<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_58620239的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_58620239</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_58620239]]></copyright><item><title><![CDATA[网络调优的策略有哪些]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/147868685</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/147868685</guid><author>m0_58620239</author><pubDate>Sun, 11 May 2025 09:35:16 +0800</pubDate><description><![CDATA[网络结构的参数可以分为多个类别，具体取决于网络的类型和设计。]]></description><category></category></item><item><title><![CDATA[TensorFlow项目GPU运行 安装步骤]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/145665657</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/145665657</guid><author>m0_58620239</author><pubDate>Sun, 16 Feb 2025 15:27:20 +0800</pubDate><description><![CDATA[print("GPU是否可用:", tf.config.list_physical_devices('GPU'))print("TensorFlow版本:", tf.__version__)显式指定Python 3.9避免新版Python的兼容性问题。nvcc --version  # 应显示12.0。频道确保获得官方认证的CUDA 12.0组件。会自动匹配兼容版本（如8.9.2）# 检查CUDA版本。]]></description><category></category></item><item><title><![CDATA[Automated Isotope Identification Algorithm UsingArtificial Neural Networks-论文阅读]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/143450417</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/143450417</guid><author>m0_58620239</author><pubDate>Sat, 02 Nov 2024 16:38:18 +0800</pubDate><description><![CDATA[需要开发一种算法，以确定包含多种放射性同位素混合物的大量低分辨率伽马射线光谱数据集中放射性同位素的相对活度。包含多种放射性同位素混合物的低分辨率伽马射线光谱经常会出现特征重叠，这就需要能够在出现重叠时分析这些特征的算法。虽然机器学习和模式识别算法在放射性同位素识别问题上已显示出前景，但它们识别和量化放射性同位素混合物的能力尚未得到研究。由于机器学习算法使用光谱的抽象特征，如重叠峰的形状和康普顿连续性，因此它们是分析放射性同位素混合物的自然选择。]]></description><category></category></item><item><title><![CDATA[解决linux中pip速度过慢问题]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/142863397</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/142863397</guid><author>m0_58620239</author><pubDate>Fri, 11 Oct 2024 21:10:38 +0800</pubDate><description><![CDATA[如果你只想临时使用其他镜像，可以在安装时加上。在 Linux 系统下，如果你发现使用。]]></description><category></category></item><item><title><![CDATA[YOLO--前置基础词-学习总结（上）]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/142669074</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/142669074</guid><author>m0_58620239</author><pubDate>Sat, 05 Oct 2024 08:16:10 +0800</pubDate><description><![CDATA[注意力机制是一种让模型能够灵活选择关注输入中最重要部分的技术，帮助它在处理信息时更加高效和智能，就像我们人类在面对复杂信息时一样。VGG 是什么？VGG 是一种经典的卷积神经网络模型，全称，通常指 VGG-16 或 VGG-19，它们分别有 16 层和 19 层。VGG 的核心思想是使用多个小的 3x3 卷积核堆叠，而不是使用大卷积核来提取图像特征。小卷积核能逐层捕捉图像的局部特征，并通过堆叠逐步提取全局特征。层数较深，使得 VGG 能够学习到更丰富、更复杂的图像特征。通俗地说，]]></description><category></category></item><item><title><![CDATA[NLP-文本分类文献阅读-前置基础-词汇解释-通俗易懂-9月份-学习总结]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/142057648</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/142057648</guid><author>m0_58620239</author><pubDate>Wed, 11 Sep 2024 11:59:10 +0800</pubDate><description><![CDATA[特征向量是指用于表示数据点的一组特征值，通常是一个多维的数值向量。每个维度表示一个特征，数值代表该特征的值。稀疏意味着在特征向量中，很多维度的值是零。比如，如果一个特征向量有 1000 个特征值，但其中只有 10 个是非零值，剩下的 990 个都是零，这就是一个高度稀疏的特征向量。动态 K 最大池化是一种灵活的池化方法，它会根据数据的结构，在每个区域里选出前 K 个最重要的值，而不是只选一个。这有助于保留更多关键信息，尤其在处理像文本这样的数据时很有用。词袋模型就是把一段文本看成一个装满单词的袋子。]]></description><category></category></item><item><title><![CDATA[常见监督学习算法学习总结。]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/141997803</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/141997803</guid><author>m0_58620239</author><pubDate>Sat, 07 Sep 2024 18:13:11 +0800</pubDate><description><![CDATA[决策树是一种灵活且直观的模型，适用于多种任务。然而，由于其容易过拟合和对噪声敏感，通常需要与其他算法（如随机森林或梯度提升树）结合使用，以获得更好的效果。多层感知机是神经网络中的基础模型，具有很强的学习能力和非线性处理能力。通过多层结构和反向传播算法，MLP 能够有效地在大量数据中学习复杂的模式。然而，随着网络规模的增加，MLP 的计算复杂度也会增加，因此在大规模任务中，通常会结合更先进的神经网络架构（如卷积神经网络、递归神经网络等）来提升性能。伯努利贝叶斯是一种简单而高效的分类算法，特别适合处理二元数据。]]></description><category></category></item><item><title><![CDATA[NLP自然语言处理之文本分类项目实战TextCNN]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/141855294</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/141855294</guid><author>m0_58620239</author><pubDate>Tue, 03 Sep 2024 21:15:29 +0800</pubDate><description><![CDATA[TextCNN 是一种用于文本分类的卷积神经网络（CNN）模型，由 Kim Yoon 在 2014 年提出。它在处理自然语言处理任务（如情感分析、主题分类等）中表现出色。N-gram 是自然语言处理（NLP）中的一个基本概念，用于表示文本中连续出现的 N 个词或字符的序列。它是分析语言模式和进行文本处理的基础工具之一。分词器（Tokenizer）是自然语言处理（NLP）任务中的重要工具，特别是在处理中文、日文等不以空格分词的语言时。]]></description><category></category></item><item><title><![CDATA[NLP自然语言处理学习过程中知识点总结]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/141820267</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/141820267</guid><author>m0_58620239</author><pubDate>Tue, 03 Sep 2024 10:29:06 +0800</pubDate><description><![CDATA[TF-IDF 结合了词频和逆文档频率两个指标，能够平衡一个词语在单个文档和整个文档集合中的出现情况，使得常见但无关紧要的词语权重降低，而重要的、具有区分度的词语权重提高。构建词汇表："我","喜欢","学习","是","有趣","的","事情""我", "喜欢", "学习", "是", "有趣", "的", "事情""我","喜欢","学习","是","有趣","的","事情"需要注意的是，IDF值的计算可能会受到一些因素的影响，比如文档集合的大小、文档内容的多样性等。]]></description><category></category></item><item><title><![CDATA[你好八月，深度学习相关知识学习总结]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/141134656</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/141134656</guid><author>m0_58620239</author><pubDate>Mon, 02 Sep 2024 15:01:24 +0800</pubDate><description><![CDATA[感知机是一个简单但重要的模型，它是理解更复杂神经网络模型的基础。虽然感知机本身的能力有限，但它的概念和原理在深度学习中得到了广泛的延伸和应用。多层感知机（MLP）是什么多层感知机是深度学习的基础模型，通过引入隐藏层和非线性激活函数，MLP 能够解决更复杂的任务。虽然 MLP 仍有一些局限性，但它为更复杂的神经网络模型奠定了基础，并且在许多应用中仍然非常有效。Sigmoid激活函数 是什么Sigmoid 激活函数是一种重要的激活函数，尤其适用于生成概率输出的场景。]]></description><category></category></item><item><title><![CDATA[----❀❀❀-- YOLO V5 个人学习笔记 通俗易懂 --❀❀❀------]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/141091403</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/141091403</guid><author>m0_58620239</author><pubDate>Sun, 11 Aug 2024 11:06:15 +0800</pubDate><description><![CDATA[YOLOv5是一个高效、精准的目标检测模型，具备高性能、多预训练模型、多尺度检测等特性。本文详细介绍了YOLOv5的特点，帮助读者快速上手使用YOLOv5进行目标检测任务。]]></description><category></category></item><item><title><![CDATA[VUE与SpringBoot交互的个人总结笔记]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/131955082</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/131955082</guid><author>m0_58620239</author><pubDate>Thu, 27 Jul 2023 10:44:55 +0800</pubDate><description><![CDATA[个人整理笔记]]></description><category></category></item><item><title><![CDATA[SpringBoot自用 配置跨域类、mybatis开启打印日志]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/131720900</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/131720900</guid><author>m0_58620239</author><pubDate>Fri, 14 Jul 2023 12:35:35 +0800</pubDate><description><![CDATA[mybatis打印sql日志。]]></description><category></category></item><item><title><![CDATA[Linux下安装配置Redis]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/127763544</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/127763544</guid><author>m0_58620239</author><pubDate>Wed, 09 Nov 2022 09:40:46 +0800</pubDate><description><![CDATA[数据库/redis/Centos7 安装 redis 6.md · 努力就是魅力/it-note - Gitee.com02 Redis配置开机自启动_哔哩哔哩_bilibili]]></description><category></category></item><item><title><![CDATA[application.yml常用配置]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/127414872</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/127414872</guid><author>m0_58620239</author><pubDate>Wed, 19 Oct 2022 20:06:07 +0800</pubDate><description><![CDATA[【代码】application.yml常用配置。]]></description><category></category></item><item><title><![CDATA[Dubbo入门笔记]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/127174909</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/127174909</guid><author>m0_58620239</author><pubDate>Thu, 06 Oct 2022 19:57:23 +0800</pubDate><description><![CDATA[Dubbo是阿里巴巴公司开源的高性能、轻量级的Java RPC框架.RPC:远程过程调用dubbo致力于提供高性能，透明化的RPC远程服务调用方案，以及SOA服务治理方案，层。]]></description><category></category></item><item><title><![CDATA[Spring Security]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/127113421</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/127113421</guid><author>m0_58620239</author><pubDate>Fri, 30 Sep 2022 19:10:29 +0800</pubDate><description><![CDATA[Spring是非常流行和成功的Java应用开发框架，Spring Security 正是Spring家族中的成员。Spring Security基于Spring框架，提供了一套Web应用安全性的完整解决方案。]]></description><category></category></item><item><title><![CDATA[IDEA报错：java: 无效的目标发行版: 11；java: 警告: 源发行版 11 需要目标发行版 11]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/127081912</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/127081912</guid><author>m0_58620239</author><pubDate>Wed, 28 Sep 2022 07:59:34 +0800</pubDate><description><![CDATA[IDEA报错：java: 无效的目标发行版: 11；java: 警告: 源发行版 11 需要目标发行版 11]]></description><category></category></item><item><title><![CDATA[报错：e ‘userController‘: Unsatisfied dependency expressed through field ‘userServer‘；]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/127074257</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/127074257</guid><author>m0_58620239</author><pubDate>Tue, 27 Sep 2022 16:55:12 +0800</pubDate><description><![CDATA[解决办法：启动类。]]></description><category></category></item><item><title><![CDATA[Linux配置MySQL并启动 配置Redis并启动，配置jdk环境]]></title><link>https://blog.youkuaiyun.com/m0_58620239/article/details/127071096</link><guid>https://blog.youkuaiyun.com/m0_58620239/article/details/127071096</guid><author>m0_58620239</author><pubDate>Tue, 27 Sep 2022 14:46:00 +0800</pubDate><description><![CDATA[Linux下启动MySQL并查看表]]></description><category></category></item></channel></rss>