深度学习入门实战篇第36页

Cobalt Strike使用教程——实战篇

本文主要介绍实战中CobaltStrike4.3的常用操作，包括MalleableC2配置与分析、监听器和BeaconPayload配置与区别、进程注入与欺骗、与MSF联动以及插件使用方法。文章目录一、MalleableC2配置(一)基本配置规则(二)流量特征对比二、监听器和Beacon(一)BeaconHTTP(二)BeaconHTTPS(三)BeaconSMB(四)BeaconTCP(五)Be

Captain_RB·2022-09-10 22:48

Cobalt Strike使用教程——基础篇

本文主要介绍CobaltStrike4.3的基本功能及使用方法，具体分析和实战中使用放在另一篇讲解：CobaltStrike使用方法——实战篇。

Captain_RB·2022-09-10 22:18

vue-typescript-admin-template后台管理系统-学习笔记

vue-element-admin学习手摸手，带你用vue撸后台系列一（基础篇）手摸手，带你用vue撸后台系列二(登录权限篇)手摸手，带你用vue撸后台系列三(实战篇)手摸手，带你用vue撸后台系列四(

mysteryflower·2022-09-08 12:58

Pytorch 深度学习入门与实践第二章 pytorch快速入门（1）

python常用库及模块（1）文件管理的相关库os:该模块为操作系统接口模块，提供了一些方便使用操作系统的相关功能函数，在读写文件时比较方便。（2）时间和日期time:该模块为时间的访问和转换模块，提供了各种时间相关的函数，方便时间的获取和操作。（3）文本处理re:该库为正则表达式操作库，提供了与Perl语言类似的正则表达式匹配操作，方便对字符串的操作。string：该库作为常用的字符串操作库，提

O丶ne丨柒夜·2022-09-08 07:34

功能管理（Feature management）搭建实战篇

在产品快速迭代中，要做到高效的功能发布同时还要降低上线风险，需要采用合适的技术对功能发布进行精细化的管控。下面会讲怎么通过功能粒度进行版本迭代发布。一、动态配置如果你没有接触过功能管理服务，那相信你对配置中心不会陌生。从分布式系统兴起之后，配置中心已经是分布式系统中不可或缺的一部分。从技术上来说，功能管理或配置中心本质上都是通过配置规则动态控制应用程序行为，所带来的好处是省去了修改代码、编译、打包

·2022-09-06 11:24

深度学习入门必读：深度学习中的各种卷积网络（上篇）（转载）

转自：https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news_9518186116763200181%22%7D&n_type=0&p_from=1雷锋网AI科技评论按：深度学习中的各种卷积网络大家知多少？对于那些听说过却又对它们没有特别清晰的认识的小伙伴们，KunlunBai这篇文章非常值得一

mning_master0·2022-09-05 09:55

前端性能优化之数据采集Performance API实战篇

目录1.前言2.问题现状3.术语说明4.数据采集4.1主动获取4.2被动监听4.3performance.timing4.4问题说明5.行业规范现状5.1性能数据分类5.2性能数据格式(HighResolutionTimeLevel2)5.3获取数据方式（PerformanceTimelineLevel2）5.4.NavigationTiming5.5.ResourceTiming6.总结7.官方

KinHKin·2022-09-04 08:49

前端性能优化实战篇

某项目的前端性能优化实践项目背景项目生产环境前端静态资源总体积过大，图片资源未压缩，请求接口30+个，整体平均加载耗时20S，用户体验比较差劲。优化目标减少静态资源的体积，接口数量和加载的时长：静态资源总体积2.公用组件CDN化打包构建过程中通过HtmlWebpckPlugin动态插入公用组件CDN链接，减少打包体积，加快渲染速度。html-webpack-plugin是webpack的一个插件，

KinHKin·2022-09-04 08:18

深度学习入门学习笔记(五)

深度学习入门学习笔记(五)误差反向传播法之前我们讲解了通过数值微分计算神经网络的权重参数的梯度从而能够完成神经网络的学习过程。数值微分的优点是简单、比较容易实现，但缺点是计算上比较费时间。

cookie·2022-09-03 07:18

深度学习入门--误差反向传播

前面介绍了通过数值微分计算神经网络的权重参数的梯度，虽然简单，但是计算上比较费时间。本文将介绍一个能够高效计算权重参数的梯度的方法–误差反向传播法。正向传播将计算结果正向（从左到右）传递，其计算过程是我们日常接触的计算过程；而反向传播将局部倒数反方向（从右到左）传递。1.计算图计算图就是将计算过程用图形表示出来。例如：太郎在超市买了2个苹果和3个橘子。其中，苹果每个100日元，橘子每个150日元。

我只钓小鱼·2022-09-03 07:14

深度学习入门-误差反向传播法

深度学习入门-误差反向传播法反向传播法在神经网络中是用于计算权重参数针对于损失函数的梯度的方法，该方法比数值微分法求梯度更加的高校。

侯一鸣Supermonkey·2022-09-03 07:13

数学、机器学习、深度学习目录

文章目录1.数学基础2.深度学习深度学习练习题3.机器学习4.论文loss对象检测1.数学基础矩阵求导术用狄拉克函数来构造非光滑函数的光滑近似2.深度学习深度学习入门（一）感知机与激活函数损失函数–交叉熵与极大似然估计

得克特·2022-09-01 07:19

数据挖掘学习日记8·深度学习入门

本文为根据课堂内容整理的笔记，使用的课件讲义为李弘毅的《一天搞懂深度学习》。引入什么是深度学习？现在，有关于一支股票的数据和图片。1.给出股票数据，返回走势图，这是统计。2.给出股票图片，告诉我们“这是一个K图”——这是机器学习中的模式识别。3.给出股票数据和图片，告诉我们这支股票的走势，这是机器学习中的数据挖掘。4.给出股票的数据和图片，告诉我们这只股票的好坏，以及投资组合建议，那么这就是深度学

mustuo·2022-08-31 09:19

深度学习入门实战（二）- 用 TensorFlow 训练线性回归

腾讯云技术社区-掘金主页持续为大家呈现云计算技术文章，欢迎大家关注！作者：董超上一篇文章我们介绍了MxNet的安装，但MxNet有个缺点，那就是文档不太全，用起来可能是要看源代码才能理解某个方法的含义，所以今天我们就介绍一下TensorFlow，这个由谷歌爸爸出品的深度学习框架，文档比较全～以后的我们也都使用这个框架～0x00概要TensorFlow是谷歌爸爸出的一个开源机器学习框架，目前已被广泛

weixin_33675507·2022-08-30 07:24

深度学习入门实战（二）-用TensorFlow训练线性回归

欢迎大家关注腾讯云技术社区-博客园官方主页，我们将持续在博客园为大家推荐技术精品文章哦~作者：董超上一篇文章我们介绍了MxNet的安装，但MxNet有个缺点，那就是文档不太全，用起来可能是要看源代码才能理解某个方法的含义，所以今天我们就介绍一下TensorFlow，这个由谷歌爸爸出品的深度学习框架，文档比较全～以后的我们也都使用这个框架～0x00概要TensorFlow是谷歌爸爸出的一个开源机器学

weixin_30618985·2022-08-30 07:53

卷积神经网络通俗理解-人工智能深度学习入门

导读：书山有路勤为径，学海无涯苦作舟AI：让机器展现出人类智力机器学习：抵达AI目标的一条路径深度学习：实现机器学习的技术需要卷积神经网络学习资料的还有配套的可以加微信卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（deeplearning）的代表算法之一

AI每天一点点·2022-08-24 18:54

什么是迁移学习 (Transfer Learning)？

深度神经网络，相比于之前的传统机器学习方法，可以看成是一个全新的物种，这背后的原因，最明显的还是深度学习对机器算力的巨大需求，在深度学习入门最少需要知道什么？

费马定理·2022-08-21 15:01

深度学习实战篇之（二）----- 梯度下降算法代码实现

世界地球日，奏响低碳生活进行曲，以蓝天为乐谱，以绿树为音符，以碧水为琴弦弹奏出环保最强音，为地球母亲祈祷平安吃五谷杂粮，穿天然布衣，住节能住宅，行无车之旅，用厉行节俭。让我们怀着敬畏感恩之心，向地球母亲贺寿。沸腾是在一定温度下液体内部和表面同时发生的剧烈汽化现象。沸点是液体沸腾时候的温度，也就是液体的饱和蒸气压与外界压强相等时的温度。沸点指纯净物在1个标准大气压下沸腾时的温度。不同液体的沸点是不同

fengyuxie·2022-08-19 07:50

【深度学习】4-梯度确认时遇bug：写了个糟糕的softmax函数

今天学习《深度学习入门：基于python的理论与实践》时，被梯度确认的问题卡了很久。具体过程就不赘述，最终发现是我写的softmax函数的问题，导致的数值微分与反向传播求得的梯度总对不上。

阿阿阿阿锋·2022-08-19 07:31

C++项目合集

文章目录一、学习篇：二、实战篇三、大型项目篇：一、学习篇：CPlusPlusThings国人开源一个C++学习项目。

飞鸡110·2022-08-17 19:49

对彩色花图像进行分类-基于R语言的Keras实现

该案例摘自《Keras深度学习入门、实战及进阶》第四章综合案例内容。该案例的数据来源于Kaggle上的FlowerColor。

·2022-08-17 00:18

深度学习入门实践学习——手写数字识别（百度飞桨平台）——上篇

一、项目平台百度飞桨二、项目框架1.数据处理；2.模型设计：网络结构，损失函数；3.训练配置：优化器，资源配置；4.训练过程；5.保存加载。三、手写数字识别任务1.构建神经网络流程；手写数字识别是一个典型的图像分类问题；MNIST数据集；2.构建神经网络设计思路：（1）明确任务输入输出：任务输入：手写数字图片，每张照片对应的28*28像素矩阵。任务输出：经过大小归一化和居中处理，输出对应的0-9数

Keep forward-forward·2022-08-16 17:53

【逻辑漏洞技巧拓展】————2、Web安全测试中常见逻辑漏洞解析（实战篇）

逻辑漏洞挖掘一直是安全测试中“经久不衰”的话题。相比SQL注入、XSS漏洞等传统安全漏洞，现在的攻击者更倾向于利用业务逻辑层的应用安全问题，这类问题往往危害巨大，可能造成了企业的资产损失和名誉受损，并且传统的安全防御设备和措施收效甚微。今天漏洞盒子安全研究团队就与大家分享Web安全测试中逻辑漏洞的挖掘经验。一：订单金额任意修改很多中小型的购物网站都存在这个漏洞。在提交订单的时候抓取数据包或者直接修

FLy_鹏程万里·2022-08-16 14:05

深度学习入门笔记-第三章-神经网络

神经网络有三层1.输入层2.中间层/隐藏层3.输出层如下图图中网络有三层神经元构成，但实质上只有两层有权重，因此称为“2层网络”对于感知机：b是被称为偏置的参数，用于控制神经元被激活的容易程度；而w_1和w_2是表示各个信号的权重的参数，用于控制各个信号的重要性现在将式（3.1）改写成更加简洁的形式。为了简化式（3.1），我们用一个函数来表示这种分情况的动作（超过0则输出1，否则输出0）。引入新函

day_day_up ！·2022-08-16 07:54

深度学习入门 (三)：神经网络的学习

本文为《深度学习入门–基于Python的理论与实现》的读书笔记参考：知乎：Eureka机器学习读书笔记、“西瓜书”、《统计学习方法》目录损失函数(lossfunction)为何要设定损失函数均方误差(meansquarederror

连理o·2022-08-16 07:20

深度学习入门03----神经网络的学习

4.1从数据中学习神经网络的特征就是可以从数据中学习。所谓“从数据中学习”，是指可以由数据自动决定权重参数的值。感知机的例子中，我们对照着真值表，人工设定了参数的值，但是那时的参数只有3个。而在实际的神经网络中，参数的数量成千上万，在层数更深的深度学习中，参数的数量甚至可以上亿，想要人工决定这些参数的值是不可能的。4.1.1数据驱动数据是机器学习的命根子。从数据中寻找答案、从数据中发现模式、根据数

__Miracle__·2022-08-16 07:45

神经网络与深度学习入门必备知识|概论

神经网络与深度学习绪论人工智能的一个子领域神经网络：一种以（人工）神经元为基本单元的模型深度学习：一类机器学习问题，主要解决贡献度分配问题知识结构学习路线图预备知识线性代数微积分数学优化概率论信息论推荐课程斯坦福大学CS224n:DeepLearningforNat

孤飞·2022-08-13 13:00

工业相机测距开发（2）：实战篇

前言本文将不再涉及原理部分，想要了解基础知识的话，请看上一篇的文章，我们使用的是opencv的里面的函数，这里面也是重点看这个函数们，我们通过这个函数来得到外参，在通过外参来得到我们最后的结果！Opencv:SolvePNP参考：https://www.jianshu.com/p/b97406d8833c简介：如果场景的三维结构已知，利用多个控制点在三维场景中的坐标及其在图像中的透视投影坐标即可求

神佑我调参侠·2022-08-12 12:53

【实战篇】egg+vue+mongodb实践开发在线文档管理平台——水墨文档

大厂技术高级前端Node进阶点击上方程序员成长指北，关注公众号回复1，加入高级Node交流群转载自：围的围https://segmentfault.com/a/1190000037621367最近有小伙伴经常问实战内容，这篇不错，可以学习下！前言团队中会遇到在线文档管理的需求，包括技术文档，接口文档，excel文档，和产品原型的托管等需求，一直没有找到合适的开源项目来满足需求，所以动手实现了个文档

傲娇的koala·2022-08-09 10:00

Vue实战篇三十三：实现新闻的浏览历史

系列文章目录Vue基础篇一：编写第一个Vue程序Vue基础篇二：Vue组件的核心概念Vue基础篇三：Vue的计算属性与侦听器Vue基础篇四：Vue的生命周期（秒杀案例实战）Vue基础篇五：Vue的指令Vue基础篇六：Vue使用JSX进行动态渲染Vue提高篇一：使用Vuex进行状态管理Vue提高篇二：使用vue-router实现静态路由Vue提高篇三：使用vue-router实现动态路由Vue提高篇

智慧zhuhuix·2022-08-09 10:18

Python爬虫：两个爬虫实战教你存储数据

今天是大年三十，先预祝大家新年快乐~文末有红包福利哦~实战一：中国大学排名前言由于上一篇文章中教会了大家如何存储数据，但是由于篇幅过大，就没有加入实战篇。

敲代码的灰太狼·2022-08-09 09:34

Pytorch深度学习入门笔记1（Pycharm版）

Pytorch深度学习入门笔记1（Pycharm版，环境安装的坑，配置项目）文章目录Pytorch深度学习入门笔记1（Pycharm版，环境安装的坑，配置项目）环境需求与环境配置需要的环境环境配置和一些要注意的点

伊滴小朋友·2022-08-08 07:48

读书笔记：深度学习入门-基于python的理论与实现（俗称鱼书）

文章目录前言三、神经网络3.2激活函数3.2.1阶跃函数3.2.2sigmoid函数3.2.3ReLU函数3.3多维数组3.3.1多维数组的维度和形状3.3.2多维数组的点乘3.4三层神经网络的实现3.4.1一步一步进行3.4.2合起来实现3.5输出层的设计3.5.1Softmax函数3.5.2Softmax函数的特征：输出值求和为1，符合概率分布问题四、神经网络的学习4.2损失函数4.2.1均方

时光轻浅，半夏挽歌·2022-08-07 07:56

[云云怪]项目11：自制手写数字识别系统（MNIST、深度学习）

云云怪·2022-08-04 07:44

纯numpy数值微分法实现手写数字识别

手写数字识别作为深度学习入门经典的识别案例，各种深度学习框架都有这个例子的实现方法。

·2022-08-03 12:34

【实战篇】使用 Vue3 + Ts + Egg 开发一个ProTable(包含接口实现)

大厂技术高级前端Node进阶点击上方程序员成长指北，关注公众号回复1，加入高级Node交流群前台实现实现效果技术栈vue3+typescript+element-plus+egg.js+mysql使用方法 import { ref } from 'vue'import ProTable from './components/ProTable/index

傲娇的koala·2022-07-31 15:56

python绘制3D图形

学习深度学习入门时，想绘制一下书上f(x0,x1)=x02+x12f(x_0,x_1)=x_0^2+x_1^2f(x0,x1)=x02+x12这个公式的图形但是仅靠pyplot无法完成3D图的绘制参考了

Tony·2022-07-30 07:29

实战篇：通用返回值 & 异常处理设计 | SpringMVC第14篇

大家好，我是路人，这是SpringMVC系列第14篇。1、本文目的目前多数系统都采用前后端分离的方式，后端只负责提供restfull接口，返回json格式的数据就可以了，前端负责渲染。本文带大家主要解决2个问题，在springmvc提供json格式的接口的时候，需要解决2个问题问题1：所有接口的返回值采用统一的格式问题2：系统中异常处理设计的问题，采用一种非常好的方式来解决这个问题下面咱们一起来解

路人甲Java·2022-07-27 16:56

SpringBoot 整合 Spring-Session 实现分布式会话（实战篇）

Spring提供了处理分布式会话的解决方案：Spring-Session。Spring-Session提供了对Redis、MongoDB、MySQL等常用存储的支持，Spring-Session提供与HttpSession的透明整合，这意味着开发人员可以使用Spring-Session支持的实现方式，切换HttpSession至Spring-Session。本文采用Redis作为第三方存储，总

长安明月·2022-07-27 07:56

PyTorch深度学习入门 || 系列（五）——逻辑回归

文章目录0写在前面1sigmoid函数2逻辑回归示例2.1plt.scatter()函数参数设置3模型定义3.1sigmoid()函数说明4优化器和损失函数5train()和draw()函数5.1torch.max(input,dim)6完整代码0写在前面线性回归和非线性回归，它们的输出都是连续的。而逻辑回归的输出是二元离散，为了方便数字表达和计算，我们把这两种分类的结果分别记作0和1.1sigm

仙女不扎马尾.·2022-07-26 07:18

PyTorch深度学习入门 || 系列（四）——非线性回归

文章目录0写在前面1激活函数2人工神经网络3数据处理4定义模型5完整代码0写在前面这个系列之前学习是线性回归，但是生活中需要解决问题大多数都是非线性的。本文要讨论的重点就是非线性的问题！1激活函数目的：激活函数实际上是一个非常简单的非线性函数，它作用在线性层的输出，只要让多个带有激活函数的神经元组合在一起，就具有拟合复杂非线性函数的强大能力！常用的激活函数有：sigmoid、tanh、ReLU、M

仙女不扎马尾.·2022-07-26 07:48

PyTorch深度学习入门 || 系列（三）——人工神经元

文章目录0写在前面1数据处理2模型定义2.1完整的模型定义3设置Loss函数4优化——梯度下降和随机梯度下降5完整代码0写在前面这一篇文章介绍人工神经元、人工神经网络。1数据处理用linspace()函数产生[-3,3)区间内的100000个点，并使用unsqueeze()函数在第一维处增加一个维度！展示一下unsqueeze()函数的前后对比：2模型定义定义一个线性模型LR，它继承PyTorch

仙女不扎马尾.·2022-07-26 07:48

BP神经网络（深度学习入门）

BP(BackPropagation)算法是神经网络深度学习中最重要的算法之一，了解BP算法可以让我们更理解神经网络深度学习模型训练的本质，属于内功修行的部分。BP(backpropagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。Minsky和Papert在颇具影

ChengyuanM.·2022-07-26 07:11

jsbridge原理_Hybrid App技术解析 -- 原理篇

第二篇实战篇现有混合方案Hyb

weixin_39739170·2022-07-25 11:01

深度学习入门

文章目录理论基础张量：矩阵任意维度的推广样本批量神经网络的原理：张量运算深度学习的几何解释神经网络的核心：梯度优化神经网络的组件层：深度学习的基础组件激活函数：数据向量化模型：层构成的网络损失函数与优化器第一个神经网络：MNIST数字识别1.导库2.建立网络架构3.编译步骤4.数据处理5.开始训练第二个神经网络:IMDB影评情感分析（二分类问题）1.加载数据集数据集解码2.数据预处理3.构建网络4

追梦小凯·2022-07-24 07:56

深度学习入门——03 MNIST手写数字图像集识别实验

MNIST是机器学习中最有名的数据集之一，由0~9的手写数字图像构成，在下面实验中利用在上一篇初识神经网络中所学习到基本框架做一个简单实验，下面代码中许多基于《深度学习入门基于Python的理论与实现》

吃梦想的咸鱼·2022-07-23 17:43

深度学习入门项目：PyTorch实现MINST手写数字识别

完整代码下载【github地址】：https://github.com/lmn-ning/MNIST_PyTorch.git目录一、MNIST数据集介绍及下载地址二、代码结构三、代码dataset.pycnn.pytrain.pyeval.py四、代码运行命令及测试精度一、MNIST数据集介绍及下载地址MNIST手写数字识别可以说是机器学习入门的helloword了，MNIST数据集包含70000

ctrl A_ctrl C_ctrl V·2022-07-23 17:41

「docker实战篇」python的docker-抖音web端数据抓取（19）

原文链接地址：「docker实战篇」python的docker-抖音web端数据抓取（19）抖音抓取实战，为什么没有抓取数据？

weixin_34254823·2022-07-21 21:50

深度学习入门实践1

如果想简单test一下可以用1.yolov5这个识别模型，新且教程丰富上手快YOLOV5训练自己的数据集（超详细完整版）2.猫狗大战猫狗照片分类金典简单Pytorch分类实例之猫狗大战一般来说比较热门的模型会有很多详细介绍的博客1.下载好你想要的模型代码gitee或者github建议学习一下git操作2.读Readme创建配置虚拟环境有requirements.txt最好（直接创环境，然后pipi

[山青花欲燃]·2022-07-21 07:27

第1周学习：深度学习入门和pytorch基础

目录一、绪论二、深度学习三、pytorch基础前言：1.定义数据2.定义操作四、螺旋数据分类初始化3000个样本的特征1.构建线性模型分类torch.optim.SGD(x,x,x)nn.Linear()-Linear中包含四个属性：梯度清零2.构建三层前馈神经网络，引入非线性激活函数ReLU3.下面试一试双隐层神经网络训练模型的效果一、绪论二、深度学习三、pytorch基础前言：首先我更新了笔记

苍茆之昴·2022-07-21 07:12

推荐频道

深度学习入门实战篇