-10-26 19:40:10
2977
原创 论文阅读——网络重要节点排序方法综述(2014)
结点排序综述文章连接：https://wenku.baidu.com/view/ef321959ad51f01dc281f1d0.html1 基于节点近邻的排序方法① 度中心性归一化度中心性指标DC(i)=kin−1DC(i)=\frac{^{k_{i}}}{n-1}DC(i)=n−1ki其中ki=∑iaij{k_{i}}=\sum_{i}{a_{ij}}ki=i∑aij刻画节点的直接影响力，认为一个节点的度越大能直接影响的邻居就越多，也就越重要有向网络中会一般分别
2021-10-25 16:01:54
3336
1
原创 第五章 深度学习用于计算机视觉（四）
5.4卷积神经网络可视化三种可视化方法:可视化卷积神经网络的中间输出（中间激活） 可视化卷积神经网络的过滤器 可视化图像中类激活的热力图可视化中间激活是指对于给定的输入，展示网络中各个卷积层和池化层输出的特征图（层的输出通常被称为该层的激活，即激活函数的输出）。下面在三个维度进行可视化：宽度、高度和深度（通道）。每个通道对应相对独立的特征，所以将这些特征图可视化的正确方法是将每个通道的内容分别绘制成二维图像。# 加载5.2中保存的模型from keras.models import l
2021-08-27 11:39:57
785
原创 第五章 深度学习用于计算机视觉（三）
5.3Using a pre-trained convnet 使用预训练的网络预训练网络使用预训练网络是一种非常高效的小图像数据集的深度学习方法； 预训练网络是一个保存好的网络，之前已经在大型数据集上训练好。 使用预训练网络的两种方法： 1、特征提取2、微调模型特征提取使用之前网络学习到的表示来从新样本中提取出有趣的特征，然后将这些特征输入一个新的分类器，从头开始训练。卷积基：一系列池化层和卷积层特征提取就是取出之前训练好的网络的卷积基，在上面运行新数据，然后在输出...
2021-08-25 16:49:19
604
原创 第五章 深度学习用于计算机视觉（二）
5.2 在小型数据集上从头开始训练一个卷积神经网络数据集是Kaggle中的dogs_vs_cats是一个典型的图像分类问题 可能需要使用GPU，GPU如果没有可以使用Google Colab中的免费GPU。Kaggle中的这个数据集中一共有25000张图片，其中猫狗各有12500张。数据集中已经分好了测试数据和训练数据。当然现在机器学习算法发展迅速，我们可以仅仅使用4000张猫狗的图片（2000张猫，2000张狗）使得训练结果就非常好。我们将2000张图像用于训练，1000张用于验证...
2021-08-22 11:43:21
1117
转载 Google Colab 挂载 Google Drive
Google colab 简介新建挂载Google Drive运行程序 简介 Google colab在编辑时候和jupyter notebook类似，并且提供免费的GPU以供使用，这对于需要处理大量数据运算的机器项目来说再合适不过了。 新建 new --&...
2021-08-22 11:04:22
1389
原创 第五章 深度学习用于计算机视觉（一）
5.1 卷积神经网络简介#实例化一个小型的卷积神经网络（CNN）from keras import layersfrom keras import models#卷积神经网络接受的形状为(image_height, image_width, image_channels)的张量model = models.Sequential()#使用3×3的filtermodel.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape
2021-08-22 09:59:37
244
原创 Python深度学习第四章——机器学习基础
4.1-4.3 整理1、机器学习的四个分支： 监督学习：目前最多，通常需要人工标注，主要包括回归和分类、序列生成、语法树预测、目标检测、图像分割 无监督学习：没有目标情况下寻找输入数据的有趣变换，目的在于数据可视化、数据压缩、数据去噪或更好地理解数据中的相关性。降维和聚类是常见的无监督学习方法。 自监督学习：没有人工标注标签的监督学习，标签仍然存在，但是他们由输入数据生成，通常使用启发式算法生成。自编码器是有名的监督学习例子。 强化学习：对话机器人，强化学习。2、机器学习的目的是得到可
2021-08-21 18:40:20
519
原创 python深度学习第三章——神经网络入门
根据书中内容，深度学习都在Jupyter notebook中进行。第一步，下载anaconda，打开anaconda prompt，建立新的虚拟环境，配置虚拟环境。在新建好的虚拟环境中安装keras，可以使用pip进行下载，并下载常用的包。 安装好后，在notebook中输入：成功输出这样的结果，说明keras安装没问题，可以进行下面的演示。第二章 MBIST数据集——手写数字辨识问题from keras.datasets import mnist...
2021-08-21 15:40:25
1581
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人