研究生之深度学习

Pytorch 第十二回：循环神经网络——LSTM模型

Pytorch第十二回：循环神经网络——LSTM模型本次开启深度学习第十二回，基于Pytorch的LSTM循环神经网络模型。本回分享第二个循环神经网络，叫做LSTM模型。

Start_Present·2025-03-27 08:07

【深度学习基础 2】 PyTorch 框架

基本数学运算3.3自动求导（Autograd）3.4定义神经网络模型3.5训练与评估模型3.6使用模型进行预测四、注意事项五、完整训练示例代码一、PyTorch简介PyTorch是由Facebook开发的开源深度学习框架

鸢想睡觉·2025-03-27 08:07

Flask学习笔记之g对象

保存全局变量的g属性：g：globalg对象是专门用来保存用户的数据的。g对象在一次请求中的所有的代码的地方，都是可以使用的。g作为flask程序全局的一个临时变量,充当者中间媒介的作用,我们可以通过它传递一些数据，g保存的是当前请求的全局变量，不同的请求会有不同的全局变量，通过不同的threadid区别

醉里_挑灯看剑·2025-03-27 08:07

数据结构之基本队列-顺序结构实现-初始化-判断队列是否为空(front=rear)-出队-入队-队尾满了，调整队列-获取队头元素

数据结构之基本队列-顺序结构实现-初始化-判断队列是否为空(front=rear)-出队-入队-队尾满了，调整队列-获取队头元素——完整可运行代码#include#defineMAXSIZE100typedefintElemType

照海19Gin·2025-03-27 07:04

Python笔记1：前置知识之命令提示符（CMD）

一、引言在学习python的过程中，我们需要用到命令提示符（CMD）进行环境的配置。实际上，CMD的用处远不止于此，如在计算机网络中采用的ping、ipconfig等指令，都是CMD的重要用途。因此，此处将CMD进行总结和归纳，相信无论是对python环境的配置，还是加深对“操作系统”层面的理解，都大有裨益。二、什么是命令提示符（CMD、command）在微机原理与汇编语言的课程中，我们曾了解过“

KNoto·2025-03-27 07:59

【论文阅读】基于思维链提示的大语言模型软件漏洞发现与修复方法研究

尽管已有多种防御技术被提出，基于深度学习（DL）的方法因能规避传统技术瓶颈而备受关注，但面临两大核心挑战：任务专用标注数据集的规模质

君的名字·2025-03-27 06:50

C#之基础3---③（集合，数组与集合的区别，哈希表，哈希函数，C#中的静态方法与非静态方法）

一、概念类①、什么是数组，什么是集合，为什么要有集合？数组int[]：最适用于创建和使用固定数量的强类型化对象，创建数组时要明确所创建数组的类型(int[],string[],bool[]...)及数组数量。集合ArrayList（）：把各种类型的数据集合在一起，通过下标来遍历显示。集合是一个类，因此必须在向该集合添加元素之前，声明类的实例，需usingSystem.Collections。集合的

Elsa~·2025-03-27 05:49

2024年令人兴奋的10篇大模型研究和论文

后台回复"资料"，即可获取整理好的算法面试题(大模型、深度学习、机器学习)2024年对于人工智能来说是一个绝对精彩的年份。

福福很能吃·2025-03-27 05:19

mybatis常用标签及应用

mybatis动态sql之标签篇今天分享学习mybatis的标签，首先归纳总结常用的标签1.sql语句selectselect*fromstudentswheresid=1insertinsertintostudentsvalues

我是小酱油啊·2025-03-27 05:18

Android Compose 基础布局之 Box 和 Stack 源码深度剖析(九)

AndroidCompose基础布局之Box和Stack源码深度剖析一、引言1.1Android开发中布局的重要性在Android应用开发里，布局是构建用户界面（UI）的关键环节。

&有梦想的咸鱼&·2025-03-27 05:43

基础知识之Pod

参考##知乎https://zhuanlan.zhihu.com/p/605962502什么是Pod？Pod是Kubernetes创建或部署的最小单位。一个Pod封装一个或多个容器（container）、存储资源（volume）、一个独立的网络IP以及管理控制容器运行方式的策略选项。Pod使用主要分为两种方式：Pod中运行一个容器。这是Kubernetes最常见的用法，您可以将Pod视为单个封装的

叱咤少帅（少帅）·2025-03-27 04:41

智能工厂的设计软件应用场景的一个例子：为AI聊天工具添加一个知识系统之15 方案再探之6 搭建开发环境

Q&AQ35、根据以上讨论，您能将这个div模型和“特定于领域的模板--一个三套接的hoc结构它是本项目actors的剧本原型。其地位：祖传代码脚本模板中的--一个div标签的内容模型（简称“div模型”），在三端架构中绘制前端执行公式的“体”。”联系上，以此来达到附件项目文档中part2（结构化&形式化）的结构化目的，并作为形式化的基础，同时理解Part1（人性化&去中心化）的括号中的含义以及它

一水鉴天·2025-03-27 04:09

Web安全之命令执行getshell

命令执行漏洞简介原因应用未对用户输入做严格得检查过滤，导致用户输入得参数被当成命令来执行。危害1.继承Web服务程序的权限去执行系统命令或读写文件2.反弹shell，获得目标服务器的权限3.进一步内网渗透远程代码执行因为业务需求，在PHP中有时需要调用一些执行命令的函数，如：eval()、assert()、preg_replace()、create_function()等，如果存在一个使用这些函数

Shadow_143·2025-03-27 04:39

Mysql8 MHA高可用搭建之MHA安装配置及测试

三、mysql8基于MHA的高可用集群0、配置ssh密钥登入各服务器互信：1、安装MHA软件2、安装mha监控manager，只要在77机器上安装：3、在manager管理机器上配置管理节点：4、编写配置文件中提到的/data1/mysql_mha/master_ip_failover脚本：5、给该脚本添加可执行权限：6、在其他所有节点上创建mha的工作目录：7、在master上创建mha这个用户

半隐退状态·2025-03-27 02:29

python 经典算法之--动态规划算法(Dynamic Programming Algorithm)

动态规划（DynamicProgramming，简称DP）是一种算法思想，它是求解一类最优化问题的有效工具。它通过将原问题分解为若干子问题，逐个求解子问题的最优解，从而得到原问题的最优解。动态规划算法的核心思想是“最优子结构”和“重叠子问题”。最优子结构：指问题的最优解由其子问题的最优解组合而成。重叠子问题：指在问题分解过程中，许多子问题的解是重复的。动态规划算法的基本步骤：确定状态：将原问题分解

魔都霸王东·2025-03-27 02:52

大模型模型架构

第7章模型架构7.1大模型之模型概括语言模型的一开始就可以被看做是一个黑箱，当前大规模语言模型的能力在于给定一个基于自身需求的prompt就可以生成符合需求的结果。

.whl·2025-03-27 01:50

MyBatis之动态SQL

动态SQL动态SQL是MyBatis最强大的特性之一，它允许你根据条件动态拼接SQL语句，解决传统JDBC中大量拼接字符串的繁琐问题。1.什么是动态SQL？动态SQL是一种根据运行时条件动态生成和执行SQL语句的技术。与静态SQL（在代码中固定写死的SQL）不同，动态SQL允许程序根据不同输入或条件动态灵活构建SQL，适用于需要灵活查询、参数化条件或复杂业务逻辑的场景。核心特点：通过条件判断、循环

圈圈编码·2025-03-27 01:18

【C#】基础之属性的 `get` 和 `set` 方法讲解

C#属性的get和set方法讲解在C#中，属性（Property）是封装类字段的一种机制，它通常通过get和set方法来定义。get用于获取属性值，set用于设置属性值。使用属性时，代码会更加简洁且可控，特别是当你需要在获取或设置数据时加入一些额外的逻辑。基本语法publictypePropertyName{get{returnfieldName;//返回字段值}set{fieldName=val

我不是程序猿儿·2025-03-27 01:47

Rust从入门到精通之进阶篇：11.所有权系统详解

所有权系统详解所有权（Ownership）是Rust最独特的特性，它使Rust能够在不需要垃圾回收的情况下保证内存安全。在本章中，我们将深入探讨所有权系统的工作原理、借用规则和生命周期概念。所有权规则回顾首先，让我们回顾一下所有权的基本规则：Rust中的每个值都有一个被称为其所有者的变量值在任一时刻只能有一个所有者当所有者离开作用域，这个值将被丢弃这些简单的规则是Rust内存安全的基础。所有权转移

aimmon·2025-03-26 23:33

全星 APQP 软件系统：汽车部件行业研发管理的卓绝之选

全星研发项目管理APQP软件系统，专为契合汽车部件行业的严苛需求而设，乃是企业达成高效研发、提升管理水平的理想搭档。结合二十年来全星客户反馈，全星研发项目管理APQP软件系统以下功能特色，为汽车部件行业用户带来收益，成为各类客户的关注点：一、深度契合行业标准全星研发项目管理APQP软件系统深入研读并精确契合IATF16949研发管理要求，自项目策划之始，便将标准中的各项细则融入流程。不管是产品设计

全星007·2025-03-26 22:30

python解题之寻找最大的葫芦

问题描述问题描述在一场经典的德州扑克游戏中，有一种牌型叫做“葫芦”。“葫芦”由五张牌组成，其中包括三张相同牌面值的牌�a和另外两张相同牌面值的牌�b。如果两个人同时拥有“葫芦”，我们会优先比较牌�a的大小，若牌�a相同则再比较牌�b的大小，牌面值的大小规则为：1(A)>K>Q>J>10>9>...>2，其中1(A)的牌面值为1，K为13，依此类推。在这个问题中，我们对“葫芦”增加了一个限制：组成“

山外有山a·2025-03-26 22:29

Data Warehouse 系列之构建业务总线矩阵

一、什么是数仓总线矩阵？数据仓库总线矩阵（DataWarehouseBusMatrix）是数据仓库设计中一个重要工具。它用于定义数据仓库中的业务过程和数据维度之间的关系，提供了数据模型的整体视图以及数据仓库中各个数据源之间的关系。总线矩阵通常是一个表格，其中每一行代表一个业务过程，每一列代表公共维度（一致性维度），还包括业务过程与维度间的联系，图中每个叉号表示该业务过程与维度具有关联关系，也就是我

数字游牧人0v0·2025-03-26 22:29

C语言【进阶篇】之文件操作——开启代码世界里文件的神秘旅程

目录前言✍️文件基础概念文件类型文本文件与二进制文件文件名文件指针与流文件指针流文件的打开与关闭fopen函数fclose函数️文件的顺序读写字符读写函数：fgetc和fputc字符串读写函数：fgets和fputs格式化读写函数：fscanf和fprintf二进制读写函数：fread和fwrite⚙️文件的随机读写fseek函数ftell函数rewind函数文件读取结束的判定文本文件二进制文件文

EnigmaCoder·2025-03-26 22:58

彩民新高度:“创造领域快3有真正正规平台吗”的专业分析

在创造领域的广阔天地中，探索和分析走势规律犹如一支矫健而又灵动的舞者，在无尽的思想之海中纵情游弋。每一个创新的火花，都是经验与理智的交融，而走势规律则是揭示那些灵感背后深藏的真理。

2501_91389590·2025-03-26 21:20

Android设计模式之单例模式

一、定义：确保一个类只有一个实例，并且自动实例化，并向整个系统提供这个实例。二、使用场景：避免重复创建对象，过多消耗系统资源。三、使用方式3.1饿汉式：类加载时立即初始化，线程安全，可能会浪费资源。publicclassSingleton{privatestaticfinalSingletonINSTANCE=newSingleton();privateSingleton(){}//私有构造方法p

木子庆五·2025-03-26 21:48

Unsloth 库和Hugging Face Transformers 库对比使用

在深度学习模型的微调过程中，保存模型及其权重是关键步骤。不同的库或框架提供了各自的方法来完成这一任务。Unsloth库：Unsloth是一个专注于加速大语言模型（LLM）微调的开源工具。

背太阳的牧羊人·2025-03-26 21:17

#渗透测试#红蓝攻防#HW#SRC漏洞挖掘03之逻辑漏洞

免责声明本教程仅为合法的教学目的而准备，严禁用于任何形式的违法犯罪活动及其他商业行为，在使用本教程前，您应确保该行为符合当地的法律法规，继续阅读即表示您需自行承担所有操作的后果，如有异议，请立即停止本文章阅目录一、逻辑漏洞的定义二、逻辑漏洞的常见类型（一）权限相关（二）注册相关（三）登录相关（四）密码找回/修改相关（五）支付相关三、逻辑漏洞的挖掘步骤四、逻辑漏洞的利用方式（一）用户凭证暴力破解（二

独行soc·2025-03-26 20:15

KVM虚拟化管理工具之virtsh(二)

一、virsh常用命令介绍1.1domain工作域管理篇虚拟机基本的开关操作命令virshstart开机命令参数必选说明–domain是需要操作的非活跃的虚拟工作主机UID，ID或者主机名，若操作主机处于活跃状态下，该命令会提示主机已活跃–console否创建后附加到控制台–paused否生成后让虚拟机保持暂停状态–autodestroy否virsh断开连接时自动销毁虚拟机–bypass-cach

demonlg0112·2025-03-26 20:13

深度学习篇---断点重训&模型部署文件

文章目录前言一、断点重训（Checkpoint）文件1.动态图（DyGraph）模式.pdparams文件.pdopt文件.pdscaler文件.pdmeta或.pkl文件2.静态图（StaticGraph）模式.pdparams和.pdopt文件.ckpt文件3.恢复训练二、模型部署文件1.动态图部署文件.pdmodel.pdiparams示例代码2.PaddleInference部署三、核心区

Ronin-Lotus·2025-03-26 20:11

向量数据库与常见的搜索算法

一、引入在深度学习领域，每个实体都是高维向量，每个维度都是某种属性的刻画。比如一行N个字的文本，可以转成N*256维张量，一个图片可以转成3*100*100张量。

杰瑞哥哥·2025-03-26 20:38

初识TensorFlow：机器学习与深度学习的探索

初识TensorFlow：机器学习与深度学习的探索背景简介当我们谈论创建人工智能（AI）时，机器学习（ML）和深度学习是重要的起点。面对众多的选择和术语，新手很容易感到不知所措。

韩锋裂变营销·2025-03-26 20:38

怎么保证测试用例能百分之百覆盖所有测试点？

如果拿到一个比较大的功能需求，我会按照以下顺序去写测试用例以及执行1、冒烟测试，正常的流程是否走的通2、页面元素的检验，即检查页面字段内容、格式、边界值、数据类型、特殊字符、样式、布局等等跟业务没关系的检查，适用所有系统3、接口测试，通过工具传参看接口能否正常响应，包括输入一些异常的数据，看接口是否有校验4、业务逻辑检查，这个需要充分解读需求文档上的每一句话，逻辑判断控制，以及有耦合关系的模块，前

画江湖Test·2025-03-26 19:37

深度学习学习经验——生成对抗网络（GAN）

（GenerativeAdversarialNetwork）生成对抗网络（GenerativeAdversarialNetwork，简称GAN）是由IanGoodfellow等人在2014年提出的一种深度学习模型

Linductor·2025-03-26 19:37

【深度学习】Self-Attention机制详解：Transformer的核心引擎

Self-Attention机制详解：Transformer的核心引擎文章目录Self-Attention机制详解：Transformer的核心引擎引言Self-Attention的基本概念为什么需要Self-Attention？Self-Attention的数学原理1.计算查询(Query)、键(Key)和值(Value)2.计算注意力分数3.缩放并应用Softmax4.加权求和多头注意力(Mu

烟锁池塘柳0·2025-03-26 19:05

K8S Secret管理之SealedSecrets

1关于K8SSecret我们通常将应用程序使用的密码、API密钥保存在K8SSecret中，然后应用去引用。对于这些敏感信息，安全性是至关重要的，而传统的存储方式可能会导致密钥在存储、传输或使用过程中受到威胁，例如在git中明文存储密码或在配置文件中以明文形式存放密码。2SealedSecrets为了解决Secret的安全问题，SealedSecrets通过使用公钥加密技术来提高密钥的安全性。它使

Blue summer·2025-03-26 18:23

基于深度学习的水果识别系统

1.引言随着计算机视觉技术的快速发展，基于深度学习的水果识别系统在农业、超市等场景中具有广泛的应用前景。

A等天晴·2025-03-26 17:51

Pytorch实现之对称卷积神经网络结构实现超分辨率

简介简介：针对传统的超分辨率重建技术所重建的图像过于光滑且缺乏细节的问题，作者提出了一种改进的生成对抗图像超分辨率网络。该改进方法基于深度神经网络，其生成模型包含多层卷积模块和多层反卷积模块，其中在感知损失基础上增加了跳层连接和损失函数。该判别模型由多层神经网络组成，其损失函数基于生成式对抗网络生成的判别模型损失函数。论文题目：ImageSuper-resolutionReconstruction

这张生成的图像能检测吗·2025-03-26 17:51

Pytorch实现之结合SE注意力和多种损失的特征金字塔架构GAN的图像去模糊方法

简介简介：提出了一种利用特征金字塔作为框架代替多尺度输入的一种方法来构建生成器模型，减少了模型规模并加快了训练速度。在模型架构中还融合了通道注意力方法来提高训练能力。作者在生成器中采用了三种常见的损失计算，在鉴别器中结合了最小二乘和相对论损失来改善模型训练。论文题目：ImageDeblurringBasedonGenerativeAdversarialNetworks（基于生成对抗网络的图像去模糊

这张生成的图像能检测吗·2025-03-26 17:21

后端架构模式之－BFF（Backend-For-Frontend）

Backend-for-Frontend（BFF）的概念与意义1.什么是Backend-for-Frontend（BFF）？Backend-for-Frontend（简称BFF）是一种后端架构模式，它为特定的前端应用（Web、移动端、桌面端等）提供专门的后端服务，作为前端与通用后端（或微服务）之间的中间层。在传统架构中，前端通常直接与一个通用的后端API（如RESTful或GraphQLAPI）交

txzq·2025-03-26 17:46

lua 脚本语言 : 基础到高级语法

❃博主首页：「码到三十五」，同名公众号:「码到三十五」，wx号:「liwu0213」☠博主专栏：♝博主的话：搬的每块砖，皆为峰峦之基；公众号搜索「码到三十五」关注这个爱发技术干货的coder，一起筑基Lua

码到三十五·2025-03-26 17:14

探索音乐之美：APlayer - 超可爱的HTML5音乐播放器

探索音乐之美：APlayer-超可爱的HTML5音乐播放器APlayer:lollipop:Wow,suchabeautifulHTML5musicplayer项目地址:https://gitcode.com

强和毓Hadley·2025-03-26 15:33

Vue.js 学习之旅：方法与收获全记录

首先，要深入理解Vue.js的响应式原理，它通过数据劫持结合发布-订阅模式，能够自动追踪数据的变化，并实时更新与之绑定的DOM元素。

．923·2025-03-26 15:32

2025-03-25 学习记录--C/C++-PTA 习题9-3 平面向量加法

合抱之木，生于毫末；九层之台，起于累土；千里之行，始于足下。一、题目描述⭐️习题9-3平面向量加法本题要求编写程序，计算两个二维平面向量的和向量。

小呀小萝卜儿·2025-03-26 15:00

代码随想录第六十天| Bellman_ford 队列优化算法（又名SPFA） bellman_ford之判断负权回路 bellman_ford之单源有限最短路

Bellman-Ford队列优化算法（SPFA）精讲题目描述某国共有n个城市，通过m条单向道路连接。每条道路的权值为运输成本减去政府补贴。要求找出从城市1到城市n的最低运输成本路径，若成本为负则表示盈利，若无路径则输出“unconnected”。输入包含n和m，接着m行每行三个整数s、t、v，表示从s到t的道路权值为v。输出为最低成本或“unconnected”。输入输出示例输入：6756-212

kill bert·2025-03-26 14:26

解锁C++标准库：打开高效编程之门

目录一、C++标准库：编程基石的崛起二、库之溯源：历史与演进三、剖析核心组件3.1基础类型与工具3.2输入输出流魔法3.3数据结构大观园3.4算法的奇妙世界3.5内存管理之道四、跨平台的一致性与差异五、

大雨淅淅·2025-03-26 14:24

K8S学习之基础四十三：k8s中部署elasticsearch

在Kubernetes(k8s)中部署Elasticsearch通常涉及创建一些Kubernetes资源，如StatefulSet、Service、ConfigMap和PersistentVolume。以下是一个简单的步骤指南，帮助你在Kubernetes集群中部署Elasticsearch。1.创建命名空间首先，你可以为Elasticsearch创建一个单独的命名空间。yaml复制apiVers

云上艺旅·2025-03-26 14:24

TensorFlow之常量的使用1

目录前言示例示例1示例2示例3前言TensorFlow中定义的数据叫做Tensor(张量),Tensor又分为常量和变量。常量一旦定义值不能改变。使用tf.constant定义常量。示例示例1使用tf.constant定义常量。importtensorflowastft=tf.constant([[1.,2.,3.],[4.,5.,6.]])#可以像numpy的ndarray一样使用tensorp

浊酒南街·2025-03-26 14:23

TensorFlow之Session

目录前言Tensorflow1.xTensorflow2.x前言会话(Session)是用来执行图中的运算的上下文。所有的运算必须在一个会话中执行。在TensorFlow2.x中，会话的概念已经被简化，默认情况下，所有的操作都会立即执行。Tensorflow1.x静态图（无eagermode）学习额外概念如图、会话、变量、占位符等#Tensorflow1.0实现importtensorflowas

浊酒南街·2025-03-26 14:53

TensorFlow之sparse tensor

目录前言创建sparsetensorsparsetensor的运算:前言sparsetensor稀疏tensor,tensor中大部分元素是0,少部分元素是非0.创建sparsetensorimporttensorflowastf#indices指示正常值的索引,即哪些索引位置上是正常值.#values表示这些正常值是多少.#indices和values是一一对应的.[0,1]表示第0行第1列的值

浊酒南街·2025-03-26 13:19

DeepSeek 助力 Vue3 开发：打造丝滑的表格（Table）之添加导出数据功能示例14，TableView15_14多功能组合的导出表格示例

创作不易，如果能帮助到大家或者给大家一些灵感和启发，欢迎收藏+关注哦目录DeepSeek助力Vue3开发：打造丝滑的表格（Table）之添加导出数据功能示例14，TableView15_14多功能组合的导出表格示例前言页面效果组件代码代码测试测试代码正常跑通

宝码香车·2025-03-26 13:16

推荐频道