日常工作总结

基本知识


预监

  1. 预览+监测
  2. 显示内容的时时监测

拼接器 MVC

  1. 多个屏幕视频信号拼接起来——实现大屏划分显示
  2. 拼接图像

MVS

  1. 拼接素材

矩阵

  1. 多路倒切

之间的关系

这里写图片描述

日常问题


苹果类图软件

  1. OmniGraffle
  2. 自动生成类图:文件夹——拖拽——形成

个人用编程字体

  1. 注释: Baskerville - 19.0
  2. 编程: Menlo Regular - 16.0

苹果虚拟机安装SQL server

  1. 首先对虚拟机关闭:关机——防止丢失文件
  2. 然后SQL Server安装失败后很恶心(结果是重装系统)
  3. win8.1安装SQL server会出现一个问题

给虚拟机设置IP

  1. 设置网络为桥接
  2. 链接:http://www.parallelsdesktop.cn/ru-he-pei-zhi-wang-luo.html
  3. 这里写图片描述
  4. 或者选择默认
    1. 网卡WiFi就行

MAC虚拟机

  1. 软件名称:parallel (并行)
  2. 删除:窗口 虚拟机列表 右键删除
  3. 安装:文件+新建
  4. 共享上网

MAC转接网口

  1. 同时上内网外网,MacBook 需要USB转接网口
  2. 需要安装驱动

路由器有防火墙,可以屏蔽UDP端口

  1. 如题

安全性问题不能安装

  1. 安全性和隐私
  2. 任何来源

Mac隐藏文件(命令行方式)

  1. 显示:defaults write com.apple.finder AppleShowAllFiles -bool true
  2. 隐藏:defaults write com.apple.finder AppleShowAllFiles -bool false

Mac 建立热点

http://jingyan.baidu.com/article/a65957f489d4af24e67f9b29.html

公司网络

  1. 重启无线
  2. 使用Chrome浏览器进行身份验证

文档格式

这里写图片描述

激活office 2010 Visio

office tool

工作态度


对计划

  1. 做最坏打算
  2. 计划多要时间
  3. 工作加紧完成
  4. 计划越详细越好

人际

  1. 多参加集体活动
  2. 勇于交流
  3. 敢于面对错误
  4. 不可得意忘形

例会

  1. 例会的意义:
    1. 总结过去工作
    2. 解决工作问题
    3. 制定未来的计划
  2. 例会的核心:
    1. 交流
    2. 解决问题
  3. 例会过程
    1. 准备
    2. 周报

执行力

  1. 桌面整洁
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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