<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[luoLTL的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/luoLTL</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; luoLTL]]></copyright><item><title><![CDATA[中国海洋大学26夏《移动软件开发》实验6：基于云能力的图片分享社区]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/164631470</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/164631470</guid><author>luoLTL</author><pubDate>Tue, 08 Sep 2026 21:13:31 +0800</pubDate><description><![CDATA[本实验完成了一个从图片选择、云存储上传、数据库记录到图片浏览和互动操作的完整小程序原型。通过本实验，我进一步理解了前端页面数据与云端数据之间的对应关系：图片本体放在云存储，图片说明和作者信息放在云数据库，页面通过fileID将两者关联起来。项目还通过本地兜底模式解决了云环境尚未配置时无法演示的问题。与前几次实验相比，本实验的难点不再只是页面布局，而是异步上传、数据库写入、用户身份和不同文件地址类型的处理。]]></description><category></category></item><item><title><![CDATA[中国海洋大学26夏《移动软件开发》实验5：鸿蒙开发入门及计算器开发]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/164465639</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/164465639</guid><author>luoLTL</author><pubDate>Mon, 07 Sep 2026 15:41:04 +0800</pubDate><description><![CDATA[前四个实验使用的是微信小程序，页面入口由app.json注册；本实验改用 HarmonyOS 工程，入口由和管理，页面使用 ArkTS 声明式 UI 编写。通过对照工程目录，我把页面、资源、Ability 和构建配置分别放在对应目录中。]]></description><category></category></item><item><title><![CDATA[中国海洋大学26夏《移动软件开发》实验4：推箱子游戏]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/164254956</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/164254956</guid><author>luoLTL</author><pubDate>Tue, 01 Sep 2026 10:41:49 +0800</pubDate><description><![CDATA[如果直接在一个二维数组中不断用箱子编号覆盖地图编号，箱子从目标点离开后，程序将无法判断该位置原本是否为目标点。map只保存墙体、地板和目标点，boxes单独记录每个位置是否有箱子。Canvas 绘制时先绘制底层地图，再叠加箱子。]]></description><category></category></item><item><title><![CDATA[中国海洋大学26夏《移动软件开发》实验3：高校新闻网]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/164210280</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/164210280</guid><author>luoLTL</author><pubDate>Mon, 31 Aug 2026 11:43:00 +0800</pubDate><description><![CDATA[通过本实验，我综合使用了小程序的页面配置、组件、数据绑定、事件处理和 API。相比前两个实验，本实验包含多个页面和跨页面数据传递，需要同时考虑导航结构、数据复用和本地状态管理。我进一步理解了swiperwx:forwx:if以及本地缓存 API 的使用场景。实验也让我认识到，移动端页面不仅要实现功能，还要关注图片尺寸、列表可读性和登录前后的状态差异。后续可以在此基础上接入实时新闻接口、云数据库和更完善的错误提示，但本实验已经完成了基于本地新闻数据的高校新闻网核心流程。]]></description><category></category></item><item><title><![CDATA[中国海洋大学26夏《移动软件开发》实验2：名片小程序]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/164045537</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/164045537</guid><author>luoLTL</author><pubDate>Tue, 25 Aug 2026 09:52:13 +0800</pubDate><description><![CDATA[在index.js中使用expandedWXML 使用条件渲染显示补充内容，并根据状态切换“展开介绍”和“收起介绍”文字。实验二需要在实验一之外保留一个可以独立导入的项目。为避免修改实验一的入口配置，我在实验2/内增加了独立的，导入微信开发者工具时直接选择该目录即可。另外，名片页面包含多个信息区块，如果全部使用静态文本会缺少交互。通过data保存页面状态，再配合setData、条件渲染和图片资源，页面能够响应用户的展开和切换操作；公开 GitHub 地址则通过剪贴板操作保持可用。]]></description><category></category></item><item><title><![CDATA[中国海洋大学26夏《移动软件开发》实验1：热身运动]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/164024364</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/164024364</guid><author>luoLTL</author><pubDate>Mon, 24 Aug 2026 15:33:05 +0800</pubDate><description><![CDATA[创建小程序时发现新版微信开发者工具比教程中的界面多了“后端服务”选项，开始时不确定应该如何选择。图4 新版微信开发者工具的后端服务选项本实验只是实现本地 Hello World 页面，不需要使用云函数、云数据库或云存储，因此选择“不使用云服务”即可。]]></description><category></category></item><item><title><![CDATA[ICPC 2025区域赛 西安站 F题题解]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/159016546</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/159016546</guid><author>luoLTL</author><pubDate>Fri, 13 Mar 2026 18:48:33 +0800</pubDate><description><![CDATA[初始化所有企鹅的当前停止时间（方向相同则为 INF ），我们对这个当前停止时间进行堆排序，每次在还未停止的企鹅中取出预计停止时间最小的企鹅，把他取出（即时间已经到了该企鹅的停止时间），然后更新所有以他为目标的企鹅的当前停止时间，重复此过程，直到所有企鹅都停止，此时所有企鹅的当前停止时间即为最终答案。，企鹅停止存在非严格（可能同时停止）的先后顺序，每当有企鹅停止时，使用停止的企鹅去更新其他未停止企鹅的状态即可（只需要更新以当前停止企鹅为目标企鹅的企鹅状态，即认为二者之间存在一条单向边），我们可以使用。]]></description><category></category></item><item><title><![CDATA[OUC2025秋季-软件工程原理与实践项目记录]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/155016708</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/155016708</guid><author>luoLTL</author><pubDate>Wed, 19 Nov 2025 10:51:18 +0800</pubDate><description><![CDATA[开发过程中会有每天例会，定于晚上7点，持续时间不超过十五分钟。本次组会记录持续更新至该项目结束。]]></description><category></category></item><item><title><![CDATA[DeepLearning-week04]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/154646700</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/154646700</guid><author>luoLTL</author><pubDate>Mon, 10 Nov 2025 13:16:48 +0800</pubDate><description><![CDATA[标准ViT的自注意力计算复杂度是平方级ON2O(N^2)ON2，其中NNN是Token的数量。对于高分辨率图像，这个计算量是巨大的。局部化注意力（Swin Transformer的Window Attention）：将图像Token分割成多个互不重叠的固定大小窗口，Attention计算只在窗口内部进行。将复杂度降低至与Token数量成线性关系ONO(N)ON，牺牲了部分全局连接性，但通过得到弥补。]]></description><category></category></item><item><title><![CDATA[DeepLearning-week03]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/154292583</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/154292583</guid><author>luoLTL</author><pubDate>Sun, 02 Nov 2025 17:10:33 +0800</pubDate><description><![CDATA[还有波动的话只能说明还有其他地方或者算法有随机性的部分没有被固定下来，但是一些正常的波动应该是被允许的，毕竟你换了个环境实验都很有可能暴毙。如果指的是分类出来的结果和答案有所不同（每次都不同），那应该是模型欠拟合了，也不是坏事，如果每次都完全一样那应该是过拟合了，容易在陌生数据集上出问题。]]></description><category></category></item><item><title><![CDATA[Deeplearning-week02]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/151933715</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/151933715</guid><author>luoLTL</author><pubDate>Tue, 21 Oct 2025 12:38:43 +0800</pubDate><description><![CDATA[在每个 epoch 开始时，打乱数据顺序。训练时通常设为True，避免模型学习到数据的顺序依赖，提高泛化能力；：保持数据原始顺序。测试/验证时通常设为False。保证每次测试结果一致，便于评估和调试；]]></description><category></category></item><item><title><![CDATA[DeepLearning-week07-HSI-X]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/152371031</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/152371031</guid><author>luoLTL</author><pubDate>Sat, 04 Oct 2025 00:21:08 +0800</pubDate><description><![CDATA[这是多模态遥感图像分类的核心任务之一，旨在融合不同传感器的数据，提升地物分类精度。模态特点提供信息高光谱（HSI）数百个连续窄波段丰富的光谱特征，可区分材料成分LiDAR激光雷达，返回高程与强度三维结构信息、地形起伏、高度特征SAR合成孔径雷达，全天候成像表面粗糙度、介电常数、穿透能力融合目标：结合 HSI 的“是什么”与 LiDAR/SAR 的“在哪里、有多高、多粗糙”，实现更鲁棒的分类。]]></description><category></category></item><item><title><![CDATA[深度学习_随记004_科研自我剖析]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/152371901</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/152371901</guid><author>luoLTL</author><pubDate>Wed, 01 Oct 2025 19:57:37 +0800</pubDate><description><![CDATA[资源靠成果分配，成果怎么来的呢？很遗憾的是，科研虽然是象牙塔里的高岭之花，她也面临着现实的窘境，做科研是要钱的，更严重一点，有的领域的科研资料甚至处于一种捉襟见肘的状态，难以用经济价值衡量，属于就那么多，没分到你头上你也没办法的状况，深度学习领域稍微好些，毕竟出钱是真能买来算力的。，完全没有所谓的培养曲线，深度学习同样稍好一点，毕竟他热度高，人多了至少下层的修补工作做的人就多了，但同样很陡峭，包括深度学习中最重要的神经网络，直到今天他仍然处于一种黑盒状态，没有人能解释他的逻辑，也没有人能预测未来他的发展。]]></description><category></category></item><item><title><![CDATA[深度学习_随记002_知识性汇总解释]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/150924155</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/150924155</guid><author>luoLTL</author><pubDate>Sun, 31 Aug 2025 18:35:17 +0800</pubDate><description><![CDATA[不过，值得注意的是，随着Transformer架构的发展，尤其是在Vision Transformer（ViT）方面，已经开始挑战CNN在某些视觉任务上的主导地位（实际上Transformer架构对CNN的冲击远不止。网络的底层通常学习到较为基础的特征（如边缘、角点、颜色变化等），随着网络层数的加深，高层逐渐学习到更加复杂的特征（如物体的部分或整体）。这种从简单到复杂、逐层加深的特征学习方式，使得CNN能够有效地处理复杂的视觉任务，并且能够提取到图像中丰富的、层次化的视觉信息。]]></description><category></category></item><item><title><![CDATA[深度学习_随记003_基于卷积的注意力机制]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/151018941</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/151018941</guid><author>luoLTL</author><pubDate>Sun, 31 Aug 2025 18:03:22 +0800</pubDate><description><![CDATA[这个学习专栏共有四个视频，分别讲了不同的网络或模型。]]></description><category></category></item><item><title><![CDATA[OUC2025夏季-程序设计基础实践组会记录]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/150863038</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/150863038</guid><author>luoLTL</author><pubDate>Tue, 26 Aug 2025 16:58:20 +0800</pubDate><description><![CDATA[本次组会记录持续更新至该项目结束。开发过程中会有每天例会，定于晚上7点，持续时间不超过十五分钟。每个人说三个问题：1.今天完成了什么2.遇到了什么困难3.明天计划做什么会议结束后每人提交意见，讨论“哪方面做的好”“哪方面不好”“要新开始做什么”。负责人会致力于解决上述问题。]]></description><category></category></item><item><title><![CDATA[Deeplearning-week01]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/150585688</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/150585688</guid><author>luoLTL</author><pubDate>Sun, 24 Aug 2025 20:58:39 +0800</pubDate><description><![CDATA[08/21周四开启的本周学习，加上已经落下了许多课程，前期学习目标较为繁多。浅层神经网络：生物神经元到单层感知器，多层感知器，反向传播和梯度消失神经网络到深度学习：逐层预训练，自编码器和受限玻尔兹曼机LeNet和AlexNet都是卷积神经网络（CNN）发展史上的里程碑式模型，它们分别代表了两个时代的突破。模型年份提出者应用场景意义LeNet-51998 年Yann LeCun（杨立昆）手写数字识别（MNIST）第一个成功的卷积神经网络，奠定了 CNN 基础结构AlexNet2012 年。]]></description><category></category></item><item><title><![CDATA[深度学习_随记001]]></title><link>https://blog.youkuaiyun.com/luoLTL/article/details/150618674</link><guid>https://blog.youkuaiyun.com/luoLTL/article/details/150618674</guid><author>luoLTL</author><pubDate>Sat, 23 Aug 2025 14:41:13 +0800</pubDate><description><![CDATA[反向传播算法，BP算法是神经网络的“学习引擎”——它通过反向传递误差，告诉每一个权重“该怎么改”，从而让网络越学越准，当然也存在梯度消失和梯度爆炸等问题。，这是激活函数必要的特性（当然请理解为什么必要，而不是照本宣科地因为必要所以必要），原因在于激活函数会被大量使用，一旦复杂或者低效，时间耗费就不可估量。虽然ReLU如此优秀，但仍然有不少缺点，并非适用于所有场景，但这方面的知识我们不妨留置下周，也为我们的学习留下一点悬念。有点意思的是，虽然没有。，如果没有非线性，无论多少层网络都等价于一个线性模型。]]></description><category></category></item></channel></rss>