<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[maelee的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/maelee</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; maelee]]></copyright><item><title><![CDATA[MySQL数据库学习（4）]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/128106131</link><guid>https://blog.youkuaiyun.com/maelee/article/details/128106131</guid><author>maelee</author><pubDate>Fri, 09 Dec 2022 20:53:21 +0800</pubDate><description><![CDATA[5.2 二级排序 SELECT employee_id , salary , department_id FROM employees ORDER BY department_id DESC , salary ASC;可以看出同id下，salary按升序排列可以使用不在SELECT列表中的列排序。在对多列进行排序的时候，首先排序的第一列必须有相同的列值，才会对第二列进行排序。如果第一列数据中所有值都是唯一的，将不再对第二列进行排序。]]></description><category></category></item><item><title><![CDATA[CholecSeg8k数据]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/127078442</link><guid>https://blog.youkuaiyun.com/maelee/article/details/127078442</guid><author>maelee</author><pubDate>Tue, 29 Nov 2022 21:41:31 +0800</pubDate><description><![CDATA[计算机辅助手术的发展是为了提高手术的准确性和安全性。然而，研究人员和工程师在开发和训练更好的算法时，要忍受有限的注释数据。因此，诸如同步定位与映射(SLAM)等基础算法的发展受到了限制。本文阐述了为语义分割准备数据集的工作，这是许多计算机辅助手术机制的基础。基于Cholec80数据集[3]，我们从Cholec80的17个视频片段中提取了8080个腹腔镜胆囊切除术图像帧，并对图像进行了标注。该数据集名为CholecSeg8K，总大小为3GB。]]></description><category></category></item><item><title><![CDATA[MYSQL数据库学习（3）]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/127756752</link><guid>https://blog.youkuaiyun.com/maelee/article/details/127756752</guid><author>maelee</author><pubDate>Tue, 29 Nov 2022 21:39:14 +0800</pubDate><description><![CDATA[=>与=类似，唯一区别是可以对NULL进行判断，当两个操作数均为NULL，其值返回为1，而不为NULL；OR可以和AND一起使用，但是在使用时要注意两者的优先级，由于AND的优先级高于OR，因此先对AND两边的操作数进行操作，再与OR中的操作数结合。比较运算符用来对表达式左边的操作数和右边的操作数进行比较，比较的结果为真则返回1，比较的结果为假则返回0，其他情况则返回NULL。当一个值为NULL，并且另一个值为非0值时，返回1，否则返回NULL；如果一个值为0，另一个值不为0时，则返回1。]]></description><category></category></item><item><title><![CDATA[MySQL数据库学习（2）]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/127562148</link><guid>https://blog.youkuaiyun.com/maelee/article/details/127562148</guid><author>maelee</author><pubDate>Mon, 07 Nov 2022 16:29:07 +0800</pubDate><description><![CDATA[DDL（Data Definition Languages、数据定义语言），这些语句定义了不同的数据库、表、视图、索引等数据库对象，还可以用来创建、删除、修改数据库和数据表的结构。主要的语句关键字包括 CREATE 、 DROP 、 ALTER 等。DML（Data Manipulation Language、数据操作语言），用于添加、删除、更新和查询数据库记录，并检查数据完整性。主要的语句关键字包括 INSERT 、 DELETE 、 UPDATE ，SELECT 等。]]></description><category></category></item><item><title><![CDATA[MySQL数据库学习（1）]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/127528201</link><guid>https://blog.youkuaiyun.com/maelee/article/details/127528201</guid><author>maelee</author><pubDate>Wed, 26 Oct 2022 22:42:02 +0800</pubDate><description><![CDATA[mySQL概述与安装配置]]></description><category></category></item><item><title><![CDATA[实验记录1]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/126768176</link><guid>https://blog.youkuaiyun.com/maelee/article/details/126768176</guid><author>maelee</author><pubDate>Thu, 08 Sep 2022 18:12:13 +0800</pubDate><description><![CDATA[本次实验通过segmentationNetworks网络训练m2caiseg数据集，并统计了IoU，Precision，Recall，F1四个评估指标。]]></description><category></category></item><item><title><![CDATA[Unet图像分割]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/125359818</link><guid>https://blog.youkuaiyun.com/maelee/article/details/125359818</guid><author>maelee</author><pubDate>Sun, 17 Jul 2022 13:20:19 +0800</pubDate><description><![CDATA[一般利用VGG16模型进行主干特征提取。]]></description><category></category></item><item><title><![CDATA[segNet学习记录]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/125830650</link><guid>https://blog.youkuaiyun.com/maelee/article/details/125830650</guid><author>maelee</author><pubDate>Sun, 17 Jul 2022 13:06:37 +0800</pubDate><description><![CDATA[由于我们的数据集很小，我们在训练时进行了10种作物的在线数据增强，我们从所有4个角落和中心取出所有224x224作物，以及它们的水平翻转(镜像)。对于网络中的所有卷积层，我们使用的内核大小为4x4，步幅为2，填充为1，除了最后一个编码器层，我们使用相同的内核大小，但步幅为1，没有填充。我们对Latent表示的网络进行镜像，因此我们的卷积转置层使用了与Encoder网络中卷积层相同的超参数，即第一层Decoder层步幅为1，没有填充，而其他所有层步幅为2，填充为1。所有层的内核大小为4x4。.........]]></description><category></category></item><item><title><![CDATA[GRU网络]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/125339628</link><guid>https://blog.youkuaiyun.com/maelee/article/details/125339628</guid><author>maelee</author><pubDate>Fri, 17 Jun 2022 21:40:56 +0800</pubDate><description><![CDATA[补充博客指路：
https://blog.youkuaiyun.com/qq_38147421/article/details/107694477?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165547103016780357296333%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=165547103016780357296333&biz_id=0&]]></description><category></category></item><item><title><![CDATA[长短期记忆网络LSTM]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/125297416</link><guid>https://blog.youkuaiyun.com/maelee/article/details/125297416</guid><author>maelee</author><pubDate>Thu, 16 Jun 2022 22:12:34 +0800</pubDate><description><![CDATA[上一回我们学习了RNN循环神经网络，而LSTM网络是对RNN网络做的一个改良。
由于RNN模型中存在梯度爆炸与梯度消失，尤其是梯度消失的问题非常严重，针对这个问题，LSTM做了改良。
RNN是想把所有的信息都记住，不论是有没有用的，这样就会导致遗忘掉许多东西，而LSTM设计了一个记忆细胞，具备选择性记忆的功能，可以选择记忆重要信息，过滤掉噪声信息，减轻记忆负担。LSTM：
Ht-1可以理解为上一个事假的权重得分。
通过乘法运算，遗忘掉矩阵中0,保留1（清空不相关的学习到的知识）。
过滤掉无关的知识
生成新知]]></description><category></category></item><item><title><![CDATA[循环神经网络学习笔记（基础篇）]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/125188563</link><guid>https://blog.youkuaiyun.com/maelee/article/details/125188563</guid><author>maelee</author><pubDate>Wed, 15 Jun 2022 14:59:28 +0800</pubDate><description><![CDATA[在CNN全连接层权重占比较多，在图像任务中，由于整个图像共享卷积核，所以实际参数量远远小于全连接层。

在实际任务中，由于全连接层参数过多，我们需要使用RNN解决带有序列模式的数据，同时利用权重共享的思想解决参数过多的问题。比如预测天气时，今天的天气要依赖于上一天的天气数据，多用于天气、股票、自然语言处理等。
h0：先验知识（可以初始化为全0与h1同维度的矩阵）
h1：hidden，与RNN Cell一同计算h2RNN Cell本质就是一个线性层（Linear），hidden就是隐层，区别就是RNN Cel]]></description><category></category></item><item><title><![CDATA[爬虫实战01]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/122828600</link><guid>https://blog.youkuaiyun.com/maelee/article/details/122828600</guid><author>maelee</author><pubDate>Mon, 14 Feb 2022 10:45:09 +0800</pubDate><description><![CDATA[第一天
这个博客为B站爬虫实战教程的笔记，我按照学习天数来记录。
一.手刃一个小爬虫
（参考“小爬虫案例.py”）
需求：用程序模拟浏览器，输入一个网址，从该网址中获取到资源和内容。
from urllib.request import urlopen
url = "http://www.baidu.com"
resp = urlopen(url)
print(resp.read().decode("utf-8"))


实际上对于响应返回的东西输出发现，“ b’ ”代表的是字节，"charset=utf-]]></description><category></category></item><item><title><![CDATA[Python爬虫五天总结]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/122486768</link><guid>https://blog.youkuaiyun.com/maelee/article/details/122486768</guid><author>maelee</author><pubDate>Fri, 28 Jan 2022 11:46:46 +0800</pubDate><description><![CDATA[八.总结
1.完整项目练习
爬取壁纸分类中”全部“的前五页所有组图。

]]></description><category></category></item><item><title><![CDATA[Python爬虫第五天]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/122468683</link><guid>https://blog.youkuaiyun.com/maelee/article/details/122468683</guid><author>maelee</author><pubDate>Thu, 13 Jan 2022 11:53:13 +0800</pubDate><description><![CDATA[七.多线程
1.多线程
概念：让程序能够同时执行多个任务
主线程：main是主线程

子线程：自己创建的线程


两个线程一起在运行


（1）导入库
from threading import Thread

（2）创建任务
def func():

（3）创建线程
t = Thread(target=func,args(任务参数))

（4）启动线程
t.start()

2.线程池
线程池就是储存线程的地方，可以自动的对线程进行管理（包括开辟线程，销毁线程，回收等等），始终保持线程池中有我们需要数量的]]></description><category></category></item><item><title><![CDATA[Python 爬虫第四天]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/122437876</link><guid>https://blog.youkuaiyun.com/maelee/article/details/122437876</guid><author>maelee</author><pubDate>Wed, 12 Jan 2022 22:39:41 +0800</pubDate><description><![CDATA[六.页面分析
1.明确爬取目标
观察爬取网站，我们需要爬取的是图片，需要找到图片的URL。

2.提取页面源代码中有效信息
在爬取自己需要的信息时，我们首先先获取到页面源代码，在页面源代码中进行提取。
（pycharm：Ctrl+F搜索）

在Img标签下（qrcode一般时二维码）


不是需要的信息，继续寻找img标签。


所以我们就要拿到img标签中src属性。
此时我们要完整下载这一套图，就需要拿到每一张图对应的详情页的url，再访问每一个详情页（包括需要选定图片的分辨率），在每个详情页里面提取到]]></description><category></category></item><item><title><![CDATA[dosbox汇编环境&turboC环境配置]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/122443536</link><guid>https://blog.youkuaiyun.com/maelee/article/details/122443536</guid><author>maelee</author><pubDate>Tue, 11 Jan 2022 23:20:46 +0800</pubDate><description><![CDATA[一.dosbox
基本环境配置博客指路：https://blog.youkuaiyun.com/qq_43722079/article/details/107690205
这里记录一下我第一个test.asm编译与运行。
test.asm文件如下：
data segment
     string db "This is a test!$"
data ends

code segment
     assume cs:code,ds:data
start:
     mov ax, data
     mov ds,a]]></description><category></category></item><item><title><![CDATA[Python爬虫第三天]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/122396282</link><guid>https://blog.youkuaiyun.com/maelee/article/details/122396282</guid><author>maelee</author><pubDate>Tue, 11 Jan 2022 16:48:08 +0800</pubDate><description><![CDATA[五.xpath解析
xpath是针对xml创建的表达式语言，可以从xml中直接提取到数据，但是我们提取到的网页源代码是html，html是xml的子集，xpath也就可以直接提取html中的内容。
1.安装lxml库
需要安装lxml库
pip install lxml

教程用的html文件
&lt;!DOCTYPE html&gt;
&lt;html lang="en"&gt;
&lt;head&gt;
    &lt;meta charset="UTF-8"&gt;
    &lt;title&gt;]]></description><category></category></item><item><title><![CDATA[Python爬虫（5天入门）第二天]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/122307528</link><guid>https://blog.youkuaiyun.com/maelee/article/details/122307528</guid><author>maelee</author><pubDate>Sat, 08 Jan 2022 22:15:40 +0800</pubDate><description><![CDATA[三.正则表达式
1.正则表达式
正则表达式是用来匹配字符串的一门表达式语言。
测试在线网站：https://tool.oschina.net/regex/

（1）正则支持普通字符
（2）元字符
用一个符号来匹配一堆内容：


\d——匹配一个数字（0-9）


\D——除了数字，全部匹配出来







\w——匹配一个数字，字母，下划线


\W——除了数字，字母，下划线全部匹配出来






匹配自定义的字符组：[自定义字符]


[ ^自定义字符]：除了自定义字符都可以匹配





“.”：除]]></description><category></category></item><item><title><![CDATA[python爬虫（五天入门）]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/122130535</link><guid>https://blog.youkuaiyun.com/maelee/article/details/122130535</guid><author>maelee</author><pubDate>Tue, 04 Jan 2022 17:11:46 +0800</pubDate><description><![CDATA[第一天
一.浏览器工具
摁F12打开开发者工具。

我们还可以在网页上通过右键，查看源代码，查看网页未经过Js脚本执行的原始代码。页面源代码的脚本中有发送请求获取数据的部分。我们使用python爬取到的内容就是页面源代码。


对于开发者工具，在学习爬虫的时候，我们主要关注前四个——元素，控制台，源代码，网络。
（1）元素Elements
元素栏目里面是当前网页的每一模块对应的html代码，其是经过脚本执行后的效果，并且是实时的状态，可以直接进行对网页展示修改。
（2）网络network
network为抓]]></description><category></category></item><item><title><![CDATA[ML第三天]]></title><link>https://blog.youkuaiyun.com/maelee/article/details/121308910</link><guid>https://blog.youkuaiyun.com/maelee/article/details/121308910</guid><author>maelee</author><pubDate>Sun, 14 Nov 2021 17:18:40 +0800</pubDate><description><![CDATA[ML三
二.算法
2.朴素贝叶斯算法
2.1定义

概率基础

条件概率：事件A在另外一个事件B已经发生条件下的发生概率。
P(A|B)
联合概率：包含多个条件，且所有条件同时成立的概率。
P(A,B)
相互独立：P(A,B)=P(A)P(B)，则称事件A与事件B相互独立。


贝叶斯公式：P(C|W)= P(W|C)P©/P(W)
拉普拉斯平滑系数：

目的：防止计算出的分类概率为0.
公式：P(F|C)=(Ni+α)/(N+αm)
α为指定系数，一般为1，m为训练文档中统计出的特征词数。


朴素贝叶斯]]></description><category></category></item></channel></rss>