- 数据集 VisDrone-Dataset 无人机检测跟踪数据集 >> DataBall
Xian-HHappy
DataBall数据集合(计算机视觉)-数据也可如此美好无人机
开源数据集VisDrone-Dataset无人机检测跟踪数据集-机器视觉目标跟踪人工智能深度学习无人机或通用无人驾驶飞行器(UAV)配备相机后,已被迅速部署到包括农业、航拍、快速递送和监视在内的广泛应用中。因此,自动理解从这些平台收集的视觉数据变得非常迫切,这使得计算机视觉与无人机的联系越来越紧密。我们很高兴地推出一个大规模的基准测试,为各种重要的计算机视觉任务提供精心注释的真实数据,名为VisD
- 2024最新 无人机 数据集(12-06已更新)
数据猎手小k
无人机
一、无人机的研究背景无人机技术的发展经历了从最初的遥控靶机到现代多功能无人机的转变。随着电子技术、通信技术、导航技术以及人工智能技术的进步,无人机的性能得到了显著提升,应用领域也不断拓展。特别是在AI技术的加持下,无人机的自主飞行能力、智能决策能力以及数据处理能力都有了质的飞跃。二、无人机的应用:在AI时代,无人机的应用领域得到了极大的扩展,技术的进步使得无人机在多个行业中发挥着越来越重要的作用。
- SCI一区级 | Matlab实现DBO-CNN-LSTM-Mutilhead-Attention蜣螂算法优化卷积长短期记忆神经网络融合多头注意力机制多变量时间序列预测
matlab科研社
神经网络matlabcnn
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。个人主页:Matlab科研工作室个人信条:格物致知。内容介绍1.引言温度预测在多个领域至关重要,例如气象预报、能源管理和农业生产。传统方法通常基于线性模型或统计方法,但这些方法在处理非线性时间序列数据时存在局限性。近年来,深度学习技术在时间序列预测领域取得了显著进展,其中卷积神经网络(CNN)
- 自动驾驶核心技术简介
AGI大模型与大数据研究院
DeepSeekR1&大数据AI人工智能javapythonjavascriptkotlingolang架构人工智能
自动驾驶核心技术简介关键词:感知系统、决策系统、控制系统、人工智能、计算机视觉、深度学习、V2X通信摘要:本文全面介绍了自动驾驶的核心技术,包括感知、决策和控制三大系统。文章深入探讨了各系统的关键组成部分、工作原理和最新技术进展。同时,本文还分析了自动驾驶技术在实际应用中面临的挑战,以及未来的发展趋势。通过详细的技术讲解、代码示例和实际案例,为读者提供了全面而深入的自动驾驶技术概览。1.背景介绍1
- DeepSeek-R2模型传闻解析:技术突破与官方辟谣背后的AI竞赛
每天做一点改变
人工智能
2025年3月,人工智能领域因一则传闻掀起波澜:中国AI公司深度求索(DeepSeek)或将于3月17日提前发布下一代模型DeepSeek-R2。尽管官方已紧急辟谣,但技术细节和市场反应仍值得深入探讨。一、传闻中的技术突破多家媒体报道称,DeepSeek-R2在以下领域实现显著提升:编程能力:可高效生成高质量代码,支持算法优化与复杂软件开发,降低开发者负担。多语言推理:突破英语限制,支持跨语言复杂
- 张量运算:人工智能的数学基石
猿享天开
人工智能数学基础专讲人工智能
博主简介:CSDN博客专家、全栈领域优质创作者、高级开发工程师、高级信息系统项目管理师、系统架构师,数学与应用数学专业,10年以上多种混合语言开发经验,从事PACS医学影像开发领域多年,熟悉DICOM协议及其应用开发技术。我的技能涵盖了多种编程语言和技术框架:作为高级C/C++与C#开发工程师,擅长Windows系统下的.NET及C++开发技术,尤其精通MFC、DLL动态链接库、WinForm、W
- 人工智能发展简史:从理论萌芽到大模型时代
meisongqing
人工智能大模型
一、人工智能的起源与早期探索(1940s-1950s)理论基础奠基1943年:神经科学家麦卡洛克(WarrenMcCulloch)与数学家皮茨(WalterPitts)提出“M-P神经元模型”,首次尝试用数学模型模拟人脑神经元活动。1950年:艾伦·图灵(AlanTuring)发表论文《计算机器与智能》,提出“图灵测试”,定义机器智能的核心标准。1956年:达特茅斯会议召开,“人工智能”(AI)一
- 计算机视觉算法实战——手术导航:技术、应用与未来
喵了个AI
计算机视觉实战项目计算机视觉算法人工智能
✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.手术导航中的计算机视觉:领域介绍计算机视觉在手术导航领域的应用代表了现代医学与人工智能技术的完美结合,正在彻底改变外科手术的方式。手术导航系统通过将医学影像、实时传感器数据和计算机视觉算法相结合,为外科医生提供了前所未有的精确性和可视化能力,使复杂的手术操作变得更加安全、可控。传统
- 计算机视觉算法实战——病变检测:从原理到应用
喵了个AI
计算机视觉实战项目计算机视觉算法人工智能目标检测
✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.计算机视觉在病变检测领域的概述计算机视觉在医疗影像分析中的应用已经成为人工智能最具前景的领域之一。病变检测作为其中的核心任务,旨在自动识别和定位医学图像中的异常区域,为医生提供辅助诊断工具。这一技术可以显著提高诊断效率,减少人为误差,并在早期疾病筛查中发挥关键作用。医学病变检测与常
- 深度学习模型的压缩与轻量化技术
AI大模型应用之禅
DeepSeekR1&AI大模型与大数据计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
深度学习,模型压缩,轻量化,效率,可部署性,精度1.背景介绍深度学习在图像识别、自然语言处理、语音识别等领域取得了突破性的进展,但其模型规模庞大,计算资源需求高,部署成本高昂,这限制了其在移动设备、嵌入式系统等资源受限环境中的应用。因此,深度学习模型的压缩与轻量化技术成为一个重要的研究方向。模型压缩是指通过减少模型参数数量、减少模型层数或减少模型计算量来减小模型规模,从而降低模型存储和计算成本。轻
- TensorFlow-MNIST手写数字分类
Enougme
TensorFlowtensorflow分类人工智能
TensorFlow是一个功能强大的深度学习框架,可以用来构建、训练和部署机器学习模型。主要作用于:构建神经网络模型(回归、分类、生成模型等)。进行数值计算,并提供GPU加速。实现自动梯度求导(如反向传播训练)。应用机器学习模型进行预测。数据准备fromtensorflow.keras.datasetsimportmnist#加载数据集(已划分为训练集和测试集)(x_train,y_train),
- python-常用的深度学习框架
Enougme
TensorFlowpython深度学习开发语言
Python是当前深度学习与机器学习领域的主流编程语言,其丰富的生态系统和多样化的框架使得构建深度学习模型变得非常高效。以下是一些主流的深度学习框架,以及每个框架的特点和适用场景。1.PyTorch特点:动态计算图:支持动态构建和修改计算图,调试体验好,灵活性强。社区生态丰富:拥有大量教程、开源代码和第三方工具支持。广泛应用:深受研究人员和实验开发者的喜爱,也适用于生产环境。TorchScript
- 临床报告深度学习总结
Trank-Lw
深度学习人工智能
你对深度学习模型训练有哪些优化策略?在深度学习模型训练中,优化策略是提升模型性能和效率的关键。以下是一些常见的优化策略:1.数据优化数据预处理:对数据进行清洗、归一化、标准化等操作,以减少噪声并提高模型的收敛速度。数据增强:通过旋转、裁剪、翻转等方式增加数据多样性,尤其在图像处理中效果显著。数据采样:采用过采样或欠采样技术解决数据不平衡问题。2.模型优化模型架构选择:根据任务需求选择合适的模型架构
- 图像多分类的人工智能
love_c++
人工智能分类数据挖掘
当涉及到图像多分类任务,通常会使用深度学习模型,如卷积神经网络(ConvolutionalNeuralNetwork,CNN)。以下是一个使用Python编程语言和TensorFlow库来构建一个简单的图像多分类模型的例子:#导入所需的库importtensorflowastffromtensorflow.kerasimportlayers,models,datasetsimportmatplot
- Stable Diffusion进行图像生成
月月猿java
人工智能
使用StableDiffusion进行图像生成通常涉及以下步骤:安装依赖库:首先,你需要安装必要的Python库,如PyTorch、torchvision、diffusers和transformers等。这些库将为你提供深度学习框架、图像处理工具和StableDiffusion模型的接口。获取预训练模型:StableDiffusion模型通常很大,因此你需要从可靠的来源下载预训练模型。Huggin
- 基于LLM的Agent框架全面比较分析:MGX(MetaGPT X)、AutoGen、OpenHands与秒哒(MiaoDa)
由数入道
人工智能智能体大语言模型智能体框架
摘要本文对当前四种领先的基于LLM的Agent框架——MGX(MetaGPTX)、AutoGen、OpenHands和秒哒(MiaoDa)进行了全面比较分析。这些框架代表了人工智能领域在多智能体协作系统方面的最新进展,各自采用了独特的方法来解决复杂任务自动化问题。通过深入考察每个框架的核心架构、关键特性、目标用例、生态系统和发展前景,本分析旨在为技术决策者、开发者和研究人员提供详尽的参考依据,帮助
- 松灵Cobot Magic&ARIO,打造具身智能百万规模标准化数据集
BFT白芙堂
机器学习ARIO数据集硬件平台CobotMagic机器人
具身人工智能开发的三大主要挑战:数据格式不统一:多源异构数据整合困难,训练资源利用率低。场景多样性不足:现有数据集覆盖场景有限,模型泛化能力受限。高质量数据稀缺:标注数据不足,难以满足大规模训练需求,制约性能提升。松灵CobotMagic:真实场景数据采集的核心平台为应对以上挑战,南科大提出来ARIO(AllRobotsInOne)数据集,松灵CobotMagic凭借以下优势成为硬件平台首选:硬件
- 【transformer理论+实战(三)】必要的 Pytorch 知识
造夢先森
AI大模型transformerpytorch深度学习
【Transformer理论+实战(三)】必要的Pytorch知识【Transformer理论+实战(二)】Lora本地微调实战--deepseek-r1蒸馏模型【Transformer理论+实战(一)】Transformer&LLaMA&Lora介绍文章目录Pytorch基础张量(Tensor)拼接与拆分调整形状索引与切片降维与升维张量计算Pytorch由Facebook人工智能研究院于2017
- Google开源机器学习框架TensorFlow SegFormer优化
深海水
人工智能行业发展IT应用探讨tensorflow人工智能python机器训练机器学习深度学习ai
一、SegFormer的TensorRT加速优化TensorRT是NVIDIA推出的深度学习推理加速库,可以显著提高SegFormer在GPU上的推理速度。1.TensorRT加速流程目标转换SegFormer为TensorRT格式优化FP16/INT8计算提升推理速度(FPS)主要步骤导出TensorFlow模型转换为ONNX格式使用TensorRT进行优化运行TensorRT推理2.代码实现(
- 主流大模型架构
Jeremg
架构
什么是大模型架构大模型架构是指用于构建大规模人工智能模型的特定结构和设计模式,旨在处理海量数据、学习复杂的模式和关系,并实现强大的语言理解、生成、图像识别、语音处理等多种智能任务。以下是一些常见的大模型架构的特点、组成和应用:特点大规模参数:包含大量的参数,通常数以亿计甚至更多,以学习丰富的知识和模式,例如GPT-3拥有1750亿个参数。强大的表示能力:能够对各种类型的数据进行高效的表示和处理,捕
- 人工智能领域毕业设计选题题目合集:课题指导 选题建议
HaiLang_IT
毕业设计选题毕业设计人工智能机器学习
目录前言毕设选题开题指导建议更多精选选题选题帮助最后前言大家好,这里是海浪学长毕设专题!大四是整个大学期间最忙碌的时光,一边要忙着准备考研、考公、考教资或者实习为毕业后面临的升学就业做准备,一边要为毕业设计耗费大量精力。学长给大家整理了人工智能专业最新精选选题,如遇选题困难或选题有任何疑问,都可以问学长哦(见文末)!对毕设有任何疑问都可以问学长哦!更多选题指导:最新最全计算机专业毕设选题精选推荐汇
- 向量数据库的新浪潮:支持向量及标量查询的解决方案
一休哥助手
数据库数据库向量数据库
向量数据库的新浪潮:支持向量及标量查询的解决方案在数据密集型的应用场景中,向量数据库已经成为了一种不可或缺的技术。尤其是在机器学习和人工智能领域,向量数据库能够高效地处理高维数据,为相似性搜索、推荐系统等提供强大支持。然而,随着数据的多样化,单纯的向量搜索已经不能满足所有的需求。因此,支持向量查询同时也支持标量查询(固定条件过滤)的向量数据库成为了新的焦点。本文将探讨几种这样的数据库,并进行比较。
- Spring Boot + Spring AI快速体验
m0_74825074
面试学习路线阿里巴巴springspringboot人工智能
SpringAI快速体验1什么是SpringAI主要功能2快速开始2.1版本说明2.2配置文件2.3pom依赖2.3.1springmaven仓库2.3.2核心依赖2.4定义ChatClient2.5启动类2.6测试3参考链接1什么是SpringAISpringAI是Spring的一个子项目,是Spring专门面向于AI的应用框架。SpringAI项目旨在简化整合人工智能功能的应用程序开发,避免不
- 什么是 Embedding?——从直觉到应用的全面解读
忍者算法
人工智能深度学习神经网络机器学习
什么是Embedding?——从直觉到应用的全面解读在机器学习和深度学习的世界里,我们经常会听到“Embedding”这个词。它是深度学习中最核心的概念之一,尤其在自然语言处理(NLP)和推荐系统中应用广泛。但很多初学者对Embedding的理解可能只是:“它是把一个东西转换成数字的方式。”这种解释虽然没错,但过于简略,难以真正理解Embedding的作用。这篇文章将用最直观的方式,带你深入理解E
- 飞桨Paddle Inference模型转ONNX模型的方法
Sweet锦
AIpaddlepaddle人工智能AI编程
ONNX是个好东西,其全称OpenNeuralNetworkExchange,是一种用于表示和交换深度学习模型的开放标准格式。由Microsoft和Facebook在2017年共同推出的一个开放标准,旨在促进不同深度学习框架之间的互操作性,并采用相同格式存储模型数据。ONNX有诸多优势,简直让人爱不释手呀。以下简单列举几个:在不同深度学习框架(如PaddlePaddle、PyTorch、Tenso
- 智能驱动的视频未来:蓝耘MaaS平海螺AI技术的革新与应用
荣华富贵8
程序员的知识储备1程序员的知识储备2程序员的知识储备3经验分享linux科技运维性能优化
在当今数字化浪潮中,视频技术与人工智能的深度融合正以前所未有的速度改变各行各业。蓝耘MaaS平海螺AI技术凭借其突破性的架构和前沿算法,正在为智慧城市、自动驾驶、智能监控以及新媒体内容生成等领域带来革命性变革。本文将探讨这一前沿技术的核心原理、实现方法以及未来的应用前景,并通过经典代码示例展示其实际实现。技术背景与发展趋势随着深度学习、边缘计算和大数据分析技术的不断成熟,视频处理正从传统的离线批量
- 机器学习入门第三集——如何完整实现一次模型训练
梯度寻优者_超
机器学习人工智能python算法大数据回归数据分析
提示:如何完整的从数据导入到最后模型训练以及模型保存,本集进行介绍。文章目录上集回顾一、数据集是什么?二、完整训练过程1.导入数据2.数据集划分3.模型训练4.模型保存以及加载总结下集预告上集回顾提示:上集已经对机器学习基础知识分类常用算法等进行了描述,这集开始是如何完整训练模型,前两集已经介绍了机器学习的通俗解释,已经常见分类,还有机器学习深度学习强化学习的关系和区别。有想看的小伙伴可以翻我主页
- 【人工智能】图文详解深度学习中的卷积神经网络(CNN)
AI天才研究院
深度学习实战DeepSeekR1&大数据AI人工智能大模型深度学习人工智能cnn神经网络计算机视觉
【人工智能】图文详解深度学习中的卷积神经网络(CNN)概念和原理为什么要使用卷积神经网络?卷积神经网络简介卷积神经网络的数学公式池化操作:全连接层:激活函数卷积神经网络的C++实现示例代码应用场景自动驾驶影像物体识别医疗影像诊断附:计算机视觉中几种经典的网络结构概念和原理为什么要使用卷积神经网络?在讲述原理之前,我们先来解释为什么我们在图像及视频等等领域的机器学习中要使用CNN。我们都知道,使用多
- Milvus 在多模态数据(图像、文本、音频)向量搜索中的应用
莫比乌斯之梦
技术#Milvusmilvus音视频数据库向量数据库多模态数据
随着人工智能和深度学习的发展,多模态数据检索逐渐成为热门技术,广泛应用于图像搜索、语音识别、跨模态检索、推荐系统等领域。传统的基于关键词或规则的检索方式已经难以满足智能应用的需求,因此,基于向量搜索的近似最近邻(ANN)检索成为主流方案。Milvus作为一款开源的向量数据库,可以高效地存储和检索图像、文本、音频等多模态数据的向量表示。本文将介绍Milvus如何处理多模态数据的向量搜索,以及如何构建
- 【AIGC调研系列】AIGC+Jmeter实现接口自动化测试脚本生成
AGI学习社
AIGCjmetertransformer大数据深度学习人工智能产品经理
AIGC(人工智能生成内容)结合JMeter实现接口自动化测试脚本生成的方法,主要涉及到通过流量收集工具和AIGC技术获取用户操作接口数据,并利用这些数据生成自动化测试脚本的过程。这种方法可以有效提高软件测试的效率和质量[1]。JMeter是一个开源的负载测试工具,能够模拟多种协议和应用程序的负载,包括HTTP、FTP、SMTP等[3][14]。它可以帮助快速构建测试用例,模拟多种场景,发现接口的
- Spring4.1新特性——Spring MVC增强
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- mysql 性能查询优化
annan211
javasql优化mysql应用服务器
1 时间到底花在哪了?
mysql在执行查询的时候需要执行一系列的子任务,这些子任务包含了整个查询周期最重要的阶段,这其中包含了大量为了
检索数据列到存储引擎的调用以及调用后的数据处理,包括排序、分组等。在完成这些任务的时候,查询需要在不同的地方
花费时间,包括网络、cpu计算、生成统计信息和执行计划、锁等待等。尤其是向底层存储引擎检索数据的调用操作。这些调用需要在内存操
- windows系统配置
cherishLC
windows
删除Hiberfil.sys :使用命令powercfg -h off 关闭休眠功能即可:
http://jingyan.baidu.com/article/f3ad7d0fc0992e09c2345b51.html
类似的还有pagefile.sys
msconfig 配置启动项
shutdown 定时关机
ipconfig 查看网络配置
ipconfig /flushdns
- 人体的排毒时间
Array_06
工作
========================
|| 人体的排毒时间是什么时候?||
========================
转载于:
http://zhidao.baidu.com/link?url=ibaGlicVslAQhVdWWVevU4TMjhiKaNBWCpZ1NS6igCQ78EkNJZFsEjCjl3T5EdXU9SaPg04bh8MbY1bR
- ZooKeeper
cugfy
zookeeper
Zookeeper是一个高性能,分布式的,开源分布式应用协调服务。它提供了简单原始的功能,分布式应用可以基于它实现更高级的服务,比如同步, 配置管理,集群管理,名空间。它被设计为易于编程,使用文件系统目录树作为数据模型。服务端跑在java上,提供java和C的客户端API。 Zookeeper是Google的Chubby一个开源的实现,是高有效和可靠的协同工作系统,Zookeeper能够用来lea
- 网络爬虫的乱码处理
随意而生
爬虫网络
下边简单总结下关于网络爬虫的乱码处理。注意,这里不仅是中文乱码,还包括一些如日文、韩文 、俄文、藏文之类的乱码处理,因为他们的解决方式 是一致的,故在此统一说明。 网络爬虫,有两种选择,一是选择nutch、hetriex,二是自写爬虫,两者在处理乱码时,原理是一致的,但前者处理乱码时,要看懂源码后进行修改才可以,所以要废劲一些;而后者更自由方便,可以在编码处理
- Xcode常用快捷键
张亚雄
xcode
一、总结的常用命令:
隐藏xcode command+h
退出xcode command+q
关闭窗口 command+w
关闭所有窗口 command+option+w
关闭当前
- mongoDB索引操作
adminjun
mongodb索引
一、索引基础: MongoDB的索引几乎与传统的关系型数据库一模一样,这其中也包括一些基本的优化技巧。下面是创建索引的命令: > db.test.ensureIndex({"username":1}) 可以通过下面的名称查看索引是否已经成功建立: &nbs
- 成都软件园实习那些话
aijuans
成都 软件园 实习
无聊之中,翻了一下日志,发现上一篇经历是很久以前的事了,悔过~~
断断续续离开了学校快一年了,习惯了那里一天天的幼稚、成长的环境,到这里有点与世隔绝的感觉。不过还好,那是刚到这里时的想法,现在感觉在这挺好,不管怎么样,最要感谢的还是老师能给这么好的一次催化成长的机会,在这里确实看到了好多好多能想到或想不到的东西。
都说在外面和学校相比最明显的差距就是与人相处比较困难,因为在外面每个人都
- Linux下FTP服务器安装及配置
ayaoxinchao
linuxFTP服务器vsftp
检测是否安装了FTP
[root@localhost ~]# rpm -q vsftpd
如果未安装:package vsftpd is not installed 安装了则显示:vsftpd-2.0.5-28.el5累死的版本信息
安装FTP
运行yum install vsftpd命令,如[root@localhost ~]# yum install vsf
- 使用mongo-java-driver获取文档id和查找文档
BigBird2012
driver
注:本文所有代码都使用的mongo-java-driver实现。
在MongoDB中,一个集合(collection)在概念上就类似我们SQL数据库中的表(Table),这个集合包含了一系列文档(document)。一个DBObject对象表示我们想添加到集合(collection)中的一个文档(document),MongoDB会自动为我们创建的每个文档添加一个id,这个id在
- JSONObject以及json串
bijian1013
jsonJSONObject
一.JAR包简介
要使程序可以运行必须引入JSON-lib包,JSON-lib包同时依赖于以下的JAR包:
1.commons-lang-2.0.jar
2.commons-beanutils-1.7.0.jar
3.commons-collections-3.1.jar
&n
- [Zookeeper学习笔记之三]Zookeeper实例创建和会话建立的异步特性
bit1129
zookeeper
为了说明问题,看个简单的代码,
import org.apache.zookeeper.*;
import java.io.IOException;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ThreadLocal
- 【Scala十二】Scala核心六:Trait
bit1129
scala
Traits are a fundamental unit of code reuse in Scala. A trait encapsulates method and field definitions, which can then be reused by mixing them into classes. Unlike class inheritance, in which each c
- weblogic version 10.3破解
ronin47
weblogic
版本:WebLogic Server 10.3
说明:%DOMAIN_HOME%:指WebLogic Server 域(Domain)目录
例如我的做测试的域的根目录 DOMAIN_HOME=D:/Weblogic/Middleware/user_projects/domains/base_domain
1.为了保证操作安全,备份%DOMAIN_HOME%/security/Defa
- 求第n个斐波那契数
BrokenDreams
今天看到群友发的一个问题:写一个小程序打印第n个斐波那契数。
自己试了下,搞了好久。。。基础要加强了。
&nbs
- 读《研磨设计模式》-代码笔记-访问者模式-Visitor
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.util.ArrayList;
import java.util.List;
interface IVisitor {
//第二次分派,Visitor调用Element
void visitConcret
- MatConvNet的excise 3改为网络配置文件形式
cherishLC
matlab
MatConvNet为vlFeat作者写的matlab下的卷积神经网络工具包,可以使用GPU。
主页:
http://www.vlfeat.org/matconvnet/
教程:
http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html
注意:需要下载新版的MatConvNet替换掉教程中工具包中的matconvnet:
http
- ZK Timeout再讨论
chenchao051
zookeepertimeouthbase
http://crazyjvm.iteye.com/blog/1693757 文中提到相关超时问题,但是又出现了一个问题,我把min和max都设置成了180000,但是仍然出现了以下的异常信息:
Client session timed out, have not heard from server in 154339ms for sessionid 0x13a3f7732340003
- CASE WHEN 用法介绍
daizj
sqlgroup bycase when
CASE WHEN 用法介绍
1. CASE WHEN 表达式有两种形式
--简单Case函数
CASE sex
WHEN '1' THEN '男'
WHEN '2' THEN '女'
ELSE '其他' END
--Case搜索函数
CASE
WHEN sex = '1' THEN
- PHP技巧汇总:提高PHP性能的53个技巧
dcj3sjt126com
PHP
PHP技巧汇总:提高PHP性能的53个技巧 用单引号代替双引号来包含字符串,这样做会更快一些。因为PHP会在双引号包围的字符串中搜寻变量, 单引号则不会,注意:只有echo能这么做,它是一种可以把多个字符串当作参数的函数译注: PHP手册中说echo是语言结构,不是真正的函数,故把函数加上了双引号)。 1、如果能将类的方法定义成static,就尽量定义成static,它的速度会提升将近4倍
- Yii框架中CGridView的使用方法以及详细示例
dcj3sjt126com
yii
CGridView显示一个数据项的列表中的一个表。
表中的每一行代表一个数据项的数据,和一个列通常代表一个属性的物品(一些列可能对应于复杂的表达式的属性或静态文本)。 CGridView既支持排序和分页的数据项。排序和分页可以在AJAX模式或正常的页面请求。使用CGridView的一个好处是,当用户浏览器禁用JavaScript,排序和分页自动退化普通页面请求和仍然正常运行。
实例代码如下:
- Maven项目打包成可执行Jar文件
dyy_gusi
assembly
Maven项目打包成可执行Jar文件
在使用Maven完成项目以后,如果是需要打包成可执行的Jar文件,我们通过eclipse的导出很麻烦,还得指定入口文件的位置,还得说明依赖的jar包,既然都使用Maven了,很重要的一个目的就是让这些繁琐的操作简单。我们可以通过插件完成这项工作,使用assembly插件。具体使用方式如下:
1、在项目中加入插件的依赖:
<plugin>
- php常见错误
geeksun
PHP
1. kevent() reported that connect() failed (61: Connection refused) while connecting to upstream, client: 127.0.0.1, server: localhost, request: "GET / HTTP/1.1", upstream: "fastc
- 修改linux的用户名
hongtoushizi
linuxchange password
Change Linux Username
更改Linux用户名,需要修改4个系统的文件:
/etc/passwd
/etc/shadow
/etc/group
/etc/gshadow
古老/传统的方法是使用vi去直接修改,但是这有安全隐患(具体可自己搜一下),所以后来改成使用这些命令去代替:
vipw
vipw -s
vigr
vigr -s
具体的操作顺
- 第五章 常用Lua开发库1-redis、mysql、http客户端
jinnianshilongnian
nginxlua
对于开发来说需要有好的生态开发库来辅助我们快速开发,而Lua中也有大多数我们需要的第三方开发库如Redis、Memcached、Mysql、Http客户端、JSON、模板引擎等。
一些常见的Lua库可以在github上搜索,https://github.com/search?utf8=%E2%9C%93&q=lua+resty。
Redis客户端
lua-resty-r
- zkClient 监控机制实现
liyonghui160com
zkClient 监控机制实现
直接使用zk的api实现业务功能比较繁琐。因为要处理session loss,session expire等异常,在发生这些异常后进行重连。又因为ZK的watcher是一次性的,如果要基于wather实现发布/订阅模式,还要自己包装一下,将一次性订阅包装成持久订阅。另外如果要使用抽象级别更高的功能,比如分布式锁,leader选举
- 在Mysql 众多表中查找一个表名或者字段名的 SQL 语句
pda158
mysql
在Mysql 众多表中查找一个表名或者字段名的 SQL 语句:
方法一:SELECT table_name, column_name from information_schema.columns WHERE column_name LIKE 'Name';
方法二:SELECT column_name from information_schema.colum
- 程序员对英语的依赖
Smile.zeng
英语程序猿
1、程序员最基本的技能,至少要能写得出代码,当我们还在为建立类的时候思考用什么单词发牢骚的时候,英语与别人的差距就直接表现出来咯。
2、程序员最起码能认识开发工具里的英语单词,不然怎么知道使用这些开发工具。
3、进阶一点,就是能读懂别人的代码,有利于我们学习人家的思路和技术。
4、写的程序至少能有一定的可读性,至少要人别人能懂吧...
以上一些问题,充分说明了英语对程序猿的重要性。骚年
- Oracle学习笔记(8) 使用PLSQL编写触发器
vipbooks
oraclesql编程活动Access
时间过得真快啊,转眼就到了Oracle学习笔记的最后个章节了,通过前面七章的学习大家应该对Oracle编程有了一定了了解了吧,这东东如果一段时间不用很快就会忘记了,所以我会把自己学习过的东西做好详细的笔记,用到的时候可以随时查找,马上上手!希望这些笔记能对大家有些帮助!
这是第八章的学习笔记,学习完第七章的子程序和包之后