- 博客(146)
- 收藏
- 关注
RSS订阅原创 MYSQL学习笔记(十二)--视图简介与应用
视图一方面可以帮我们使用表的一部分而不是整个表，另一方面也可以针对不同的用户顶置不同的查询视图。比如，针对公司的销售人员，我们只想给他看部分数据，而某些特殊的数据，比如采购价格，则不会提供给他。再比如，员工薪资是个敏感字段，那么只给某个级别以上的人员开放，其他人的查询视图中则不提供这个字段。
2025-04-18 20:03:28
757
原创 深度学习基础--CNN经典网络之InceptionV3详解与复现(pytorch)
是谷歌在2015年提出，是的进阶版，对于Inception系列网络来说，他是当时第一个在100层卷积网络却依然可以取得好效果的网络(ResNet还没有提出来)，相比于更深入得网络结构，在中，包含了48层卷积网络，这可以提取出更多特征，从而获得更好成果；使用分解卷积，将较大的卷积核分解为多个较小的卷积核，在保持良好性能的情况下，依然降低了网络参数量，减少计算复杂度；使用BN层，
2025-04-18 19:54:30
1441
原创 深度学习基础--CNN经典网络之InceptionV1研究与复现(pytorch)
Network-in-Network（NiN）是一种深度学习架构，它在2013年由Lin等人提出，旨在提高传统卷积神经网络（CNNs）的性能。卷积核来降维，这样虽然加大了网络深度，但是也减少了参数量和计算量，网络结构如上图b所示。去掉两个辅助分支，只复现主要分支(详细请看网络结构)，并进行实验，对猴痘病图片进行分类。黄色是头部，主要用于数据处理的，绿色是上面介绍的Inception Module结构。中，基本由1*1卷积，3*3卷积，5*5卷积，3*3最大池化这四个基本单元组成，对。假设：前一层的输出为。
2025-04-11 17:40:48
982
原创 深度学习基础--CNN经典网络之分组卷积与ResNext网络实验探究(pytorch复现)
分组卷积最早出现在AlexNet网络中，在这里将通道数分成两组，采用两个GPU并行提取特征，网络结构如下：提取到的特征图如下：作者发现第一组提取的主要是黑白特征，第二组提取的主要是彩色特征，这样分组特征可以更好的提取不同特征数据。普通卷积 VS 分组卷积先看常规卷积c * k * k如下图左边所示分组卷积，就是对输入的feature map进行分组，然后每组分别卷积。假设输入feature map的尺寸为c * h * w。
2025-04-04 16:26:01
956
原创 深度学习基础--CNN经典网络之基于SE的ResNet50V2网络结构探究实验
随意线索，不随意线索不随意线索：不随着自己的意思，就像上图左边所示，注意力集中在红色杯子；不随意线索：随着自己的意思，带有目的性的，如图右边所示，注意力集中在书本。
2025-03-28 18:14:53
873
原创 深度学习基础--CNN经典网络之基于ResNet和DenseNet混合架构网络论文的复现(pytorch实现)
前言常见的一些模型融合方法有：本文采用的是第三种，参考论文：论文Resnet模型和DenseNet模型特点：在《论文》中，作者发现：ResNet更侧重于特征的复用，而DenseNet则更侧重于特征的生成。故作者提出了DPN网络，如图所示：这个图比较难看懂，换个更清晰的图看：这个图就容易看懂多了，DPN网络核心的就是上图中，蓝框和红框的东西，在DPN中，训练模块Block中，将输出的信息进行分拆，然后又进行融合，分拆和融合的思想是，ResNet的特征复用，与DenseNet的创建新特征：参考ResNet网络，
2025-03-21 18:01:25
1163
原创 MYSQL学习笔记(十一)：MYSQL数据类型讲解
数据类型（data_type）是指系统中所允许的数据的类型。MySQL 数据类型定义了列中可以存储什么数据以及该数据怎样存储的规则，其实这个和C、java、cpp差不多。如果使用错误的数据类型可能会严重影响应用程序的功能和性能，所以在设计表时，应该特别重视数据列所用的数据类型。更改包含数据的列不是一件小事，这样做可能会导致数据丢失。因此，在创建表时必须为每个列设置正确的数据类型和长度。MySQL 的数据类型有大概可以分为 5 种，分别是整数类型浮点数类型和定点数类型日期和时间类型字符串类型二进制类型。
2025-03-11 23:08:42
1098
原创 深度学习基础--CNN经典网络之“DenseNet”简介，源码研究与复现(pytorch)
DenseNet是在ResNet之后发明出来的，从网络结构图来看，他类似采用残差的方式。
2025-03-07 18:26:41
1189
原创 深度学习基础--CNN经典网络之ResNet50V2网络的讲解，ResNet50V2的复现(pytorch)以及用复现的ResNet50做鸟类图像分类
👀改进点原始resnet结果：先进行卷积，在进行BN和激活函数，最后执行addtion与RelU修改版本：先进行BN和激活函数，把addtion后的ReLU放到了残差内部，改进后残差内有两个ReLU。
2025-02-28 22:03:54
861
原创 MYSQL学习笔记(十)：约束介绍(如：非空、唯一、主键、外键、级联、默认、检查约束)
约束是表级的强制规定。可以在创建表时规定约束（通过CREATE TABLE语句），或者在表创建之后通过ALTER T ABLE语句规定约束。
2025-02-27 21:48:01
776
原创 基于C++“简单且有效”的“数据库连接池”
表示连接池事先会和 MySQL Serve r创建最小个数的连接，当应用发起 MySQL 访问时，不用再创建和 MySQL Server 新的连接，直接从连接池中获取一个可用的连接即可，使用完成后并不去释放连接，而是把连接再归还到连接池当中。
2025-02-25 21:18:30
1179
原创 NGINX配置TCP负载均衡
nginx编译安装需要先安装pcre、openssl、zlib等库，也可以直接编译执行下面的configure命令，根据错误提示信息，安装相应缺少的库。注意需要再root权限下；重新加载配置文件启动。
2025-02-24 23:41:28
492
原创 MYSQL学习笔记(九)：MYSQL表的“增删改查”
在创建表之后如果要增加一列，需要使用下面的语句。ALTER TABLE table_name ADD 字段名 数据类型;
2025-02-22 23:03:33
861
原创 深度学习基础--ResNet网络的讲解，ResNet50的复现(pytorch)以及用复现的ResNet50做鸟类图像分类
ResNet网络是CNN的经典网络架构，是有大神何凯明提出的，主要为了解决随着网络的加深而引起的“ 退化 ”问题，主要用于图像分类。可以说在如今的CV领域里面，大部分网络结构都有参考ResNet网络思想，无论是在图像分类、目标检测、图像识别上，甚至在网络模型中，也融合了ResNet网络的思想。
2025-02-21 22:33:46
2099
4
原创 MYSQL学习笔记(八)：数据管理(插入、修改、删除数据)
前言：使用语句来向表中插入数据。语法给全部字段添加数据批量添加数据（用单条 INSERT 语句处理多个插入要比使用多条 INSERT 语句更快）语法说明如下。 语法 是 SQL 中的一个非常有用的语法，它允许你从一个或多个表中选择数据，并将这些数据插入到另一个表中。多个表查询结果，用。案例再来一点案例向myemp表中添加一条新的数据增加一个没有领导、没有部门也没有奖金的新员工编写完整格式将的员工信息，插入到表中编写简写格式将10部门雇员的信息插入到表之中修改数据
2025-02-17 22:05:56
893
原创 深度学习项目--基于RNN的阿尔茨海默病诊断研究(pytorch实现)
它通过展示模型预测结果与实际标签之间的对比，帮助我们理解模型的准确度以及其在不同类别上的表现。其中，与患病相关性比较强的有：MMSE得分、功能评估得分、记忆抱怨、行为问题等相关性比较强，其中，MMSE得分、功能评估得分为负相关，记忆抱怨、行为问题为正相关。而对于多分类问题，混淆矩阵会相应地扩展到NxN的大小（N为类别数量），每一行代表实际类别，每一列代表预测类别。通过发现，由于原本数据中不患病的多，所以不患病的在图像中显示多，通过观察发现。：这里写代码的时候，不知道为什么，不指定字体，就显示不了字体。
2025-02-14 21:35:06
957
原创 MYSQL学习笔记(七)：新年第一篇之子查询
前言：子查询指一个查询语句嵌套在另一个查询语句内部的查询，这个特性从 MySQL 4.1 开始引入。在特定情况下，一个查询语句的条件需要另一个查询语句来获取，称为内层查询，内层查询语句的查询结果，可以为外层查询语句提供查询条件。其中，内层查询即子查询，外层查询即主查询，只是叫法不同而已。这个案例中，很明显要先找到最低工资数，然后才能通过条件查询进行后面操作，而先找到最低工资，就是标量子查询。根据子查询返回的数据分类：简单来说，子查询可以返回一个标量(就一个值)、一个行、一个列或一个表。根据子查询和主查询之
2025-02-10 23:40:20
1185
原创 MYSQL学习笔记(六)：聚合函数、sql语句执行原理简要分析
前言：👁 注意：统计该企业员工的平均工资查询该企业员工的最高工资查询该企业员工的最低工资计算所有销售的工资之和MYSQL的运行顺序中常见的关键字段如下：这些在中执行顺序是不一样的，从书写顺序来看：👀 注意： 这些顺序不能颠倒。在执行语句过程中，sql执行顺序是：具体sql执行原理：当然如果我们操作的是两张以上的表，还会重复上面的步骤，直到所有表都被处理完为止，这个过程得到是我们的原始数据。
2025-01-25 22:43:11
1232
原创 深度学习项目--基于LSTM--MLP的糖尿病预测探究(pytorch实现)
模型一直是一个很经典的模型，一般用于序列数据预测，这个可以很好的挖掘数据上下文信息，
2025-01-24 16:40:03
1505
原创 MYSQL学习笔记(五)：单行函数(字符串、数学、日期时间、条件判断、信息、加密、进制转换函数)讲解
前言：MySQL 函数会对传递进来的参数进行处理，并返回一个处理结果，也就是返回一个值。MySQL 包含了大量并且丰富的函数，这里只讲解一部分，剩下的比较罕见的函数我们可以到「MySQL 参考手册」查询。查询出姓名长度是5的所有员工信息查询出员工姓名前三个字母是‘JAM’的员工查询所有员工姓名的前三个字母数学函数函数作用ROUND(数字[,保留位数])根据指定的保留位数对小数进行四舍五入，如果不指定保留位数，则小数点之后的数字全部进行全部四舍五入TRU
2025-01-22 21:10:40
1236
原创 MYSQL学习笔记(四)：多表关系、多表查询(交叉连接、内连接、外连接、自连接)、七种JSONS、集合
前言：项目开发中，在进行数据库表结构设计时，会根据业务需求及业务模块之间的关系，分析并设计表结构，由于业务之间相互关联，所以各个表结构之间也存在着各种联系，基本上分为三种：以上关系就是E-R图中的‘1’ 和 ‘n’ / ‘*’含义案例：部门与员工的关系关系：一个部门对应多个员工，一个员工对应一个部门实现：在多的一方建立外键，关联另一方的主键案例：学生与课程的关系关系：一个学生可以选修多门课程，一门课程也可以供多个学生选择实现：建立第三张中间表，中间表至少包含两个外键，分别关联两方主键案例：用户与用户详细的关
2025-01-21 22:24:08
1542
原创 深度学习基础--LSTM学习笔记(李沐《动手学习深度学习》)
忘记门(遗忘门)：将朝着0减少输入门：决定是不是要忽略输入数据输出门：决定是不是要使用隐状态👀提示：一下数学公式组合成一块，我感觉就不是那么容易理解了，但是能大概理解即可，后面在案例中实践学习。LSTM原理具体细节确实复杂，但是我感觉可以结合实践慢慢理解，毕竟小编还是本科生🤠🤠.
2025-01-19 21:35:36
1244
原创 MYSQL学习笔记(三)：分组、排序、分页查询
前言：什么是分组呢？分组这个概念在生活中其实是很常见的，比如有以下需求：👓 解决：🚯 注意：🛋 语法要注意：where、having的使用位置，条件。WHERE和HAVING区别案例实践统计出每种职位的最低和最高工资🔬 注意事项在统计查询之中(存在子句)，子句之中只允许出现分组字段(之后定义后含有的字段)和统计函数，其他的任何字段都不允许出现。总的来说，只允许出现统计函数和group by后面跟的字段。查询需求显示非销售人员(salesman)工作名称以及从事同一工作
2025-01-18 22:03:20
1090
原创 深度学习基础--GRU学习笔记(李沐《动手学习深度学习》)
也就是说这个时候再用RNN模型就不太合适了，为了解决这种问题，RNN模型提供了许多升级的版本，其中著名的有：GRU、LSTM，而LSTM是在GRU的升级版，故本篇学习也是为了学习LSTM打基础。如何我们从左往右看，RNN的缺点的每一次更新隐藏层权重一样，如果我们看这个例子，如果看到一只老鼠，这个时候，(RNN)的变体，我为了解决RNN在处理长时间序列数据的时候容易出现的。，也就是说每一次更新隐藏层的时候，都是使用一样的权重，也就说。可以看到，RNN每一次更新隐藏层的时候，，它决定输出的大小，
2025-01-17 23:10:54
1446
原创 深度学习项目--基于LSTM的火灾预测研究(pytorch实现)
时间是每隔固定时间收集的，故有用特征为：温度、CO、Soot。rmse、r2都不错，但是拟合度还可以再提高。
2025-01-17 22:00:17
2629
3
原创 MYSQL学习笔记(二)：基本的SELECT语句使用(基本、条件、聚合函数查询)
前言：1. 查询多个字段以下为在MySQL数据库中查询数据通用的 SELECT 语法：查询语句中可以使用一个或者多个表，表之间使用逗号(,)分割；SELECT 命令可以读取一条或者多条记录。你可以使用星号（*）来代替其他字段，SELECT语句会返回表的所有字段数据注意： 星号少用2.设置别名3.去除重复记录4.四则运算查询查询所有字段查询所有员工的职位，并起别名查询员工的的职位有哪些(不要重复)查询员工年薪 即 sal* 12条件查询语法运算符表
2025-01-16 12:48:29
790
原创 MYSQL学习笔记(一)：准备数据和数据库的最基本命令
前言：要学习SQL查询语句，首先必须解决一个问题，数据问题。为了方便大家学习，在视频目录中提供了一个test.sql文件。登录MySQL，输入导入sql文件，sql文件实际上是一个脚本文件，里面有多行SQL语句，通过source命令可以批量执行。执行完毕之后，使用查看所有数据库，发现多了一个名为test的数据库。使用查看test数据库下所有的数据表，发现有四个表。test数据库表以后讲解SQL语句的时候，主要使用的是test数据库下的四张表，所以首先就必须对这些表的作用以及列的数据类型做一个基本的了解。部门
2025-01-14 22:56:10
793
原创 数据结构C语言描述12(图文结合)--平衡二叉树(AVL树)的实现(数据采用KV存储形式进行封装)
AVL是一种自平衡二叉搜索树（self-balancing binary search tree）的数据结构，它的名称来源于其发明者G.M. Adelson-Velsky和E.M. Landis。AVL树通过在每次插入或删除节点时进行旋转操作，来确保树的高度始终保持在一个较小的范围内，从而保持树的平衡性。AVL树的平衡性是通过节点的高度差（即左子树高度和右子树高度之差）来衡量的。在一个平衡的AVL树中，任何节点的左子树和右子树的高度差不超过1。当插入或删除节点导致某个节点的平衡被打破时，AVL树会。
2025-01-14 22:19:50
510
原创 数据结构C语言描述11(图文结合)--二叉搜索树(BST树)的实现(数据采用KV存储形式进行封装)
二叉搜索树（Binary Search Tree，BST）是一种特殊的二叉树数据结构，其中每个节点的值都大于其左子树中的任何节点的值，且小于其右子树中的任何节点的值。它的特点使得在搜索、插入和删除操作上具有高效性。以下是一些关于二叉搜索树的重要特性左子树中的所有节点的值都小于根节点的值。右子树中的所有节点的值都大于根节点的值。左右子树本身也是二叉搜索树。中序遍历有序。由于这些特性，二叉搜索树可以用于高效地实现插入、搜索和删除操作。搜索操作可以在平均情况下以O(log n)
2025-01-11 23:21:42
671
原创 错误修改系列---基于RNN模型的心脏病预测(pytorch实现)
这篇文章进行修改，修改后，我们先对数据进行标准化，后再进行划分就会简单很多(模型参数输入，这里应该是13个特征维度，而且这里用后面处理也不好，因为最后应该还加一层激活函数的，所以这次修改采用多分类处理方法，
2025-01-11 22:48:13
1359
6
原创 EDA数据分析结合深度学习---基于EDA数据分析和MLP模型的天气预测(tensorflow实现)
初步观察，今天和明天是否会下雨与：风速、日照时长关系较大。由上图可知，温度和压力对下雨有影响，尤其是下午3点的温度。分别统计今天、明天下雨天数, 用统计图表示。地点数有点多这里采用百分比条形图来展示。这个结合地图，会更好分析，但是也说明了。这里可知，气温对下雨有影响，尤其。这个也可以用统计图进行分析。
2025-01-10 22:19:54
1162
原创 数据结构C语言描述10(图文结合)--堆和建立堆代码实现
堆（Heap）是一种特殊的数据结构，他可以作为优先队列，它是一种完全二叉树（或者近似完全二叉树），并且满足堆属性。堆有两种常见的类型：最大堆（Max Heap）和最小堆（Min Heap）最大堆中，父节点的值大于或等于其子节点的值最小堆中，父节点的值小于或等于其子节点的值。堆的主要特点是根节点（顶部节点）具有最大（或最小）值，这使得堆在很多应用中非常有用，例如优先队列和堆排序算法。👁堆示图这里是采用数组建堆存储是用数组，但是又像是二叉树存储，换句话说，就是用数组模拟树(一般情况数组下标是从1开始。
2025-01-09 23:38:23
640
原创 C/C++语言基础--C++STL库算法记录(质变算法、非质变算法、查找、排序、排列组合、关系算法、集合算法、堆算法等)
前言STL无疑是C++史上一个重要的发明，未来我将更新STL有关的知识点，入门绝对够了(看目录就知道了👀)这是第四篇，，我感觉先用现查即可，；C语言后面也会继续更新知识点，如内联汇编；
2025-01-09 22:30:45
866
原创 数据结构C语言描述9(图文结合)--二叉树和特殊书的概念，二叉树“最傻瓜式创建”与前中后序的“递归”与“非递归遍历”
二叉树是n (n≥0)个结点的有限集合。每个节点最多有两个子节点，分别称为左子节点和右子节点。左子节点和右子节点可以为空。二叉树的子树也是二叉树。
2025-01-05 19:47:32
1302
原创 基于RNN模型的心脏病预测，提供tensorflow和pytorch实现
target与chol、没有什么相关性，fbs是分类变量，chol胆固醇是数值型变量，但是从实际角度，这些都有影响，故不剔除特征。其中分类变量为：sex、cp、fbs、restecg、exang、slope、ca、thal、target。数值型变量：age、trestbps、chol、thalach、oldpeak。测试集表现不是很理想，合理尝试变化不同的批次，会有不同效果。这里先划分为：训练集：测试集 = 9：1。最大值和最小值都可能发生，
2025-01-03 21:52:16
1341
原创 基于RNN模型的心脏病预测(tensorflow实现)
target与chol、没有什么相关性，fbs是分类变量，chol胆固醇是数值型变量，但是从实际角度，这些都有影响，故不剔除特征。其中分类变量为：sex、cp、fbs、restecg、exang、slope、ca、thal、target。数值型变量：age、trestbps、chol、thalach、oldpeak。这里先划分为：训练集：测试集 = 9：1。最大值和最小值都可能发生，
2025-01-03 21:48:44
1510
2
原创 深度学习基础--一文搞懂RNN
序列数据是指按照时间或其他顺序排列的数据点集合。这类数据的特点是，每个数据点通常与一个时间戳或者其他有序的标识符相关联，且数据点之间存在某种顺序或依赖关系，说白了，就是当前数据点和之前的数据点有关系。电影的评论，随着时间变化而变化天气预报，明天的天气一般和前几天有关RNN，也称为循环神经网络，是一个用于处理序列数据的神经网络，尤其是处理时间和顺序数据，同时他也是深度学习中是一个非常重要的神经网络，在介绍RNN神经网络前，我们先简要介绍一下序列数据。
2025-01-01 15:16:47
1053
原创 数据结构C语言描述8(图文结合)--哈希、哈希冲突、开放地址法、链地址法等实现
📘概念：哈希结构（Hash Table）也被称为散列表，是一种用于实现字典（Dictionary）的数据结构。重点：散列表，这个刷过算法的人应该都知道这个数据结果，散列表的特点就是查找特别快典型应用：判断A集合是否存在B集合；字典结构，我感觉学过Python或者JS都很清楚这个特点了；🔴重点概念哈希结构通过键Key映射到值Value的过程称为哈希映射学过数学应该都知道这个概念，函数就是典型的映射关系；哈希函数：将键映射到一个存储位置的函数；⏫用处哈希用处很多，最核心的应用是查找。
2025-01-01 15:09:53
917
原创 深度学习基础--自定义函数对数据集进行图像分类，以车牌号识别为例
char_enum = ["京","沪","津","渝","冀","晋","蒙","辽","吉","黑","苏","浙","皖","闽","赣","鲁",\"豫","鄂","湘","粤","桂","琼","川","贵","云","藏","陕","甘","青","宁","新","军","使"]alphabet = [chr(i) for i in range(65, 91)] # chr(i) 将整数转化为对应的Unicode字符集'''标签化: 采用矩阵进行分类矩阵行: 长度等于 车牌长度。
2024-12-20 22:04:31
952
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