- 博客(77)
- 收藏
- 关注
RSS订阅原创 【JAVA八股文】持续更新中...
面向对象：如果需要实现某个功能，需要先创建对应的对象，然后让对象执行行为。特点是降低系统的耦合，更容易扩展和维护。面向过程：如果需要实现某个功能，只需要编写对应的函数。特点是性能高，但不易拓展和维护。二、面向对象的三大特征1.封装：将属性和方法写到抽象的类中，外界使用类创建对象，隐藏实现细节，提供公共的访问方式，提高代码安全性和复用性2.继承：子类默认继承父类的所有属性和方法，子类可以重写（override）父类的属性和方法，子类可以拥有多个父类3.多态。
2024-08-15 23:47:01
298
1
原创 【MySQL进阶】事务、存储引擎、索引、SQL优化、锁
索引是帮助MySQL高效获取数据的数据结构（有序），这些数据结构以某种方式引用（指向）数据，这种数据结构就是索引。
2024-08-14 22:07:12
750
1
原创 【SQL必知必会】初学者快速入门
SQLStructured Query Language（结构 化查询语言），标准SQL由ANSI标准委员会管理，从而称为。
2024-07-22 22:21:01
501
原创 【spring boot】初学者项目快速练手
快速生成一个初始的项目代码，会生成一个demo文件打开intellj idea，导入demo文件。
2024-07-17 21:38:50
1648
3
原创 【Java项目笔记】01项目介绍
增删改查的接口保存数据不需要ID，数据库会自动分配；修改数据需要ID;其余信息一致，因此可将保存和修改数据的接口合二为一。
2024-07-17 16:45:49
519
原创 React学习笔记01-----JS基础知识
返回值必须是一个表达式，即有值的语句，如果返回值是对象，对象{}外面要加（），要不然会被当作代码块。如果需要在箭头函数中定义逻辑，可以直接在箭头后跟一个代码块，代码块中语法和普通函数没有区别。var定义的变量无作用域，在哪里都可以被引用，同时会被提升到顶端，即定义的变量最先执行。可以通过...展开一个对象，如果重复定义，如name，则最终结果以最后定义的为主。箭头函数中没有自己的this，它的this总是外层作用域的this。可以从数组中筛选符合条件的元素，分别返回所有的值和第一个值。
2024-07-14 19:00:02
244
原创 【ajax+node.js+webpack+git】学习笔记---ajax01
使用XMLHttpRequest对象与服务器通信。具有异步特性，可以不重新刷新页面的情况下与服务器通信，交换数据或更新页面。
2024-07-10 16:59:04
469
原创 【web前端HTML+CSS+JS】--- HTML学习笔记01
meta标签（元标签）：用于指定元数据，即网页的描述，关键词，文件的最后修改时间，作者及其他元数据，不会显示在客户端。所有的指令都需要标签（开始标签，内容/标签体，结束标签，元素），标签不区分大小写，推荐使用小写。和标签都可以表示加粗，更推荐使用，因为不止有加粗效果。是属性的一种简化写法，常见于表单标签中，没有值，比如下面的disabled。和标签都可以表示斜体，更推荐使用，因为不止有斜体效果。标签效果：给用户看到的效果，可以通过css控制样式。
2024-07-06 22:10:21
996
原创 JAVA学习笔记2
bit：计算机中的最小存储单位 byte(字节):计算机中基本存储单元，1byte=8bit。浮点数=符号位+指数位+尾数位。浮点数默认为double类型。
2024-07-04 22:07:14
325
原创 VS2022配置wxWidgets 3.0.5
解压进入E:\SoftWare\wxWidgets-3.0.5\build\msw，用VS2022打开wx_vc12.sln，选择生成——批生成，最终生成一些文件。链接器——常规——附加库目录：E:\SoftWare\wxWidgets-3.0.5\lib\vc_x64_lib。c++——常规——附加包含目录：E:\SoftWare\wxWidgets-3.0.5\include\msvc。SDL检查：否 符合模式：否。预处理器：__WXMSW__下载Windows ZIP。
2023-11-15 15:50:51
1104
原创 构造稀疏矩阵例子
构造稀疏矩阵的目的是在处理具有大量零元素的大规模数据时，节省内存空间和计算资源，并提高计算效率。稀疏矩阵是一种特殊的矩阵，其中包含许多零元素和一些非零元素。其中W_D就是表示稀疏矩阵的非零元素，包含三个成员变量：行索引、列索引和元素值。输出结果：内含权重作用于每个点得到的新值，在每个点的新坐标后存放了权重值。
2023-07-14 15:40:33
374
原创 Eigen中的SparseMatrix（稀疏矩阵）元素的快速插入
由于该位置在上面的循环中已经被赋值为 0.1，因此这里实际上是将该位置的值加上了 0.1。调用 m 的 setFromTriplets 方法，将 triple 中的元素设置为 m 的非零元素。使用两个 for 循环遍历矩阵 m 的所有元素，将其行、列索引和值封装成 Triplet 类型的对象，并加入到 triple 中。这段代码的作用是创建一个 3x3 的稀疏矩阵 m，并将其所有元素的值设置为 0.1。定义了一个名为 m 的稀疏矩阵，大小为 3x3，元素类型为 float。
2023-03-24 14:59:30
682
原创 查看loss趋势
先检查Anconda3的Scripts文件下有没有tensorboard.exe文件，没有的话需要pip install tensorboard。'tensorboard' 不是内部或外部命令，也不是可运行的程序 或批处理文件。打开下面生成的链接即可，可以通过刷新网页来实时查看迭代过程中的loss变换。一般每个项目都要有自己对应的环境。
2023-03-16 19:55:48
165
原创 使用pybind11将c++扩展为python
其中，“example”是Python模块的名称，“m”是pybind11库中的一个。3.使用PYBIND11_MODULE宏将C++函数包装为Python模块。4.编译运行生成pyd文件，将pyd文件置于python项目中即可调用（包装为Python函数，并设置函数的文档字符串。如果修改了c++的函数后，要重新生成扩展库。2.在原有的c++代码基础上添加头文件。1.首先安装pybind11。函数用于将C++函数。
2023-03-08 15:06:55
1713
原创 点线面的计算
ax+by+cz+e＝0之间的距离为|d-e|/√（a²+b²+c²）设两个平面是：ax+by+cz+d＝0。两平面的距离是指互相平行的两个平面。已知三点坐标，求平面方程。
2023-02-23 16:33:40
166
原创 Python基础及函数解读(深度学习)
该语句是python2的概念，那么python3对于python2就是future了，也就是说，在python2的环境下，超前使用python3的。利用命令“import numpy as np”将numpy库取别名为“np”将上一层的输出作为下一层的输入，并计算下一层的输出，一直到运算到输出层为止。softplus的数学表达式以及与Relu的函数对比，相当于Relu的平滑。（2）在代码后面加注释：和代码相距两个空格， # 后面再跟一个空格。（1）在代码上面加注释： # 后面跟一个空格。
2023-02-09 09:36:09
584
原创 注意力机制Attention Mechanism
从众多信息中选取对目标有用的信息，并聚焦到这些信息上（由权重系数决定），减少不必要的算力，提高模型效率。实现：从encoder-decoder框架理解，对输入设置权重，来区分不同信息的重要程度。
2023-02-02 23:46:31
137
原创 如何运行一个py项目（新建环境）
此时是使用python3.7版本，没有的话需要添加环境：add interpreter在anaconda（安装参考）中选择基础环境（base），也可以选择envs文件夹下新建的环境设置好环境后，点运行启动。
2023-01-31 22:52:39
1437
原创 Windows安装cmake
根据电脑系统选择32位或者64位(官网下载速度比较慢，请耐心等待)修改安装路径，建议不要包含中文和空格。添加用户变量并创建桌面图标。进入cmd测试是否安装成功。
2023-01-09 15:51:59
334
原创 VS中的cmake
寻找PCL的库# 添加头文件# 添加一个可执行程序# 链接PCL库# 寻找EIGEN的库# 添加头文件# 添加一个可执行程序# 寻找VTK的库# 添加一个可执行程序# 链接VTK库。
2023-01-04 21:42:03
6766
原创 双线性插值
将图片或者特征图进行双线性上采样可以改变尺寸，在pytorch中可以使用torch.nn.function.grid_sample函数实现。
2022-11-30 16:56:44
1414
原创 图像质量评价指标metrics：PSNR 、SSIM、LPIPS
是基于对应像素点间的误差，即基于误差敏感的图像质量评价，由于并未考虑到人眼的视觉特性（人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个 区域的感知结果会受到其周围邻近区域的影响等），因而经常出现评价结果与人的主观感觉不一致的情况。必须满足两张图像的size要完全一样。可以衡量图片的失真程度，也可以衡量两张图片的相似程度。与MSE和PSNR衡量绝对误差不同，SSIM是感知模型，即更符合人眼的直观感受。
2022-11-29 20:17:01
13037
1
原创 反向传播算法
求出对w和b的偏导分别为0.9和0.6，假设学习率为0.1，则更新w=0.8-0.1×0.9=0.71，更新b=0.2-0.1×0.6=0.14，loss减小。反向传播算法思想：利用求导的链式法则从后向前计算参数梯度值。w和b的偏导与输入、输出和真实值有关。
2022-11-28 19:07:25
236
原创 梯度下降原理+梯度消失和爆炸
学习率（步长）：人为设定，控制梯度下降的步长（初始常见值为0.001、 0.01，结果不好由大到小进行调整）batch表示一次迭代的样本数量，一般设置为64 128 256，在显卡等允许的前提下越大越好。随机梯度下降(SGD)：会受离散点、噪音点的影响。梯度：切点的方向，沿着切线方向前进是最快的。目的：最小化损失函数，一个优化的思想。当损失函数有多个参数时，要分别优化。梯度下降：沿着梯度的反方向走。
2022-11-28 11:33:25
428
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人