足足一天的车河

0?wx_fmt=jpeg


离开黄龙继续留宿川主,第二天乘班车去汶川,然后包车去米亚罗。
从川主到汶川走了四个多小时。途中再次经过叠溪海子,再次深深地凝望这片灭顶之灾换来的美丽。


到达汶川后,遇到同路人,来自西安的李师傅和两个番禺的女同行。我们临时结伴包了两台小昌河去米亚罗。吃过一碗很棒的牛肉面后,我们就上路了。小昌河很挤,我们三个男的坐在最后一排实在难受,只希望早点到达。去米亚罗并不是说米亚罗有什么可观之处,而是在从理县到米亚罗的路上可以看到漫山的红叶,停下拍照。可惜的是,这样的风景与想象实在差得太远,和在九寨沟看到的也差不多,我们商量后,觉得再往下走也没什么意思,于是半路折返,直堵下一个目标——毕鹏沟。

经过一番长途跋涉后,终于来到毕鹏沟的门口,这是一个新开发的类似九寨沟的景点,很多配套设施没有开发出来,比如车和住。看过门口的照片和游完出来的人的数码照,觉得跟九寨沟差不多,似乎没有进去的必要,更重要的是,当时已是下午四点多,只能留待明天进沟,但没有车来接我们,没法回去,只能作罢。于是我们又原路返回汶川,白游了一天的车河,屁股是麻的、腰是疼的,整整一天八个多小时都在车里度过,对坐车产生了惧怕感。但四川就是这样一个地方,山多,没有铁路,基本都靠公路维系,动辄数百公里五六小时的车程,坐不了车不要来四川。

回到汶川,需要计划计划下一个行程——四姑娘山。汶川没有班车去四姑娘山,只有去都江堰和成都的车。我们只能选择包车。去四姑娘山必须翻过四千多米高的巴郎山,据说巴郎山下雪了,像我们今天坐的小昌河翻过去可能有危险,要包大车价钱太高很难接受,经过投票,我们放弃了从汶川直接去四姑娘山的路线,第二天先去都江堰,然后到成都再乘班车过去。


本文为巴蜀之旅系列文章之一,可关注本公众号阅览下一篇文章《吃喝在成都》


【图片均为转载】

内容概要:本文详细介绍了个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的种。 进化算法最初是借鉴了进化生物学中的些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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