android学习课程笔记第41页

李沐《动手学深度学习》课程笔记：00预告、01课程安排、02深度学习介绍

目录00预告01课程安排02深度学习介绍00预告学习深度学习关键是动手深度学习是人工智能最热的领域核心是神经网络应该像学习Python/C++一样学习深度学习01课程安排目标介绍深度学习经典和最新模型：LeNet,ResNet,LSTM,BERT,...机器学习基础：损失函数、目标函数、过拟合、优化实践：使用Pytorch实现介绍的知识点；在真实数据上体验算法效果内容深度学习基础-线性神经网络，多

feiwen110·2022-10-11 14:43

2021李宏毅机器学习课程笔记——Auto Encoder

注：这个是笔者用于期末复习的一个简单笔记，因此难以做到全面详细，有疑问欢迎大家在评论区讨论https://speech.ee.ntu.edu.tw/~hylee/ml/ml2021-course-data/auto_v8.pptxI.BasicIdea简单来说，AutoEncoder就是一个Encoder+Decoder的架构。Encoder负责将图片给编码为向量，而Decoder负责将向量给解码

xiongxyowo·2022-10-10 10:00

06 卷积神经网络CNN-学习笔记-李宏毅深度学习2021年度

05Classification-学习笔记-李宏毅深度学习2021年度下一篇：07SelfAttention-学习笔记-李宏毅深度学习2021年度本节内容及相关链接CNN的相关概念视频链接PPT链接课堂作业课程笔记卷积神经网络

iioSnail·2022-10-10 09:15

数据挖掘课程笔记--分类（3）最近邻分类

一、最小距离分类在统计模式识别中，可以采用最小距离分类器，它是计算待分类的样本到各个已知类别的中心（通常是训练集中同类样本的重心）的距离，将其划分到据它最近的类别中去，这可以看做是一种最近邻的分类规则。二、最近邻分类器最近邻分类器是在最小距离分类的基础上进行拓展，将训练集中的每一个样本作为判别依据，找出和测试样例属性比较接近的所有训练样例，这些训练样例被称为最近邻，可以用来确定测试样例的类标号。这

嘤桃小团子·2022-10-10 07:33

京东T7架构师手写的10万字Spring Boot详细学习笔记

内容介绍课程笔记均基于京东大牛在实际项目中剥离出来的

Java技术那些事儿·2022-10-09 22:33

【Python 小白到精通 | 课程笔记】第三章：数据处理就像侦探游戏（函数和包）

文章目录写在前面划分学习内容学到的一些操作（简单的罗列）保留问题课后作业1、写出1960年GDP最高的国家：有一行是World不是国家2、求多个年份GDP前三的国家3、选择几个你感兴趣的国家，画合适的图表示他们在60年间的GDP变化4、自选问题：这60年间，GDP增长前三的国家（或组织）是哪些？经验总结参考资料（仅部分）写在前面AlStudio课程地址：第三章：数据处理就像侦探游戏（函数和包）第三

清风莫追·2022-10-07 07:26

全连接神经网络、卷积神经网络

基于李宏毅老师的机器学习课程，图片和内容也是来自老师的课程笔记整理(科学上网，然后这里)。全连接神经网络介绍深度学习有三个步骤选择一个合适的神经

Yruner·2022-10-05 08:12

【python小白到精通 | 课程笔记】第一章初识Python（这几个小错误你会犯吗？）

文章目录【python小白到精通】第一章初识Python数据类型解密和加密课后作业，错题记录第一组，关于赋值、变量和print第二组，关于字符串第四组，关于index（索引）操作第五组，关于list（列表）的操作第六组，关于dictionary（字典）的操作【python小白到精通】第一章初识Python数据类型Number(数字)String(字符串)List(列表)列表里面甚至可以再装列表Tu

清风莫追·2022-10-03 07:14

【Python 小白到精通 | 课程笔记】第二章：图灵和恩尼格马密码机2（文本分析）

Alstudio课程地址：飞桨AIStudio-人工智能学习实训社区(baidu.com)Python小白到精通——第二章：图灵和恩尼格马密码机2（文本分析）今天的任务：破解密钥原以为是像昨天一样，用已有的密码表，转换一下文本就好了。没想到，今天没有密码表！当我听到说用统计和对比字母出现的频率的方法来破解密码时，我心里浮现出两个字：”天才！”，怎么别人就可以这么聪明呢？读取文件查看文件列表操作#请

清风莫追·2022-10-03 07:34

吴恩达机器学习课程笔记——第一周

吴恩达机器学习课程笔记文章目录吴恩达机器学习课程笔记第一周一、机器学习是什么？

片叶云舟·2022-09-29 19:20

Android学习笔记1-Introduction

WhatisAndroid?简单的说，1、Android是一个基于Linux核心(kernel)的开放手机平台作业系统。与WindowsMobile、Symbian等手机作业系统处在同一级别。在Linux核心的基础上提供Google自制的应用程式运行环境(称作Dalvik，与Sun的J2ME不同)，并提供基于Eclipse整合开发环境(IDE)的免费、跨平台(Windows、MacOSX、Linu

weixin_33728268·2022-09-28 07:08

吴恩达机器学习系列课程笔记——第十三章：聚类(Clustering)

13.1无监督学习：简介https://www.bilibili.com/video/BV164411b7dx?p=76在这个视频中，我将开始介绍聚类算法。这将是一个激动人心的时刻，因为这是我们学习的第一个非监督学习算法。我们将要让计算机学习无标签数据，而不是此前的标签数据。那么，什么是非监督学习呢？在课程的一开始，我曾简单的介绍过非监督学习，然而，我们还是有必要将其与监督学习做一下比较。在一个典

Lishier99·2022-09-26 22:52

2022吴恩达机器学习第二周

吴恩达老师机器学习课程笔记-第二周-知乎机器学习笔记Markdown文件(视频下载地址公布)：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

nousefully·2022-09-26 22:47

Java设计模式精讲—课程笔记5（第9章原型模式 + 第10章外观模式 + 第11章装饰者模式）

Java设计模式精讲—课程笔记59原型模式讲解+Coding+源码解析9.1原型模式讲解9.2原型模式coding9.3原型模式coding—克隆破坏单例9.4原型模式源码解析10外观模式讲解+Coding

江南土豆·2022-09-25 19:27

CS231n课程笔记：Leture5 Convolutional Neural Networks

目录convolutionPoolingconvolutionhowtovisualizethesefeatures？ifstride2whataboutstride3？zeropadtheborderspaddingvalue*2+NIfyougotanyquestionshere，youcanlearnfromthisblogindetails(21条消息)CNN中卷积核数和输出通道数的关系_

Lyttonkeepgoing·2022-09-24 14:47

Java SE 025 单例模式详解

JavaSE025单例模式详解前言：此笔记为圣思园张龙老师讲述的java视频课程笔记，自己看视频学习时记录的，用于积累与复习，在此分享给学习软件编程的兄弟姐妹们，以供参考。

清风百草·2022-09-22 16:11

Android学习之菜单的使用方法

本文实例为大家分享了Android学习之菜单使用的具体代码，供大家参考，具体内容如下Android中菜单包含上下文菜单和选项菜单两种类型。

·2022-09-22 12:51

【Pytorch深度学习实践】B站up刘二大人之BasicCNN & Advanced CNN -代码理解与实现(9/9)

这是刘二大人系列课程笔记的最后一个笔记了，介绍的是BasicCNN和AdvancedCNN，我做图像，所以后面的RNN我可能暂时不会花时间去了解了；写在前面：本节把基础个高级CNN放在一起记录了，注意查看对应关系

nemo_0410·2022-09-21 07:49

Android学习笔记之蓝牙功能

本文实例为大家分享了Android学习笔记之蓝牙功能的具体代码，供大家参考，具体内容如下蓝牙：短距离无线通讯技术标准。蓝牙协议分为4层，即核心协议层、电缆替代协议层、电话控制协议层和其他协议层。

·2022-09-20 21:28

MyBatisPlus基础

MyBatisPlus内容除了锁，代码生成器等内容，其余均有所涉猎，且较为基础~~~~这是看黑马视频时的课程笔记~1，MyBatisPlus入门案例与简介先体会下它相对于mybatis简化在哪，然后再学习它是什么

马航行·2022-09-20 08:17

层次分析法及matlab代码

数学建模算法（一）层次分析法Theanalytichierarchyprocess(AHP)【清风数学建模课程笔记】文章目录数学建模算法（一）层次分析法Theanalytichierarchyprocess

小风啊吼吼吼·2022-09-20 07:20

Udacity机器人软件工程师课程笔记（二十一) - 对点云进行集群可视化 - 聚类的分割 - K-means|K均值聚类, DBSCAN算法

聚类的分割1.K-均值聚类（1）K-均值聚类介绍k均值聚类算法（k-meansclusteringalgorithm）是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重

Stan Fu·2022-09-16 06:23

Android进阶：注解+APT方式，仿ButterKnife实现

最近开始Android学习，然后开始看Butterknife源码学习。如果你也想学习butterknife的实现，那么可以看看这篇文章。

见字如晤一·2022-09-14 22:57

Android学习——解析JSON数据（天气案例）

学习记录：简单学习一下AndroidStudio课程中的解析JSON数据。参考资料：AndroidJSON数据解析案列中用到的API地址：地址1：http://api.qingyunke.com/api.php?key=free&appid=0&msg=上海天气地址2：http://t.weather.itboy.net/api/weather/city/101020100案例效果：初运行：点击“

RRR224·2022-09-14 12:40

第一行代码Android（第3版）.pdf下载

封面：内容简介：《第一行代码Android第3版》被Android开发者誉为“Android学习第一书”。全书系统全面、循序渐进地介绍了Android软件开发的必

孤飞·2022-09-11 16:00

课程笔记：第13章算法相关面试问题

字符串反转Q：给定字符串"Hello,world"，实现将其反转输出结果：dlrow,olleH。解决思路：使用两个指针，一个指向字符串的首部begin，一个指向字符串尾部end，遍历过程逐渐交换两个指针指向的字符，结束条件begin大于等于end，以下分别为OC实现和C实现过程oc代码实现-(void)viewDidLoad{[superviewDidLoad];//Doanyadditiona

飘摇的水草·2022-09-10 18:13

【哈工大李治军】操作系统课程笔记8：内存管理（分段、分区、分页和换入换出）

1、内存使用与分段（1）重定位程序从物理地址0地址处开始执行，为了让call40生效，需要让_main的第一条指令指向物理地址40。但如果所有程序都是放到0地址处开始程序，就会造成冲突。因此，我们为了避免冲突，每次应该从内存中找一段空闲单元，然后将这段程序放进来。假如从1000地址往后存放这段程序，如果还保持源程序里call40就不能正确跳到我们需要的位置，因此就需要修改40为1040，这就引出了

辰阳星宇·2022-09-07 08:01

【哈工大李治军】操作系统课程笔记4：CPU和多进程 + 【实验 4】进程运行轨迹的跟踪与统计实验

操作系统在管理CPU的时候引出了多进程图像，通过多进程图像操作系统管理明白了CPU，CPU管理明白了别的硬件自然而然的就跟着带动起来了，所以多进程图像是操作系统的核心图像。因为多进程的引入是为了管理好CPU，所以我们就先介绍CPU的管理方法。1、CPU的工作原理如图中所示，当PC=50时，CPU就会发出取址指令，把50放在地址总线上，当内存接收到信号后，就会将把位于地址50里的指令通过总线再传送给

辰阳星宇·2022-09-07 08:00

【哈工大李治军】操作系统课程笔记7：进程同步、信号量、临界区、死锁 + 【实验】信号量的实现和应用

1、进程同步与信号量（1）信号通过使用信号量，来让多个进程合理有序的推进工作。我们的目标是让多个进程合理有序的共同完成一个任务，而不是各干各的。因此，对他们进行约束，就需要确保他们合作的有序性，即谁先做谁后做。信号就是用于双方互相发出对方可执行或对方可等待信息，来实现多个进程合作推进。等待是进程共同合作的核心。生产者-消费者是多进程合作的经典示例。BUFFER_SIZE是一个共享缓冲空间buffe

辰阳星宇·2022-09-07 08:30

【哈工大李治军】操作系统课程笔记6：CPU调度策略 + 【实验 4】进程运行轨迹的跟踪与统计实验

1、操作系统的那颗“树”上图为Linux核心源码所形成的一个结构。（1）最初的种子我们的目标是让机器可以执行我们的指令，从而完成计算，这里涉及到两个关键的步骤：取值、执行（2）I/O处理带来的等待在使用CPU执行指令的过程中，我们发现只写这段程序时，会让CPU先执行10ms，然后I/O处理却等待了10s，导致CPU有大部分时间处于空闲状态没有被利用起来。因此，我们就设想能否进行改善，在执行I/O设

辰阳星宇·2022-09-07 08:59

【哈工大李治军】操作系统课程笔记3：操作系统系的历史

1、历史主线1：多进程通过了解操作系统的历史，来抓住操作系统研究的重点。批处理操作系统（Batchsystem）：一个作业完成后，自动读入下一个作业进行执行。只专注于计算，不会做其他任务。IBM7094执行流程：当第一个任务出错或者执行完成将任务输出到磁带上，然后就会修改PC指针，指向下一个任务进行执行。随着计算机的造价越来越便宜，就慢慢的出现在了各行各业当中。我们就需要让一台计算机干很多事，但此

辰阳星宇·2022-09-07 08:59

【哈工大李治军】操作系统课程笔记2：系统调用 +【实验 2】系统调用实现

1、操作系统接口完成setup后，操作系统的代码都被读入到从0地址开始的地方，还创建了一些初始的结构，如mem_map（管理内存的数据结构）、GDT、IDT等。而我们的应用程序都放在了内存的上端。最终，内存的下方放置的为系统代码和数据、上方放置的为应用程序，这样子一个结构情况。（1）什么是操作系统接口？系统调用（接口表现为函数调用，又由系统提供）（2）操作系统接口连接谁？连接操作系统和应用软件（3

辰阳星宇·2022-09-07 08:29

【哈工大李治军】操作系统课程笔记1：操作系统开机代码 + 【实验 2】操作系统的引导

0.开机代码实现效果执行模块开机代码主要实现了两个事情：（1）将操作系统从磁盘中读入内存当中；（2）使用操作系统进行初始化操作1、什么是操作系统？2、打开操作系统计算机是怎么工作的？最初，计算机起源于图灵机，是一种计算模型。图灵机最初的灵感来源是人在纸上计算模拟的过程，将这个过程用自动化的设备模拟出来就是图灵机。首先在纸带上写上“3”、“2”、“+”，然后用控制区去模拟答案，用读写头去模拟眼睛和笔

辰阳星宇·2022-09-07 08:29

计算机网络——物理层（课程笔记）

说明博客作为笔记备份，不定时更新参考内容为《计算机网络（第7版）》谢希仁电子工业出版社；王道考研《计算机网络考研复习指导2023》文中的例题摘自王道考研《计算机网络考研复习指导2023》，大多是我个人认为较为典型的题目以及错题的部分整理文章目录基本概念1.数据、信号、码元2.信源、信道、信宿2.1基本概念2.2通信方式3.速率、波特、带宽编码与调制1.数字数据编码为数字信号归零编码（RZ）非归零编

10000hours·2022-09-06 17:57

课程笔记：第五章 Runtime相关面试问题

数据结构我们主要学习四种数据结构：objc_objectobjc_classisa指针method_ttypedefstructobjc_class*Class;typedefstructobjc_object*id;objc_object我们平时所使用的对象都是id类型的，id类型的对象对应到runtime中实际上代表的就是objc_object的结构体，这个结构体主要包含以下几个部分其中isa

飘摇的水草·2022-09-06 15:51

计算机网络课程笔记

感谢原作者networkaddress：https://blog.csdn.net/you_big_father/article/details/105859263学习MOOC华南理工计算机网络课程笔记第

小卡得尔·2022-09-06 07:42

MySQL燕十八老师课程笔记：第十九课：事务

什么是事务？将一个业务下的SQL语句作为一个单元统一操作==>“同生共死”【myisam不支持事务】例如：A转账500给B，打完之后A减少500，B增加500，如果这两个动作有一个没有完成，则整个转账过程失败（原子性）#如何启用事务?starttransaction;#如何结束事务？commit;#如何撤销事务？(回滚事务)——即对于失败事务，对之前的成功操作做的处理rollback;事务的中间状

芋头圆生煎·2022-09-05 11:45

6000 字思维导图告诉你什么是真正落地的业务数据分析

张涛老师《互联网业务数据分析实战》课程笔记，边听边疯狂记笔记的课程，上次这么疯狂的整理还是两年前的《运营之光》（手机端可下载原图查看，电脑端新标签页打开图片查看高清大图）01-业务数据分析概论与数据采集基础

扫地阿伟·2022-09-05 10:20

吴恩达老师机器学习课程笔记:(一)机器学习入门知识

机器学习入门知识一.机器学习定义二.机器学习分类监督学习(supervisedlearning)无监督学习(unsupervisedlearning)其它类型的机器学习三.模型相关描述及常用变量符号规定训练集(Trainingset)、测试集(Testset)和验证集(Validationset)假设函数(Hypothesis)代价函数(Costfunction)常用变量符号规定总结一.机器学习定

Credic1017·2022-09-05 07:04

机器学习课程笔记【十四】- 增强学习和自适应控制控制论

本节为吴恩达教授机器学习课程笔记最后一部分，增强学习和自适应控制，主要包括：马尔可夫决策过程的形式化描述，值迭代和策略迭代两种求解方法以及马尔可夫模型极大似然参数学习方法。

不会算命的赵半仙·2022-08-31 07:49

飘摇的水草·2022-08-30 14:39

Android学习之Span的使用方法详解

目录Span集合段落类Span其他Span展示效果小试牛刀小结Span集合段落类SpanBulletSpan为段落开头增加项目符号并支持大小、颜色、弧度span.append(SpannableString("BulletSpan").also{it.setSpan(BulletSpan(40,Color.RED),0,10,Spannable.SPAN_EXCLUSIVE_EXCLUSIVE)}

·2022-08-24 17:47

第三次带教课程笔记2022-08-21

一、收获1、当来电者表达了对未来婚姻关系的迷茫和犹豫的时候，我们可以尝试邀请她谈谈她犹豫的是什么，这也是倾听工作的深入案例中，当事人在由于要不要离婚，这时候，倾听师就可以邀请当事人谈一谈她具体的犹豫点。“我听到你对离婚感觉到很迷茫和犹豫，你能具体说说你在犹豫什么吗？”类似应用的场景还可以是分手还是不分手、离职还是不离职、工作还是考研。2、澄清感觉比如：①澄清“受不了“。具体受不了什么？受不了老公了

雅风66·2022-08-21 18:10

假期学习回顾与总结

网易云课堂视频（https://mooc.study.163.com/smartSpec/detail/1001319001.htm）+配套黄海广主编针对吴恩达深度学习课程DeepLearning.ai《深度学习课程笔记

Clark-dj·2022-08-17 07:59

吴恩达深度学习课程笔记——逻辑回归算法

逻辑回归二分类问题(BinaryClassification)假设函数(HypothesisFunction)损失函数和代价函数(LossFunctionandCostFunction)神经网络的计算中通常会有前向传播和反向传播的步骤，这门课从逻辑回归算法（logisticregression）来讲解这些概念。二分类问题(BinaryClassification)逻辑回归是一个用于二分类(bina

阿姝姝姝姝姝·2022-08-13 09:42

吴恩达deeplearning.ai系列课程笔记+编程作业(10)第四课卷积神经网络-第一周卷积神经网络（Foundations of Convolutional Neural Networks）

第四门课卷积神经网络（ConvolutionalNeuralNetworks）第一周卷积神经网络（FoundationsofConvolutionalNeuralNetworks）文章目录第四门课卷积神经网络（ConvolutionalNeuralNetworks）第一周卷积神经网络（FoundationsofConvolutionalNeuralNetworks）1.1计算机视觉（Compute

geekxiaoz·2022-08-13 07:11

<转载>CS231n课程学习笔记

CS231n课程学习笔记CS231n网易云课堂链接CS231n官方笔记授权翻译总集篇发布-智能单元-知乎专栏https://zhuanlan.zhihu.com/p/21930884CS231n课程笔记翻译

tang-0203·2022-08-13 07:02

CS231N图像分类笔记总结

图像分类笔记的总结本文是自己对CS231N课程笔记的阅读后的一些总结。

lizhixiaoqingnian·2022-08-13 07:49

CS231n课程笔记：图像分类笔记（上）

本专题转载知乎CS231n的全称是CS231n:ConvolutionalNeuralNetworksforVisualRecognition，即面向视觉识别的卷积神经网络。该课程是斯坦福大学计算机视觉实验室推出的课程。本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。在10周的课程中，学生们将会学习如何实现、训练和调试他们自己的神经网络，并建立起

量子孤岛·2022-08-13 07:47

CS231n课程笔记：图像分类笔记（下）

用于超参数调优的验证集k-NN分类器需要设定k值，那么选择哪个k值最合适的呢？我们可以选择不同的距离函数，比如L1范数和L2范数等，那么选哪个好？还有不少选择我们甚至连考虑都没有考虑到（比如：点积）。所有这些选择，被称为超参数（hyperparameter）。在基于数据进行学习的机器学习算法设计中，超参数是很常见的。一般说来，这些超参数具体怎么设置或取值并不是显而易见的。你可能会建议尝试不同的值，