醉酒柴柴
醉酒柴柴

【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理

卷积神经网络

  • CNN模型的架构
  • Cnn 的流程
    • 第一步 提取图片特征
      • 提取特征的计算规则
    • 第二步 最大池化
    • 第三步 扁平化处理
    • 第四步 数据条录入全连接隐藏层

b站视频

CNN模型的架构

图片由像素点组成，最终成像效果由背后像素的颜色数值所决定的

【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第1张图片
有这样的一个66的区域，0设置为黑色，1设置为白色，最终呈现的效果就很像数字7
【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第2张图片
cnn模型可以告诉我们这样一个 66的像素图是不是数字7，或者返回它属于0-9的概率分别为多少
【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第3张图片

Cnn 的流程

第一步 提取图片特征

在这个过程中，我们需要使用卷积核，也可以称为特征过滤器
【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第4张图片

提取特征的计算规则

【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第5张图片
垂直特征很好的被提取，而垂直特征没被提取
原因是像素图从66，降维成44，边缘特征丢失了

【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第6张图片
为了解决边缘特征提取的问题，可以使用padding的扩充方法，66扩充为88，扩充部分的像素值设为0，
【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第7张图片

第二步 最大池化

目的是将图片的数据进一步压缩，仅反应图中最突出的特点
【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第8张图片
66，用22的网格分成3*3，然后提取每一部分的最大值
【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第9张图片

第三步 扁平化处理

【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第10张图片
把两个3*3的像素图叠加，转化成一维的数据条
【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第11张图片

第四步 数据条录入全连接隐藏层

最终产生输出结果，扁平化之后的流程与ANN模型完全一致

【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理_第12张图片
全连接隐藏层：任意一个神经元都与前后层的所有神经元相连接，来保证最终的输出值是基于图片整体信息的结果

再输出阶段：可以使用sigmoid激活函数返回0，1代表该图片是否是7的概率
也可以使用Softmax函数返回它分别属于0-9的概率

你可能感兴趣的:(cnn,人工智能,神经网络)

  • 如何开发针对不平衡分类的成本敏感神经网络 python 背包客研究 不平衡学习分类神经网络python
    如何开发针对不平衡分类的成本敏感神经网络深度学习神经网络是一类灵活的机器学习算法，可以在各种问题上表现良好。神经网络使用误差反向传播算法进行训练，该算法涉及计算模型在训练数据集上产生的误差，并根据这些误差的比例更新模型权重。这种训练方法的局限性在于，每个类别的示例都被视为相同，对于不平衡的数据集，这意味着模型对一个类别的适应性要强得多，而对另一个类别的适应性则弱得多。反向传播算法可以更新，以根据类
  • 使用Petals和LangChain运行大型语言模型：入门指南 qq_37836323 langchain语言模型人工智能python
    使用Petals和LangChain运行大型语言模型：入门指南引言在人工智能和自然语言处理领域，大型语言模型（LLM）的应用日益广泛。然而，运行这些模型通常需要强大的硬件资源。Petals项目提供了一种创新的解决方案，让用户能够以分布式方式在家中运行100B+参数的语言模型。本文将介绍如何结合使用Petals和LangChain来轻松部署和使用大型语言模型。Petals简介Petals是一个开源项
  • Magisto——AI分析视频素材，自动生成剪辑、拼接和添加音乐的成品视频 爱研究的小牛 AIGC—视频AIGC深度学习人工智能音视频
    一、Magisto介绍Magisto是一个基于人工智能的视频编辑应用程序，旨在帮助用户快速创建专业水准的视频。它通过自动化处理，简化了视频剪辑、效果添加和音频同步等复杂步骤，使用户能够轻松地将视频、图片和音乐整合成一个完整的短片。Magisto核心功能自动化视频编辑:AI驱动的编辑:Magisto使用AI技术自动分析用户上传的照片和视频片段，选择最佳部分并进行剪辑和编辑。这包括检测人脸、物体、动作
  • 深度学习奥秘解锁：AI大模型技能提升指南 AGI大模型老王 人工智能深度学习语言模型算法大模型AI大模型
    文章目录每日一句正能量前言AI大模型学习的理论基础AI大模型的训练与优化AI大模型在特定领域的应用AI大模型学习的伦理与社会影响未来发展趋势与挑战后记**前言**随着人工智能技术的快速发展，AI大模型学习正成为一项备受关注的研究领域。为了提高模型的准确性和效率，研究者们需要具备深厚的数学基础和编程能力，并对特定领域的业务场景有深入的了解。通过不断优化模型结构和算法，AI大模型学习正为人类的生活和工
  • 人工智能在网络安全领域的应用探索 亿林数据 人工智能web安全安全网络安全
    随着网络技术的飞速发展，网络安全问题日益凸显，成为制约数字化进程的重要瓶颈。人工智能（AI）作为一种变革性技术，正逐步在网络安全领域展现出其巨大的潜力和价值。本文旨在探讨人工智能在网络安全领域的应用现状、优势、挑战及未来发展趋势。一、人工智能在网络安全中的应用现状威胁检测与响应人工智能通过机器学习算法，能够自动识别网络中的异常行为，如未经授权的访问、恶意软件传播等。传统的安全系统依赖于静态规则和签
  • 洞见数据价值，激活组织活力，让决策更精准的智慧地产开源了。 ai产品老杨 安全开源vue.js人工智能前端
    智慧地产视觉监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒，省去繁琐重复的适配流程，实现芯片、算法、应用的全流程组合，从而大大减少企业级应用约95%的开发成本。通过计算机视觉和人工智能技术，搭建智能钢丝绳检测系统、井筒检测分析系统、余煤检测分析系统，提高检测准确度，降低工人在线的劳动强度，有效提高检测标准、避免客制化生产下，人工有可能存在的工作
  • 时间旅行者：LSTM算法的奥秘大揭秘！ 风清扬雨 lstm算法人工智能
    Hey小伙伴们，今天给大家带来一个超级有趣的主题——LSTM算法的基本结构和公式推导！项目背景你知道吗？在时间序列预测中，传统的神经网络很难处理长距离的依赖关系。但是，有一种神奇的神经网络叫做LSTM（LongShort-TermMemory），它就像是时间旅行者一样，可以记住很久以前的信息！时间旅行听起来很酷吧？那我们就来一起探索一下LSTM的世界吧！原理解析1️⃣什么是LSTM？LSTM是一种
  • 洞见数据价值，激活组织活力，让决策更精准的智慧地产开源了 AI服务老曹 开源人工智能能源智慧城市
    智慧地产视觉监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒，省去繁琐重复的适配流程，实现芯片、算法、应用的全流程组合，从而大大减少企业级应用约95%的开发成本。通过计算机视觉和人工智能技术，搭建智能钢丝绳检测系统、井筒检测分析系统、余煤检测分析系统，提高检测准确度，降低工人在线的劳动强度，有效提高检测标准、避免客制化生产下，人工有可能存在的工作
  • 【Rust】——采用发布配置自定义构建 Y小夜 Rust（官方文档重点总结）rust开发语言后端
    博主现有专栏：C51单片机（STC89C516），c语言，c++，离散数学，算法设计与分析，数据结构，Python，Java基础，MySQL，linux，基于HTML5的网页设计及应用，Rust（官方文档重点总结），jQuery，前端vue.js，Javaweb开发，Python机器学习等主页链接：Y小夜-CSDN博客今日学习推荐：在当今这个飞速发展的信息时代，人工智能（AI）已经成为了一个不可或
  • Python在人工智能方面的应用 Bruce_Liuxiaowei 总结经验编程笔记python人工智能开发语言
    Python在人工智能方面的应用Python是一种功能强大的编程语言，它广泛应用于各种领域中，包括人工智能（ArtificialIntelligence）领域。随着人工智能技术的发展和普及，Python变得越来越重要，因为它提供了许多有用的库、框架和工具，可以帮助开发者快速地构建智能系统。机器学习机器学习是人工智能领域中的一种关键技术，它可以让计算机自动地学习和改进。Python中的Keras和T
  • 手势估计- Hand Pose Estimation 我在呀
    首先给大家分享一个巨牛巨牛的人工智能教程，是我无意中发现的。教程不仅零基础，通俗易懂，而且非常风趣幽默，还时不时有内涵段子，像看小说一样，哈哈～我正在学习中，觉得太牛了，所以分享给大家！点这里可以跳转到教程1.目前进展1.1相关资料1）HANDSCVPR20162）HANDS2015Dataset3）CVPR20164）Hand3DPoseEstimation(ComputerVisionforA
  • Datawhale Al夏令营第三期 Al+物质科学task2学习笔记 weixin_75033552 学习笔记
    AI4Science是一个较为普遍的术语，通常指的是人工智能在科学研究和技术发展中的应用。它涵盖了各种科学领域，包括物理学、化学、生物学、地球科学等。虽然没有一个特定的确切历史，但可以描述人工智能在科学研究中的一些早期里程碑和发展趋势。早期发展知识表示与推理：20世纪70年代末和80年代初，早期的AI研究开始探索如何用机器推理来模拟人类的思维过程。这种推理方式被应用于物理学、化学等学科中，尝试解决
  • 元宇宙、NFT及未来前景分析 NFT探索者
    什么是元宇宙？元宇宙（Metaverse）是一个由虚拟现实、增强现实、区块链、人工智能等技术构建的，与现实世界相互映射的，由用户共同创造和参与的，具有社交、娱乐、经济等功能的虚拟世界。元宇宙的概念最早出现在1992年的科幻小说《雪崩》中，描述了一个由数百万用户通过虚拟化身（Avatar）进入的，可以自由探索、交流、创作、消费的网络空间。元宇宙的发展经历了几个阶段，从早期的开放性多人游戏，到后来的虚
  • 【LSTM分类】基于贝叶斯优化卷积神经网络结合长短时记忆BO-CNN-LSTM实现柴油机故障诊断含Matlab源码 matlab科研助手 lstm分类cnn
    ✅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。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机物理应用机器学习内容介绍柴油机作为重要的动力设备，其运行状态的可靠性直接影响着生产效率和安全。及时准确地诊断柴
  • 闪耀世界人工智能大会背后，AI头雁百度已成智能经济强力引擎 何玺
    7月11日，2020世界人工智能大会在上海圆满闭幕。本届大会，多位商界领袖、行业专家针对人工智能发表了自己的观点与见解，并引发人们对AI的思考。腾讯CEO马化腾称：“人工智能本身就是一场跨国跨学科的探索，正在将人类的认知推向更快更高更强，也势必带给我们一场前所未见的科技和产业革命。”。特斯拉CEO马斯克则表示，AI在感知层面的某些专业领域里，已经无人能及。例如，AI的图像识别“天赋”已经超过了地球
  • 吴恩达深度学习笔记(24)-为什么要使用深度神经网络？ 极客Array
    为什么使用深层表示？（Whydeeprepresentations?）我们都知道深度神经网络能解决好多问题，其实并不需要很大的神经网络，但是得有深度，得有比较多的隐藏层，这是为什么呢？我们一起来看几个例子来帮助理解，为什么深度神经网络会很好用。首先，深度网络在计算什么？如果你在建一个人脸识别或是人脸检测系统，深度神经网络所做的事就是，当你输入一张脸部的照片，然后你可以把深度神经网络的第一层，当成一
  • 143自然语言处理进阶手册--人工神经网络初探 Jachin111
    人工神经网络初探神经网络与人类大脑人类虽然拥有智慧，但对智慧是如何产生的却不得而知，对于大脑结构的模仿或许是一个探索的起点，神经网络的起点就在这里。准确地说，这里所述的神经网络其实是人工神经网络，仅仅是模仿了人脑神经网络的部分结构特征与机理。在本小节，我们来对神经网络与人类大脑来作一番对比，比较两者的不同与联系。人类神经系统的基本单元是神经元，约有1000亿个，是一种高度分化的细胞。神经元能够接受
  • 可定制化内容具体识别事物，多方位同时监管的智慧快消开源了 AI服务老曹 开源智慧城市大数据人工智能
    智慧快消视频监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒，省去繁琐重复的适配流程，实现芯片、算法、应用的全流程组合，从而大大减少企业级应用约95%的开发成本。国产化人工智能“产学研用”一体化创新模式在行业的建立，将大大提升当地政府人工智能形象。用户只需在界面上进行简单的操作，就可以实现全视频的接入及布控。项目搭建地址基础项目搭建地址：yihe
  • 《唤醒天性》：AI时代，家长如何做，才能唤醒孩子的天性 如是的足迹
    AI时代，人工智能已经在很多方面远超人类了，GPT能在几分钟内写好一篇高质量的论文，AlphaGo击败人类最顶级的围棋手。人类如何能确保未来不被机器？唯一的希望就是人类独特的感受力、创造力和想象力。那么，今天的父母该如何教育，方能培养出能适应未来的孩子？《唤醒天性》一书中给出了答案。1.png这本书的作者李子勋是国内著名心理学家，著名家庭治疗师，中国心理学会首批注册心理督导师，首届中德高级心理治疗
  • 【小白教学】一文教你如何使用文心一言、ChatGPT指令 斯克AI 文心一言chatgptprompt
    近年来，随着人工智能技术的迅速发展，大语言模型如GPT-3、BERT等逐渐成为AI研究和应用的热点。而在中国，百度推出的文心一言（ERNIEBot）也逐渐崭露头角，成为众多开发者关注的焦点。但是想要用好人工智能就要学会如何运用指令，接下来教大家一些简单的方法。万能公式实际上，如果你能更精确地提问，那么GPT的回答质量就会相应提高。下面我将分享一个提问的通用模式：角色+目标+需求+额外信息。角色：例
  • WeKnow-RAG：智能自适应的检索增强生成方法 步子哥 人工智能
    在当今快速发展的人工智能领域，检索增强生成（Retrieval-AugmentedGeneration，RAG）方法逐渐成为一种新兴的解决方案。CobusGreyling在他最新的文章中深入探讨了WeKnow-RAG，这一方法通过结合知识图谱和网络搜索技术，极大地提升了大型语言模型（LLMs）在复杂查询中的表现。知识图谱的力量知识图谱（KnowledgeGraphs,KGs）作为信息检索的重要工具
  • AI在科研中的应用：chatgptgpt4的数据分析与机器学习 zmjia111 人工智能深度学习gpt人工智能数据分析机器学习chatgpt深度学习pytorch数据挖掘
    2022年11月30日，可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT3.5，将人工智能的发展推向了一个新的高度。2023年4月，更强版本的ChatGPT4.0上线，文本、语音、图像等多模态交互方式使其在各行各业的应用呈现了更多的可能性。2023年11月7日，OpenAI首届开发者大会被称为“科技界的春晚”，吸引了全球广大用户的关注，GPT商店更
  • 人工智能相关资源 代码 论文 教程Tutorials 等 Prompt-Engineering 深度学习 辅助驾驶 语言模型 文本生成图片 开源实现 OCR 通用聊天机器人 EwenWanW 人工智能prompt深度学习
    人工智能相关学习资源https://github.com/luban-agi/Awesome-AIGC-Tutorialshttps://github.com/BradyFU/Awesome-Multimodal-Large-Language-Modelshttps://github.com/dair-ai/Prompt-Engineering-Guidehttps://github.com/Vi
  • ChatGPT办公与科研应用、论文撰写、数据分析、机器学习、深度学习及AI绘图 PhyliciaFelicia ChatGPTpython深度学习人工智能chatgpt深度学习机器学习数据分析python
    2022年11月30日，可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT3.5，将人工智能的发展推向了一个新的高度。2023年4月，更强版本的ChatGPT4.0上线，文本、语音、图像等多模态交互方式使其在各行各业的应用呈现了更多的可能性。2023年11月7日，OpenAI首届开发者大会被称为“科技界的春晚”，吸引了全球广大用户的关注，GPT商店更
  • 全流程Python编程、机器学习与深度学习实践技术应用 为为-180-3121-1455 深度学习机器学习pythonpython机器学习深度学习
    近年来，人工智能领域的飞速发展极大地改变了各个行业的面貌。当前最新的技术动态，如大型语言模型和深度学习技术的发展，展示了深度学习和机器学习技术的强大潜力，成为推动创新和提升竞争力的关键。特别是PyTorch，凭借其灵活性和高效性，成为科研人员和工程师的首选工具。为了帮助科研人员系统地掌握深度学习的基础理论及其在PyTorch中的实现方法，Ai尚研修特别推出了“最新PyTorch机器学习与深度学习技
  • llama factory微调时出现x86_64-conda-linux-gnu/bin/ld: cannot find -lcurand: No such file or directory解决方案 爱编程的喵喵 Python基础课程pythonllamafactorycurand解决方案
      大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。  本文主要介绍了llamafactory微调时出现x
  • 产品经理与AI：共生与创新的未来 大模型玩家 产品经理人工智能语言模型深度学习自然语言处理神经网络机器学习
    文末有福利！产品经理和人工智能（AI）之间的关系是现代技术发展中一个非常有趣且复杂的主题。随着AI技术在各个领域的应用日益广泛，产品经理的角色也正在经历着前所未有的变革。产品经理与人工智能：共生与创新的未来在当今数字化时代，人工智能（AI）已经成为推动各行各业创新和转型的关键力量。作为技术和商业策略的桥梁，产品经理的角色在AI时代显得尤为重要。本文将探讨产品经理与AI之间的关系，以及这种关系如何塑
  • 大数据毕业设计天hadoop+spark+hive游戏推荐系统 游戏数据分析可视化大屏 steam游戏爬虫 游戏大数据 机器学习 知识图谱 计算机毕业设计 机器学习 深度学习 人工智能 知识图谱 2401_84159688 程序员大数据hadoop人工智能
    |—||一、选题的目的和意义用户往往因为不能及时查看游戏信息而造成许多烦恼。另一方面，游戏商城平台没能进行系统的管理与维护使游戏信息没能及时的更新。而传统的游戏信息管理，采用的还是手工备案、人工查询的方式。但是随之游戏信息的增多这种管理方式的工作量不断加大，这种做法就存在费时费力、缺乏时效性、不利于调动人员的积极性等缺点。一旦网站建立好之后，一方面，用户可以在第一时间在系统里查询所需的信息，另一方
  • 多智能体环境设计（二） AI-星辰 强化学习自定义环境python机器学习
    多智能体环境设计：接口设计与实现目录引言PettingZoo框架概述核心接口方法详解3.1reset()方法3.2step(action)方法3.3observe(agent)方法3.4render()方法空间定义4.1观察空间4.2动作空间高级特性5.1并行环境5.2智能体通信5.3动态环境性能优化测试和调试实际应用示例最佳实践和常见陷阱1.引言多智能体环境是强化学习和人工智能研究中的一个重要领
  • 本地电脑大模型系列之 20 离线 AI：使用 Ollama+llama3+privateGPT+Langchain+GPT4ALL+ChromaDB 与 Pdf、Excel、CSV、PPTX、PPT、 知识大胖 NVIDIAGPU和大语言模型开发教程人工智能langchainpdf
    简介Ollama在Mac/Windows/Ubuntu上与llama3一起运行MAC至少需要8GBRAM，Ubuntu和Windows至少需要16GBRAMpython3.10和git系列文章《本地电脑搭建StreamDiffusion：用眼睛见证实时人工智能创意利用交互式高速扩散技术彻底改变图像生成》权重1，本地类《使用本地Llama2模型和向量数据库建立私有检索增强生成(RAG)系统LangC
  • apache ftpserver-CentOS config gengzg apache
    <server xmlns="http://mina.apache.org/ftpserver/spring/v1" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation=" http://mina.apache.o
  • 优化MySQL数据库性能的八种方法 AILIKES sqlmysql
    1、选取最适用的字段属性 　　MySQL可以很好的支持大数据量的存取，但是一般说来，数据库中的表越小，在它上面执行的查询也就会越快。因此，在创建表的时候，为了获得更好的 性能，我们可以将表中字段的宽度设得尽可能小。例如，在定义邮政编码这个字段时，如果将其设置为CHAR(255),显然给数据库增加了不必要的空间，甚至使用VARCHAR这种类型也是多余的，因为CHAR(6)就可以很
  • JeeSite 企业信息化快速开发平台 Kai_Ge JeeSite
    JeeSite 企业信息化快速开发平台 平台简介 JeeSite是基于多个优秀的开源项目，高度整合封装而成的高效，高性能，强安全性的开源Java EE快速开发平台。 JeeSite本身是以Spring Framework为核心容器，Spring MVC为模型视图控制器，MyBatis为数据访问层， Apache Shiro为权限授权层，Ehcahe对常用数据进行缓存，Activit为工作流
  • 通过Spring Mail Api发送邮件 120153216 邮件main
    原文地址：http://www.open-open.com/lib/view/open1346857871615.html 使用Java Mail API来发送邮件也很容易实现，但是最近公司一个同事封装的邮件API实在让我无法接受，于是便打算改用Spring Mail API来发送邮件，顺便记录下这篇文章。 【Spring Mail API】 Spring Mail API都在org.spri
  • Pysvn 程序员使用指南 2002wmj SVN
    源文件:http://ju.outofmemory.cn/entry/35762 这是一篇关于pysvn模块的指南. 完整和详细的API请参考 http://pysvn.tigris.org/docs/pysvn_prog_ref.html. pysvn是操作Subversion版本控制的Python接口模块. 这个API接口可以管理一个工作副本, 查询档案库, 和同步两个. 该
  • 在SQLSERVER中查找被阻塞和正在被阻塞的SQL 357029540 SQL Server
    SELECT  R.session_id AS BlockedSessionID ,          S.session_id AS BlockingSessionID ,          Q1.text AS Block
  • Intent 常用的用法备忘 7454103 .netandroidGoogleBlogF#
    Intent     应该算是Android中特有的东西。你可以在Intent中指定程序 要执行的动作（比如：view,edit,dial），以及程序执行到该动作时所需要的资料 。都指定好后，只要调用startActivity()，Android系统 会自动寻找最符合你指定要求的应用 程序，并执行该程序。 下面列出几种Intent 的用法 显示网页:
  • Spring定时器时间配置 adminjun spring时间配置定时器
    红圈中的值由6个数字组成，中间用空格分隔。第一个数字表示定时任务执行时间的秒，第二个数字表示分钟，第三个数字表示小时，后面三个数字表示日，月，年，< xmlnamespace prefix ="o" ns ="urn:schemas-microsoft-com:office:office" /> 测试的时候，由于是每天定时执行，所以后面三个数
  • POJ 2421 Constructing Roads 最小生成树 aijuans 最小生成树
    来源：http://poj.org/problem?id=2421 题意：还是给你n个点，然后求最小生成树。特殊之处在于有一些点之间已经连上了边。 思路：对于已经有边的点，特殊标记一下，加边的时候把这些边的权值赋值为0即可。这样就可以既保证这些边一定存在，又保证了所求的结果正确。 代码： #include <iostream> #include <cstdio>
  • 重构笔记——提取方法（Extract Method） ayaoxinchao java重构提炼函数局部变量提取方法
    提取方法（Extract Method）是最常用的重构手法之一。当看到一个方法过长或者方法很难让人理解其意图的时候，这时候就可以用提取方法这种重构手法。   下面是我学习这个重构手法的笔记：   提取方法看起来好像仅仅是将被提取方法中的一段代码，放到目标方法中。其实，当方法足够复杂的时候，提取方法也会变得复杂。当然，如果提取方法这种重构手法无法进行时，就可能需要选择其他
  • 为UILabel添加点击事件 bewithme UILabel
        默认情况下UILabel是不支持点击事件的，网上查了查居然没有一个是完整的答案，现在我提供一个完整的代码。   UILabel *l = [[UILabel alloc] initWithFrame:CGRectMake(60, 0, listV.frame.size.width - 60, listV.frame.size.height)]
  • NoSQL数据库之Redis数据库管理(PHP-REDIS实例) bijian1013 redis数据库NoSQL
    一.redis.php <?php //实例化 $redis = new Redis(); //连接服务器 $redis->connect("localhost"); //授权 $redis->auth("lamplijie"); //相关操
  • SecureCRT使用备注 bingyingao secureCRT每页行数
    SecureCRT日志和卷屏行数设置 一、使用securecrt时，设置自动日志记录功能。 1、在C:\Program Files\SecureCRT\下新建一个文件夹(也就是你的CRT可执行文件的路径），命名为Logs； 2、点击Options -> Global Options -> Default Session -> Edite Default Sett
  • 【Scala九】Scala核心三：泛型 bit1129 scala
    泛型类 package spark.examples.scala.generics class GenericClass[K, V](val k: K, val v: V) { def print() { println(k + "," + v) } } object GenericClass { def main(args: Arr
  • 素数与音乐 bookjovi 素数数学haskell
        由于一直在看haskell，不可避免的接触到了很多数学知识，其中数论最多，如素数，斐波那契数列等，很多在学生时代无法理解的数学现在似乎也能领悟到那么一点。     闲暇之余，从图书馆找了<<The music of primes>>和<<世界数学通史>>读了几遍。其中素数的音乐这本书与软件界熟知的&l
  • Java-Collections Framework学习与总结-IdentityHashMap BrokenDreams Collections
            这篇总结一下java.util.IdentityHashMap。从类名上可以猜到，这个类本质应该还是一个散列表，只是前面有Identity修饰，是一种特殊的HashMap。         简单的说，IdentityHashMap和HashM
  • 读《研磨设计模式》-代码笔记-享元模式-Flyweight 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.Collection; import java.util.HashMap; import java.util.List; import java
  • PS人像润饰&调色教程集锦 cherishLC PS
      1、仿制图章沿轮廓润饰——柔化图像，凸显轮廓 http://www.howzhi.com/course/retouching/   新建一个透明图层，使用仿制图章不断Alt+鼠标左键选点，设置透明度为21%，大小为修饰区域的1/3左右（比如胳膊宽度的1/3），再沿纹理方向（比如胳膊方向）进行修饰。   所有修饰完成后，对该润饰图层添加噪声，噪声大小应该和
  • 更新多个字段的UPDATE语句 crabdave update
    更新多个字段的UPDATE语句                    update tableA a set (a.v1, a.v2, a.v3, a.v4) = --使用括号确定更新的字段范围
  • hive实例讲解实现in和not in子句 daizj hivenot inin
    本文转自：http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842855.html 当前hive不支持 in或not in 中包含查询子句的语法，所以只能通过left join实现。 假设有一个登陆表login(当天登陆记录,只有一个uid),和一个用户注册表regusers(当天注册用户，字段只有一个uid)，这两个表都包含
  • 一道24点的10+种非人类解法（2,3,10,10） dsjt 算法
    这是人类算24点的方法？！！！ 事件缘由：今天晚上突然看到一条24点状态，当时惊为天人，这NM叫人啊？以下是那条状态 朱明西 : 24点，算2 3 10 10，我LX炮狗等面对四张牌痛不欲生，结果跑跑同学扫了一眼说，算出来了，2的10次方减10的3次方。。我草这是人类的算24点啊。。 然后么。。。我就在深夜很得瑟的问室友求室友算 刚出完题，文哥的暴走之旅开始了 5秒后
  • 关于YII的菜单插件 CMenu和面包末breadcrumbs路径管理插件的一些使用问题 dcj3sjt126com yiiframework
    在使用 YIi的路径管理工具时，发现了一个问题。                    <?php         
  • 对象与关系之间的矛盾：“阻抗失配”效应[转] come_for_dream 对象
    概述   “阻抗失配”这一词组通常用来描述面向对象应用向传统的关系数据库（RDBMS）存放数据时所遇到的数据表述不一致问题。C++程序员已经被这个问题困扰了好多年，而现在的Java程序员和其它面向对象开发人员也对这个问题深感头痛。   “阻抗失配”产生的原因是因为对象模型与关系模型之间缺乏固有的亲合力。“阻抗失配”所带来的问题包括：类的层次关系必须绑定为关系模式（将对象
  • 学习编程那点事 gcq511120594 编程互联网
    一年前的夏天，我还在纠结要不要改行，要不要去学php？能学到真本事吗？改行能成功吗？太多的问题，我终于不顾一切，下定决心，辞去了工作，来到传说中的帝都。老师给的乘车方式还算有效，很顺利的就到了学校，赶巧了，正好学校搬到了新校区。先安顿了下来，过了个轻松的周末，第一次到帝都，逛逛吧！ 接下来的周一，是我噩梦的开始，学习内容对我这个零基础的人来说，除了勉强完成老师布置的作业外，我已经没有时间和精力去
  • Reverse Linked List II hcx2013 list
    Reverse a linked list from position m to n. Do it in-place and in one-pass. For example:Given 1->2->3->4->5->NULL, m = 2 and n = 4, return 
  • Spring4.1新特性——页面自动化测试框架Spring MVC Test HtmlUnit简介 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
  • Hadoop集群工具distcp liyonghui160com
        1. 环境描述 两个集群：rock 和 stone rock无kerberos权限认证，stone有要求认证。 1. 从rock复制到stone，采用hdfs Hadoop distcp -i hdfs://rock-nn:8020/user/cxz/input hdfs://stone-nn:8020/user/cxz/运行在rock端，即源端问题：报版本
  • 一个备份MySQL数据库的简单Shell脚本 pda158 mysql脚本
    　　主脚本（用于备份mysql数据库）： 　　该Shell脚本可以自动备份 数据库。只要复制粘贴本脚本到文本编辑器中，输入数据库用户名、密码以及数据库名即可。我备份数据库使用的是mysqlump 命令。后面会对每行脚本命令进行说明。 　　 1. 分别建立目录“backup”和“oldbackup” 　　#mkdir /backup 　　#mkdir /oldbackup 　
  • 300个涵盖IT各方面的免费资源（中）——设计与编码篇 shoothao IT资源图标库图片库色彩板字体
    A. 免费的设计资源 Freebbble:来自于Dribbble的免费的高质量作品。 Dribbble:Dribbble上“免费”的搜索结果——这是巨大的宝藏。 Graphic Burger:每个像素点都做得很细的绝佳的设计资源。 Pixel Buddha:免费和优质资源的专业社区。 Premium Pixels:为那些有创意的人提供免费的素材。
  • thrift总结 - 跨语言服务开发 uule thrift
    官网 官网JAVA例子 thrift入门介绍 IBM-Apache Thrift - 可伸缩的跨语言服务开发框架 Thrift入门及Java实例演示 thrift的使用介绍   RPC    POM： <dependency> <groupId>org.apache.thrift</groupId>
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他