- 博客(91)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 解决：[anaconda安装pytorch]Collecting package metadata (current_repodata.json): failedYou will need to ad
解决：Collecting package metadata (current_repodata.json): failed1.问题导入2.安装anaconda3.安装pytorch4.问题解决方式1.问题导入昨天运行一段代码，需要导包，但没有安装，按照pycharm中代码提示install package torch总出错：m = torch.nn.MaxPool2d(3, stride=2)input = autograd.Variable(torch.randn(20, 16, 5
2020-12-07 19:55:56
24116
9
原创 文件的逻辑结构+ 物理结构
文件结构分为逻辑结构与物理结构。逻辑结构包括无结构流式文件、有结构记录式文件（顺序/索引/哈希）和树形目录文件，体现用户视角的文件组织方式。物理结构则从操作系统角度描述文件在磁盘的存储方式：连续分配（顺序快但易碎片）、链接分配（易扩展但访问慢）和索引分配（随机访问优但占用空间）。逻辑结构关注使用形式，物理结构关注存储效率，二者共同构成文件系统的完整视图。
2026-04-25 20:34:59
95
原创 CPU 执行指令关键寄存器及指令执行流程
CPU执行指令时依靠多个专用寄存器协同工作，主要包括：程序计数器（PC）存储下条指令地址；指令寄存器（IR）暂存当前指令；指令译码器（ID）解析指令内容；累加器（ACC）存放运算数据；地址寄存器（AR）存储内存地址；数据寄存器（DR）缓冲内存数据；状态寄存器（PSWR）记录运算标志。指令执行分为四步：取指（PC→IR）、译码（ID解析）、取数（获取操作数）、执行（运算并写回结果）。这些寄存器共同确保指令有序执行和数据处理。
2026-04-25 20:32:41
607
原创 服务器高可用（HA）架构对比
服务器高可用有三种经典架构：1）双机热备（主备模式），主机运行备机待命，切换快但备机资源浪费；2）双机互备（双活互备），两台机器同时运行不同业务并互为备份，资源利用率高但单机故障时负载翻倍；3）双机双工（双活并行），两台机器同时运行相同业务分担流量，性能最强但架构复杂。热备适合关键系统，互备适合多业务场景，双工适合高并发核心业务。
2026-04-23 01:23:10
388
原创 进程与线程（精简考点版）
摘要：进程与线程的核心区别 进程是操作系统资源分配的基本单位，拥有独立内存空间；线程是CPU调度的基本单位，共享进程资源。主要区别在于： 资源：进程独立，线程共享进程资源； 开销：进程创建/切换成本高，线程轻量高效； 通信：进程需复杂机制（如管道），线程可直接共享数据； 健壮性：进程独立崩溃，线程崩溃会牵连整个进程。 总结：进程侧重隔离与安全，线程侧重共享与效率，两者协同实现多任务处理。
2026-04-23 01:17:23
49
原创 数据库设计四个阶段
本文概述了数据库设计的四个关键步骤：1)需求分析阶段确定系统功能、数据需求和业务流程；2)概念设计阶段通过E-R图描述实体关系；3)逻辑设计阶段将E-R图转化为关系模型并进行规范化；4)物理设计阶段针对具体DBMS优化存储实现。整个过程从抽象到具体，最终形成可执行的数据库方案，核心可简记为"需求→E-R→建表→优化"的设计流程。
2026-04-22 18:09:45
385
原创 实现访问控制的主要技术
本文介绍了四种访问控制核心技术：1）访问控制矩阵，以主体-客体二维表形式直观展示权限，但存储效率低；2）访问控制表（ACL），基于客体记录授权信息，广泛应用于操作系统和网络设备；3）能力表，从主体角度记录权限，类似通行证机制；4）授权关系表，采用（主体，客体，权限）三元组结构，适合数据库实现。四种技术各具特点，分别适用于不同场景，共同构成了访问控制的基础实现方式。（149字）
2026-04-22 18:08:56
405
原创 软件设计范式对比：从面向过程到面向服务
本文系统比较了五种软件设计范式的核心特征。面向过程以函数为基本单位，关注算法流程，适合小型系统；面向对象通过封装类与对象实现复用扩展，适用于复杂业务；面向数据流聚焦数据处理过程，适合数据密集型应用；面向构件强调组件复用与组装，提升开发效率；面向服务以业务服务为单元，支持分布式集成。五种范式按粒度从细到粗排序为：面向过程<面向对象<面向数据流<面向构件<面向服务，各自适用于不同规模和需求的系统开发。
2026-04-21 19:51:06
211
原创 RESTful 中的状态转移方法
本文介绍了RESTful架构的核心概念，强调通过HTTP方法（GET、POST、PUT、PATCH、DELETE）对资源进行操作，实现资源状态的转移。详细说明了各HTTP方法的用途和特性，如GET的安全性和幂等性，POST的新建功能，PUT的完整更新能力等。同时解释了关键术语：资源、表征、状态转移和幂等性（同一请求多次执行结果不变）。最后用CRUD操作与HTTP方法的对应关系，总结了RESTful架构的实现方式：通过不同HTTP方法实现资源的创建、查询、更新和删除。
2026-04-21 19:47:54
219
原创 Python OpenCV 边缘检测效果对比
本文提供了一套完整的Python+OpenCV边缘检测对比代码，可直接运行实现Roberts、Prewitt、Sobel和Canny四种算子。代码包含图像读取、边缘检测算法实现和结果可视化功能，支持一键生成5张对比效果图。其中Roberts算子对对角线敏感但噪声多，Prewitt边缘连续但抗噪一般，Sobel效果最均衡（抗噪强、边缘完整），Canny则是最优选择（边缘清晰、噪声最少）。该方案适合需要快速对比不同边缘检测效果的场景，工业项目推荐使用Sobel（性价比高）或Canny（最优质量）。
2026-04-12 23:29:09
135
原创 [特殊字符] Roberts、Sobel、Prewitt 边缘检测算子全对比
本文对比了三种经典一阶微分边缘检测算子（Roberts、Sobel、Prewitt）的核心原理与特性。Roberts算子采用2×2邻域，计算对角线方向梯度，速度快但对噪声敏感；Sobel算子基于3×3邻域，加权平滑抗噪性强，适合通用场景；Prewitt算子同样3×3邻域但等权计算，速度略快但抗噪性较弱。选择建议：噪声图像选Sobel，低噪声场景可选Prewitt或Roberts（对角线边缘为主），算力受限时优先Roberts。文中还纠正了常见误区，强调应根据实际需求选择算子。
2026-04-12 23:16:35
693
原创 卷积神经网络（CNN）客观题（含答案+解析）
本文总结了卷积神经网络(CNN)的相关知识点，包括：1) CNN的核心特点（局部连接、权值共享）；2) PyTorch模块使用（nn.Module管理参数）；3) 特征图计算公式；4) 深度可分离卷积组成；5) 激活函数应用场景（Softmax适合多分类）；6) ResNet残差结构解决梯度问题。多选题涵盖CNN构成、池化类型和经典架构（AlexNet/VGG/GoogleNet）。判断题涉及多通道卷积、步长影响、MobileNetV2结构等概念。整体系统梳理了CNN的关键技术和实现细节。
2026-03-15 19:18:15
495
原创 卷积神经网络知识点总结
本章围绕卷积神经网络（CNN）展开全面讲解，核心介绍了CNN解决图像处理高参数、丢失空间信息的核心优势，其具备局部区域连接和权值共享特点，由输入层、卷积层、池化层、全连接层和Softmax层构成，还讲解了PyTorch中torch.nn模块的两大核心组件nn.Module和的区别与使用原则；深入阐述卷积核、单/多通道卷积、步长、填充等卷积核心概念，给出特征图尺寸计算公式，讲解深度可分离卷积的逐通道、逐点卷积构成；介绍PyTorch中卷积层、批量标准化、激活函数、池化层、线性层的实现函数与使用方法；
2026-03-15 18:49:49
580
原创 TensorFlow、PyTorch、PaddlePaddle 三大深度学习框架全维度对比表
本文对比分析了TensorFlow、PyTorch和PaddlePaddle三大深度学习框架在基础信息、核心功能、部署能力、性能表现和生态社区五个维度的差异。TensorFlow擅长工业级部署和分布式训练，PyTorch以学术研究和快速迭代见长，PaddlePaddle则在国产硬件适配和中文NLP领域表现突出。测试数据显示，PaddlePaddle在推理延迟、吞吐量和内存占用方面具有优势。选型建议：TensorFlow适合企业级应用，PyTorch适合科研场景，PaddlePaddle更适配国产化需求和中文
2026-03-07 20:04:50
804
原创 Python程序设计完整复习要点（含实例）
标识符规则：合法标识符以字母或下划线开头，可包含字母、数字、下划线，如。控制列数，格式化输出每个乘法表达式，实现每行打印对应行数的乘法项。三种程序结构：顺序结构（按顺序执行）、选择结构（（3位，数字+小写字母+大写字母），不匹配。，可随时添加新成绩）；（海象运算符，在表达式中给b赋值2）（安装requests库），也可使用。（字符串转列表，按字符拆分），无。声明后，函数内可修改全局变量x）（需手动递增i，否则无限循环）（比较，判断x是否等于5）、不可重复（重复赋值会覆盖，如。（直接导入sqrt函数，调用。
2026-01-13 17:09:37
783
原创 Python程序设计完整复习要点
本文总结了Python编程核心知识点：1）数据类型分为可变（列表、字典、集合）与不可变（字符串、元组、数字）对象；2）字符串操作包括切片、拼接和常用方法（strip、replace等）；3）列表支持增删改操作和推导式；4）字典要求键不可变且唯一；5）函数定义、lambda表达式及递归实现；6）循环控制（for/while）和条件判断（if-elif-else）；7）文件操作模式（r/w/a）与路径处理；8）正则表达式匹配规则；9）生成器实现惰性求值；10）运算符优先级与类型转换。同时涵盖编程实战技巧如成绩判
2026-01-13 17:02:09
614
原创 Python程序设计期末复习全攻略（含例题+测试题）
本文总结了Python程序设计期末考试的核心知识点，涵盖数据类型、变量、运算符和数据结构操作。重点内容包括：不可变类型（字符串、元组）与可变类型（列表、字典）的区别；变量命名规则和比较运算；算术运算符的特殊用法；列表的常用方法（append、pop等）和切片操作；元组的不可变特性；字典的键值对操作和遍历方法。每部分均配有典型例题和测试题，如列表推导式生成奇数列表、字典的get方法避免KeyError等。通过具体代码示例帮助理解关键概念，适合期末复习快速掌握Python基础语法和数据结构操作要点。
2025-12-26 11:57:41
2091
2
原创 Go学习：Go语言中if、switch、for语句与其他编程语言中相应语句的格式区别
Go语言中的流程控制语句逻辑结构与其他编程语言类似，格式有些不同。Go语言的流程控制中，包括if、switch、for、range、goto等语句，没有while循环。
2025-01-31 13:14:56
1811
1
原创 Go学习：字符、字符串需注意的点
Go语言与C/C++语言编程有很多相似之处，但是Go语言中在声明一个字符时，数据类型与其他语言声明一个字符数据时有一点不同之处。通常，字符的数据类型为 char，例如 ：声明一个字符 (字符名称为 ch) 的语句格式为char ch；Go语言中，字符的数据类型定义为 byte，代表单个字节的值，声明一个字符类型(字符名称为 ch)的语句格式为。
2025-01-29 01:03:50
988
原创 Go学习：多个变量或常量定义
传统方法//不同类型变量的声明（定义）var a int//不同类型变量的声明（定义）var a int简便方法（1）第一种方法var (a intb float64（2）第二种方法：可以在声明变量的同时对变量赋值，比如：var (a int = 1（3） 或者：省略类型名，因为变量可以自动推导类型var (a = 1b = 2.0//不同类型变量的声明（定义）//(1)第一种// var (// a int// )
2025-01-22 21:26:43
795
原创 Go学习：常量
当尝试对常量a进行修改时，比如对a进行赋值a=20，会报错，提示常量不允许赋值。例如：定义一个常量a，a的值等于10，const a int = 10。const b = 10 改为 const b = 10.23，将const b = 10 改为 const b := 10。变量：程序运行期间，可以改变的量，变量声明需要使用。，例如：新定义一个常量b，const b = 10。程序运行期间，不可以改变的量，常量声明需要使用。2. 常量赋值不使用 :=如果使用 := 赋值，比如。对常量赋值时，没有使用。
2025-01-22 20:46:35
418
原创 Go学习：编译器(编写程序时应该注意的点)
②使用命令语句在控制台输出结果，这种方法不会在项目中生成.exe文件。编译文件：go build 文件名。，如果多个文件都有main函数，会出现编译错误。运行 run文件： go run 文件名。注：输入文件名时，可以使用TAB键补全文件名。①选择文件，右键打开命令提示符。
2024-12-04 20:06:12
521
原创 Go学习：变量
Go语言在声明变量时，自动对变量对应的内存区域进行初始化操作。其中，:= 只能出现在函数内（包括在方法内），此时Go编译器会自动进行数据类型的推断。变量主要用来存储数据信息，变量的值可以通过变量名进行访问。在Go语言中，变量名的命名规则 与其他编程语言一样，都是由。，其中 var 为关键字，a 为变量名，int 是变量的类型。:= 代表声明的同时对变量进行定义，不需要var关键字。其中，a为变量名，类型为int，a的初始值为2。例如，在C/C++中，变量的声明格式为。注意：Go语言中，在声明变量时，是将。
2024-12-04 19:51:46
1335
2
原创 我的创作纪念日
无论是项目管理的卓荦策略、技术运用的匠心独运，还是疑难排解的秘钥诀窍，皆倾囊相授、毫无保留，志在为同路人点亮前行的火炬，共赴技术探索的遥迢征途，于知识的广袤苍穹绘就繁星璀璨、交相辉映的壮美宏图。高效时间管理为首要秘籍，借规划之力，为创作辟专属时段，在工作学习间隙，如午休、通勤时段，灵活捕捉灵感星火，零存整取汇聚创作能量；我期望借文字为绢帛、思想为彩墨，精心勾勒知识的精妙纹理、思维的灵动飞跃，将那些灵光乍现的瞬间永久定格，编织成可供回溯的知识锦缎，为后来者在求知的幽径上竖立新的路标。
2024-12-04 12:27:35
1126
原创 Qt中设置QLineEdit为灰色 不可编辑状态
Fn+F1查看帮助文档，索引搜索QlineEdit -> 查看 公共函数、信号函数、槽函数。查看类 QlineEdit -> 寻找属性 readOnly-> 勾选√。
2023-05-17 16:36:28
5472
原创 python基础代码系列：类与对象
目录1.创建类2.创建类对象3. 实例对象4. 封装5. 继承 与 多继承6. 继承之方法重写7. object类8. 多类9. 特殊属性10. 特殊方法11. 类的赋值1.创建类demo1： 基本认识class Student: # Student 为类的名称（类名）由一个或多个单词组成，每个单词的首字母大写，其余小写 pass# Python 中一切皆对象 Student是对象吗？内存有空间吗？print(id(Stu...
2021-10-22 00:26:02
580
原创 python3.7成功安装dlib
目录1. 安装步骤2. 注意事项安装dlib真的累心~,在网上找了很多办法一直不成功，最后换了一个环境终于成功了^-^，也不用配置环境我的电脑环境：win7+anaconda3+python3.71. 安装步骤因为在网上找的方法都是在cmd环境下进行的，一直不成功，在anaconda prompt下成功了，安装dlib时注意要在后面添加版本号1.打开anaconda环境，找到anaconda prompt；2.安装cmakepip install cmake因为之前在这个环境
2021-09-29 20:03:44
2076
1
原创 人脸识别 以及 读取.pts文件
目录识别人脸读取.pts文件 识别人脸 # 读取图像import cv2image = cv2.imread('../faceDetect/FGNET/images/001A02.JPG',1) # 1 为彩色图像 ; 0为灰色图像print("image=",image) # 显示图像cv2.namedWindow("orignal")cv2.imshow("orignal",image)# print(image.shape) # (324,.
2021-06-09 23:01:44
3250
6
原创 笔记：基于 CNN 和 COSPFIRE 特征融合的年龄组人脸识别基于 CNN 和 COSPFIRE 特征融合的年龄组人脸识别
在这项工作中，我们提出了一种融合技术，结合基于CNN和COSFIRE的特征来识别人脸图像中的年龄组。CNN和COSFIRE都是在各种计算机视觉应用中被证明有效的可训练的方法。对于CNN，我们使用预先训练过的VGG-Face架构，对于COSFIRE，我们从训练数据中配置了新的COSFIRE过滤器。我们在这项工作中想要调查的假设是，将CNN和COSFIRE方法结合在一起是否会改善结果。采用堆叠支持向量机(SVM)分类器的融合技术，并使用FERET数据集图像进行训练和测试
2021-05-30 23:32:12
619
2
转载 形态学-腐蚀、膨胀、开操作、闭操作
介绍图像形态学中的几个基本操作：腐蚀、膨胀、开操作、闭操作形态学的基本操作包括腐蚀、膨胀、开操作、闭操作 简单来说，以B结构中心点为准心，在A中找能满足B结构的点即为腐蚀 把A结构的每个点放到B中心点，以B结构外扩即为膨胀 开操作表示先腐蚀后膨胀；闭操作表示先膨胀后腐蚀转自于：https://blog.youkuaiyun.com/fishmemory/article/details/53113746...
2021-05-30 23:22:03
462
原创 笔记：深度学习与有向无环图SVM结合用于年龄估计的局部调整
为了进一步提高年龄估计的精度，提出了一种基于深度学习和有向无环图SVM的局部调整年龄估计算法。在训练阶段，首先对VGGFace2数据集预先训练好的SE-ResNet-50网络进行微调。一旦网络收敛，由最后一个完全连接层的参数组成的向量作为表示，并训练多个一对一的（One-Versus-One）支持向量机。在测试阶段,我们首先将待估计的人脸图像送入SE-ResNet-50得到粗略的年龄估计值，然后设置特定的邻域，最后将训练好的支持向量机组合成有向无环图支持向量机，以全局估计的特定邻域为中心进行精确的年龄估计。
2021-05-24 00:45:53
1702
原创 笔记：基于回归分析的人脸年龄预测研究
论文笔记（基于回归分析的人脸年龄预测研究）1. 基本信息2. 核心内容3. 图标公式* 预测流程* ＰＣＡ方法的计算过程* ＳＶＲ方法的计算过程* 结果比较4. 补充说明阅读论文：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2021&filename=BJJZ202004014&v=p%25mmd2BzA6n7lbvEFFsP9xclkvbkVxUv4LFIxLzKLUsYeE%2
2021-04-20 21:39:25
1453
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人