xys430381_1的专栏

Awesome-Denoise

所谓射频芯片是指能将射频信号和数字信号进行转化的芯片，是通信的核心，决定了移动终端可以支持的通信模式、接收信号强度、通话稳定性、发射功率等重要指标，直接影响着用户体验。至今中国95%RF射频器件仍依靠进口。射频前端的设计和工艺复杂，有着相当高的生产门槛。从设计上来说，不同频段产品的种类繁多。switch，即开关，选择信号通路；LNA，即低噪声放大器，接收微弱信号；PA，即功率放大器，把手机发出的微弱信号放大发射出去；

默认情况下，Docker容器是没有资源限制的，它会尽可能地使用宿主机能够分配给它的资源。如果不对容器资源进行限制，容器之间就会相互影响，一些占用硬件资源较高的容器会吞噬掉所有的硬件资源，从而导致其它容器无硬件资源可用，发生停服状态。Docker提供了限制内存，CPU或磁盘IO的方法， 可以对容器所占用的硬件资源大小以及多少进行限制，我们在使用docker create创建一个容器或者docker run运行一个容器的时候就可以来对此容器的硬件资源做限制。

然而，像素级或物体级的变化检测方法不适用于土地利用变化分析。造成这种情况的主要原因可能是，场景中的物体，如植被生长和个别建筑的拆除/建造，不会直接影响土地使用类别，即它们在场景中的变化不会改变土地利用类别，例如，从住宅区到工业区。因此，在场景尺度上改进变化检测方法至关重要。SLCD最简单的方法，即后分类方法，将场景变化检测任务视为一个独立的分类，忽略时间相关性信息，从而遭受误差累积。换句话说，它几乎没有考虑多时间图像的时间相关性。

但是，我们发现在使用三指数来表示六方晶胞的晶面时，晶体学上等价面的晶面指数不同。例如图1中的A（红）面和B（黄）面是一对等价面，但是使用三指数方式标定时，所得的晶面指数不相同，分别为（100）和（对于实际的三维晶体，选择三个不相平行的、能满足周期性的单位向量a，b，c，可将品体划分成一个个完全相同的平行六面体，它代表晶体结构的基本重复单位，叫晶胞。为了表示晶胞中所有原子的位置，用坐标（x，y，z）表达晶胞中原子的分布，该坐标被称为原子坐标（xys：因为原子坐标的取值范围总是小于1，所以又称为原子分数坐标。

声音数据处理的基本方法

睡眠技术调研

基本思想基本概念主动学习（查询学习），是机器学习的一个子领域。主要的思想是：通过一定的算法查询最有用的未标记样本，并交由专家进行标记，然后用查询到的样本训练分类模型来提高模型的精确度。什么时候需要主动学习？项目是冷启动的，在冷启动初期，标签数据是非常稀少的，而且打标成本也相对比较高；项目虽然不是冷启动，但是很难通过专家构建多元线性分类器，换句话说就是很难通过写出一条条实值规则的逻辑组合。这在实际工作中也是非常常见的，典型地表现会是安全运营人员会发现自己的专家经验“很难准确定义”，往往是通过长时间

基本概念导体，半导体，绝缘体/电介质半导体、导体、绝缘体的区别是什么？绝缘体被击穿后，电阻率下降，转化为导体。电介质是能够被电极化的绝缘体。电介质的带电粒子是被原子、 分子的内力或分子间的力紧密束缚着， 因此这些粒子的电荷为束缚电荷。 在外电场作用下， 这些电荷也只能在微观范围内移动， 产生极化。电介质都是绝缘体，反过来，一切绝缘体都可以做电介质绝缘材料的介电性能系列知识绝缘材料的介电性能 （第一期）绝缘材料的介电性能 （第二期）绝缘材料的介电性能 （第三期）绝缘材料的介电性

编译安装paddlelitegithub源码地址官方教程：Linux x86 环境下编译适用于 Linux x86 的库—（但是，该教程的编译指令之中，没有加–with_python=ON，必须加上才会生成.whl文件）树莓派4b学习笔记六：以源码编译的方式安装Paddlelite编译时，加上 --with_python=ON, 即可生成.whl安装包./lite/tools/build_linux.sh ./lite/tools/build_linux.sh --with_python=ON

客户端上传文件到服务端并保存使用fastapi的uploadfile，不管客户端上传的是何种格式的文件(图片/视频/音频等)，都不需要解码操作。内在原因：通过uploadfile.file.read()获取的虽然是bytes，但已经包含了全部的格式信息。所以将bytes直接写入文件进行保存，就会在文件系统中看到正常的image/video等文件了。如下图所示：而且，即使保存成文件时，文件后缀与原文件不一致，也没有关系。如下图所示，客户端上传的文件为movie.mp4，在服务端保存成movie, mo

我们在使用docker run创建Docker容器时，可以用–network标志 选项指定容器的网络模式，Docker有以下4种网络模式：host模式：使用 --net=host 指定。none模式：使用 --net=none 指定。bridge模式：使用 --net=bridge 指定，默认设置。container模式：使用 --net=container:NAME_or_ID 指定。Docker 网络:host模式docker容器网络bridgeDocker Network—Bridge

Pytorch分类模型转onnx以及onnx模型推理将MobileNetV2的pytorch模型转换为ONNX模型,并用onnxruntime进行测试_cumtchw-程序员秘密Onnx模型推理（Python）,onnx,python

PyCharm+Docker：打造最舒适的深度学习炼丹炉pycharm专业版连接远程docker容器pycharm连接docker容器

2021-ICCV-Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild— 源码2020-CVPR-Hierarchical Regression Network for Spectral Reconstruction from RGB Images— 源码2020-CVPR-Adaptive Weighted Attention Network with Camera Sp

扩散硅压力传感器的不锈钢隔离膜片充油封装研究

最好的参考来自论文作者的知乎：CVPR 2021 | involution：超越convolution和self-attention的神经网络新算子其他餐卡：https://zhuanlan.zhihu.com/p/400402288https://zhuanlan.zhihu.com/p/356960359https://blog.csdn.net/P_LarT/article/details/115426891引言CNN的空间不变性 (spatial-agnostic)和通道特异性 (cha

模型的鲁棒性和泛化性鲁棒性：对于输入扰动或对抗样本的性能。加入小扰动，或进行数据增强。对于我们正常使用的模型，或者小数据集，需要进行数据增强，增强模型的鲁棒性，并且可以提升模型泛化能力，即在测试集上的性能。加入对抗样本训练。针对模型的安全，而找到对抗样本进行专门训练，提升模型在对抗样本的鲁棒性；但是会降低模型的泛化能力，在真实的测试集上性能下降。泛化性：训练集训练的模型在测试集上的性能；(xys更科学的说法：泛化性指模型经过训练后，应用到新数据并做出准确预测的能力。)不同数据集之间、不同任务

增量学习二十年发展如何？用一篇综述看懂增量学习

基于深度学习的通信辐射源个体识别技术研究基于领域自适应的动态噪声辐射源个体识别