<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[记录本身，即已是反抗]]></title><description><![CDATA[Tombs]]></description><link>https://blog.youkuaiyun.com/Two_Bits</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Two_Bits]]></copyright><item><title><![CDATA[图像修复前沿（Image Restoration）]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/130343485</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/130343485</guid><author>Two_Bits</author><pubDate>Mon, 24 Apr 2023 15:21:52 +0800</pubDate><description><![CDATA[感觉图像修复真的太吃设备了，动不动就跑几周，时间成本太大了。]]></description><category></category></item><item><title><![CDATA[《ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks》介绍及代码]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/120783266</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/120783266</guid><author>Two_Bits</author><pubDate>Fri, 15 Oct 2021 15:30:23 +0800</pubDate><description><![CDATA[RRDB是由2018年发表在ECCV的《ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks》提出的，该论文提出的方法在PIRM2018-SR Challenge中获得了第一名。代码。文章主要是在SRGAN的改动，SRGAN网络架构如下图所示：

论文的主要工作有三个：
1. 修改了SRGAN的网络架构，去掉了所有的BN层，将原始基础的残差块用提出的RRDB替换，如下图所示：

这样做的原因为：
（1）BN层在训练期间使用批次的均]]></description><category></category></item><item><title><![CDATA[智能问答（QA）方法总结]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/118155520</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/118155520</guid><author>Two_Bits</author><pubDate>Wed, 23 Jun 2021 16:22:08 +0800</pubDate><description><![CDATA[方法总结
可以初步划分为两类，基于词频的方法，通常是一些较为传统的方法，以及基于语义的方法，通常是基于机器学习的方法。
1、基于词频的方法
在机器学习出现之前，传统文本匹配方法通常是根据句子中的词频信息进行检索的，如信息检索中的TF-IDF,BM25，语言模型等方法，主要解决字面相似度问题。这些方法由于计算简单，适用范围广，到现在依旧是很多场景下的优秀基准模型。
1.1 TF-IDF介绍
TF-IDF（term frequency–inverse document frequency 是一种用于资讯检索与文]]></description><category></category></item><item><title><![CDATA[Adam算法]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/116168091</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/116168091</guid><author>Two_Bits</author><pubDate>Mon, 26 Apr 2021 19:21:12 +0800</pubDate><description><![CDATA[原文链接《Adam:A Method for Stochastic Optimization》
前沿知识
普通更新
最简单的沿着负梯度方向改变参数（梯度指向的是上升方向，但要最小化损失函数）。假设有一个参数向量x及其梯度dx，那么最简单的更新的形式是：
x += - learning_rate * dx

其中,learning_rate是一个超参数，它是一个固定常量。当在整个数据集上进行计算时，只要学习率足够低，总是能在损失函数上得到非负的进展。
动量（Momentum）更新
v = mu * v - l]]></description><category></category></item><item><title><![CDATA[windows下python安装basemap，画世界地图以及根据经纬度标点]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/112469915</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/112469915</guid><author>Two_Bits</author><pubDate>Mon, 11 Jan 2021 15:14:12 +0800</pubDate><description><![CDATA[环境安装
1、确定自己的python环境安装完毕且已配置好环境变量
2、安装geos：pip install geos
3、直接使用pip3 install pyproj 可能会安装错误，所以需要自己去下载.whl文件网址https://www.lfd.uci.edu/~gohlke/pythonlibs/
（可以直接ctrl+f搜索）
依次下载：
（1）pyproj-版本号-
（2）basemap-版本号-
（一定要特别注意自己的是什么位计算机，什么版本的python，我第一次就是下了3.9的python]]></description><category></category></item><item><title><![CDATA[react如何获取路由，以及如何进行路由跳转并传参，以及接收]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/110310552</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/110310552</guid><author>Two_Bits</author><pubDate>Sun, 29 Nov 2020 13:38:21 +0800</pubDate><description><![CDATA[1.获取路由 this.props.location.pathname
2.进行路由跳转 this.props.history.push({pathname :"/meet"})
3.获取动态路由参数 this.props.match.params.users
路由传参 this.props.history.push({pathname :"/device/list",query:{data:item})
接收路由传过去的参数 const {data}=this.props.location.query;、]]></description><category></category></item><item><title><![CDATA[AAAI 2020使用深度强化学习的MOBA游戏《Towards Playing Full MOBA Games with Deep Reinforcement Learning》打败王者荣耀顶尖选手]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/110292657</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/110292657</guid><author>Two_Bits</author><pubDate>Sat, 28 Nov 2020 21:42:00 +0800</pubDate><description><![CDATA[不知道你是否玩过王者荣耀，不知道你是不是经历过被人机疯狂怼在塔下强杀然后嘲讽你的经历？就，真说多了就是泪。
最近，NeurlPS2020会议收录了来自腾讯AI Lab的一篇强化学习的论文《Towards Playing Full MOBA Games with Deep Reinforcement Learning》本文将介绍一下这篇论所讲的内容。
摘要
多人在线竞技类游戏 MOBA 长久以来一直吸引着众多玩家，其中的王者荣耀、英雄联盟、Dota 2 等最近也常被 AI 研究者当做人工智能的实验场，其中的多]]></description><category></category></item><item><title><![CDATA[《Dependency or Span, End-to-End Uniform Semantic Role Labeling》语义角色标注]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/110129503</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/110129503</guid><author>Two_Bits</author><pubDate>Wed, 25 Nov 2020 15:29:31 +0800</pubDate><description><![CDATA[《Dependency or Span, End-to-End Uniform Semantic Role Labeling》是一篇发表在AAAI会议上的论文，是由云从科技和上海交通大学联合创新实验室关于语义角色标注（SRL，Semantic Role Labeling）的研究成果。论文链接
一、背景介绍

SRL就是以句子中的谓词为中心，分析句子中各成分和谓词之间的联系。即句子的谓词（Predicate）- 论元（Argument）结构。谓词是对主语的陈述或说明，指出「做什么」、「是什么」或「怎么样，代表]]></description><category></category></item><item><title><![CDATA[tensorFlow：加载自定义本地图片作为数据集训练GAN]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/109529292</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/109529292</guid><author>Two_Bits</author><pubDate>Fri, 06 Nov 2020 12:27:36 +0800</pubDate><description><![CDATA[废话不多说 直接上代码
data_path = pathlib.Path("./tupian")  #这里是你要加载的图片文件夹路径、每个文件夹下分各个标签的文件
all_image_paths = list(data_path.glob('*/*'))
all_image_paths = [str(path) for path in all_image_paths]  # 所有图片路径的列表
random.shuffle(all_image_paths)  # 打散
image_count = len(a]]></description><category></category></item><item><title><![CDATA[从零开始学爬虫（爬取豆瓣），一看就会]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/108561338</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/108561338</guid><author>Two_Bits</author><pubDate>Sun, 13 Sep 2020 13:47:05 +0800</pubDate><description><![CDATA[从零开始写爬虫，豆瓣影片的爬取一、 准备工作二、 构建流程三、各种工具的使用1、urllib的使用2、bs4  BeautifulSoup的使用3、xlwt的使用四、正式开始
一、 准备工作
语言：python
编辑器：pycharm
需要导的包：bs4、re、urllib、xlwt（可以通过左上角file-&gt;settings-&gt;project-&gt;interpreter-&gt;右边加号导包）
爬虫就是编写程序模拟浏览器打开网页获取需要的内容

二、 构建流程
from bs4 impor]]></description><category></category></item><item><title><![CDATA[数据进制的转换以及定点数的表示（原码、补码、反码、移码）]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/105749861</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/105749861</guid><author>Two_Bits</author><pubDate>Sat, 25 Apr 2020 15:35:34 +0800</pubDate><description><![CDATA[一、不同进制之间的转换
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;首先，要介绍一下基数和位权，所谓基数就是在进位计数法中，每个数位所能用到的不同数码的个数，如十进制的基数为10（0~9）。每个数码所表示的数值等于该数码本身乘以一个与它所在数位有关的常数，这个常数则称为位权。下面将详细介绍不同进制之间的转换：
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;...]]></description><category></category></item><item><title><![CDATA[数据库三大范式详解，部分依赖、完全依赖、传递依赖]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/105725781</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/105725781</guid><author>Two_Bits</author><pubDate>Fri, 24 Apr 2020 11:35:58 +0800</pubDate><description><![CDATA[数据库三大范式详解以及部分、完全、传递依赖一、第一范式二、第二范式三、第三范式四、部分依赖、完全依赖、传递依赖完结撒花
一、第一范式
数据库每一列都是不可分的基本数据项（原子数据项）
就比如说：下面一个数据表




编号
姓名
地址




001
李一
山东，青岛


002
李二
山东，济南


003
李三
山东，济宁


上表所示的地址，就不符合第一范式，以为地址那一列可以分为省份和市区...]]></description><category></category></item><item><title><![CDATA[计算机系统概述要点的整理]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/104594629</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/104594629</guid><author>Two_Bits</author><pubDate>Sun, 01 Mar 2020 17:16:06 +0800</pubDate><description><![CDATA[一、计算机的发展历程
1、 发展经历的4代：电子管时代、晶体管时代、中小规模集成电路时代、超大规模集成电路时代
2、 微型计算机的发展以微处理器技术为标志
3、 到目前为止，计算机中所有的信息仍用二进制方式表示的原因是由物理器件的性能决定
二、计算机系统层次结构
1、 计算机的基本功能： 数据加工、数据保存、数据传送和操作控制
2、 计算机系统的组成：硬件系统和软件系统组成。其中硬件系统是组成计算...]]></description><category></category></item><item><title><![CDATA[哈夫曼树路径问题]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/103290739</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/103290739</guid><author>Two_Bits</author><pubDate>Thu, 28 Nov 2019 12:02:46 +0800</pubDate><description><![CDATA[哈夫曼树构造
哈夫曼树的构造并不难，无非就是从给定的权值集合中选择最小的结点作为子树（哈夫曼几叉树就选几个）先进来构造，然后将选择的结点之和添加到原集合，接着重复上述步骤即可。
最近遇到了一个很有意思的题目：
下列选项给出的是从根分别到达两个叶结点路径上的权值序列，能属于同一棵哈夫曼树的是 （） 。（D）
A、24,10,5 和 24,10,7
B、24,10,5 和 24,12,7
C、24,1...]]></description><category></category></item><item><title><![CDATA[二叉排序树的定义及其基本算法]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/102669944</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/102669944</guid><author>Two_Bits</author><pubDate>Mon, 21 Oct 2019 19:39:31 +0800</pubDate><description><![CDATA[一、二叉排序树
1、二叉排序树的定义与存储结构
&nbsp;（1）二叉树的定义：
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;二叉排序树或者是空树或者是满足以下条件：
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1）若它的左子树不空，则左子树上的所有关键字小于根关键字的值
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp...]]></description><category></category></item><item><title><![CDATA[详细论述最短路径（迪杰斯特拉算法和弗洛依德算法）]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/102612952</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/102612952</guid><author>Two_Bits</author><pubDate>Thu, 17 Oct 2019 21:13:45 +0800</pubDate><description><![CDATA[一、迪杰斯特拉算法
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;通常用迪杰斯特拉算法求图中某一顶点到其他各个顶点的最短路径。
1、算法思想
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;设有两个集合S、T，集合S中存放图中已找到最短路径的顶点，集合T存放图中剩余顶点。初始状态时，集合S中只包含源点v0，然后不断地从集合T中选取到顶点v0路径最短...]]></description><category></category></item><item><title><![CDATA[二路归并排序和基数排序]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/102536404</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/102536404</guid><author>Two_Bits</author><pubDate>Sun, 13 Oct 2019 21:21:06 +0800</pubDate><description><![CDATA[写在前面
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;前面有篇文章已经写了选择类排序、交换类排序和插入类排序（传送门），下面将介绍二路归并排序和基数排序。
二路归并排序
1、执行过程
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;原始序列：45 35 65 95 75 15 25
&nbsp;&nbsp;&nbsp;&n...]]></description><category></category></item><item><title><![CDATA[react build后页面空白，报错]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/101799757</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/101799757</guid><author>Two_Bits</author><pubDate>Mon, 30 Sep 2019 23:07:44 +0800</pubDate><description><![CDATA[主要有以下几种可能：
1、在打包之前,在package.json中private下(位置任意)添加"homepage": “./”
2、如果使用了路由，将项目中的引用路由时候的BrowserRouter改为HashRouter
然后再打包一下应该就完事了，这样还不行，你滴我

...]]></description><category></category></item><item><title><![CDATA[浅谈最小（代价）生成树（普利姆算法和克鲁斯卡尔算法）]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/101211412</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/101211412</guid><author>Two_Bits</author><pubDate>Mon, 23 Sep 2019 17:36:36 +0800</pubDate><description><![CDATA[一、普利姆算法
1、算法思想
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;从图中任选一个顶点，把它当作一棵树，然后从与这棵树相接的边中选取一条权值最小的边，并将这条边及其所连接的顶点并入这棵树中，此刻就得到了一棵有三个顶点的树。然后从与这棵树相接的边中任选一条权值最小的边，将这条边及其所连接的顶点并入这棵树中，依次类推，直到图中所有的顶点都被并入树中为止，此...]]></description><category></category></item><item><title><![CDATA[CSS实现垂直居中的常用方法总结（看了面试必过的那种）]]></title><link>https://blog.youkuaiyun.com/Two_Bits/article/details/101034967</link><guid>https://blog.youkuaiyun.com/Two_Bits/article/details/101034967</guid><author>Two_Bits</author><pubDate>Thu, 19 Sep 2019 20:50:04 +0800</pubDate><description><![CDATA[写在前面
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;很多前端面试中，都会问到css设置垂直居中的方法，这里做一个总结，你这个小机灵鬼一定要学会啊。
正文
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;首先，如果 .parent 的 height 不写，你只需要 padding: 10px 0; 就能将 .child 垂直居中；如果 .parent 的 height ...]]></description><category></category></item></channel></rss>