- 博客(15)
- 收藏
- 关注
原创 Qt实现单点登录功能,使用OAuth2.0协议
最近项目中需要在客户端的Qt程序中实现单点登陆功能(SSO),越看越像是加瓦老哥们做的呀,我区区一个C/C++底层开发咋搞呀,网上关于Qt的单点登陆的资料少之又少,硬着头皮干了,好在实现了一个简单版本的,简单记录下。
2024-05-28 18:27:05
966
原创 简略的学习了下使用allocator实现自己的低配Vector
allocator中使用四大件:1、construct(对象的创建)2、allocate(空间的申请)3、destroy(对象的销毁)4、deallocate(对象空间的释放)
2023-08-26 15:49:04
130
原创 使用模板实现堆排序(三种方法自定义比较规则:重载比较运算符、命名空间进行扩展&模板的特化、自定义函数对象)
1、重载比较运算符2、命名空间进行扩展,模板的特化3、自定义函数对象。
2023-08-23 21:23:49
186
原创 机器学习心得(六)
文章目录前言一、数据集划分二、评价指标前言一、数据集划分训练集(Training Set):帮助我们训练模型,简单的说就是通过训练集的数据让我们确定拟合曲线的参数。验证集(Validation Set):也叫做开发集( Dev Set ),用来做模型选择(model selection),即做模型的最终优化及确定的,用来辅助我们的模型的构建,即训练超参数,可选;测试集(Test Set): 为了测试已经训练好的模型的精确度。三者划分:训练集、验证集、测试集机器学习:60%,20%,20
2022-04-11 09:58:04
288
原创 机器学习心得(五)
文章目录前言一、贝叶斯方法二、贝叶斯公式三、朴素贝叶斯原理四、朴素贝叶斯案例总结前言朴素贝叶斯一、贝叶斯方法贝叶斯分类:贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。先验概率:根据以往经验和分析得到的概率。我们用𝑃(𝑌)来代表在没有训练数据前假设𝑌拥有的初始概率。后验概率: 根据已经发生的事件来分析得到的概率。以𝑃(𝑌|𝑋)代表假设𝑋 成立的情下观察到𝑌数据的概率,因为它反映了在看到训练数据𝑋 后𝑌成立的置信度。联合概率: 联合概率是指在多元的概率分布
2022-04-07 09:21:13
2611
原创 浅谈卷积神经网络及实现
文章目录前言一、CNN原理二、卷积神经网络三、Pytorch构建模型总结前言卷积神经网络CNN是深度学习中的基础知识。本文对CNN的基础原理及常见的CNN网络进行了详细解读,并介绍了Pytorch构建深度网络的流程。最后对Pytorch构建CNN模型进行实现。一、CNN原理CNN,又称卷积神经网络,是深度学习中重要的一个分支。CNN在很多领域都表现优异,精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域,CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。1. 卷积如下图所
2022-04-06 08:47:50
1490
原创 机器学习心得(四)
文章目录前言一、分类问题(Classification)二、Sigmoid函数三、逻辑回归求解总结前言逻辑回归一、分类问题(Classification)分类问题是监督学习的主要类型,主要分为二分类和多分类问题。二分类问题:我们先从用蓝色圆形数据定义为类型1,其余数据为类型2;只需要分类1次步骤:①→\rightarrow→②多分类问题:我们先定义其中一类为类型1,其它的数据为负类;然后我们类型1去除,剩下其他,其他部分再次进行二分类,分成类型2和负类;如果有𝑛类,那就需要分类𝑛-
2022-04-05 15:34:41
1758
原创 机器学习心得(二)
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、梯度下降的概念二、梯度下降的主要三种形式1.批量梯度下降(Batch Gradient Descent,BGD)2.随机梯度下降(Stochastic Gradient Descent)3.小批量梯度下降(Mini-Batch Gradient Descent)4.数据归一化/标准化总结前言一、梯度下降的概念梯度下降顾名思义就是不停的向下推进,比如,我们正在山顶现在需要快速回到山下,那么我们就需要找到一条安全且可.
2022-04-02 09:36:17
974
原创 机器学习心得(一)
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、线性回归的概念二、线性回归中常用的符号三、线性回归的算法流程四、线性回归的最小二乘法(LSM)总结前言深度学习的小总结(一)一、线性回归的概念线性回归(Linear Regression):是一种通过属性的线性组合来进行预测的线性模型,其目的是找到一条直线或者一个平面或者更高维的超平面,使得预测值与真实值之间的误差最小化。如下图所示,在一堆看似毫无规则的数据中去找到一条直线来拟合(表示)这些数据的规律。二、.
2022-04-01 18:07:44
4031
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