当前位置： 首页 > news >正文

《神经网络与深度学习》(邱锡鹏) 内容概要【不含数学推导】

news 来源：原创 2025/6/28 12:10:42

第1章 绪论

  • 基本概念：介绍了人工智能的发展历程及不同阶段的特点，如符号主义、连接主义、行为主义等。还阐述了深度学习在人工智能领域的重要地位和发展现状，以及其在图像、语音、自然语言处理等多个领域的成功应用。
  • 术语解释
    • 人工智能：旨在让机器模拟人类智能的技术和科学。
    • 深度学习：一种基于对数据进行表征学习的方法，通过构建具有很多层的神经网络模型，自动从大量数据中学习复杂的模式和特征。

第2章 机器学习概述

  • 基本概念：讲解了机器学习的基本任务，包括监督学习、无监督学习和强化学习。介绍了机器学习的一般流程，即从数据收集、预处理，到模型选择、训练、评估和调优的过程。
  • 术语解释
    • 监督学习：给定输入和对应的输出标签，学习一个模型，使其能够对新的输入进行准确预测。
    • 无监督学习：只有输入数据，没有明确的输出标签，旨在发现数据中的内在结构和模式。
    • 强化学习：智能体在环境中通过不断试错来学习最优行为策略，以最大化长期奖励。
    • 模型评估指标：如准确率、召回率、F1值、均方误差等，用于衡量模型在测试数据上的性能。

第3章 线性模型

  • 基本概念：主要介绍了线性回归和对数几率回归这两种基本的线性模型。线性回归用于预测连续的数值，通过最小二乘法拟合数据得到最佳的线性模型参数。对数几率回归则用于处理分类问题，将线性函数的输出通过对数几率函数转换为概率，进而进行分类预测。
  • 术语解释
    • 线性回归：假设输入特征和输出之间存在线性关系，通过学习线性方程的系数来进行预测。
    • 最小二乘法：一种优化方法，通过最小化预测值与真实值之间误差的平方和来求解线性回归模型的参数。
    • 对数几率回归：也叫逻辑回归，将线性回归的结果通过对数几率函数进行变换，得到属于某个类别的概率，用于二分类问题。
    • 损失函数：衡量模型预测结果与真实结果之间的差异程度，用于模型训练时的优化目标。

第4章 前馈神经网络

  • 基本概念：前馈神经网络是一种基本的神经网络结构，信息从输入层单向传递到输出层，中间经过若干个隐藏层。它通过神经元之间的连接权重和激活函数来对输入数据进行非线性变换，从而学习数据中的模式和特征，实现分类或回归等任务。
  • 术语解释
    • 神经元：神经网络的基本单元，接收输入信号，通过加权求和并经过激活函数处理后产生输出。
    • 激活函数：用于给神经元引入非线性因素，使神经网络能够学习和拟合复杂的非线性函数，如Sigmoid函数、ReLU函数等。
    • 权重：神经元之间连接的强度，在训练过程中通过调整权重来使网络学习到最优的参数。
    • 偏置：每个神经元的一个可调整参数，用于调整神经元的激活阈值。

第5章 反向传播算法

  • 基本概念：反向传播算法是训练前馈神经网络的一种有效方法，基于链式法则，通过计算损失函数对网络中各层权重和偏置的梯度，来更新网络参数，使得损失函数最小化。它从输出层开始，将误差反向传播到输入层，依次调整各层的参数。
  • 术语解释
    • 梯度：表示函数在某一点的变化率，在神经网络中用于衡量损失函数对参数的敏感程度。
    • 链式法则：用于计算复合函数导数的法则，在反向传播中用于计算损失函数对各层参数的梯度。
    • 学习率：在更新网络参数时的步长，控制着参数更新的速度，过大或过小都可能影响训练效果。

第6章 卷积神经网络

  • 基本概念：卷积神经网络专门用于处理具有网格结构数据，如图像和音频等。它通过卷积层、池化层和全连接层等组件，自动提取数据的局部特征，大大减少了模型的参数数量，提高了模型的泛化能力和训练效率。
  • 术语解释
    • 卷积层：通过卷积核在输入数据上滑动进行卷积操作，提取数据的局部特征，生成特征图。
    • 卷积核：也叫滤波器，是卷积层中的可学习参数，用于对输入数据进行卷积操作，不同的卷积核可以提取不同的特征。
    • 池化层：对卷积层输出的特征图进行下采样，减少数据维度，同时保留主要特征，常用的有最大池化和平均池化。
    • 感受野：卷积神经网络中神经元对输入数据的局部感知区域，随着网络层数的增加，感受野逐渐增大。

第7章 循环神经网络

  • 基本概念：循环神经网络主要用于处理序列数据，如文本、语音等。它的神经元之间存在循环连接，使得网络能够记住序列中的历史信息，从而对序列中的长期依赖关系进行建模，在不同的时间步上共享参数，具有一定的记忆能力。
  • 术语解释
    • 时间步：序列数据中的一个位置或时刻，循环神经网络在每个时间步上处理一个数据点。
    • 隐藏状态：循环神经网络在每个时间步上的内部状态，包含了之前时间步的信息，用于对当前时间步的输入进行处理。
    • 序列到序列学习：将一个序列映射到另一个序列的学习任务，如机器翻译，循环神经网络可以作为编码器和解码器来实现这种映射。

第8章 网络优化与正则化

  • 基本概念：介绍了在训练神经网络时如何对网络进行优化和正则化，以提高网络的性能和泛化能力。优化方法旨在更快更稳定地找到损失函数的最小值，而正则化方法则通过对模型参数添加约束，防止过拟合。
  • 术语解释
    • 优化算法：如随机梯度下降、Adagrad、Adadelta等，用于调整网络参数以最小化损失函数，不同的优化算法具有不同的更新策略和特点。
    • 过拟合：指模型在训练数据上表现很好，但在测试数据上性能很差的现象，通常是由于模型过于复杂或训练数据过少导致的。
    • 正则化：通过在损失函数中添加正则项，如L1正则化和L2正则化，对模型参数进行约束，使模型更简单，提高泛化能力。
    • Dropout：一种正则化方法，在训练过程中随机丢弃一些神经元，以减少神经元之间的共适应，提高模型的鲁棒性。

第9章 注意力机制

  • 基本概念：注意力机制是一种模仿人类注意力的机制，能够让模型在处理序列数据时聚焦于关键信息。它通过计算每个输入元素的注意力权重，动态地分配不同的注意力资源，从而更好地捕捉序列中的长时依赖关系和重要信息。
  • 术语解释
    • 注意力权重：表示模型对输入序列中每个元素的关注程度，通过计算得到，权重越大表示越关注该元素。
    • 自注意力机制：在序列内部进行注意力计算，每个元素都可以关注到序列中的其他元素，能够并行计算，提高效率。
    • 多头注意力机制：使用多个并行的注意力头，每个头学习不同的注意力权重，然后将结果拼接或平均，能够捕捉更丰富的信息。

第10章 无监督预训练

  • 基本概念：无监督预训练是一种利用大量无监督数据对神经网络进行预训练的方法，先在无监督数据上学习数据的一般特征和模式，然后再在有监督的任务上进行微调，能够提高模型的性能和泛化能力，尤其适用于有监督数据较少的情况。
  • 术语解释
    • 无监督预训练：在没有明确的输出标签的情况下，使用无监督学习算法对网络进行训练，得到一个初步的模型参数。
    • 微调：在无监督预训练的基础上，使用有监督数据对模型进行进一步的训练和优化，使其适应具体的任务。
    • 迁移学习：将在一个领域或任务上学习到的知识和模型参数应用到其他相关领域或任务上，无监督预训练可以看作是一种迁移学习的方式。

第11章 概率图模型

  • 基本概念：介绍了概率图模型作为一种用图来表示变量之间概率依赖关系的模型。它通过节点表示随机变量，边表示变量之间的概率依赖关系，能有效处理不确定性和复杂的概率分布。包括有向图模型如贝叶斯网络和无向图模型如马尔可夫随机场，可用于推理和学习变量之间的潜在关系。
  • 术语解释
    • 概率图模型：是一种将概率论与图论相结合的模型，用于表示和处理随机变量之间的概率关系。
    • 贝叶斯网络：一种有向无环图模型，每个节点表示一个随机变量，边表示变量之间的条件依赖关系，通过条件概率表来量化这种依赖关系。
    • 马尔可夫随机场：一种无向图模型，节点表示随机变量，边表示变量之间的相互作用，其联合概率分布基于团势能函数来定义。
    • 推理：在已知部分变量的观测值的情况下，计算其他变量的概率分布的过程。

第12章 深度信念网络

  • 基本概念：深度信念网络是一种包含多个隐层的概率生成模型，由多个受限玻尔兹曼机堆叠而成。它可以通过无监督的预训练学习数据的内部表示，然后进行有监督的微调，在一定程度上解决了深度神经网络难以训练的问题，能够有效提取数据的特征。
  • 术语解释
    • 深度信念网络：一种深度学习模型，具有多层的神经网络结构，通过逐层预训练和微调来学习数据的特征表示。
    • 受限玻尔兹曼机：一种无向概率图模型，由可见层和隐层组成，通过能量函数来定义变量的联合概率分布，可用于学习数据的概率分布和特征表示。
    • 预训练：在深度神经网络的训练过程中，先使用无监督学习的方式对网络的每一层进行初始化训练，以学习到数据的一些基本特征。
    • 微调：在预训练的基础上，使用有监督学习的方式对整个网络进行进一步的训练和优化，以适应具体的任务。

第13章 深度生成模型

  • 基本概念：深度生成模型旨在学习给定数据的概率分布，并能够根据该分布生成新的类似数据。包括变分自编码器和生成对抗网络等，通过对数据的潜在空间进行建模，实现从潜在向量到真实数据的生成过程，在图像、文本等领域有广泛应用。
  • 术语解释
    • 深度生成模型：一类能够学习数据的概率分布并生成新数据的深度学习模型。
    • 变分自编码器：一种生成模型，由编码器和解码器组成，通过学习数据的潜在变量分布，将输入数据编码为潜在向量，再通过解码器将潜在向量解码生成与输入类似的数据。
    • 生成对抗网络：由生成器和判别器组成，生成器试图生成与真实数据相似的数据来欺骗判别器，判别器则试图区分真实数据和生成数据，两者通过对抗训练不断优化，最终生成器能够生成逼真的数据。

第14章 深度强化学习

  • 基本概念：深度强化学习将深度学习与强化学习相结合，通过神经网络来近似表示强化学习中的价值函数或策略函数，使智能体能够在复杂环境中通过与环境的交互学习最优行为策略。涉及马尔可夫决策过程、价值函数估计、策略梯度等概念，在机器人控制、游戏等领域取得了显著成果。
  • 术语解释
    • 深度强化学习：一种结合深度学习和强化学习的方法，利用神经网络来处理强化学习中的状态表示和策略学习。
    • 马尔可夫决策过程：用于描述强化学习问题的数学模型，包括状态、动作、奖励、转移概率等要素，智能体在环境中根据当前状态选择动作，获得奖励并转移到下一个状态。
    • 价值函数：用于估计在某一状态下采取某种策略所能获得的长期奖励的期望，帮助智能体评估不同状态的价值。
    • 策略梯度：一种通过计算策略函数的梯度来更新策略参数的方法，使智能体的策略朝着获得更高奖励的方向优化。

第15章 序列生成模型

  • 基本概念：主要介绍了用于处理序列数据的生成模型，如循环神经网络的扩展模型长短时记忆网络和门控循环单元，以及基于注意力机制的序列到序列学习模型等。这些模型能够有效处理序列数据中的长期依赖关系，在自然语言处理等领域广泛用于文本生成、机器翻译等任务。
  • 术语解释
    • 序列生成模型：专门用于处理序列数据并生成序列的模型，能够根据输入序列的上下文生成后续的序列元素。
    • 长短时记忆网络：一种特殊的循环神经网络，通过引入记忆单元来有效处理序列中的长时依赖问题，能够选择性地记住和遗忘信息。
    • 门控循环单元：也是一种改进的循环神经网络，通过门控机制来控制信息的流动，在处理序列数据时具有更好的性能和效率。
    • 序列到序列学习：一种将一个序列映射到另一个序列的学习任务，通常使用编码器-解码器架构，通过注意力机制来更好地捕捉输入序列和输出序列之间的对应关系。

相关文章：

《神经网络与深度学习》(邱锡鹏) 内容概要【不含数学推导】

第1章 绪论 基本概念：介绍了人工智能的发展历程及不同阶段的特点，如符号主义、连接主义、行为主义等。还阐述了深度学习在人工智能领域的重要地位和发展现状，以及其在图像、语音、自然语言处理等多个领域的成功应用。术语解释 人工智能&…...

编程日记 2025/6/28 12:10:42

Wireshark如何查看数据包时间间隔

1.如果数据包量不大&#xff0c;抓包本身也不大&#xff0c;建议从绝对时间判断&#xff0c;打开wireshark软件&#xff0c;并点开相应要分析的抓包文件。 进入到最上方菜单<视图>,在弹出菜单选择时间显示格式&#xff0c;再在右侧菜单中选择自捕获经过的秒数。 这样就可…...

编程日记 2025/6/22 11:27:46

ISP和IQ调试（一）

系列文章目录 文章目录 系列文章目录前言一、ISP&#xff08;image signal process)二、ISP位置三、IQ总结 前言 一、ISP&#xff08;image signal process) image signal process 图像处理技术 image signal processor 图像信号处理器 设备 什么是图像信号&#xff1f; 代表…...

编程日记 2025/6/27 14:48:17

uniapp改成用vue起项目

目的&#xff1a;让项目按照vue的打包流程跑流水线 1.按照uniapp官网教程执行 2.执行第二条命令时报错 ERROR Failed to get response from true/vue-cli-version-marker 3.解决方式 报错可能跟yarn有关&#xff0c;然后切换成npm 找到自己本地电脑的这个文件 按照截图修…...

编程日记 2025/6/28 12:04:37

java之集合（详细-Map,Set,List）

1集合体系概述 1.1集合的概念 集合是一种容器&#xff0c;用来装数据的&#xff0c;类似于数组&#xff0c;但集合的大小可变&#xff0c;开发中也非常常用。 1.2集合分类 集合分为单列集合和多列集合 Collection代表单列集合&#xff0c;每个元素&#xff08;数据&#xff…...

编程日记 2025/6/28 9:44:23

利用卷积神经网络进行手写数字的识别

数据集介绍 MNIST&#xff08;Modified National Institute of Standards and Technology&#xff09;数据集是一个广泛使用的手写数字识别数据集&#xff0c;常用于机器学习和计算机视觉领域中的分类任务。它包含了从0到9的手写数字样本&#xff0c;常用于训练和测试各种图像…...

编程日记 2025/6/28 11:34:18

Flutter 桌面端串口配置

前言 我使用flutter_libserialport包在macOS中实现串口通信的功能&#xff0c;可以实现数据收发&#xff0c;但是收到的内容是乱码。这种情况一般都是由于波特率和硬件设备不一致导致的。 配置串口配置 1.打开串口读写 import package:flutter_libserialport/flutter_libser…...

编程日记 2025/6/24 12:35:19

Java 的常量池与 String 优化

Java 中的常量池&#xff08;Constant Pool&#xff09;是一种内存优化机制&#xff0c;比如字符串常量池&#xff1a; String s1 "Hello"; String s2 "Hello"; System.out.println(s1 s2); // 输出 true&#xff0c;因为指向同一池中的对象但对于使用…...

编程日记 2025/6/27 16:18:33

防范TCP攻击：策略与实践

TCP&#xff08;传输控制协议&#xff09;是互联网通信的核心协议之一&#xff0c;它确保了数据在网络上的可靠传输。然而&#xff0c;TCP也容易成为各种网络攻击的目标&#xff0c;如SYN洪水攻击、TCP连接耗尽攻击等。本文将探讨如何通过配置防火墙规则、优化服务器设置以及采…...

编程日记 2025/6/28 2:02:12

单片机：实现呼吸灯（附带源码）

单片机实现呼吸灯详细解读 呼吸灯是一种常见的灯光效果&#xff0c;广泛应用于电子产品、汽车、家居照明等领域。其基本特性是通过逐渐增亮和减弱的方式&#xff0c;使得灯光呈现出“呼吸”的效果&#xff0c;给人一种平缓、舒适的视觉感受。在嵌入式系统中&#xff0c;呼吸灯…...

编程日记 2025/6/25 13:39:14

Android 第三方框架：RxJava：源码分析：责任链模式

文章目录 责任链模式RxJava中的责任链总结 责任链模式 RxJava中的责任链 链式调用的使用过程中形成了两个单向链表 第一个单向链表是Observable链表 它的形成过程&#xff1a; 1.首先调用Observable的静态方法创建第一个Observable对象&#xff0c;作为Observable链表的表…...

编程日记 2025/6/23 20:39:24

基于HTML的个人博客系统的设计与实现

一、前言 随着互联网的飞速发展&#xff0c;人们分享生活、表达观点和展示自我的需求日益增长。个人博客作为一种重要的网络交流平台&#xff0c;为用户提供了便捷的信息发布和分享渠道。它不仅可以记录个人的成长经历、专业知识、兴趣爱好等&#xff0c;还能促进用户之间的互动…...

编程日记 2025/6/28 11:48:11

DMA（Direct Memory Access）：直接内存访问

DMA&#xff08;Direct Memory Access&#xff09;&#xff1a;直接内存访问 一、传统CPU存取数据 CPU不直接存取外设的原因主要有两点&#xff1a; 速度差异&#xff1a;CPU的处理速度远高于外设&#xff0c;无法直接同步。格式多样性&#xff1a;外设数据格式种类繁多&…...

编程日记 2025/6/20 18:53:40

数据分析python小工具录入产品信息到Excel

在没有后台管理系统的时候&#xff0c;有时候为了方便起见&#xff0c;想提供一个输入框让运营人员直接输入&#xff0c;然后数据就会以数据库的形式存进数据库 效果图&#xff1a; 输入用户名 输入数据 输入信息后点击添加到表格&#xff0c;检查后方便批量保存到excel …...

编程日记 2025/6/25 9:00:19

Mac安装brew的终极方法

/bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)"按回车后&#xff0c;根据提示操作&#xff1a; 输入镜像序号&#xff08;1-5都可以&#xff09;输入Y&#xff0c;回车等待brew安装完成即可。 M系列芯片亲测有效&#x…...

编程日记 2025/6/27 23:19:31

卷积神经网络比于全连接神经网络强在哪？

卷积神经网络&#xff08;Convolutional Neural Networks&#xff0c;简称CNN&#xff09;与全连接神经网络&#xff08;Fully Connected Neural Networks&#xff0c;简称FFNN&#xff09;是深度学习和神经网络领域中两种最为常见的网络结构。两者在结构、工作原理及应用场景上…...

编程日记 2025/6/28 11:53:07

Stable Diffusion Controlnet常用控制类型解析与实战课程 4

本节内容&#xff0c;是stable diffusion Controlnet常用控制类型解析与实战的第四节课程。上节课程&#xff0c;我们陆续讲解了几个与图像风格约束相关的控制类型&#xff0c;本节课程我们再学习一些实用价值较高的控制类型&#xff0c;看一看他们提供了哪些控制思路。 一&…...

编程日记 2025/6/28 11:27:08

[ShaderLab] 【Unity】【图像编程】理解 Unity Shader 的结构

在计算机图形学领域，开发者经常面临着管理着色器复杂性的挑战。正如大卫惠勒（David Wheeler）所说：“计算机科学中的任何问题都可以通过增加一层抽象来解决。” Unity 提供了这样一层抽象，即 ShaderLab，它通过组织和定义渲染过程的各个步骤，简化了编写着色器的过程。 什…...

编程日记 2025/6/26 16:45:09

Source Insight的使用经验汇总

01-Add All"和“Add Tree”有何区别&#xff1f; 在 Source Insight 中&#xff0c;“Add All”和“Add Tree”是两种向项目&#xff08;Project&#xff09;中添加文件的操作选项&#xff0c;它们的区别在于处理文件和目录的方式不同&#xff1a; 1. Add All 范围&am…...

编程日记 2025/6/24 1:37:03

CentOS 7.9 更换 YUM：解决宝塔安装困境的探索之旅

在进行网站搭建工作时&#xff0c;我满怀期待地准备安装宝塔面板&#xff0c;然而却遭遇了安装失败的挫折。经过一番排查与思考&#xff0c;我将目光聚焦到了系统的 YUM 上&#xff0c;怀疑它可能是导致问题的“罪魁祸首”。于是&#xff0c;我毅然决定对 CentOS 7.9 的 YUM 进…...

编程日记 2025/6/25 4:33:51

28. Three.js案例-创建圆角矩形并进行拉伸

28. Three.js案例-创建圆角矩形并进行拉伸 实现效果 知识点 WebGLRenderer (WebGL渲染器) WebGLRenderer 是 Three.js 中用于渲染 3D 场景的主要渲染器。 构造器 WebGLRenderer( parameters : Object ) 参数类型描述parametersObject渲染器的配置参数&#xff0c;可选。 …...

编程日记 2025/6/24 11:45:58

最佳实践：编写和配置 Stylelint 自定义插件，Stylelint 自定义规则

前言 在前端开发中&#xff0c;代码质量和一致性是至关重要的。Stylelint 作为一个强大的 CSS 代码检查工具&#xff0c;能够帮助开发者发现代码中的问题&#xff0c;并保持代码风格的一致性。然而&#xff0c;内置的规则和插件有时无法完全满足特定项目的需求。在这种情况下&…...

编程日记 2025/6/25 22:14:55

vscode借助插件调试OpenFoam的正确的.vscode配置文件

正确的备份文件位置&#xff1a; /home/jie/桌面/理解openfoam/正确的调试爆轰单进程案例/mydebugblastFoam 调试爆轰案例流体 并且工作区和用户区都是openfoam-7版本 问题&#xff1a;F5以debug模式启动后不停在断点 解决方法&#xff1a; 这里备份一下.vsode正确的配置&…...

编程日记 2025/6/24 16:35:57

Towards Frame Rate Agnostic Multi-object Tracking—迈向帧率无关的多目标跟踪

Towards Frame Rate Agnostic Multi-object Tracking—迈向帧率无关的多目标跟踪 发表在IJCV 2023年 作者&#xff1a;Weitao Feng, Lei Bai, Yongqiang Yao, Fengwei Yu & Wanli Ouyang 研究目标&#xff1a;多目标跟踪的帧率无关性研究 IJCV 在计算机视觉领域的影响力非常…...

编程日记 2025/6/26 21:36:00

视频网站中重磅推荐模块(附加源码)

写在开头 上期代码主要实现省市区三级联动效果&#xff0c;开发久了很多功能都是通过框架组件库来完成&#xff0c;但是如果组件满足不了开发需求&#xff0c;还需要开发人员手动封装组件&#xff0c;专门出这样一期文章&#xff0c;通过原生js实现一些特定功能&#xff0c;功能…...

编程日记 2025/6/23 9:07:38

Flink keyBy算子的分区规则

demo代码 String worlds "flink,spark,hadoop,zk,kafka";streamSource.flatMap(new RichFlatMapFunction<String, String>() {Overridepublic void flatMap(String value, Collector<String> collector) throws Exception {String[] worlds value.spl…...

编程日记 2025/6/21 17:13:11

jvm内存优化方式

1. JVM&#xff08;Java Virtual Machine&#xff09;&#xff1a; • 定义&#xff1a;Java虚拟机&#xff0c;是运行Java字节码的抽象计算机。 • 内存管理&#xff1a;负责内存的分配和回收&#xff0c;是JVM内存优化的核心。 2. 堆&#xff08;Heap&#xff09;&#xff1a…...

编程日记 2025/6/28 7:55:52

顺序表的实现

大家好&#xff0c;今天给大家分享一下最基础的数据结构--顺序表的实现&#xff0c;其实顺序表与我们的数组相似&#xff0c;但是顺序表存储数据必须是连续的&#xff0c;不能像数组一样存储在任意下标&#xff0c;那么我们就来看看顺序表的代码。 SeqList.h SeqList.c 那么今…...

编程日记 2025/6/23 7:52:04

优化Go语言中的网络连接：设置代理超时参数

网络连接优化的重要性 在分布式系统和微服务架构中&#xff0c;网络请求的效率直接影响到整个系统的响应速度。合理的超时设置可以防止系统在等待网络响应时陷入无限期的阻塞&#xff0c;从而提高系统的吞吐量和用户体验。特别是在使用代理服务器时&#xff0c;由于增加了网络…...

编程日记 2025/6/25 4:41:06

活动｜华院计算董事长宣晓华出席第十五届田长霖论坛会议

12月11日&#xff0c;2024年光谷田长霖中心科技文化交流大会暨第十五届田长霖论坛会议举行&#xff0c;300多位院士专家、大学校长、青年学者和优秀企业家齐聚光谷。 华院计算技术&#xff08;上海&#xff09;股份有限公司&#xff08;以下简称“华院计算”&#xff09;创始人…...

编程日记 2025/6/25 5:53:55

qt-C++语法笔记之mapToGlobal将组件（控件）中的本地坐标系（局部坐标）映射到全局坐标系

qt-C语法笔记之mapToGlobal将组件&#xff08;控件&#xff09;中的本地坐标系&#xff08;局部坐标&#xff09;映射到全局坐标系 code review! 文章目录 qt-C语法笔记之mapToGlobal将组件&#xff08;控件&#xff09;中的本地坐标系&#xff08;局部坐标&#xff09;映射到…...

编程日记 2025/6/25 10:36:08

设计一个高效的Java多线程应用程序及案例

《剑来》 勇敢追梦&#xff1a;“如果真的有那么喜欢苏姑娘&#xff0c;既然这辈子到最后也没能说出口喜欢她&#xff0c;没关系&#xff0c;以后数十年百余年&#xff0c;哪怕找遍人间&#xff0c;你都要去再见她一次&#xff0c;大声告诉她&#xff0c;自己喜欢她。” 正视困…...

编程日记 2025/6/22 1:05:57

基于最新的Apache StreamPark搭建指南

一、StreamPark 的介绍 官方文档：Apache StreamPark (incubating) | Apache StreamPark (incubating) 中文文档：Apache StreamPark (incubating) | Apache StreamPark (incubating)Github地址：https://github.com/apache/incubator-streampark Apache StreamPark™ 是一个…...

编程日记 2025/6/23 6:48:27

迎接全新的 Kotlin 支持 – K2 模式：基本信息

K2 模式有什么作用&#xff1f; K2 模式是 IntelliJ IDEA 中 Kotlin 支持的新实现&#xff0c;它可以提高 IDE 的稳定性&#xff0c;同时也会为支持未来 Kotlin 语言功能奠定基础。 K2 模式与 Kotlin K2 编译器有什么区别&#xff1f; K2 编译器负责编译 Kotlin 语言 2.0 或…...

编程日记 2025/6/27 13:27:01

阿里云元宇宙

在数字经济时代&#xff0c;技术的迅猛发展带来了前所未有的机遇与挑战&#xff0c;元宇宙正逐步成为全球科技与商业创新的热点。作为中国云计算和人工智能领域的领导者&#xff0c;阿里云通过其强大的技术能力&#xff0c;推出了全面的阿里云元宇宙解决方案&#xff0c;为全球…...

编程日记 2025/6/26 23:26:17

题目 1688: 数据结构-字符串插入

第一种方式字符串 #include<iostream> #include<cstring> #include<algorithm> using namespace std; int main(){string s1,s2;int n;cin>>s1>>s2>>n;s1.insert(n-1,s2);cout<<s1<<endl;return 0; } 第二种方式字符数组 …...

编程日记 2025/6/28 5:01:20

MetaGPT中的教程助手：TutorialAssistant

1. 提示词 COMMON_PROMPT """ You are now a seasoned technical professional in the field of the internet. We need you to write a technical tutorial with the topic "{topic}". """DIRECTORY_PROMPT (COMMON_PROMPT "…...

编程日记 2025/6/25 14:59:12

如何将Python程序打包发布，实现一键安装

哈喽，大家好，我是木头左！ 编写完Python脚本后，如何将其高效地发布并安装到其他计算机上，。本文将详细介绍如何将Python程序打包发布，实现一键安装，让程序的分发与部署变得轻松便捷。 一、准备工作 1. 编写和测试程序 在开始打包之前，首先要确保你的Python程序已经编…...

编程日记 2025/6/26 7:02:57

Java 接口

1. 接口概述 (1) Java提供了一个关键字 interface&#xff0c;用这个关键字可以定义接口&#xff1b; (2)格式&#xff1a; public interface 接口名{ //成员变量(常量) //成员方法(抽象方法) } public interface A {//成员变量(接口默认为常量-public static final)String NA…...

编程日记 2025/6/26 7:26:16

RTMP推流平台EasyDSS在无人机推流直播安防监控中的创新应用

无人机与低空经济的关系密切&#xff0c;并且正在快速发展。2024年中国低空经济行业市场规模达到5800亿元&#xff0c;其中低空制造产业占整个低空经济产业的88%。预计未来五年复合增速将达到16.03%。 随着科技的飞速发展&#xff0c;公共安防关乎每一个市民的生命财产安全。在…...

编程日记 2025/6/26 7:51:42

【Flutter_Web】Flutter编译Web第一篇（插件篇）：Flutter_web实现上传TOS上传资源，编写web插件

前言 由于Flutter在双端的开发体验几乎接近的情况下&#xff0c;尝试将Flutter代码转Web端进行部署和发布&#xff0c;在其中遇到的所有问题&#xff0c;我都会通过这种方式分享出来。那么第一个要解决的就是上传资源到TOS上&#xff0c;在双端中都是通过插件的方式在各端通过…...

编程日记 2025/6/22 23:35:03

SpringBoot 项目使用 EasyExcel 插件构建 Excel 表格格式（行高、列宽和字体等）工具类

本文主要讲了如何使用 EasyExcel 插件&#xff0c;在导出 Excel 时&#xff0c;设置行高&#xff0c;列宽&#xff0c;表头格式&#xff0c;内容字体大小等工具类。 1、代码使用的依赖 <dependency><groupId>com.alibaba</groupId><artifactId>easyex…...

编程日记 2025/6/27 10:05:32

数据优化带来的问题

原因大概可以猜到 等待进一步深究&#xff08;必须一个是浮点型&#xff09; double x 1 / 2;double x2 static_cast<double> (1 / 2);double x3 (double)1 / (double)2;double x4 (double)1 / 2;double x5 1 / (double)2;double nTotalDataCount 78182;double n…...

编程日记 2025/6/28 8:58:50

2024153读书笔记|《春烂漫：新平摄影作品选》——跳绳酷似人生路，起落平常，进退平常，莫惧征途万里长

2024153读书笔记|《春烂漫&#xff1a;新平摄影作品选》——跳绳酷似人生路&#xff0c;起落平常&#xff0c;进退平常&#xff0c;莫惧征途万里长 《春烂漫&#xff1a;新平摄影作品选》作者新平&#xff0c;2019.12.25年读完的小书&#xff0c;当时就觉得挺不错&#xff0c;今…...

编程日记 2025/6/23 10:42:34

RabbitMQ个人理解与基本使用

目录 一. 作用&#xff1a; 二. RabbitMQ的5中队列模式&#xff1a; 1. 简单模式 2. Work模式 3. 发布/订阅模式 4. 路由模式 5. 主题模式 三. 消息持久化&#xff1a; 消息过期时间 ACK应答 四. 同步接收和异步接收&#xff1a; 应用场景 五. 基本使用 &#xff…...

编程日记 2025/6/21 18:14:57

每天40分玩转Django：Django视图和URL

Django视图和URL 一、课程概述 学习项目具体内容预计用时视图基础函数视图、类视图、视图装饰器90分钟URL配置URL模式、路由系统、命名URL60分钟请求处理请求对象、响应对象、中间件90分钟 二、视图基础 2.1 函数视图 # blog/views.py from django.shortcuts import render…...

编程日记 2025/6/23 21:57:47

ModbusTcp获取数据

ModbusTcp获取数据 记录一个用 pymodbus 库来获取数据的代码。 注意&#xff1a; 1.读取寄存器地址是16进制的。2.大小端转换通过代码知道原理。读取数据时&#xff0c;切记频率别太高&#xff0c;否则会出现连接被关闭问题。 from pymodbus.client.sync import ModbusTcpCli…...

编程日记 2025/6/24 10:25:25

汽车车牌识别数据集，支持YOLO，COCO，VOC格式的标注，8493张图片，可识别多种环境下的车牌

汽车车牌识别数据集&#xff0c;支持YOLO&#xff0c;COCO&#xff0c;VOC格式的标注&#xff0c;8493张图片&#xff0c;可识别多种环境下的车牌 数据集分割 训练组82&#xff05; 6994图片 有效集12&#xff05; 999图片 测试集6% 500图片 预处理 自动…...

编程日记 2025/6/26 9:07:32

YOLOv5+pyqt5+摄像头在特定条件下进行目标检测并采集原始数据

项目介绍 项目地址 GitHub - biabu0/Yolov5_D435i: 通过YOLOV5与pyqt5实现一个使用D435i深度摄像头采集特定需求与场景下的深度数据的小程序 通过YOLOV5对指定的区域进行检测&#xff0c;当检测到目标进入特定区域时&#xff0c;开始保存数据&#xff0c;摄像头采用D435i深度…...

编程日记 2025/6/24 6:48:37

代码随想录-算法训练营-番外(图论02:岛屿数量,岛屿的最大面积)

day02 图论part02 今日任务:岛屿数量,岛屿的最大面积 都是一个模子套出来的 https://programmercarl.com/kamacoder/0099.岛屿的数量深搜.html#思路往日任务: day01 图论part01 今日任务:图论理论基础/所有可到达的路径 代码随想录图论视频部分还没更新 https://programmercar…...

编程日记 2025/6/24 12:19:52