- 博客(26)
- 收藏
- 关注
RSS订阅原创 git学习笔记---MyConclusion（1）
git总结git流程：git常用指令参考链接：https://segmentfault.com/a/1190000019438610git流程：（1）从远程仓库中克隆Git资源作为本地仓库。git clone <版本号网址> <本地目录>（2）从本地仓库中checkout代码然后进行代码修改。git checkout（3）在提交前先将代码提交到暂存区。（4）提交修改，提交到本地仓库，本地仓库中保存修改的各个历史版本，（5）在修改完之后，需要和团队成员共享代码
2020-09-14 22:47:10
316
原创 机器学习与深度学习算法：面试准备
机器学习与深度学习算法：面试准备1 Bagging and Boosting1 Bagging and Boosting文章链接：Bagging and BoostingBaggging 和Boosting都是模型融合的方法，可以将弱分类器融合之后形成一个强分类器，而且融合之后的效果会比最好的弱分类器更好。Bagging:其算法过程如下：从原始样本集中抽取训练集。每轮从原始样本集中使用Bootstraping的方法抽取n个训练样本（在训练集中，有些样本可能被多次抽取到，而有些样本可能一次都没有
2020-08-30 20:07:47
165
原创 Learning from Noisy Labels with Deep Neural Networks: A Survey
Learning from Noisy Labels with Deep Neural Networks: A SurveyRelated SurveysPRELIMINARIESA. Supervised Learning with Noisy LabelsB. Taxonomy of Label NoiseC. Non-deep Learning ApproachesDEEP LEARNING APPROACHESA. Robust Loss FunctionB. Robust Architecture
2020-08-21 00:21:42
2096
原创 Image Classification with Deep Learning in the Presence of Noisy Labels: A Survey
Image Classification with Deep Learning in the Presence of Noisy Labels: A SurveyPRELIMINARIES1. Problem Statement2. Label Noise Models3. Sources of Label Noise4. Methodologies4.1基于噪声模型的方法A. noisy channelB. Label Noise CleansingC. Dataset PruningD. Sample
2020-08-19 21:21:03
1210
原创 推荐系统----MyConclusion（2）
推荐系统----GANIRGANGraphGANCFGANIRGAN信息检索模型IRGAN在推荐领域的应用GraphGANGraphGAN论文笔记CFGANCFGAN:一种基于GAN的协同过滤推荐框架
2020-07-13 11:45:48
174
原创 hadoop与spark---MyConclusion（3）
hadoop与spark参考博客链接参考博客链接1.hadoop与spark学习笔记2.spark 介绍3.hadoop与spark区别和联系
2020-07-13 11:41:37
104
原创 Flink DataStream API学习笔记----MyConclusion（4）
Flink DataStream API学习笔记学习列表：Flink DataStream API实例程序(Example Program)数据源(Data Sources)DataStream TransformationsControlling Latency（控制延迟）故障排除（Debugging）参考：作者：尼小摩文章链接：https://www.jianshu.com/p/acaaea86c1e4来源：简书学习列表：Flink 原理与实现：深入理解Flink核心技术Flink 原理
2020-07-01 19:06:25
207
原创 Learning with Noisy Label
Learning with Noisy Label学习记录总结1.1 阅读背景1.2 理论基础类1.2.1 paper: understanding deep learning requires rethinking generalization -- 2017论文解读笔记1.2.2 paper: Convexity, Classification, and Risk Bounds1.3 基于概率模型 estimate noisy label1.3.1 paper: Training deep neural
2020-06-28 12:10:04
2301
1
原创 Spark RDD编程指南(初学)
Spark RDD编程指南1. 总览2. 与Spark链接3. 初始化Spark4. 弹性分布式数据集（RDDs）4.1 并行化集合4.2 外部数据集4.3 RDD算子4.3.1 基础4.3.2 将函数传给Spark4.3.3 理解闭包4.3.4 使用键值对4.3.5 Transformation4.3.6 action4.3.7 Shuffle操作4.4 RDD持久性4.4.1 选择存储级别4....
2020-04-17 13:28:55
413
原创 网络爬虫系列（一）：chrome抓包分析
chrom抓包分析1、测试环境2、网页分析(1) 网页源代码分析(2) 网络抓包分析1、测试环境浏览器：chrome浏览器网页分析工具 ：开发者工具2、网页分析(1) 网页源代码分析我们知道，网页有静态网页和动态网页之分，很多人会误认为静态网页就是没有动态效果的网页，其实这种说法是不对的。静态网页是指没有后台数据库的不可交互网页 ，常以 .htm、html、.xml为后缀。动态网...
2020-04-17 10:53:14
873
2
原创 网络爬虫系列（三）：用urllib实现英语翻译
网络爬虫系列（三）：用urllib实现英语翻译1. 准备工作2. 抓包分析1. 准备工作首先使用 Chrome 浏览器打开 百度翻译，这里，我们选择 Chrome 浏览器自带的开发者工具对网站进行抓包分析。2. 抓包分析打开 Network 选项卡进行监控，并选择 XHR 作为 Filter 进行过滤。然后，我们在输入框中输入待翻译的文字进行测试，列表中的数据包：有 sug、v2tran...
2020-04-17 10:52:45
617
原创 Spark SQL--- 数据源（二）
Spark SQL --- 数据源2. 数据源2.1 通用加载/保存函数2.1.1 手动指定选项2.1.2 直接对文件使用SQL2.1.3 保存模式2.1.4 保存到持久化表2.1.5 分组，排序和分区2.2 Parquet文件2.2.1 编程方式加载数据2.2.2 分区发现2.2.3 Schema合并2.3 Hive metastore Parquet table转换2.4 配置2. 数据源...
2020-04-17 10:51:12
1043
原创 Spark SQL --- 性能调优（三）
Spark SQL --- 性能调优3. 性能调优3.1 在内存中缓存数据3.2 其他配置选项3.3 SQL查询的广播提示参考3. 性能调优对于有一定计算量的Spark作业来说，可能的性能改进的方式，不是把数据缓存在内存里，就是调整一些开销较大的选项参数。3.1 在内存中缓存数据Spark SQL可以通过调用SQLContext.cacheTable(“tableName”)或者DataF...
2020-04-17 10:50:57
301
原创 Spark SQL ---分布式SQL引擎（四）
Spark SQL ---分布式SQL引擎4.分布式SQL引擎4.1 运行Thrift JDBC/ODBC server4.2 运行Spark SQL命令行工具参考4.分布式SQL引擎Spark SQL可以作为JDBC/ODBC或者命令行工具的分布式查询引擎。在这种模式下，终端用户或应用程序，无需写任何代码，就可以直接在Spark SQL中运行SQL查询。4.1 运行Thrift JDBC/...
2020-04-17 10:50:40
207
原创 Spark SQL---入门（一）
Spark SQL---入门1. 入门1.1 起点：SparkSession1.2 创建数据框1.3 无类型的数据集操作（又名DataFrame操作）1.4 以编程方式运行SQL查询1.5 全局临时视图1.5 创建数据集1.6 与RDD互操作1. 入门1.1 起点：SparkSessionSparkSession类是Spark中所有功能的入口点。要创建一个基本的SparkSession，只需...
2020-04-17 10:50:27
289
原创 SQL--- 查询与子句语法（SELECT）
SQL--查询1. SQL的应用2. 插入查询(INSERT INTO)2.选择查询(SELECT)3. SQL 语法3.1 where3.2 AND 和 OR3.3 LIKE3.4 TOP3.5 ORDER BY3.6 GROUP BY3.7 DISTINCT参考1. SQL的应用SQL是结构化查询语言，它是一种用于存储，处理和检索关系数据库中存储的数据的计算机语言。SQL是关系数据库系统...
2020-04-16 14:17:40
1251
原创 归一化，标准化与正则化
归一化，标准化与正则化 1. 归一化（Normalization）2. 标准化（Normalization）3. 正则化（Regularization）参考链接1. 归一化（Normalization）归一化 (Resaling) 一般是将数据映射到指定的范围，用于去除不同维度放入量纲以及量纲单位。常见的映射范围有 [ 0, -1 ] 和 [ -1, 1],最常见的归一化方法就是 Min-M...
2020-04-09 18:28:55
406
原创 STL（标准模板库）--容器（二）
STL-----容器 1. 序列容器1.1 array1.2 vector1.3 deque1.4 list1.5 容器中常见的函数成员2. 容器适配器2.1 stack2.2 queue2.3 priority_queue3. 堆用法4. 智能指针4.1 auto_ptr4.2 unique_ptr(替换auto_ptr)4.3 shared_ptr3.4 weak_ptr5. 关联容器5.1 ...
2020-04-09 11:30:08
358
原创 STL（标准模板库）--容器（一）
STL-----容器 1. 序列容器1.1 array1.2 vector1.3 deque1.4 list1.5 容器中常见的函数成员2. 容器适配器2.1 stack2.2 queue2.3 priority_queue3. 堆用法4. 智能指针4.1 auto_ptr4.2 unique_ptr(替换auto_ptr)4.3 shared_ptr3.4 weak_ptr5. 关联容器5.1 ...
2020-03-18 19:03:54
234
原创 STL快速入门（一）
STL简介 1.STL历史2. STL组件3. STL基本结构1.STL历史C 语言是 1972 年由美国的 Dennis Ritchie 设计发明的，并首次在 UNIX 操作系统的计算机上使用。C 语言由早期的汇编语言 BCPL 发展演变而来。随着微型计算机的日益普及，C 语言出现了许多其他版本，由于没有统一的标准，各版本之间出现了不一致之处。ANSI 因此为 C 语言制定一套 ANSI 标...
2020-03-13 11:58:29
261
原创 基于深度学习的目标检测算法（二）
基于深度学习的目标检测算法（二）1. One-stage 基本介绍1.1 基本流程1.2 核心组件1.2.1 CNN卷积神经网络1.2.2 回归网络2. One-stage 常见算法Two-stage（Faster RCNN系列）One-stage（YOLO和SSD系列）1. One-stage 基本介绍使用CNN卷积特征直接回归物体的物体类别和位置坐标信息（无region pro...
2020-02-25 23:11:40
348
原创 传统目标检测算法总结
传统目标检测算法总结1. 传统 VS 深度学习2. 传统目标检测方法2.1 Viola-Jones2.2 HOG+SVM（主要用于行人检测、Opencv实现）2.3 DPM（物体检测）2.4 非极大值抑制1. 传统 VS 深度学习2. 传统目标检测方法特征提取：底层特征：颜色、纹理等基本特征中层特征：基于底层特征通过机器学习的方法进行特征挖掘，特征学习之后得到的特征，比如 PCA...
2020-02-25 19:44:44
1958
原创 基于深度学习的目标检测算法（一）
基于深度学习的目标检测算法（一）1. Two-stage基本介绍1.1 基本流程1.2 核心组件1.2.1 CNN卷积神经网络1.2.2 RPN 网络1.3 改进方向2. Two-stage 常见算法Two-stage（Faster RCNN系列）One-stage（YOLO和SSD系列）1. Two-stage基本介绍CNN卷积特征R.Girshick et al.,2014年提...
2020-02-25 19:21:55
644
原创 目标检测算法发展历程
目标检测发展历程1.目标检测发展历程2.目标检测算法流程3. 传统目标检测方法4.深度学习目标检测方法1.目标检测发展历程2.目标检测算法流程3. 传统目标检测方法Viola-IonesHOG+SVMDPM······4.深度学习目标检测方法One-stage（YOLO和SSD系列）Two-stage（Faster RCNN系列）...
2020-02-23 17:48:50
4644
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