CJH's blog

论文跟读系列（一）：反向传播 资源 https://www.iro.umontreal.ca/~vincentp/ift3395/lectures/backprop_old.pdf 【【论文必读#1：反向传播】在错误中学习，在传递中演进】 https://www.bilibili.com/video/BV1954y1o7bh/?share_source=copy_web&vd_source=bd967f0d540a64617b8b612bc0f0f9a3 作者介绍 这篇论文是三位大牛的合作，其中有我们比较了解的Hinton大牛。 知识点 反向传播入门 神经网络15分钟入门！——反向传播到底是怎么传播的？ - Mr.看海的文章 - 知乎 https://zhuanlan.zhihu.com/p/66534632 反向传播最佳总结——一篇文章读懂神经网络反向传播 - 干好每一天的文章 - 知乎 https://zhuanlan.zhihu.com/p/662487898 温故知新——前向传播算法和反向传播算法（BP算法）及其推导 - G-kdom的文章 - 知乎 https:// ...

结果 本人于2023年2月开始复习考研，最终考深圳大学大数据实验工程室计算机技术（专硕）324分， 算是能过复试线排在中游的水平。我分享一下考研的学习经历，以及一些零零碎碎的坑。希望未来的学弟学妹们能避免走进坑里。 为什么考研？考研为了什么。 大家在考虑考研的时候也看过不少的视频，考研无非是几种情况，我按最推荐考研的来排名： 1.本科生就是做科研了，对科研感兴趣，但是保研没保上。 2.本科生啥也没搞但是对科研有兴趣，有一定的伪科研经历，想考个研究生深入学习。 3.家里没钱留学，自己没能力保研，不想找工作，先考个研缓冲一下。 其他情况下，我是不推荐保研的，对做研究没兴趣，只是逃避工作而考研，就算考上研究生也很难出头，不如趁着互联网还没日落西山时，找个相关岗位工作工作最好。 计算机考研现在没那么受欢迎，主要是3年时间对于互联网太长。在很多非科研领域内，三年工作经历的本科生吊打3年科研经历的研究生。你是老板你喜欢哪个？而且考研学的东西，找工作不一定用得到，工作往往要学另一套东西，老费自己的精力。但为什么还有那么多人想考研，是为了： 1.就业缓冲 2.学历上升 3.科研兴趣 如果这三样你都不 ...

虚拟机连finalshell全100%流程和常见问题。 Centos7与windows11 和VMware 虚拟机 1、先sudo -r 进入管理员模式 2、关闭防火墙（可能不影响） 1systemctl stop firewalld 3、查看自己虚拟机的ip和网关啥的。 1ifconfig 如果ifconfig不了就安装 1sudo yum install net-tools 有两个大段才说明是正确的。 其中inet 192.168.240.130 是ip地址，netmask是网络掩码，要关注。 对应ens33这是你的网卡名字后面配置需要使用。 4、查看网卡配置 进入文件夹 1cd /etc/sysconfig/network-scripts/ vi工具修改配置 1sudo vi ifcfg-ens33 记住你的IPADDR和GATEWAY,DNS1。其他的都修改一致即可。 5、重新配置网络,返回终端 1systemctl restart network 6、ssh的问题 1vi cd /etc/sshd_config 让 UseDNS no 或yes 。 还有就是可能出现这种 ...

计算机视觉中的特征提取 LBP(local binary pattern) 简单介绍 是一种用来描述图像局部纹理特征的算子。 将中心像素点A的值与其最临近的8个像素点的值逐个比较 若A大于其临近点的像素值，则得到0。 若A小于其临近点的像素值，则得到1。 最后，将所得到的8个0或1的值连起来。 得到一个8位的二进制序列。 将该二进制序列转换为十进制数作为A的LBP值 计算过程 原始的LBP不具有旋转不变性，这样我们就提出了旋转不变的LBP模式。 HOG 推荐博客1 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。 HOG算法的基本思想是提取图像局部区域的梯度方向信息，并利用这些信息来描述图像的外观特征。 123456789101112131415HOG算法的基本思想是提取图像局部区域的梯度方向信息，并利用这些信息来描述图像的外观特征。具体来说，HOG算法包括以下几个步骤：图像预处理： 首先对图像进行预处理，包括 ...

以下参考自珠海科技学院PPT和广东工业大学。 0 设计模式学习步骤/考试结构 1.模式动机与定义 2.模式结构与分析 3.模式实例与解析 4.模式效果与应用 5.模式扩展 考试题目结构： 概念题：3道*5分 = 15 简答题：4*15 = 60 设计题：1* 25 = 25 1 设计模式概念 1.1 模式 模式是在特定环境中解决问题的一种方案。 模式的经典定义（ Alexander ）：每个模式都描述了一个在我们的环境中不断出现的问题，然后描述了该问题的解决方案的核心。通过这种方式，我们可以无数次地重用那些已有的解决方案，无需再重复相同的工作。 软件模式是模式概念在软件开发领域中的应用，它是对软件开发中某种特定“问题”的“解法”的统一表示，它和 Alexander 所描述的模式定义完全相同，即软件模式等于一定条件下出现的问题以及解决方案。 软件模式并非仅限于设计模式，还包括架构模式、分析模式和过程模式等。 1.2 模式要素与结构 模式三要素： Context（模式可适用的前提条件） Theme或Problem（在特定条件下要解决的目标问题） Solution（对目标问题求解过程 ...

(197条消息) 腐蚀与膨胀算法_腐蚀膨胀_凉拌海蜇丝的博客-CSDN博客 (197条消息) 图像腐蚀和膨胀的原理_腐蚀膨胀原理_WitransFer的博客-CSDN博客

2023年广东工业大学软件体系架构实验。 2023年春 lab1：socket运用 使用原始socket()实现一个C/S架构的应用，支持服务器时间回显示； 要求：从客户端发送命令，接收服务器的时间并显示到终端； sever.c 代码 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697#include <stdio.h>#include <stdlib.h>#include <string.h>#include <time.h>#include <winsock2.h>#pragma comment(lib,"ws2_32.lib") //链接ws2_32.lib库typedef stru ...

12猫分类学习笔记四（优化+知识篇） 附加指标 模型参数：25,557,032 FLOPs: 3.51G 。 引用论文：Deep Residual Learning for Image Recognition 2015 论文原文 该论文由何凯明（Kaiming He）、张学工（Xiangyu Zhang）、Ren Shaoqing 以及 Sun Jian 等人撰写。论文中提出了残差学习的概念，将残差块（Residual Block）引入到深度神经网络中，通过其解决了深度神经网络训练中出现的梯度消失和梯度爆炸等问题。同时，通过使用深度残差网络，ResNet 在2015年 ImageNet 图像分类竞赛中夺得冠军，成为了当时最先进的图像分类模型。 优化方向 在接下来的工作中，可以考虑增加图像增强操作，例如图像裁剪，图像亮度调整，图像对比度调整等待，从而丰富训练集，防止过拟合。 可以考虑使用其他残差网络，例如ResNet101，ResNet152进行改进。或者对Resnet的网络进行调参，进一步细化。 可以从超参数的角度进一步优化，比如调整学习率，自适应学习率策略，训练轮数等。 还没有 ...

12猫分类学习笔记三（预测篇） 训练的代码集中在cat_test.py里。编译执行该文件即可进行预测。 基本上就是调用model.eval，然后进行格式整理，导出对应格式的csv即可。 cat_test.py 源代码 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889909192import torchfrom torch import nn,optimimport torchvision.transforms as transformsimport torchvisionimport pandas as pdimport osfrom PIL import Image# 种类数num_classes = 12 # 分类别数量# 模型文件名称cat_model_name = "cat_m ...