KK小记

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 700+累计阅读 714平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄25年

关注

原创最新推荐文章于 2026-04-16 14:47:10 发布 714 阅读 AI 写同款· GEO 优化 ›

联邦学习(Federated Learning)学习小记联邦学习设计目标与框架在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习例如两公司要联合训练一个AI框架，但是又无法直接进行数据交换，可以使用联邦学习来建立模型。更广泛的模型就是通过众多的用户端得到的**“非平衡且非独立同分布”**的数据来训练。更形象点：正常的机器学习模型是把数据收集到服务器端，将数据带到代码面前来；而联邦学习则是把代码发送到数据端，从而使用户的数据无需上传就可以参与模型的训练。不过在用户端需要上传训阅读详情

2008年8月27日开始，KK要骑自行车上班拉，今天已经是第二天拉，虽然车程有些远，但毕竟比挤公交好多了！多自由啊，就是回来的路上要是象早晨人那么少就更好了，顺便偷偷给自己加油：一是一定要坚持下去，二嘛，希望小肚腩也快快下去，o(∩_∩)o...

	小S推荐第二代升级版纤の瘦纤体胶囊
	165.0元

收录于

KK涂鸦

当前文章被收录于：

KK涂鸦

23 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

从零开始：ENSP与VirtualBox的兼容性迷宫与突围指南本文深入解析eNSP与VirtualBox的兼容性问题，特别是报错40的解决方案。从诊断根源、彻底卸载残留到推荐黄金版本组合，提供了一套完整的实战指南，帮助网络工程师和技术学习者快速解决AR_Base等设备的启动故障，优化虚拟化环境性能。阅读详情

相关推荐

Dify平台+Excel批量分析实战：5分钟搞定大模型数据处理（附完整代码）

本文详细介绍了如何利用Dify平台的数据集功能，结合Excel和Python脚本，快速构建大模型批量数据处理流水线。通过实战案例演示，读者可在5分钟内完成客户反馈情感分析、产品文案生成等任务，实现从原始数据到结构化洞察的高效转化，极大提升工作效率。

3a9bq4r8t2y的博客 316

kNN算法小记

kNN算法小记实现代码 \qquad最近邻(kNN)(\text{kNN})(kNN)算法是一种无参数的有监督学习算法，算法本身没有训练过程、也没有参数需要求解，但是又需要目标集。 \qquad 以待预测样本 x∗x^{\ast}x∗ 为中心画圆（例如采用欧氏距离）可以确定邻域中训练样本的数量，由此通过判决规则（比如多数表决）进行判断。 kkk 近邻中的 kkk 值，对最终的分类结果有很大的影响： (1)(1)(1) 以 r1r_1r1 为半径的邻域可以确定 333 个训练样本，C1C_1C1 类样本

zfoox的摘记 562

手把手调试Altera FPGA远程升级：从ASMI扇区擦除到Remote Update IP配置的避坑实录

本文详细解析了Altera FPGA远程升级的全流程，重点介绍了Cyclone IV系列FPGA的ASMI扇区擦除和Remote Update IP配置的实战技巧。通过双镜像架构设计、ASMI IP核优化配置及Remote Update IP的隐藏参数设置，帮助开发者避免常见陷阱，提升远程升级的可靠性和效率。

weixin_30872499的博客 447

塞尔达火烟材质小记

小记火焰部分用到了一张噪声图和一张mask图 Mask图R通道带一圈线的造型作为一层外焰的颜色，G通道透明度，靠近焰心的区域趋于0，B通道控制UV扭曲程度，靠近焰心的区域趋于0，A通道V渐变控制上下过渡。首先用噪声图和mask B通道相乘来偏移UV的V来扭曲靠近焰心的部分无扭曲。然后UV用于采样mask图，然后G通道作为透明度，R通道作为主体颜色区域，同时要乘上A通道做上下渐变。这样的实现很巧妙，并且通过偏移noise图的UV就可以模拟出火焰随被风左右吹动的效果。烟的部...

学无止境 424

华为od 面试八股文_数据库_01_含答案

MISAYAONE的博客 2164

YOLO26创新改进 | 全网独家创新篇、小目标检测专属 | AAAI 2025 | 引入HS-FPN中的HFP和SDP创新点，从频域增强小目标特征，淘汰FPN进行升级，助力YOLO26有效涨点

本文提出HS-FPN特征金字塔网络，通过高频感知模块(HFP)和空间依赖感知模块(SDP)优化YOLO26模型。HFP利用高通滤波器增强小目标的高频特征，SDP捕获相邻像素的空间依赖关系。在AI-TOD等小目标检测数据集上，HS-FPN相比传统FPN显著提升性能。文章详细介绍了HFP和SDP的模块结构、核心代码实现，以及如何在YOLO26中集成这两个模块的配置方法，提供了多个版本的yaml文件配置方案。实验结果表明该方法能有效改善微小目标检测效果。

Ai缝合怪、助力小伙伴高效发论文 206

寒假集训小记

自从wwy和xd走后我就独自的坚守我们部得算法组。。。由于最近大一的一再要求讲一下动态规划，不得不亲自上阵。。上午稍做准备，下午就开讲了，，，本打算讲一个小时结束。。木想到一下讲了一下午。。这导致我今天的任务又木有完成。。。，寒假留校的孩纸伤不起啊！！！不过说实话。。给他们讲完课，，感觉挺充实的，，，，嘻嘻，，树塔，kk，0-1背包，导弹拦截，最长公共子序列，，，，，自我感觉讲的还不错，，，小ha...

feiliboos 138

关于如何在matlab中导入并翻译Hypemesh导出的大型刚度矩阵txt文本

如何将它翻译成matlab可以使用的矩阵变量，并参与运算。由于这个大型刚度矩阵125万x125万≈1e12。matlab甚至其他计算软件无法保存这个大的一个矩阵文件。而这个刚度矩阵作为稀疏矩阵其中非零元素的数目只有有500多万。采用sparse稀疏矩阵技术是可以保存。这里简单介绍一下这个Hypemesh导出的大型刚度矩阵txt文本。如图DMIG开头的标识符是换行符，后面两列是表示这条非零元素在刚度矩阵中列数的信息。我们已经将左边字母和符号等批量删除，得到了右边textread函数可以...

wenyusuran的专栏 1795

shell命令小记

:5,10s/^/#/g 将5-10行的开头添加上#号 :5,10s/#//g 去掉5-10行开头的#号 :s/KK/GG/g 将当前行的KK替换为GG :5,10 co 15 将5-10行的内容复制到15行下边 :5,10 m 15 将5-10行的内容移动到15行下边 :5 将光标移动到第...

weixin_34320724的博客 108

Unity 面试篇|（六）数据结构和算法篇【全面总结 | 持续更新】

先拿10000个数建堆，然后一次添加剩余元素，如果大于堆顶的数（10000中最小的），将这个数替换堆顶，并调整结构使之仍然是一个最小堆，这样遍历完后，堆中的10000个数就是所需的最大的10000个。桶排序是计数排序的升级版。它的工作原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。这样处理就可以分别在每个文件的10^6个数据中找出最大的10000个数，合并到一起在再找出1000*10000中的最终的结果。

游戏开发小Y的博客 12万+

044.树莓派4B部署YOLO：从系统烧录到模型运行

《树莓派4B部署YOLOv8实战笔记》摘要：本文详细记录了在ARM架构树莓派4B上部署YOLOv8的全流程。关键点包括：必须使用64位系统并手动编译OpenCV（禁用FFMPEG、开启NEON优化）；模型需在x86转换为TFLite格式（分辨率不超过320×320）；推理代码使用tflite_runtime替代TensorFlow以减少内存占用；针对USB摄像头卡顿、内存泄漏等典型问题给出了解决方案。

2603_95664987的博客 169

卷积小记

卷积，其实就是人人都会的多项式乘法。为啥呢？来看下面的例子。有两个关于xxx的多项式AAA，BBB。 A=a0x0+a1x1+⋯+anxn, B=b0x0+b1x1+⋯+bnxnA=a0x0+a1x1+⋯+anxn, B=b0x0+b1x1+⋯+bnxnA=a_0x^0+a_1x^1+\dots+a_nx^n,\ B=b_0x^0+b_1x^1+\dots+b_nx^...

lanadeus 334

国科大学习资料--机器学习方法与应用（叶齐祥）-期末考试题整理

国科大学习资料–机器学习方法与应用-期末考试题整理 ============================================================================================================================================================================================ =======================================

无名何许人的博客 2852

计数学习小记

前言闲的无聊懒得做题不如来水点博客。虽然一直作为一个感性做题的选手，但是理性层面上确实是分析题目初步做法的一个十分重要的方法。额不会涉及具体的知识点，只是总结点自己做题的时候遇到的比较巧妙的方法。混沌排版请见谅还有我也很菜有错误或者不完善的地方见谅/kk （Polya以后再更新）文章目录前言正题基本方法不重容斥寻找基准模型转换奇偶染色组合数→\rightarrow→矩阵乘法期望X计数幂次统计好题正题基本方法计数的基本方法来说的话大致能总结为几类 dp 组合数学多项式其他 dpd

QuantAsk 671

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

CSES2题单小记

ana1,a2,…,an：每个申请人梦寐以求的公寓面积。如果一个申请人的理想面积是xx，那么只要公寓面积在x−kx−k到x+kx+k之间，他们都会点头同意。,tmt1,t2,…每个申请人都有自己心仪的公寓面积，不过他们也不挑食——只要实际面积和理想面积相差不大，他们都会欣然接受。给定一个包含 nn 个整数的数组，你的任务是找到两个不同位置上的数，使它们的和等于 xx。,bmb1,b2,…,bm：每间公寓的实际面积。

niyuhai的博客 1166

锂电池充电器电路设计里面有电路

锂电池充电器电路设计里面有电路 3.7V升压到5V电路设计。

关于反卷积（转置卷积）小记

什么是反卷积，反卷积的目的是什么，在计算机视觉中的反卷积

qq_45670407的博客 1738

关于位运算的一些小记

如果一个数字是3的次幂，那么这个数一定只含有3的这个质数因子，1162261467是int范围内最大的3次幂，如果1162261467%n!=0那么就不是3的次幂。如果n是负数直接返回1，否则的话进行位运算的操作。提取出二进制里最右侧的1。

2303_80166945的博客 303

视频转yuv格式小记

找到一个简洁好用的工具，下载地址：http://www.onlinedown.net/soft/529651.htm使用方法：进入YUVMaker目录，打开CmdTool.bat，这是一个运行控制台可执行程序console.exe的批处理脚本右键单击CmdTool.bat点击编辑，修改CmdTool.bat中的视频源文件，输出的yuv文件的路径，宽，高并保存，示例： @echo on con

weixin_39684587的博客 1322

计算几何学习小记

前言因为懒得画图理解计算几何所以要来这里鼓励一下自己以后新学的应该也会写在这里。就当我是水博客应该都是二维的计算几何，三维的有生之年再学公式用的不规范，感性理解的正题平面运算定义两个向量a⃗=(xa,ya),b⃗=(xb,yb)\vec{a}=(x_a,y_a),\vec{b}=(x_b,y_b)a=(xa,ya),b=(xb,yb) 下方为了方便不一定会加→\rightarrow→ 加减向量加法遵循平行四边形定则，a⃗+b⃗=c⃗\vec a+\vec b=\vec ca+b=

QuantAsk 614

4.7随笔小记

准备两台服务器server1和server2。

2603_95728365的博客 203

简单斯特林数学习小记

前言：斯特林数这个东西，好像小学时就看过，当时水平很低，根本不会。以前也遇到过一道第二类斯特林数的题，当时直接copy题解的，也不会运用。最近遇到了自然数幂和，递推法很大的局限，只能学学第一类斯特林数。定义：斯特林数有第一类斯特林数和第二类斯特林数。第一类斯特林数也分无符号和有符号，分别记为susus_u、sssss_s。第二类斯特林数记为SSS. 第一类斯特林数...

Cold_Chair的博客 1535

jpgraph小记

学习php，试着拿php搭个监控界面画图？rrc？据说jpgraph这玩意儿更好用官网手册：http://doc.async.com.br/jpgraph/html/index.html 注：安装它需要支持gd2的php，在phpinfo()中查找php.ini 打开extension=php_gd2.dll的选项在httpd.conf中加入DocumentRoot "/v...

蓝色时分 127

点分治学习小记

点分治通过一道题，发现了点分治这个算法，现在学习一下并做一个总结。预备知识树的直径：树上最长的一条路径求法：两次DFS。第一次DFS随意定根，找到离根最远的点。第二次DFS以最远点为根，再找到离根最远的地方，路径长度就是树的直径。证明：脑补可得。树的重心：找到一个点，其所有子树中最大的子树节点最少。（这个点作为根时最大的子树节点个数最少）优点：删去重心之后，生成...

szh_0808的博客 856

积性函数与Dirichlet卷积学习小记

前言首先感谢 XHM 大佬的悉心指导，我懂得了不少~。链一下他关于这方面的见解、博客——XHM 的Dirichlet卷积学习小记一些定义回归正题，这次我学习了一下狄利克雷卷积方面的知识。先给一波定义：（这里也感谢 skywalkert大佬的精心讲解）数论函数的定义若 f(n)f(n)f(n) 的定义域为正整数域，值域为复数，即 f:Z+→Cf:Z+→...

Felix-Lee的博客 1714

神经网络小记-attation

在神经网络中，注意力机制通过计算输入中不同部分的权重，将关注点集中在对任务具有重要性的信息上。它可以用来选择性地关注输入中的某些部分，从而提高模型的表达能力和性能。通过分配权重，注意力机制可以根据输入的不同部分的相关性和重要性来调整模型的处理方式。在自注意力机制中，权重是通过计算输入中每个位置与其他位置的相关性得分来得到的，然后将相关性得分进行归一化处理，得到每个位置的权重。这样，模型可以根据不同位置之间的相对重要性来聚焦于不同的信息。

qq_40140808的博客 385

上一篇：太平游（KK记）

下一篇：让秋日的阳光更热烈些吧~（KK记）

Dify平台+Excel批量分析实战：5分钟搞定大模型数据处理（附完整代码）

3a9bq4r8t2y的博客

02-20

316