给自己定个小目标

准备工作:

学习java基础知识,深入理解反射,多线程。学习设计模式,理解spring框架的实现原理。

必须掌握的技能:

Java高级(虚拟机、并发)、Linux 基本操作、Hadoop(HDFS+MapReduce+Yarn )、 HBase(JavaAPI操作+Phoenix )、Hive(Hql基本操作和原理理解)、 Kafka、Storm/JStorm、Scala、Python、Spark (Core+sparksql+Spark streaming ) 、辅助小工具(Sqoop/Flume/Oozie/Hue等)

高阶技能6条:

机器学习算法以及mahout库加MLlib、 R语言、Lambda 架构、Kappa架构、Kylin、Alluxio


第一阶段(基础阶段)

  1. Linux学习

    Linux操作系统介绍与安装、Linux常用命令、Linux常用软件安装、Linux网络、 防火墙、Shell编程等。

  2. Java 高级学习(《深入理解Java虚拟机》、《Java高并发实战》)

    掌握多线程、掌握并发包下的队列、掌握JVM技术、掌握反射和动态代理、了解JMS。

  3. Zookeeper学习

    Zookeeper分布式协调服务介绍、Zookeeper集群的安装部署、Zookeeper数据结构、命令。

第二阶段(攻坚阶段)

Hadoop、Hive、HBase、Scala、Spark、Python

第三阶段(辅助工具工学习阶段)

Sqoop、Flume、Oozie、Hue这些工具的学习主要在CSDN,51CTO以及官网都可以学习。


2018年,不用对我太好。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测是计算机视觉领域的一项重要任务,主要用于在图像或视频中自动识别和定位特定的目标。随着深度学习技术的发展,目标检测的性能已经大大提高,但训练自己的数据仍然具有一定的挑战性。 为了实现更快速、更准确的目标检测,我们可以采用以下几种方法: 1. 数据预处理 在训练目标检测模型之前,需要对数据进行预处理,包括图像增强、数据增强、归一化等。这可以提高模型的训练效率和泛化能力,从而获得更好的检测结果。 2. 选择合适的模型 目前常用的目标检测模型包括Faster R-CNN、YOLO、SSD等。在选择模型时,需要考虑数据集的特点、目标大小、数量等因素,选择最适合的模型。 3. 增加训练数据 增加训练数据可以提高目标检测模型的准确性和鲁棒性,因此应该尽可能多地收集和标注数据。同时,可以使用迁移学习等方法利用其他数据集进行训练。 4. 优化训练过程 在训练过程中,可以采用SGD等优化算法、学习率衰减等技术优化训练过程,从而加速模型的训练和收敛。 5. 使用GPU加速训练 在训练过程中,使用GPU可以大幅提高训练速度,更快地得到最终的目标检测模型。 总之,训练自己的数据是一个需要耐心、技巧和经验的过程。我们需要不断尝试和探索不同的方法,利用创新的思路不断提高目标检测模型的性能,实现更快速、更准确的目标检测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值