当前位置： 首页 > news >正文

【五一培训】Day 3

news 来源：原创 2025/7/14 19:05:28

Topic 1：元学习

一、概念：learn to learn

区分少样本学习与元学习

少样本学习（Few-shot learning）是元学习的一个重要应用，它指的是机器能够在仅有少量样本的情况下，成功地学习和泛化到新任务上。在许多现实应用中，数据稀缺或新任务的出现意味着我们无法依赖大量的标注数据进行训练，这时候，元学习的能力就显得尤为重要。通过少样本学习，模型能够快速适应新任务，并且能够在极少的训练样本上做到较好的预测。

二、 常见训练方法

  • 基于优化的元学习方法：
    • 主要通过设计一种特殊的优化方法，使得模型能够在少量的样本上快速收敛。最著名的基于优化的元学习算法是Model-Agnostic Meta-Learning（MAML）。
  • 基于记忆的元学习
    • **Memory-Augmented Neural Networks（MANNs）**就是这样的一类模型。
  • 基于度量学习的元学习
    • 方法侧重于通过学习一个度量空间，使得在该空间内，类似的任务或样本距离更近，而不同的任务或样本距离更远。这样，模型可以通过比较新的任务与已学任务之间的距离来做出快速预测。

关于元学习，这里不做更深入的展开，详细可以参考这篇博文：
【机器学习】元学习（Meta-learning）-CSDN博客

Topic 2：Training

概念：本质上寻找一种函数

一、Training Detail

  • Epoch（时期/回合）：当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一次 epoch。也就是说，所有训练样本在神经网络中都进行了一次正向传播和一次反向传播。一个 epoch 是将所有训练样本训练一次的过程。
  • Batch（批 / 一批样本）：将整个训练样本分成若干个 batch。每个 batch 中包含一部分训练样本，每次送入网络中进行训练的是一个 batch。
  • Batch size（批大小）：每个 batch 中训练样本的数量。Batch size 的大小影响模型的优化程度和速度，以及内存的利用率和容量。
  • Iteration（迭代）：训练一个 batch 就是一次 iteration，每次迭代会更新模型的参数。

有多个 epoch 的原因是，单次训练数据集是不够的，需要反复多次才能拟合收敛。因为我们使用的是有限的数据集，并且我们使用一个迭代过程即梯度下降来优化学习过程。随着 epoch 数量增加，神经网络中的权重的更新次数也在增加，曲线从欠拟合变得过拟合。epoch 的个数是非常重要的，如果 epoch 太少，模型可能无法收敛到最优解；如果 epoch 太多，模型可能会过拟合，导致泛化能力下降。对于不同的数据集，合适的 epoch 数量是不同的，需要通过验证集或交叉验证来选择。

这些概念之间的关系可以用下面的公式表示：

  • 一个 epoch 中，batch 总数 = 训练样本数 / batch_size；
  • iteration总数 = batch总数 * epoch总数；

如果训练样本数不能被 batch_size 整除，那么有几种处理方法：

  • 调整 batch_size，使其能够整除训练样本数。比如，如果训练样本数是1000，可以选择 batch_size 为50，20，10等。
  • 调整训练样本数，使其能够被 batch_size 整除。比如，如果 batch_size 是35，可以选择训练样本数为700，1050，1400等。
  • 检查输入数据的 batch_size，当它和预设的 batch_size 不匹配时强行补齐。比如，如果 batch_size 是35，最后一个 batch 只有25个样本，可以用零或其他值填充剩余的10个位置。
    • 使用 drop_last 参数，舍弃最后一个不足 batch_size 的 batch。比如，如果 batch_size 是35，最后一个 batch 只有25个样本，可以直接忽略这个 batch，不参与训练。

具体例子如下所示，其中训练样本数为2922，batch_size = 16，epoch 总数为100。这意味着：

  • 需要把训练样本分成182（2922/16）个 batch，每个 batch 包含16个样本。
  • 每次训练一个 batch，就是一次 iteration。
  • 每次训练完所有的 batch，就是一次 epoch。
  • 需要训练100个 epoch，也就是18200个 iteration。
  • 每次 iteration，模型的参数都会更新一次。

一些理解和比喻：

  1. learing rate 可以从大到小，类似于一个人爬山，在山底的时候可以步长大一些的往山顶走；如果离山顶越来越近之后就把步长调整的小一些，过大的步长可能会越过山顶。一般学习率设置在0.001甚至0.0001
  2. Training epochs 的具体数量可以使用验证集进行判断，若已经收敛即可停止训练。训练轮次过多可能出现已经收敛的情况，那么继续训练就是浪费时间；还可能出现过拟合的状态，使得模型在训练集上表现良好但是在验证集和测试集上表现效果差。

二、Curriculum Learning 课程学习

课程学习(CL)是一种从简单的数据向困难的数据训练机器学习模型的训练策略。

​

随着训练的进行，CL逐渐将更难的样例引入子集，最终在整个训练数据集上训练模型。与在整个训练数据集上直接训练相比，这种CL策略可以提高模型性能和收敛速度。例如，苹果和橙子的图像是清晰、典型且易于识别的。随着模型训练的进展，CL在当前子集中添加了更多“更难”的图像(即更难识别)，这类似于人类课程中学习材料的难度增加。

解决什么问题？
        传统模型所有的训练样例都是随机呈现给模型的，忽略了数据样本的各种复杂性和当前模型的学习状态。

更深的知识点参考这一篇论文：
课程学习 Curriculum Learning-CSDN博客

三、Transfer Learning 迁移学习

迁移学习(Transfer Learning)是一种机器学习方法，就是把为任务 A 开发的模型作为初始点，重新使用在为任务 B 开发模型的过程中。

为什么需要迁移学习？

  1.  大数据与少标注的矛盾：虽然有大量的数据，但往往都是没有标注的，无法训练机器学习模型。人工进行数据标定太耗时。
  2. 大数据与弱计算的矛盾：普通人无法拥有庞大的数据量与计算资源。因此需要借助于模型的迁移。
  3. 普适化模型与个性化需求的矛盾：即使是在同一个任务上，一个模型也往往难以满足每个人的个性化需求，比如特定的隐私设置。这就需要在不同人之间做模型的适配。
  4. 特定应用（如冷启动）的需求。 

具体参考如下：
迁移学习（Transfer）-CSDN博客
【机器学习】机器学习重要方法——迁移学习：理论、方法与实践_迁移学习方法-CSDN博客
深度学习之---迁移学习-CSDN博客

关于迁移学习的一些个人理解：
        实际上，从DL-FWI的角度来讲，传统图像处理方式在一定程度上都可以迁移到对地震波图和速度模型的处理中。

  • 从数据驱动的角度：最为简单粗暴的方式就是直接更换数据集。当然这样的方法效果并不一定好，因为源域和目标域之间的差距是不能够忽视的，需要针对性的做出改变才能更加出色的完成任务。
  • 从网络结构的角度：实际上，例如边界检测，图像融合等方法，在传统CV领域已经十分发达。其中有很多处理方式是可以供我们举一反三的。

域适应

在迁移学习中， 当源域和目标的数据分布不同 ，但两个任务相同时，这种特殊的迁移学习叫做域适应 （Domain Adaptation，DA ）。

  

历史背景：传统上，机器学习模型主要在特定数据集上训练和测试。当模型应用于数据分布不同的新领域时，会出现性能下降的域偏移问题。为了解决这一问题，域适应技术应运而生，目的是让在源域训练的模型能够适应目标域，即使两者的数据分布存在显著差异。

当前进展：近年来，域适应技术取得了显著进展，提出了多种方法，如特征空间转换、对抗性训练和自监督学习等。这些技术有效减少了源域和目标域之间的差异，提升了模型在目标域的性能。域适应技术现已广泛应用于图像识别、自然语言处理和语音识别等多个领域。

其中常用的技术有主动域适应ADA、无监督域适应UDA、无源域适应SFDA。

具体的实现方法可以学习以下博文：
域适应（domain adaptation）-CSDN博客
详解域适应-CSDN博客

Topic 3：Observation system 地震观测系统

这一部分相关理论更偏向传统地震勘探，在以往的学习中已经有初步认识，这里做一个简单总结：
【学习笔记】Day 10_地震观测系统图-CSDN博客

震源：产生地震波的源头，通常采用炸药震源、可控震源等。通常称为炮点。

接收系统：由多个地震检波器组成，用于接收地震波传播到地面或地下不同位置的信号。

常见的观测系统分类如下：

1. 正常的陆地观测系统
        通常来说一个炮点会在其两侧分布均匀的检波器，当炮点产生地震波之后，激发器位置会首先接收到信号，之后是两侧的检波器。距离激发器越远的检波器接收信号越晚。

2. OpenFWI的观测系统
        这种观测系统与正常的陆地观测系统的区别就是它不再以滑动窗口的方式进行数据的收集，而是具备多个不同的炮点，但检测点却是固定不变的。每一次激发器产生地震波时，检波器都会进行接收信号。

3. 海上观测系统

需要注意的是，扎实的地震勘探原理知识是有助于开展相关实验的，所以力所能及的情况下，主动进一步的去学习《地震勘探原理》是一个不错的选择

相关文章：

【五一培训】Day 3

Topic 1：元学习 一、概念：learn to learn 区分少样本学习与元学习 少样本学习（Few-shot learning）是元学习的一个重要应用，它指的是机器能够在仅有少量样本的情况下，成功地学习和泛化到新任务上。在许多现…...

编程日记 2025/7/14 19:05:28

C++继承详讲

1.继承的概念 继承是实现代码复用的手段，它允许程序员在保持基类特性的基础上进行扩展，增加功能，这样产生新的类，称派生类。 2.继承和组合 1.继承体系下，子类对象包含父类的成员。组合体系下，子类对象包含…...

编程日记 2025/7/14 18:50:16

第四节：OpenCV 基础入门-第一个 OpenCV 程序：图像读取与显示

一、引言：为什么选择 OpenCV？ 在计算机视觉领域，OpenCV（Open Source Computer Vision Library）是一个开源的、跨平台的计算机视觉库，广泛应用于图像处理、模式识别、机器学习等领域。它支持多种编程语言&a…...

编程日记 2025/7/14 18:34:31

基于PHP实现的easy管理系统

easy管理系统 2.0.1 easy管理系统 是一个多功能的 Web 管理平台，旨在简化项目管理、文件共享和协作流程。它集成了大创项目管理、在线文档生成、代码托管等多种功能，并提供了用户管理、系统设置、日志查看等后台管理能力。 ✨ 功能特性 统一管理平台:…...

编程日记 2025/7/14 18:55:21

ios systeam introduction

Here is an in-depth look at Apple’s iOS, from its inception to its latest major release, covering architecture, core components, security, app lifecycle, development tools, and the headline features of iOS 18. iOS began life as “iPhone OS,” unveiled alo…...

编程日记 2025/7/14 18:42:02

【论文阅读】LLMOPT：一种提升优化泛化能力的统一学习框架

文章目录 第一遍一、摘要二、关键词三、预知识1. 什么是优化泛化问题2. 什么是消融研究3. model alignment（模型对齐） 第二遍：了解论文论点一、研究背景与目的二、相关工作三、LLMOPT框架四、METHODOLOGY(方法论)1. 数据处理2. 学习过程3. 自…...

编程日记 2025/6/29 5:11:34

Prompt多版本测试指南：如何科学评估不同提示词的效果

对于现代AI开发来说，同一个需求，不同的提示表达方式往往会产生截然不同的结果。因此，如何设计、测试和优化提示词成为了一项关键技能。 本文将深入探讨Prompt多版本测试的技术方法，帮助你系统性地评估不同提示词的效果&#xff0…...

编程日记 2025/7/14 19:02:52

每日c/c++题 备战蓝桥杯（洛谷P1015 [NOIP 1999 普及组] 回文数）

洛谷P1015 [NOIP 1999 普及组] 回文数 题解 题目描述 P1015 回文数 是NOIP 1999普及组的经典模拟题。题目要求如下： 给定一个数N（十进制）和进制K（2≤K≤16），将N转换为K进制表示后，通过以下操…...

编程日记 2025/7/14 18:47:19

最小单调子序列的长度+联通最小乘积

因为题目ICPC是英文版，基于大家都不怎么看的懂的情况下直接给大家进行题目讲解 题目1： 题目分析： 构造一个长度为n的排列 p（里面的数是1-n),不能重复得 max⁡(lis(p),lds(p)) 最小。 其中，lis(p)是 p 的最长递增子序…...

编程日记 2025/7/14 18:33:30

OpenHarmony平台驱动开发（一），ADC

OpenHarmony平台驱动开发（一） ADC 概述 功能简介 ADC（Analog to Digital Converter），即模拟-数字转换器，可将模拟信号转换成对应的数字信号，便于存储与计算等操作。除电源线和地线之外&#…...

编程日记 2025/7/14 18:30:32

数据结构与算法：回溯

回溯 先给出一些leetcode算法题，以后遇见了相关题目再往上增加 主要参考代码随想录 2.1、组合问题 关于去重：两种写法的性能分析 需要注意的是：使用set去重的版本相对于used数组的版本效率都要低很多，大家在leetcode上提交&#x…...

编程日记 2025/7/14 18:36:20

KaiwuDB X 遨博智能 | 构建智能产线监测管理新系统

​01 项目背景 遨博智能作为国内协作机器人行业领军企业，深度布局制造、农业、医疗、教育、民生等场景，出货量连续四年蝉联国内第一、世界第二。随着工业自动化的蓬勃发展，遨博智能生产规模不断扩大，先后在常州、淄博等地建设完成…...

编程日记 2025/7/14 19:03:42

高等数学第三章---微分中值定理与导数的应用（§3.6 函数图像的描绘§3.7 曲率）

3.6 函数图像的描绘 一、曲线的渐近线 对于某些函数，其图形向无穷远处延伸时，会越来越趋近于某一条直线，这条直线被称为曲线的渐近线 (Asymptote)。 1. 定义 若曲线 y f ( x ) yf(x) yf(x) 上一点 P ( x , y ) P(x, y) P(x,y) 沿曲线趋…...

编程日记 2025/7/14 18:55:21

【PostgreSQL数据分析实战：从数据清洗到可视化全流程】4.2 数据类型转换（CAST函数/自定义函数）

👉 点击关注不迷路 👉 点击关注不迷路 👉 点击关注不迷路 文章大纲 PostgreSQL数据分析实战：数据清洗之数据类型转换（CAST函数/自定义函数）4.2 数据类型转换：让数据「格式正确，类型对…...

编程日记 2025/7/14 18:38:03

docker:制作镜像+上传镜像+拉取镜像

1.dockerfile制作镜像 示例内容： 1.创建一个index.js的文件 console.log("hello world")2.在相同目录下创建名为dockerfile的文件 FROM node:alpine COPY index.js /index.js CMD node /index.js3.构建镜像 docker build -t minterra/hello-docker . …...

编程日记 2025/7/14 18:43:58

信息系统监理师第二版教材模拟题第三组（含解析）

信息系统监理师模拟题第三组（30题） 监理基础理论 信息系统工程监理的性质是（ ） A. 服务性、独立性、公正性、科学性 B. 强制性、营利性、行政性、技术性 C. 临时性、从属性、随意性、主观性 D. 单一性、封闭性、被动性、保守性答案：A 解析：监理具有服务性、独立性、公正…...

编程日记 2025/6/29 6:19:27

潮乎盲盒商城系统全开源多级分销推广海报奖品兑换试玩概率OSS云存储多端源码

一、源码描述 这是一套潮乎盲盒商城源码，仿小叮当盲盒商城，后端Laravel框架前端uniappvue，前后端数据库分离，支持四端同步数据（H5小程序等），测试环境: php7.4，mysql5.6，…...

编程日记 2025/7/14 18:43:57

文章记单词 | 第64篇（六级）

一，单词释义 residence [ˈrezɪdəns] n. 住宅；居住；住所；居住期fling [flɪŋ] v. （用力地）扔，掷，抛；猛动（身体或身体部位）；急冲&a…...

编程日记 2025/6/29 8:17:47

数据同步实战篇

文章目录 数据同步实战篇1. mysql数据同步1.1 mysql集群部署1.2 数据同步1.2.1 同步复制1.2.2 异步复制1.2.3 半同步复制 2. redis数据同步2.1 redis集群部署2.2 数据同步 3. mq数据同步3.1 mq集群部署3.2 数据同步 4. es数据同步4.1 es集群部署4.2 数据同步 数据同步实战篇 数…...

编程日记 2025/7/14 18:52:52

具身系列——Double DQN算法实现CartPole游戏（强化学习）

完整代码参考： rl/ddqn_cartpole.py 陈先生/ailib - Gitee.com 部分训练得分： Model saved to ./output/best_model.pth New best model saved with average reward: 9.6 Episode: 0 | Train Reward: 25.0 | Epsilon: 0.995 | Best Eval Avg: 9.6…...

编程日记 2025/7/14 18:49:09

以下是在 Ubuntu 上的几款PDF 阅读器，涵盖轻量级、功能丰富和特色工具：

默认工具：Evince（GNOME 文档查看器） 特点：Ubuntu 预装，轻量快速，支持基本标注和书签。 安装：已预装，或手动安装： sudo apt install evince功能全面：Okular&…...

编程日记 2025/7/14 18:39:11

有关水下图像增强的论文

4.21 TEBCF：Real-World Underwater Image Texture Enhancement Model Based on Blurriness and Color Fusion 基于模糊和颜色融合的现实水下图像纹理增强模型 2022年的一篇文章，基于传统方法，基于不同的色彩方法构建了两个新的融合输入。一…...

编程日记 2025/6/29 7:56:31

Raycaster光线投射

Raycaster光线投射 3D虚拟工厂在线体验 描述 光线投射Raycaster，用于进行raycasting（光线投射）。 光线投射用于进行鼠标拾取（在三维空间中计算出鼠标移过了什么物体）。 构造器 Raycaster( origin : Vector3, dire…...

编程日记 2025/7/14 18:40:20

javaEE——单例模式

目录 前言1.概念2. 实现3. 比较和改进总结 前言 本篇文章来介绍单例模式，并讲述在保证线程安全的前提下，单例模式的写法。 1.概念 单例模式是一种设计模式，可以说是写代码的一种模板，如果在一些固定的场景下按照设计模式进行写…...

编程日记 2025/6/29 5:11:29

WSL在D盘安装Ubuntu

目录 前提条件步骤一：查看可用的Linux发行版步骤二：安装Ubuntu 22.04步骤三：导出已安装的Ubuntu到D盘步骤四：注销当前Ubuntu安装步骤五：在D盘导入Ubuntu启动Ubuntu 前提条件 Windows 10或Windows 11系统已启用WSL功能…...

编程日记 2025/7/14 18:46:32

Java并发编程-多线程基础（三）

文章目录 线程间通信线程间通信的核心问题volatile 关键字1. 核心特性2. 使用限制3. 示例 synchronized 关键字1. 核心特性2. 示例 volatile 与 synchronized 的对比Volatile 和 Synchronized 最佳实践 线程间通信 线程间通信的核心问题 多个线程通过共享内存实现信息交换&am…...

编程日记 2025/7/14 19:03:44

React--》掌握react构建拖拽交互的技巧

在这篇文章中将深入探讨如何使用react-dnd，从基础的拖拽操作到更复杂的自定义功能带你一步步走向实现流畅、可控且用户友好的拖拽体验,无论你是刚接触拖拽功能的初学者还是想要精细化拖拽交互的经验开发者，都能从中找到适合自己的灵感和解决方案。 目录 …...

编程日记 2025/7/14 7:15:36

【Qt】常用的类与数据类型

目录 一、Qt常见基本数据类型 二、Qt 字符串类应用 2.1 操作字符串 2.2 查询字符串 三、QMap 类&QHash 类&QVector 类 3.1 QMap 类 3.2 QHash 类 3.3 QVector 类 四、QList 类&QLinkedList 类 4.1 QList 类 4.2 QLinkedList 类 4.3 STL 风格迭代器遍历…...

编程日记 2025/7/14 18:47:18

React实现B站评论Demo

该Demo涉及的技术点 useState函数（数据驱动视图）子组件的封装条件判断回调函数的封装 1、评论数据 {"list": [{"rpid": 3,"user": {"uid": "13258165","avatar": "http://toutiao.…...

编程日记 2025/7/14 18:53:42

从实列中学习linux shell12 通过Shell脚本来优化MySQL数据库性能，特别是慢SQL跟踪和索引优化

在Shell脚本中优化MySQL数据库性能，特别是慢SQL跟踪和索引优化 可以通过以下步骤实现。以下是一个结构化的解决方案，包含示例代码和详细说明： 1. 启用慢查询日志 目标：动态启用慢查询日志并配置参数，收集慢SQL数据。…...

编程日记 2025/7/14 18:52:52

ES6入门---第三单元 模块一：类、继承

补充&#xff1a; prototype 属性使您有能力向对象添加属性和方法。 object.prototype.namevalue <script>function Person(name, age){this.name name;this.age age;}/* Person.prototype.showName function(){return 名字为: ${this.name};};Person.prototype.showA…...

编程日记 2025/7/14 19:01:39

CSS 变量与原生动态主题实现

CSS 变量与原生动态主题实现 CSS 变量基础 CSS 变量&#xff08;自定义属性&#xff09;是 CSS 语言的一项强大功能&#xff0c;允许我们在样式表中定义和重用值。与 SCSS 或 LESS 等预处理器中的变量不同&#xff0c;CSS 变量在运行时计算&#xff0c;这意味着它们可以动态更…...

编程日记 2025/7/14 10:32:54

Ubuntu 安装 Docker

安装 Docker 1. 卸载旧版本&#xff08;如果有&#xff09; sudo apt-get remove docker docker-engine docker.io containerd runc 2. 更新 APT 包的索引 sudo apt-get update 3. 安装依赖包 sudo apt-get install -y \ca-certificates \curl \gnupg \lsb-release4. 添加…...

编程日记 2025/7/14 18:48:04

SpringMVC——第三章：获取请求数据

假设有这样一个请求&#xff1a;http://localhost:8080/springmvc/register?namezhangsan&password123&emailzhangsanpowernode.com 在SpringMVC中应该如何获取请求提交的数据呢&#xff1f; 在SpringMVC中又应该如何获取请求头信息呢&#xff1f; 在SpringMVC中又应…...

编程日记 2025/6/28 20:05:26

动静态库【Linux操作系统】

文章目录 动静态库制作静态库如何把第三方库安装在Linux系统中&#xff0c;如何使用第3方库方案一&#xff1a;为什么我们之前使用gcc/g编译C/C标准库的时候不用加选项-l xxx呢&#xff1f;方案二&#xff1a;方案三&#xff1a; 为什么不同平台的库不一样呢&#xff1f;动态库…...

编程日记 2025/7/9 12:28:23

Day 4:牛客周赛Round 91

好久没写了&#xff0c;问题还蛮多的。听说这次是苯环哥哥出题 F题 小苯的因子查询 思路 考虑求因子个数&#xff0c;用质因数分解&#xff1b;奇数因子只需要去掉质数为2的情况&#xff0c;用除法。 这里有个比较妙的细节是&#xff0c;提前处理出数字x的最小质因数&#xff0…...

编程日记 2025/6/28 20:05:21

drawDB：打造高效数据库设计流程

drawDB&#xff1a;打造高效数据库设计流程 drawDB 简介资源链接 核心功能详解1. 直观的实体关系图设计2. SQL 脚本生成3. SQL 导入功能4. 本地化存储与分享功能5. 自定义主题与外观 安装和使用教程本地开发环境搭建构建生产版本Docker 部署基本使用方法 应用场景和实际价值适用…...

编程日记 2025/7/10 16:39:34

【心海资源】子比主题新增注册与会员用户展示功能模块及实现方法

内容改写&#xff1a; 本次分享的是子比主题顶部展示注册用户与会员信息的功能模块及其实现方式。 你可以通过两种方式启用该功能&#xff1a; 直接在后台进入“外观 → 小工具”启用该展示模块&#xff0c;操作简便&#xff1b;也可将提供的代码覆盖至子比主题目录中&#…...

编程日记 2025/6/29 7:49:24

gitblit安装教程，搭建一个属于自己的Git版本仓库

本章教程，主要记录如何在Windows服务器上利用gitblit搭建GIT私有化仓库。 一、gitblit简介 官网地址：https://www.gitblit.com/ Gitblit 是一个开源的纯 Java 技术栈，用于管理、查看和服务Git仓库。 它主要设计为一款面向希望托管集中式仓库的小型工作组的工具。 二、基础环…...

编程日记 2025/6/28 20:05:17

2023年第十四届蓝桥杯省赛B组Java题解【简洁易懂】

2023年第十四届蓝桥杯省赛B组Java题解 题型概览与整体分析 题目编号题目名称题型难度核心知识点通过率&#xff08;预估&#xff09;A阶乘求和结果填空★☆☆模运算、数学规律95%B幸运数字结果填空★★☆进制转换、数位和计算80%C数组分割编程题★★☆组合数学、奇偶性分析65…...

编程日记 2025/6/29 7:57:06

Javase 基础加强 —— 01 异常

本系列为笔者学习Javase的课堂笔记&#xff0c;视频资源为B站黑马程序员出品的《黑马程序员JavaAI智能辅助编程全套视频教程&#xff0c;java零基础入门到大牛一套通关》&#xff0c;章节分布参考视频教程&#xff0c;为同样学习Javase系列课程的同学们提供参考。 01 课程安排…...

编程日记 2025/6/29 7:30:10

iview 表单验证问题 Select 已经选择 还是弹验证提示

问题&#xff1a;iview 的 Select 下拉框的时候&#xff0c;数据验证必填&#xff0c;明明选择了数据&#xff0c;却一直提示验证不能通过 html代码&#xff1a; <Form ref"FormData" :model"FormData" :rules"ruleValidate" :label-width&qu…...

编程日记 2025/6/29 8:15:36

OrCAD中离图连接器、端口及网络标签的作用范围与选择指南

一、OrCAD主要连接元素概述 在OrCAD Capture原理图设计环境中&#xff0c;有三种主要的网络连接元素&#xff1a;离图连接器(Off-Page Connector)、端口(Port)和网络标签(Net Alias)。理解它们的作用范围和使用场景对设计清晰、可维护的原理图至关重要。 PS&#xff1a; 电源和…...

编程日记 2025/6/29 7:48:36

dpm_sysfs_add

这段代码是 Linux 内核中**设备电源管理&#xff08;PM&#xff09;子系统**与 **sysfs 文件系统**交互的核心实现&#xff0c;主要功能是为设备创建电源管理相关的 sysfs 属性文件。以下从五个关键维度进行深度解析&#xff1a; --- ### 一、功能架构全景 mermaid graph TD …...

编程日记 2025/6/29 7:48:47

【AI论文】Phi-4-reasoning技术报告

摘要&#xff1a;我们引入了Phi-4-reasoning&#xff0c;这是一种拥有140亿参数的推理模型&#xff0c;在复杂的推理任务中表现出了强大的性能。 通过监督式微调Phi-4&#xff0c;在精心策划的“可教”提示集上进行训练&#xff0c;这些提示集是根据复杂性和多样性的适当水平选…...

编程日记 2025/7/12 6:07:23

Android ART运行时无缝替换Dalvik虚拟机的过程分析

目录 一,概述 二,dex文件优化 一,概述 Android 4.4发布了一个ART运行时&#xff0c;准备用来替换掉之前一直使用的Dalvik虚拟机&#xff0c;希望籍此解决饱受诟病的性能问题。老罗不打算分析ART的实现原理&#xff0c;只是很有兴趣知道ART是如何无缝替换掉原来的Dalvik虚拟机…...

编程日记 2025/6/29 8:06:22

node.js为什么产生？

从官网得知介绍如下 https://nodejs.org/zh-cn/learn/getting-started/introduction-to-nodejs Node.js是一个开源和跨平台的JavaScript运行时环境。 Node.js在浏览器之外运行V8 JavaScript引擎&#xff0c;这是Google Chrome的核心。这使得Node.js具有很高的性能。 Node.js应…...

编程日记 2025/6/29 7:49:26

智能工厂边缘计算：从数据采集到实时决策

智能工厂边缘计算：从数据采集到实时决策 引言 在智能制造场景中，传统云计算架构面临三大核心挑战：平均200ms的网络延迟无法满足实时控制需求，90%的工业数据未被有效利用，以及每月高达15TB的数据传输成本。边缘计算技术通过将计算能力下沉到数据源头，正在构建"端-边…...

编程日记 2025/6/29 7:13:59

个人健康中枢的多元化AI网络革新与精准健康路径探析

引言 随着数字化转型的深入推进，个人健康中枢作为集成化健康管理系统，正在从传统的单一功能向多元化的AI驱动方向快速发展。在这一背景下，新兴网络硬件技术，特别是DPU（数据处理单元）和全光网络的出现，为个人健康中枢的革新提供了前所未有的机遇。本研究将深入探讨这些技…...

编程日记 2025/6/29 5:11:39

前端面试宝典---性能优化

一、加载优化 1. 第三方模块放在CDN 例如 leaflet通过cdn引入&#xff0c;这样就不会占用打包体积了 2. prefetch 预加载 例如&#xff0c;之后马上有个场景需要一个图片&#xff0c;我们就可以通过link 的 prefetch 对资源进行预先加载 再例如&#xff0c;我们公司是无网络开…...

编程日记 2025/6/29 7:53:02