<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[yaleyalee的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yaleyalee</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yaleyalee]]></copyright><item><title><![CDATA[基于mindspore的项目]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131635854</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131635854</guid><author>yaleyalee</author><pubDate>Thu, 17 Aug 2023 14:44:58 +0800</pubDate><description><![CDATA[是网络最终预测的结果，也就是“可能值”，因为网络可能预测正确也可能错误Anchor box被称作预选框，anchor的机制会更复杂一些，有许多帖子来专门讲解这个。总的来说就是在图像上会按照一定的规律放置一些anchor，网络会学习anchor相对于ground truth的偏移量，我们可以把anchor看作bounding box的“爷爷”，anchor+/-/×/÷偏移量所得到的框是bounding box的“父亲”，“父亲”经过非极大值抑制（NMS）之后就是bounding box了。]]></description><category></category></item><item><title><![CDATA[Docker]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131854324</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131854324</guid><author>yaleyalee</author><pubDate>Fri, 21 Jul 2023 16:27:56 +0800</pubDate><description><![CDATA[Docker能够让开发者打包他们的应用以及依赖到一个轻量级、可移植的容器中，然后发布到机器上，可以实现环境的随时拉取和虚拟化。1. docker 意义。2. docker架构。]]></description><category></category></item><item><title><![CDATA[深度学习基础知识v1]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131555851</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131555851</guid><author>yaleyalee</author><pubDate>Wed, 05 Jul 2023 14:58:19 +0800</pubDate><description><![CDATA[在卷积神经网络中,]]></description><category></category></item><item><title><![CDATA[QT & C++]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131111293</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131111293</guid><author>yaleyalee</author><pubDate>Thu, 15 Jun 2023 17:40:31 +0800</pubDate><description><![CDATA[非虚继承时，显然D会继承两次A ，内部就会存储两份A的数据，浪费空间，而且还会有二义性，D调用A的方法时，由于有两个A，究竟调用哪个A的方法呢，编译器也不知道，就会报错，所以有了虚继承，解决了空间浪费以及二义性问题。：形参相当于是实参的“别名”，对形参的操作其实就是对实参的操作，在引用传递过程中，被调函数的形式参数虽然也作为局部变量在栈中开辟了内存空间，但是这时存放的是由主调函数放进来的实参变量的地址。另外，虚函数的调用相对于普通函数要更慢一些，因此每次都要查找虚函数表，有一定的时间开销。]]></description><category></category></item><item><title><![CDATA[满帮暑期实习]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131213344</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131213344</guid><author>yaleyalee</author><pubDate>Wed, 14 Jun 2023 23:38:47 +0800</pubDate><description><![CDATA[时间复杂度：调用栈的高度为O(log n)【由于二分法产生】，而每层需要的时间为O(n)。在最糟情况下，有O(n)层，因此该算法的运行时间为。轴共同构成的容器可以容纳最多的水。返回容器可以储存的最大水量。6. transformer的结构，讲讲你的理解；2. 论文模型与当前哪些模型比较，取得了怎么样的效果；6. 如何理解你的模型，针对哪些难点，做了哪些改进？1. 说一下你的项目（难点、你是如何解决的）；3. 你的模型主要是怎么做的？5. 你的双通路是怎么做的呢，里面具体结构；7. 篡改的场景，和怎么做的？]]></description><category></category></item><item><title><![CDATA[深度学习常见问题]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131189827</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131189827</guid><author>yaleyalee</author><pubDate>Tue, 13 Jun 2023 16:52:51 +0800</pubDate><description><![CDATA[首先我们看一下表2，上面一共提出了5中深度的ResNet，分别是18，34，50，101和152，首先看表2最左侧，我们发现所有的网络都分成5部分，分别是：conv1，conv2_x，conv3_x，conv4_x，conv5_x，之后的其他论文也会专门用这个称呼指代ResNet50或者101的每部分。退化现象让我们对非线性转换进行反思，非线性转换极大的提高了数据分类能力，但是，随着网络的深度不断的加大，我们在非线性转换方面已经走的太远，竟然无法实现线性转换。优点：学习率学习数据的特征自动调整其大小。]]></description><category></category></item><item><title><![CDATA[OCR文字识别——解码方法]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131091691</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131091691</guid><author>yaleyalee</author><pubDate>Wed, 07 Jun 2023 17:13:17 +0800</pubDate><description><![CDATA[在Decoder解码过程中，第一个输入字符为<start>，然后不断将前一个时刻的输出作为下一个时刻的输入，循环解码，直到输出<stop>字符为止。，然后除以T，就能得到第k个字符出现的概率分布(记作�¯�)，做相同计算，可以求出所有字符的概率分布，最后和label字符的概率分布计算交叉熵优化网络。对每一列1xn进行softmax得到概率最大的字符，得到的最终序列需要去除连续的重复字符，比如最终得到的序列为-stt-ate，那么去重合并后就得到state序列。，最后介绍3种常用的解码算法。]]></description><category></category></item><item><title><![CDATA[全连接层、卷积层、池化层]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131090733</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131090733</guid><author>yaleyalee</author><pubDate>Wed, 07 Jun 2023 16:52:19 +0800</pubDate><description><![CDATA[在卷积神经网络训练初期，卷积层通过池化层后一般要接多个全连接层进行降维，最后再Softmax分类，这种做法使得全连接层参数很多，降低了网络训练速度，且容易出现过拟合的情况。随机池化只需对特征图中的元素按照其概率值大小随机选择，即元素值大的被选中的概率也大，而不像max-pooling那样，永远只取那个最大值元素，这使得随机池化具有更强的泛化能力。用很小的计算代价实现了降维，更重要的是GAP极大减少了网络参数(CNN网络中全连接层占据了很大的参数)。，直接剔除了全连接层中黑箱的特征，直接。]]></description><category></category></item><item><title><![CDATA[全连接层的作用]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/131089104</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/131089104</guid><author>yaleyalee</author><pubDate>Wed, 07 Jun 2023 15:45:41 +0800</pubDate><description><![CDATA[而卷积神经网络中conv+relu(早期为sigmoid)+pooling(以下称三剑客)的组合，不仅可以替代手工设计特征算子的繁琐，而且局部感受野+权值共享的设计思想也能避免全连接网络中的种种弊端。此时人们将三剑客的组合视为特征提取的过程，如果按照早期人们特征提取+分类的设计思路，那么分类使用全连接的设计方式，就可以刚好实现了一个end-to-end的架构，也即早起卷积神经网络的原型。在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；全连接层的作用是什么？]]></description><category></category></item><item><title><![CDATA[对话框]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/116125305</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/116125305</guid><author>yaleyalee</author><pubDate>Sun, 25 Apr 2021 21:42:08 +0800</pubDate><description><![CDATA[connect(ui-&gt;actionnew,&amp;QAction::triggered,[=](){
//        new_widget-&gt;QWidget::show();

        //创建模态对话框（不可以对其他窗口进行操作）；非模态对话框（可以对其他窗口进行操作）；
        //创建模态
//        QDialog dlg(this);
//        dlg.exec();
//        dlg.resize(200,200);//停止...]]></description><category></category></item><item><title><![CDATA[QMainWindow 基础知识（1）]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/116067049</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/116067049</guid><author>yaleyalee</author><pubDate>Fri, 23 Apr 2021 18:54:00 +0800</pubDate><description><![CDATA[#include "mainwindow.h"
#include&lt;QMenuBar&gt;
#include&lt;QToolBar&gt;
#include&lt;QPushButton&gt;
#include&lt;QStatusBar&gt;
#include&lt;QLabel&gt;
#include&lt;QDockWidget&gt;
#include&lt;QTextEdit&gt;

MainWindow::MainWindow(QWidget *parent)
    : ...]]></description><category></category></item><item><title><![CDATA[Qt基础知识（2）]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/116017595</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/116017595</guid><author>yaleyalee</author><pubDate>Thu, 22 Apr 2021 18:14:07 +0800</pubDate><description><![CDATA[1.Qstring 转为char* ：toutf8（）转为QByteArray---&gt;.data（）转为char*

2.信号可以连接信号:（按钮-&gt;老师饿了的信号-&gt;学生请客）

信号连接槽：（点击按钮-&gt;下课）

断开连接disconnect（）

3.信号(信息)和槽（动作：干什么）连接的补充: 信号和槽的参数必须类型一致，不然就用到lambda；

                              ...]]></description><category></category></item><item><title><![CDATA[Qt基础知识(1)]]></title><link>https://blog.youkuaiyun.com/yaleyalee/article/details/115983889</link><guid>https://blog.youkuaiyun.com/yaleyalee/article/details/115983889</guid><author>yaleyalee</author><pubDate>Wed, 21 Apr 2021 23:33:14 +0800</pubDate><description><![CDATA[void(Student::*Studengslot)(QString)=&amp;Student::treat;
    void(Teacher::*Teachersignals)(QString)=&amp;Teacher::hungry;





]]></description><category></category></item></channel></rss>