- 博客(17)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 HDFS Balancer原理及优化方向
集群在长时间使用过程中，难免会出现节点间数据不均衡的情况。尤其是在集群新增节点，或者人为的调整了副本数量以后，数据多的节点可以达到95%以上，少的节点连10%都不到。hadoop中提供了Balance工具来在节点间移动数据以达到集群节点数据平衡的效果。集群数据不平衡现象越严重，越有必要调整和优化Balancer的速度。
2024-10-30 17:46:44
704
原创 详解Kerberos中的preauth参数
从接手kerberos服务以来，内部、外部客户环境都有遇到过preauth相关的问题，这个参数在常规使用中并不是一个常见的参数。并且客户常常疑惑使用kinit命令可以认证成功，为什么连接服务就有问题呢？排查起来也通常没有头绪，下文详细介绍一下这个参数的作用，并根据一次详细的排查经历，给出相关问题的排查思路和改参数的配置方式。
2024-09-13 17:18:30
1126
原创 Kerberosr认证流程、配置介绍及手动部署、问题排查方向
因为个人负责公司大数据团队Kerberos组件的维护，在日常部署或使用过程中，开发和运维同学常常会遇到一些问题找过来排查。考虑到Kerberos是大数据环境中十分重要的一个服务，如果不了解其原理排查问题也会比较困难，这篇文章首先解释一下Kerberos的工作原理，接着介绍重要的配置参数，然后简要介绍一下手动部署的步骤，最后给出常见问题排查的方向。由于篇幅限制，很多问题不能详细展开，有兴趣可以在网上搜索资料详细了解。后续有机会，会结合实际客户需求场景，介绍一些操作方案
2024-09-13 17:11:08
1325
原创 蓝桥杯第十届国赛C++研究生组 试题 A: 三升序列
试题 A: 三升序列【问题描述】对于一个字母矩阵，我们称矩阵中的一个三升序列是指在矩阵中找到三个字母，它们在同一行，同一列，或者在同一 45 度的斜线上，这三个字母从左向右看、或者从上向下看是递增的。例如，如下矩阵中YQPDBKEZAFYV有BKZ、 BEZ、 AFY、 AFV、 AKP、 DEF 等 6 个三升序列。注意当三个字母是从左下到右上排列时，从左向右看和从上向下看是不同的顺序。对于下面的 30 行 50 列的矩阵，请问总共有多少个三升序列？（如果你把以下文字复制到文本文
2020-11-13 09:23:40
920
原创 C++ 实现组合数
vector<vector<int>> c;c.assign(n, vector<int>(n));c[0][0] = 1;for (int i = 1; i < n; ++i) { c[i][0] = 1; for (int j = 1; j < n; ++j) { c[i][j] = (c[i - 1][j - 1] + c[i - 1][j]) % mod; }}
2020-11-09 16:02:52
574
原创 LeetCode 1568. 使陆地分离的最少天数
LeetCode 1568. 使陆地分离的最少天数给你一个由若干 0 和 1 组成的二维网格 grid ，其中 0 表示水，而 1 表示陆地。岛屿由水平方向或竖直方向上相邻的 1 （陆地）连接形成。如果 恰好只有一座岛屿 ，则认为陆地是 连通的 ；否则，陆地就是 分离的 。一天内，可以将任何单个陆地单元（1）更改为水单元（0）。返回使陆地分离的最少天数。思路与算法仔细思考我们会发现最终的答案不可能超过 22。因为对于 n\times mn×m 的岛屿（n,m \ge ...
2020-11-09 11:51:17
375
原创 LeetCode1594. 矩阵的最大非负积
LeetCode1594. 矩阵的最大非负积给你一个大小为 rows x cols 的矩阵 grid 。最初，你位于左上角 (0, 0) ，每一步，你可以在矩阵中 向右 或 向下 移动。在从左上角 (0, 0) 开始到右下角 (rows - 1, cols - 1) 结束的所有路径中，找出具有 最大非负积 的路径。路径的积是沿路径访问的单元格中所有整数的乘积。返回 最大非负积 对 109?+ 7 取余 的结果。如果最大积为负数，则返回 -1 。注意，取余是在得到最大积之后执行的。示例 1：输
2020-11-08 20:10:51
250
原创 在windows服务器上部署javaweb项目
目录1.需要安装的软件：（注意安装顺序）2.具体安装步骤2.1配置java2.2配置tomcat2.2.1配置环境变量2.2.2配置到windows服务里2.3配置mysql2.3.1下载2.3.2配置my.ini文件2.3.3安装mysql2.4安装mysql可视化操作工具2.5配置redis2.5.1下载2.5.2配置到windows服务里3.部署项目3.1打包war包3.2部署项目4.配置IIS4.1安装IIS4.2t..
2020-08-07 10:23:40
6518
2
原创 图像特征融合
图像特征融合根据图像表征层次的不同，图像融合可分为三个层次的融合：像素级融合、特征级融合和决策级融合。图像融合的优点：1.图像增强，提高图像分辨率和清晰度；2.增强图像的相关特征；3.相互补充相关信息，去除噪声和冗余；4.提高目标检测的额识别能力；5.获得完整的三维重构数据。...
2020-04-10 17:28:36
6287
1
转载 图像情感识别相关数据集、论文、代码
?FER Datasets?FER Challenges?Related Reviews?Outstanding Researchers or Groups?Related Confe...
2020-04-03 16:04:19
4215
原创 基于视觉关注度的图像情感分类算法
现有的图像情感分类算法，往往无差别地利用整幅图像的所有信息提取特征，而忽略了不同图像区域对最终情感分类的不同贡献。因此，提出基于视觉关注度的图像情感分类方法，该算法通过将视觉关注度引入到图像情感分类中，从而强调不同区域对图像情感分类的相对重要性，进一步提升了深度网络在图像情感分类上的表现。1.视觉关注度概述视觉关注度的目的在于记录人眼的移动，具体来说就是，当我们人眼感知到一幅画面的时候，我...
2020-04-03 11:15:15
2299
2
原创 基于深度语义特征的图像情感分类算法
现有的基于语义特征的图像情感分类算法，更多的是在低端特征的基础上通过低端特征的不同组合，构建相应的语义分类器，比如物体或者场景，然后对于具体的图像，将其在分类器上的对各概念的响应作为语义特征，最后利用语义特征进行图像情感分类的研宄。显然，该方法非常依赖于语义特征的表征能力，而基于低端特征构建的语义特征相比较深度语义特征而言，其在表征能力上有着非常大的差距，因此提出基于深度语义特征的图像情感分类算法...
2020-04-03 09:14:20
2541
原创 用于图像情感分析的深度转移学习：共同减少边际和联合分布差异
原文：Deep Transfer Learning for Image Emotion Analysis: Reducing Marginal and Joint Distribution Discrepancies Together1.摘要近年来，对图像情感分析的研究受到了很多关注。 同时，随着卷积神经网络（CNN）在计算机视觉领域取得了巨大成功，许多研究人员开始采用CNN来区分图像情...
2020-03-27 14:33:56
738
原创 基于深度学习的图像情感分析
1.摘要分类问题是模式识别中的典型问题，模型的分类性能往往取决于两个方面，一是特征的选取，二是分类器的选择。本文主要研宄图像情感分析中的特征选取问题。不同于传统的目标分类问题，图像情感分类，是更抽象、更高级的图像理解，因而特征的选取十分具有挑战性。同样，对于检索问题而言，准确的图像特征表达是保证其准确率的核心所在。本文针对此类问题，提出了多种不同的特征提取方法。归纳起来，本文主要的研究贡献有如...
2020-03-26 15:16:10
4193
原创 CycleEmotionGAN: Emotional Semantic Consistency Preserved CycleGAN for Adapting Image Emotions
1.摘要本文研究了图像情感分类中的无监督域自适应（UDA）问题。具体来说，我们通过在情绪一致的情况下连续调整图像的周期来开发新的周期性共识模型CycleEmotionGAN。通过交替优化CycleGAN损失，情感语义一致性损失和目标分类损失，CycleEmotionGAN可以使源域图像具有与目标域相似的分布，而无需使用对齐的图像对。同时，保留源图像的注释信息。已经对ArtPhoto和FI数据集...
2020-03-19 17:30:17
1076
原创 EmotionGAN: Unsupervised Domain Adaptation for Learning Discrete Probability Distributions of Image
1.摘要 深度神经网络在具有大规模标签训练数据的各种基准视觉任务上表现良好；但是，获得这样的训练数据既昂贵又费时。由于域移动或数据集偏差，将在大规模标记的源域上训练的模型直接转移到另一个稀疏标记或未标记的目标域上通常会导致性能下降。在本文中，我们考虑了图像情感识别中的领域适应问题。 具体来说，我们研究如何以无监督的方式使图像情感从源域到目标域的离散概率分布适应。...
2020-03-14 15:14:45
1064
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人