- 博客(28)
- 收藏
- 关注
RSS订阅原创 简述带多选列表框的对话框的创建和使用方法
原创作品，转载请注明，谢谢。使用AlertDialog.Builder类可以创建带列表框的对话框，具体的创建和使用方法如下：在Activity的onCreate()方法中，在需要弹出该对话框的地方，创建AlertDialog.Builder对象。AlertDialog.Builder builder= new AlertDialog.Builder(MainActivity.this);设置对话框的标题和图标（可省略）builder.setIcon(R.drawble.advise);
2021-05-24 16:02:04
704
1
原创 无痛的使用BindService，将本地服务改成远程服务
1 题目要求创建一个服务 QueryWeekdayService，该服务提供一个公共方法 QueryWeekday，输入参数日期（年、月、日），返回该日期是星期几。要求本应用程序和其它应用程序都能够绑定到该服务，并调用公共方法。原创作品，转载请声明2 实现思路笔者上课的教材上面明确标注BindService只能进行进程内绑定，因此让笔者在实现题目需要的时候费了很多精力（辣鸡书，不看也罢 √）回归正题，分析题目可知，需要通过服务去获取输入日期是星期几，所以一个简单的直觉就是使用BindService
2021-05-12 09:44:52
1022
8
原创 不用BroadcastReceiver,纯使用service来达到实时监听系统网络状态
1 缘由最近笔者在学Android开发课，有一个上机作业的要求就是“不用BroadcastReceiver,纯使用service来达到实时监听系统网络状态”，笔者本着能CV就CV的原则，查了半天的优快云、博客园……结果千篇一律使用BroadcastReceiver来达到实时监听系统网络状态，没有纯使用service来监听网络状态，于是便有了本篇博文。2 效果演示有网络的时候，正常显示无网络的时候，显示textView，提示没网络3 功能分析由于题目不允许直接使用BoardcastRecei
2021-05-12 08:45:09
1189
3
原创 Redis的学习笔记
1.1 Redis的介绍Redis是一个开源（BSD许可），内存存储的数据结构服务器，可用作数据库，高速缓存和消息队列代理。它支持字符串、哈希表、列表、集合、有序集合，位图，hyperloglogs等数据类型。内置复制、Lua脚本、LRU收回、事务以及不同级别磁盘持久化功能，同时通过Redis Sentinel提供高可用，通过Redis Cluster提供自动分区。1.2 Redis的配置步骤：添加依赖<dependency> <groupId>org.spri
2021-03-03 21:10:15
188
1
原创 SpringCloud 学习笔记
1 什么是SpringCloud?1.1 SpringCloud介绍 Spring Cloud是一系列框架的有序集合。它利用Spring Boot的开发便利性巧妙地简化了分布式系统基础设施的开发，如服务发现注册、配置中心、消息总线、负载均衡、断路器、数据监控等，都可以用Spring Boot的开发风格做到一键启动和部署。Spring Cloud并没有重复制造轮子，它只是将各家公司开发的比较成熟、经得起实际考验的服务框架组合起来，通过Spring Boot风格进行再封装屏蔽掉了复杂的配置和实现原理，最终
2021-02-16 15:37:50
328
1
原创 SpringBoot的学习
SpringBoot 学习笔记持续更新~~1 什么是SpringBoot？Spring是为了解决企业级应用开发的复杂性而创建的，简化开发。Spring的4个关键策略：1、基于POJO的轻量级和最小侵入性编程；2、通过IOC、依赖注入3、基于切面编程4、通过切面和模块减少样式代码SpringBoot中约定大于开发2 什么是微服务架构？所谓微服务架构，就是打破之前的all in one的架构方式，把每个功能元素独立出来。把独立出来的功能元素进行动态组合。所以微服务架构是对功能元素进行复制，
2021-02-03 19:43:21
683
1
原创 Vue.js的学习
vue的学习笔记本笔记基于狂神说vue的视频，旨在加强自己的记忆，该笔记会持续更新1、第一个Vue程序步骤：导入vue.js(方法很多，这里使用cdn的方式导入)写Model与前端绑定<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <title>Title</title></head><body>
2021-01-28 18:29:48
306
原创 Java多线程笔记
多线程笔记说明：主要是记录自己在学习多线程时候产生的笔记。1 继承多线程方式一：继承Thread类创建线程方式一：继承Thread类，重写run方法，调用start开启线程idea快捷键：20.fori等同于for(int i=1;i<=20;i++) 方式二：实现Runnable接口启动线程：传入目标对象+Thread对象.start()推荐使用该方法，因为可以避免单继承局限性，方便同一个对象对多个线程使用案例（龟兔赛跑）package com.young.dem
2021-01-24 19:52:46
147
原创 STL入门知识（容器适配器）
概述为了更好使用三种标准顺序容器，STL还设计了3种容器适配器，即队列、优先队列和栈，容器适配器可以将顺序容器转换为另一种容器，也就是以顺序容器为基础将其转换为新的容器。转换格式container adapter<typename T,container<typename T> >变量名第1个模版参数T指定要在容器中存储的类型。第2个模版参数规定适配的底层容器，变...
2019-03-15 11:08:47
201
原创 STL入门知识（deque）
头文件#include&lt;deque&gt;常用操作下面通过代码展示双端队列容器的常用操作#include &lt;iostream&gt;#include &lt;deque&gt;using namespace std;template &lt;class T&gt;void print(T&amp;deq,char *str
2019-03-15 10:37:10
143
原创 STL入门知识（vector）
Vector头文件#include&lt;vector&gt;定义vector&lt;int&gt;vec1; //定义一个空的vectorvector&lt;int&gt;vec2(vec1);//用vec1来初始化vec2vector&lt;int&gt;vec3[20];//定义一个二维大小的vector 低维相当于动态一维数组增加元素ve
2019-03-15 10:07:15
154
原创 栈式自编码
介绍栈式自编码神经网络(Stacked Autoencoder,SA)，是对自编码网络的一种使用方法，是一个由多层训练好的自编码器组成的神经网络。由于网络中的每一层都是单独训练而来，相当于都初始化了一个合理的数值。所以，这样的网络会更容易训练，并且有更快的收敛性及更好的准确度。栈式自编码常常被用于预训练（初始化）神经网络之前的权重预训练步骤。例如，在一个分类问题上，可以按照从前向后的顺序执行每...
2019-03-03 10:55:24
1901
原创 去噪自编码网络
概述去噪自编码器（denoising autoencoder，DAE）是一类接受损坏数据作为输入，并训练来预测原始未被损坏数据作为输出的自编码器。训练过程DAE的训练过程如图所示，我们引入一个损坏过程C(x1|x)，这个条件分布代表给定数据样本x产生损坏数据样本x1的概率。自编码器则根据以下过程，从训练数据中对（x,x~\widetilde{x}x）中学习重构分布Preconstruct（x...
2019-03-03 10:24:48
1524
原创 反卷积神经网络
反卷积指的是，通过测量输出和已知输入重构未知输入的过程。在神经网络中，反卷积过程不具备学习的能力。可以理解为下图：反卷积神经网络的应用场景我们可以利用反卷积神经网络进行信道均衡、图像恢复、语音识别、地震学、无损探伤等未知输入heels过程辨识方面的问题。反卷积的原理反卷积，可以理解为卷积操作的逆操作，然而output并不能等于input，反卷积只是将卷积核转置，与卷积后的结果再做一次卷积...
2019-02-12 16:07:49
2175
原创 池化函数
背景在CNN中，池化函数一般放在卷积层之后，图片经过卷积层，获得的特征更加适合分类器的学习，然而如果进行的是同卷积或者全卷积，得到的特征大小不比原来的小，这样我们就需要降维，为此引入池化函数。池化函数tf.nn.max_pool(avg_pool)在TensorFlow中池化函数如下：tf.nn.max_pool(input,ksize,strides,padding,name=None)...
2019-02-10 11:52:17
1415
原创 实例：使用卷积提取图片的轮廓
载入图片并显示首先将图片放到代码的同级目录下，通过imread载入，然后将其显示并打印出来。#载入图片并显示import matplotlib.pyplot as plt #plt用于显示图片import matplotlib.image as mpimg #mpimg用于读取图片import numpy as npimport tensorflow as tfmyimg = mp...
2019-02-09 22:32:54
1069
原创 卷积神经网络的相关函数
声明：以下内容绝大多部分来自于《深度学习之TensorFlow：入门、原理与进阶实战》，本博客只是为了更好学习，而将书本内容打一遍。前言在TensorFlow中，使用tf.nn.conv2d来实现卷积操作，使用tf.nn.max_pool进行最大池化操作。通过传入不同的参数，来实现各种不同类型的卷积与池化操作。卷积函数tf.nn.conv2dTensorFlow里使用tf.nn.con...
2019-02-08 23:47:13
624
原创 卷积神经网络之基础知识
全连接网络的局限性在全连接网络中，仅使用一个2828像素的小图片数据集就完成了分类任务。但在实际应用中要处理的图片像素一般都是1024，甚至更大，这么大的图片输入到全连接网络中后会有什么效果呢？我们可以分析一下。如果只有两个量过隐藏层，每层各用了256个节点，则MNIST数据集所需要的参数是10241024256+256256+25610个w，再加上256+256+10个b。1.图像变大导致...
2019-02-08 19:00:23
991
原创 多层神经网络
背景上一章通过实验验证了单层神经网络的拟合功能。但是在实际环境中，发现这种拟合的效果极其有限。对于某些样本，即便是Maxout也无法解决问题。追究根本，源于样本本身的特性，即单层神经网络只能结果对线性可分的问题。线性可分与线性不可分可以用直线（或平面）分割的方式解决问题，则可以说这个问题是线性可分的。同理，类似这样的数据集就可以被称为线性可分数据集合。非线性问题，就是用直线（或平面）分...
2019-02-06 10:41:07
912
原创 深度学习基础之单个神经元
概述一个神经元由以下几个关键知识点组成：·激活函数·损失函数·梯度下降神经元的拟合原理z为输出的结果；x为输入；w为权重；b为偏置值。w和b可以理解为两个变量。模型每次的学习都是为了调整w和b从而得到一个合适的值，最终由这个值配合运算公式所形成的逻辑就是神经网络的模型。正向传播数据是从输入到输出的流向传递过来的。当然，它是在一个假设有合适的w和b的基础上的，才可以实现对现实环境的...
2019-02-03 22:22:34
2701
原创 识别图中模糊的手写数字
步骤1.导入MNIST数据集2.分析MNIST样本特点定义变量3.构建模型4.训练模型并输出中间状态参数5.测试模型6.保存模型7.读取模型导入MNIST数据集import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_dat...
2019-01-31 12:02:11
599
原创 tensorflow编程基础之图的基本操作
建立图概述：可以在一个tensorflow中手动建立其他的图，也可以根据图中的变量获得当前的图。下面代码演示了tf.Graph函数建立图，使用tf.get_default_graph函数获得图，以及使用tf.reset_default_graph的过程来重置图。实例：import numpy as npimport tensorflow as tfc = tf.constant(0.0)...
2019-01-30 21:11:58
196
原创 tensorflow编程基础之共享变量
共享变量背景：在某种情况下，一个模型需要使用其他模型创建的变量，两个模型一起训练。比如，对抗网络中的生成器模型与判别器模型。如果使用tf.Variable，将会生成一个新的变量，而我们需要的是原来的那个变量。这时就是通过引入get_variable方法，实现共享变量来解决这个问题。这种方法可以使用多套网络模型来训练一套权重。使用get_variable获取变量get_variable一般会配...
2019-01-30 11:27:08
128
原创 tensorflow编程基础之编程模型
实例引入实例1：演示with session的使用import tensorflow as tfa = tf.constant(3)b = tf.constant(4)with tf.Session() as sess: print("相加：%i"%sess.run(a+b)) print("相乘：%i"%sess.run(a*b))结果：相加：7相乘：12...
2019-01-29 16:11:57
272
原创 实例：从一组看似混乱的数据中找出y≈2x
深度学习的4个步骤1.数据准备2.搭建模型3.迭代训练4.使用模型数据准备以y=2x作为主体，加入一些干扰噪声。
2019-01-28 11:09:46
199
原创 python基础（概率内容2）
事件的独立性说明：给定A和B是两个事件，若有 则称事件A和B相互独立。实践中往往根据两个事件是否相互影响而判断独立性：如给定M个样本、若干次采样等情 形 ，往往假定它们相互独立。...
2019-01-27 21:36:34
137
原创 python基础（概率内容1）
Python与概率实例1：统计首位数字出现的概率说明：给定某正整数N，统计从1到N的所有数所对 应的阶乘中，首位数字出现1的概率。 进而，可以计算首位数字是2的概率，是3的 概率，从而得到一条“九点分布”。代码：import matplotlib.pyplot as pltdef first_num(x): while(x&amp;gt;=10): x=x//10 ...
2019-01-25 12:09:33
2070
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