大一生活

 

 

时间真是不等人,这么快大一的生活就结束了,这一年里开心过,也伤心过。有过成功也过失败。

宿舍朋友

这一年里我认识了很多朋友,有我们宿舍的室友,我们都相处的很好,虽然偶尔会开开玩笑,但从没有闹过。不过我真心希望你们能和我一起好好认真读出,毕竟大学是个最好学习不过的地方了,可以任你自由发挥只要你能努力,能坚持,我相信在你们身上什么都有可能发生。希望你们好好加油!

学霸姐妹

在这年里我也认识了很多学霸,貌似就认识了一个宿舍全都是学霸的。而且她们人都很好,只可惜我还有几个可能见都没见过,她们是很好的八姐妹。大姐是个特别爱学习的,而且特别能吃苦,我十分欣赏。从没见过这样的,或许我会说我吃的苦很多很多,但跟她比起来我实在是差太远了。平时在宿舍时我们宿舍朋友的就会把我们扯得稀烂,我也拿他们没办法。五妹最大的优点是特别会关心人,真的让我没办法去形容了,总是处处为别人着想,却对自己关心的很少。记忆中好像就有一次下雨送过我回宿舍,还有次我没吃早饭就给我带了早餐。只可惜我很想也请她吃饭她就是不要啊!真叫我不知道该如何是好。希望你以后还是要好好关心下自己啦!

二姐这是让我最头痛的一个,面对她我实在无语,无论我怎样她总会跟我唱反调。我也不知道她是怎么想的,必经在我们身上发生了太多事了。我只能说我尽力了,真心用尽了全力。但她也有她独特的一面,很会讲话所身边的朋友很多,而且也很会关心人,但不会去表现出来,而且心机很重,内在隐常着超常般的能力。实在无法估计其爆发后的能量会有多大,但可惜的是却不会把内在的能力花在学习上,总是天天泡在小说和电视里,但考试起来依然能秒杀群雄。真希望你那一天能把你的潜能花在该花的地方。其她的几个就不多说了......................

队友

这一年你我认识了一群队友,个个都是代码大神,感觉自己遥不可及,永远也跟不上你们的节奏。没办法或许这是个人能力的问题不能强求,希望通过自己的努力能慢慢跟上你们,一起跟着我们的队长往前冲,为我们的下一届做好带头作用。

老师

上学期我最深刻的应该是我们的高数老师了,记得我总会想问这问那的高数题目。只可惜她没教我们多久就我们就换老师了,还有我们的离散老师常常会看到他会在课堂上发脾气只怪我们读书不然真啊!加上我们的C语言老师上课时会不知不觉的扯到关于政治事实上去。下学期我认识了我们的数电老师,模电老师,还有数据结构老师。他们都很好只不过我读书却不怎么认真上课要不精力不能集中要不就想睡实在让他们失望了。

模电老师@模电老师(伊艳群)

说实话最负责的老师还是我们的模电老师,虽然我经常跟她吵吵,不过她上课真的很好讲的也很仔细。而我还说她不负责实在太不应该了。不过老师还真的蛮喜欢我哦!每次我有问题时都会只要发个短信老师要不回短信跟我说,要不就打电话过来跟我说。记得最后一次做实验两个班全走了,我跟模电老师两个人在那你做实验,老师帮我当助理啊!实在是好啊!真的感谢我的模电老师啊。下次如果有机会碰到你我一定要你带我去你家玩!呵呵,,,

数据结构老师

我们数据结构老师跟其他班数据结构的老师来讲还是很不错的,而且对我也很好,记得我还跑到他的办公室去找过他问过问题,而且老师也很看好我呀!而且还答应我了如果有一天我没事了就带我做应用,真的好感谢老师这么看得起我啊!还有这次期末考试我数据结构考的不好老师还跟我说抱歉,实在受不起啊!考的不好要挂就怪我平时不够认真吧!真的很感谢老师你一直以来对我培养。

数电老师

数电老师上课也很负责,每次上课时如果有人在下面讲话都会叫起来回答问题,呵呵!而且数电实验上我有问题老师也会经常帮我去找问题,直到解决为止。虽说老师平时说话总是说如果你们考试到时过不了就直接挂不会讲半点情面,但真的这次老师没有真这么做这个就不多说了,我们班的都知道。好吧将完了!

大一再见,大二我来了、、、、、、、、

基于Swin Transformer与ASPP模块的图像分类系统设计与实现 本文介绍了一种结合Swin Transformer与空洞空间金字塔池化(ASPP)模块的高效图像分类系统。该系统通过融合Transformer的全局建模能力和ASPP的多尺度特征提取优势,显著提升了模型在复杂场景下的分类性能。 模型架构创新 系统核心采用Swin Transformer作为骨干网络,其层次化窗口注意力机制能高效捕获长距离依赖关系。在特征提取阶段,创新性地引入ASPP模块,通过并行空洞卷积(膨胀率6/12/18)和全局平均池化分支,实现多尺度上下文信息融合。ASPP输出经1x1卷积降维后与原始特征拼接,有效增强了模型对物体尺寸变化的鲁棒性。 训练优化策略 训练流程采用Adam优化器(学习率0.0001)和交叉熵损失函数,支持多GPU并行训练。系统实现了完整的评估指标体系,包括准确率、精确率、召回率、特异度和F1分数等6项指标,并通过动态曲线可视化模块实时监控训练过程。采用早停机制保存最佳模型,验证集准确率提升可达3.2%。 工程实现亮点 1. 模块化设计:分离数据加载、模型构建和训练流程,支持快速迭代 2. 自动化评估:每轮训练自动生成指标报告和可视化曲线 3. 设备自适应:智能检测CUDA可用性,无缝切换训练设备 4. 中文支持:优化可视化界面的中文显示与负号渲染 实验表明,该系统在224×224分辨率图像分类任务中,仅需2个epoch即可达到92%以上的验证准确率。ASPP模块的引入使小目标识别准确率提升15%,特别适用于医疗影像等需要细粒度分类的场景。未来可通过轻量化改造进一步优化推理速度。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值