当前位置： 首页 > news >正文

深入解析BERT：语言分类任务的革命性引擎

news 来源：原创 2025/6/27 6:40:50

“BERT的出现，如同在自然语言处理领域投下了一颗认知炸弹——它让机器真正学会了’联系上下文’。”
——自然语言处理研究者普遍共识

在自然语言处理（NLP）领域，2018年诞生的BERT（Bidirectional Encoder Representations from Transformers）彻底改变了游戏规则。这个由Google提出的预训练模型，在11项NLP基准测试中刷新记录，至今仍是语言理解任务的黄金标准。本文将深入拆解BERT的运作机制，并聚焦其最广泛的应用场景——语言分类任务。

一、语言分类：NLP的"基础关卡"

语言分类任务是自然语言处理的基石型应用，目标是将文本划分到预定义的类别中。其核心范式：
输入文本
特征提取
分类器
类别标签

常见应用场景：

  • 情感分析（正面/负面/中性）
  • 新闻分类（体育/财经/科技）
  • 意图识别（咨询/投诉/下单）
  • 垃圾邮件检测（垃圾/非垃圾）
  • 语言识别（中文/英文/西班牙文）

传统方法的瓶颈：

  • 词袋模型无法处理词序和上下文
  • 简单RNN面临长距离依赖问题
  • 早期词嵌入（如Word2Vec）无法解决一词多义

二、BERT革命：双向语境理解的突破

BERT的核心突破在于双向上下文建模——传统模型（如GPT）只能单向处理文本，而BERT同时利用左右两侧的上下文信息。

🔧 核心架构解剖
# BERT模型结构简化示意（基于Transformer编码器）
from transformers import BertModelbert = BertModel.from_pretrained('bert-base-uncased')
print(bert.config)  # 输出关键参数：# hidden_size=768, num_hidden_layers=12, # num_attention_heads=12, max_position_embeddings=512

核心组件：

  1. Transformer编码器堆叠

    • 12-24层编码器（Base/Large版本）
    • 每层包含多头自注意力机制和前馈神经网络

  2. 输入表示的三重嵌入

    • Token Embeddings：词片向量（WordPiece分词）
    • Segment Embeddings：区分句子对（如问答任务）
    • Position Embeddings：512个位置编码

  3. 注意力机制运作原理

    \text{Attention}(Q,K,V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V
    • 每个词计算与其他所有词的相关性权重
    • 多头机制并行学习不同语义空间的关系

三、BERT的"预训练-微调"范式

BERT的成功关键在于两阶段学习策略：

🚀 阶段1：预训练（无监督学习）

在海量文本（如Wikipedia+BookCorpus）上完成两个预测任务：

  1. Masked Language Model (MLM)

    • 随机遮盖15%的词汇（其中80%替换为[MASK]，10%随机词，10%不变）
    • 模型预测被遮盖的原始词汇
    # 输入示例： "I [MASK] to the store to buy [MASK] milk"
# 目标预测：   "went"          "some"

  2. Next Sentence Prediction (NSP)

    • 输入两个句子A和B
    • 预测B是否是A的真实后续句
    # 正样本: A="The sky is blue", B="It's a sunny day"
# 负样本: A="The sky is blue", B="Penguins live in Antarctica"
🎯 阶段2：微调（监督学习）

在具体任务上添加任务头，用少量标注数据微调：

任务类型添加结构示例应用
单句分类[CLS]标记输出 + 全连接情感分析
句子对分类[CLS]输出 + 全连接语义相似度判断
问答任务起止位置预测层SQuAD数据集
序列标注每个token输出层命名实体识别

四、BERT在分类任务中的实战应用

以情感分析为例，展示完整流程：

🔧 步骤1：输入预处理
from transformers import BertTokenizertokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
text = "This movie absolutely blew me away!"
inputs = tokenizer(text, padding='max_length',  # 填充至最大长度truncation=True,       # 截断超长文本max_length=128, return_tensors='pt'    # 返回PyTorch张量
)print(inputs)  # 输出: {'input_ids': tensor([...]), 'attention_mask': tensor([...])}
🧠 步骤2：模型构建（添加分类头）
import torch.nn as nn
from transformers import BertModelclass BertSentimentClassifier(nn.Module):def __init__(self, num_classes=3):  # 负面/中性/正面super().__init__()self.bert = BertModel.from_pretrained('bert-base-uncased')self.classifier = nn.Linear(768, num_classes)  # 768为BERT隐藏层大小def forward(self, input_ids, attention_mask):outputs = self.bert(input_ids, attention_mask)cls_embedding = outputs.last_hidden_state[:, 0, :]  # 提取[CLS]标记向量return self.classifier(cls_embedding)
⚙️ 步骤3：微调训练
from transformers import AdamWmodel = BertSentimentClassifier()
optimizer = AdamW(model.parameters(), lr=5e-5)# 训练循环示例
for epoch in range(3):for batch in train_loader:input_ids = batch['input_ids']attention_mask = batch['attention_mask']labels = batch['labels']outputs = model(input_ids, attention_mask)loss = nn.CrossEntropyLoss()(outputs, labels)loss.backward()optimizer.step()optimizer.zero_grad()
📊 步骤4：推理预测
def predict_sentiment(text):inputs = tokenizer(text, return_tensors='pt', padding=True, truncation=True)with torch.no_grad():logits = model(**inputs)probs = torch.softmax(logits, dim=1)return probs.argmax().item()  # 返回预测类别

五、为什么BERT在分类任务中表现卓越？

  1. 上下文感知能力

    • "Apple"在_“Apple stock rose”_ 和 _“I ate an apple”_中自动获得不同表示

  2. 迁移学习效率

    • 预训练获得通用语言知识
    • 微调只需少量标注数据（比从头训练少10-100倍）

  3. 架构通用性

    • [CLS]标记作为全句语义的"汇聚点"
    • 统一架构适配多种分类任务

  4. 注意力可视化解释

    # 使用BertViz可视化注意力
from bertviz import head_view
head_view(bert_outputs.attentions, tokenizer.convert_ids_to_tokens(input_ids))

    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
    可视化显示模型分类时聚焦的关键词

六、BERT生态与演进方向

🌐 BERT家族进化树
模型核心创新分类任务优势
RoBERTa移除NSP任务，更大批次更多数据GLUE得分提升2-3%
ALBERT参数共享降低显存消耗适合移动端部署
DistilBERT知识蒸馏压缩模型体积推理速度提升60%
BERT-Multilingual104种语言联合训练跨语言分类零样本迁移
🚀 未来发展方向

  1. 效率优化

    • 模型压缩（蒸馏/剪枝/量化）
    • 稀疏注意力机制（如Longformer）

  2. 多模态融合

    • 文本+图像联合分类（如VL-BERT）

  3. 可解释性增强

    • 注意力机制的可信度分析
    • 对抗样本鲁棒性提升

结语：语言分类的新范式

BERT不仅是一个模型，更是一种语言理解的新范式。 它通过预训练获得深层的语义表征能力，使语言分类任务从"特征工程时代"迈入"语义理解时代"。实践表明：

  • 在相同数据量下，BERT比传统模型准确率提升5-15%
  • 对于少样本场景（<1000条数据），BERT优势更加显著
  • 在多语言任务中展现强大的零样本迁移能力

“当你的分类任务遇到瓶颈时，不妨问自己：这个问题BERT会怎么解决？”
这已成为NLP工程师的新思维范式。

尽管更先进的模型不断涌现，BERT作为里程碑式的开创者，其设计思想仍深刻影响着语言分类技术的发展方向。掌握BERT，就是握住了开启现代NLP应用大门的钥匙。

附录：学习资源

  1. BERT原始论文
  2. Hugging Face Transformers库
  3. BERT可视化工具
  4. Google BERT官方代码

相关文章：

深入解析BERT：语言分类任务的革命性引擎

“BERT的出现&#xff0c;如同在自然语言处理领域投下了一颗认知炸弹——它让机器真正学会了’联系上下文’。” ——自然语言处理研究者普遍共识 在自然语言处理&#xff08;NLP&#xff09;领域&#xff0c;2018年诞生的BERT&#xff08;Bidirectional Encoder Representatio…...

编程日记 2025/6/27 6:40:50

Pycharm中Jupyter Notebook 插件常用快捷键

bg&#xff1a;Jupyter跟LINQPad很像&#xff0c;都是方便写的时候看数据用 快捷键功能Shift Enter执行当前单元格&#xff0c;并跳转到下一个单元格Ctrl Enter执行当前单元格&#xff0c;不跳转&#xff08;留在当前单元格&#xff09;Alt Enter执行当前单元格&#xff0c…...

编程日记 2025/6/25 5:32:09

【Python】Excel表格操作：ISBN转条形码

一、效果 原始文件&#xff1a; 输出文件&#xff1a; 二、代码 import os import logging from openpyxl import load_workbook from openpyxl.drawing.image import Image as ExcelImage from barcode import EAN13 from barcode.writer import ImageWriterlogging.basicCo…...

编程日记 2025/6/25 5:31:08

大数据Hadoop集群搭建

文章目录 大数据Hadoop集群搭建一、VMware准备Linux虚拟机二、VMware虚拟机系统设置1、主机名、IP、SSH免密登录2、JDK环境部署3、防火墙、SELinux、时间同步 三、VMware虚拟机集群上部署HDFS集群1、集群规划2、上传&解压3、Hadoop安装包目录结构4、修改配置文件&#xff0…...

编程日记 2025/6/25 5:32:39

饼图：数据可视化的“切蛋糕”艺术

饼图&#xff0c;作为数据可视化家族中最经典、最易识别的成员之一&#xff0c;其核心功能如同其名——像切分蛋糕一样&#xff0c;直观展示一个整体&#xff08;100%&#xff09;被划分为若干组成部分的比例关系。 往期文章推荐: 20.用Mermaid代码画ER图&#xff1a;AI时代的…...

编程日记 2025/6/25 5:31:38

mysql server层做了什么

服务器处理客户端请求 服务器程序在处理来自客户端的查询请求时&#xff0c;大致需要分为3部分&#xff1a;连接管理、解析与优化、存储引擎。 连接管理 每当有一个客户端进程连接到服务器进程时&#xff0c;服务器进程都会创建一个线程专门处理与这个客户端的交互&#xff…...

编程日记 2025/6/25 5:32:39

3.5.1_1 信道划分介质访问控制（上）

在这个视频中我们要介绍信道划分、介质访问控制&#xff0c;这是两个词&#xff0c;我们先介绍一下什么叫做介质访问控制。 通过之前的学习&#xff0c;我们知道在计算机网络当中&#xff0c;有的信道它在逻辑上属于总线型&#xff0c;我们也可以把这种信道称为广播信道&#x…...

编程日记 2025/6/25 21:54:50

RPC常见问题回答

项目流程和架构设计 1.服务端的功能&#xff1a; 1.提供rpc调用对应的函数 2.完成服务注册 服务发现 上线/下线通知 3.提供主题的操作 (创建/删除/订阅/取消订阅) 消息的发布 2.服务的模块划分 1.网络通信模块 net 底层套用的moude库 2.应用层通信协议模块 1.序列化 反序列化数…...

编程日记 2025/6/24 19:50:39

数据分析和可视化:Py爬虫-XPath解析章节要点总结

重要知识点 XPath 概述&#xff1a;XPath 是一门可以在 XML 文件中查找信息的语言&#xff0c;也可用于 HTML 文件。它功能强大&#xff0c;提供简洁明了的路径表达式和多个函数&#xff0c;用于字符串、数值、时间比较等。1999 年成为 W3C 标准&#xff0c;常用于爬虫中抓取网…...

编程日记 2025/6/24 21:35:22

WIFI原因造成ESP8266不断重启的解决办法

一、报错 报错信息如下&#xff1a; 21:37:21.799 -> ets Jan 8 2013,rst cause:2, boot mode:(3,7) 21:37:21.799 -> 21:37:21.799 -> load 0x4010f000, len 3424, room 16 21:37:21.799 -> tail 0 21:37:21.799 -> chksum 0x2e 21:37:21.799 -> loa…...

编程日记 2025/6/25 5:30:38

OSI网络通信模型详解

OSI 模型就是把这整个过程拆解成了 7 个明确分工的步骤&#xff0c;每一层只负责自己那一摊事儿&#xff0c;这样整个系统才能顺畅运转&#xff0c;出了问题也容易找到“锅”在谁那。 核心比喻&#xff1a;寄快递 &#x1f4e6; 想象你要把一份重要的礼物&#xff08;你的数据…...

编程日记 2025/6/27 6:35:06

第五章 中央处理器

5.1 CPU的功能和基本构造 5.1.1 CPU的基本功能 5.1.2 CPU的基本结构 1.运算器 算术逻辑单元ALU 累加寄存器ACC 程序字状态寄存器PSW 计数器CT 暂存寄存器 通用寄存器组 移位器 通用寄存器供用户自由编程，可以存放数据和地址。而指令寄存器是专门用于存放指令的专用寄存器，…...

编程日记 2025/6/25 5:43:09

大模型学习入门——Day3:注意力机制

本系列笔记的教材&#xff1a;快乐学习大模型-DataWhale团队 注意力机制 注意力机制最先源于计算机视觉领域&#xff0c;其核心思想为当我们关注一张图片&#xff0c;我们往往无需看清楚全部内容而仅将注意力集中在重点部分即可。而在自然语言处理领域&#xff0c;我们往往也…...

编程日记 2025/6/25 5:41:38

C++ 学习笔记精要(二)

第一节 特殊类的设计 1. 一个类: 只能在堆上创建对象 关键点:自己控制析构 1.1 方法一: 使用delete禁掉默认析构函数 #include <iostream> using namespace std;class HeapOnly { public:HeapOnly(){_str new char[10];}~HeapOnly() delete;void Destroy(){delete[…...

编程日记 2025/6/25 16:48:02

博士，超28岁，出局！

近日&#xff0c;长沙市望城区《2025年事业引才博士公开引进公告》引发轩然大波——博士岗位年龄要求28周岁及以下&#xff0c;特别优秀者也仅放宽至30周岁。 图源&#xff1a;网络 这份规定让众多"高龄"博士生直呼不合理&#xff0c;并在社交平台掀起激烈讨论。 图源…...

编程日记 2025/6/24 13:56:26

macOS - 根据序列号查看机型、保障信息

文章目录 最近在看 MacBook 二手机&#xff0c;有个咸鱼卖家放个截图 说不清参数&#xff0c;于是想根据 序列号 查看机型。苹果提供了这样的网页&#xff1a; https://checkcoverage.apple.com/ &#xff08;无需登录&#xff09; 结果 2025-06-20&#xff08;五&#xff09;…...

编程日记 2025/6/25 23:12:10

C/C++ 高频八股文面试题1000题(一)

原作者&#xff1a;Linux教程&#xff0c;原文地址&#xff1a;C/C 高频八股文面试题1000题(一) 在准备技术岗位的求职过程中&#xff0c;C/C始终是绕不开的核心考察点。无论是互联网大厂的笔试面试&#xff0c;还是嵌入式、后台开发、系统编程等方向的岗位&#xff0c;C/C 都…...

编程日记 2025/6/25 5:43:09

C++ map 和 unordered_map 的区别和联系

C map 和 unordered_map 的区别和联系 map 和 unordered_map 都是 C 标准库中关联容器&#xff0c;用于存储键值对。它们的主要区别在于底层实现和性能特性&#xff0c;联系在于它们都提供了键值对的存储和访问功能。 区别&#xff1a; 特性mapunordered_map底层实现红黑树 …...

编程日记 2025/6/25 22:44:42

Sentinel实现原理

Sentinel 是阿里巴巴开源的分布式系统流量控制组件&#xff0c;主要用于服务保护&#xff0c;涵盖流量控制、熔断降级、系统负载保护等功能。 以下是 Sentinel 的实现原理&#xff0c;使用中文简要说明&#xff1a; 1. 总体架构 Sentinel 采用 轻量级 设计&#xff0c;分为 核…...

编程日记 2025/6/25 5:42:39

python打卡day37

疏锦行 知识点回顾&#xff1a; 1. 过拟合的判断&#xff1a;测试集和训练集同步打印指标 2. 模型的保存和加载 a. 仅保存权重 b. 保存权重和模型 c. 保存全部信息checkpoint&#xff0c;还包含训练状态 3. 早停策略 作业&#xff1a;对信贷数据集训练后保存权重&#xf…...

编程日记 2025/6/26 20:19:41

MySQL复杂查询优化实战：从多表关联到子查询的性能突破

文章目录 一、复杂查询性能瓶颈分析与优化框架二、多表关联查询的优化策略与实战1. JOIN顺序优化&#xff1a;基于成本估算的表关联策略2. 复合索引与JOIN条件优化3. 大表JOIN的分片处理 三、子查询优化&#xff1a;从嵌套到JOIN的转换艺术1. 标量子查询转换为JOIN2. EXISTS子查…...

编程日记 2025/6/27 0:43:27

LeetCode 680.验证回文串 II

目录 题目&#xff1a; 题目描述&#xff1a; 题目链接&#xff1a; 思路&#xff1a; 核心思路&#xff1a; 思路详解&#xff1a; 代码&#xff1a; C代码&#xff1a; Java代码&#xff1a; 题目&#xff1a; 题目描述&#xff1a; 题目链接&#xff1a; 680. 验证…...

编程日记 2025/6/25 2:38:54

window显示驱动开发—输出合并器阶段

逻辑管道中的最后一步是通过模具或深度确定可见性&#xff0c;以及写入或混合输出以呈现目标&#xff0c;这可以是多种资源类型之一。 这些操作以及输出资源 (呈现目标) 绑定在输出合并阶段定义。 1. 核心功能与管线定位 输出合并是渲染管线的最终固定功能阶段&#xff0c;负…...

编程日记 2025/6/27 0:43:27

单片机开发日志cv MDK-ARM工具链迁移到MAKE

核心经验&#xff1a; STM32H7 多 RAM 区域&#xff0c;外设相关数据段必须放在 AXI SRAM&#xff08;RAM&#xff09;区&#xff0c;不能放在 DTCMRAM&#xff0c;否则外设无法访问&#xff0c;程序表面正常但外设全失效。迁移工程时&#xff0c;务必检查链接脚本的内存分布&a…...

编程日记 2025/6/27 1:53:14

大模型与搜索引擎的技术博弈及未来智能范式演进

基于认知革命与技术替代的全景综述 一、大模型对搜索引擎的替代性分析&#xff1a;技术范式与市场重构 &#xff08;1&#xff09;技术原理的代际分野 传统搜索引擎遵循 "爬虫抓取 - 索引构建 - 关键词排序" 的三段式架构&#xff0c;其核心是基于 PageRank 算法的…...

编程日记 2025/6/27 1:39:21

Ajax-入门

Ajax: 全称Asynchronous JavaScript And XML&#xff0c;异步的JavaScript和XML。其作用有如下2点&#xff1a; 与服务器进行数据交换&#xff1a;通过Ajax可以给服务器发送请求&#xff0c;并获取服务器响应的数据。 异步交互&#xff1a;可以在不重新加载整个页面的情况下&a…...

编程日记 2025/6/27 0:50:57

FPGA基础 -- Verilog 共享任务（task）和函数（function）

Verilog 中共享任务&#xff08;task&#xff09;和函数&#xff08;function&#xff09; 的详细专业培训&#xff0c;适合具有一定 RTL 编程经验的工程师深入掌握。 一、任务&#xff08;task&#xff09;与函数&#xff08;function&#xff09;的基本区别 特性taskfunctio…...

编程日记 2025/6/27 4:36:30

c++set和pair的使用

set是C中的一种关联容器&#xff0c;具有以下特点&#xff1a; 存储唯一元素&#xff08;不允许重复&#xff09; 元素自动排序&#xff08;默认升序&#xff09; 基于红黑树实现&#xff08;平衡二叉搜索树&#xff09; 插入、删除和查找的时间复杂度为O(log n) 前言 在C…...

编程日记 2025/6/27 3:35:43

数据库中间件ShardingSphere5

一、高性能架构模式 数据库集群&#xff0c;第一种方式“读写分离”&#xff0c;第二种方式“数据库分片”。 1.1 读写分离架构 读写分离原理&#xff1a;将数据库读写操作分散到不同的节点上。 读写分离的基本实现&#xff1a; 主库负责处理事务性的增删改操作&#xff0c…...

编程日记 2025/6/27 0:43:27

window显示驱动开发—使用状态刷新回调函数

用户模式显示驱动程序可以使用 Direct3D 运行时版本 10 State-Refresh回调函数 来实现无状态驱动程序或构建命令缓冲区前导数据。 Direct3D 运行时在调用 CreateDevice (D3D10 ) 函数时&#xff0c;向D3D10DDIARG_CREATEDEVICE结构的 pUMCallbacks 成员指向的D3D10DDI_CORELAY…...

编程日记 2025/6/25 5:43:38

windows11右击恢复为windows10

文章目录 前言一、问题描述二、解决方案 前言 为了解决win11的右击更多选项的问题 一、问题描述 win11的右键更多选项过于繁琐 二、解决方案 在windows11的终端管理员中输入如下代码&#xff1a; reg add "HKCU\Software\Classes\CLSID\{86ca1aa0-34aa-4e8b-a509-50c…...

编程日记 2025/6/25 5:44:08

基于物联网的智能衣柜系统设计

标题:基于物联网的智能衣柜系统设计 内容:1.摘要 随着物联网技术的飞速发展&#xff0c;智能家居领域迎来了新的变革机遇。本研究的目的在于设计一种基于物联网的智能衣柜系统&#xff0c;以提升用户的衣物管理和使用体验。方法上&#xff0c;通过搭建物联网硬件平台&#xff…...

编程日记 2025/6/27 1:53:57

GM DC Monitor v2.0 卸载教程

以下俩种方法任选一种均可 第一种方法&#xff1a;一键自动卸载 进入到软件安装目录 卸载app 进入到app目录&#xff0c;运行一键卸载脚本&#xff1a;sh uninstall.sh 卸载es 进入到es目录&#xff0c;运行一键卸载脚本&#xff1a;sh uninstall.sh 卸载db 进入到db目录&a…...

编程日记 2025/6/27 3:35:43

C#上位机实现报警语音播报

我们在开发C#上位机时&#xff0c;有时候会需要将报警信息通过语音进行播报&#xff0c;今天跟大家分享一下具体的实现过程。 一、组件安装 首先我们创建好一个Windows窗体项目&#xff0c;然后添加System.Speech库引用。 点击引用&#xff0c;右击添加引用&#xff0c;在程…...

编程日记 2025/6/24 14:36:40

python自助棋牌室管理系统

目录 技术栈介绍具体实现截图系统设计研究方法&#xff1a;设计步骤设计流程核心代码部分展示研究方法详细视频演示试验方案论文大纲源码获取/详细视频演示 技术栈介绍 Django-SpringBoot-php-Node.js-flask 本课题的研究方法和研究步骤基本合理&#xff0c;难度适中&#xf…...

编程日记 2025/6/27 1:53:15

榕壹云婚恋相亲系统：ThinkPHP+UniApp打造高效婚配平台

引言 在数字化浪潮下，婚恋相亲行业正加速向线上迁移。榕壹云公司基于市场需求与技术积累，开发一款功能完备、技术开源的婚恋相亲小程序系统，为单身人士提供高效、安全的婚恋平台。本文将围绕系统背景、客户定位、核心技术、功能模块及优势场景展开详细解析，助力开发者与技…...

编程日记 2025/6/25 15:11:40

每日leetcode

2890. 重塑数据&#xff1a;融合 - 力扣&#xff08;LeetCode&#xff09; 题目 DataFrame report --------------------- | Column Name | Type | --------------------- | product | object | | quarter_1 | int | | quarter_2 | int | | quarter_3 | i…...

编程日记 2025/6/27 1:44:09

深入理解XGBoost（何龙 著）学习笔记（五）

深入理解XGBoost&#xff08;何龙 著&#xff09;学习笔记&#xff08;五&#xff09; 本文接上一篇&#xff0c;内容为线性回归&#xff0c;介绍三部分&#xff0c;首先介绍了"模型评估”&#xff0c;然后分别提供了线性回归的模型代码&#xff1a;scikit-learn的Linear…...

编程日记 2025/6/27 3:35:43

SelectDB 在 AWS Graviton ARM 架构下相比 x86 实现 36% 性价比提升

在海量数据分析中&#xff0c;追求高性价比已成为各大企业的主流趋势。ARM 架构凭借其高能效和低成本的特点&#xff0c;逐渐在数据中心崛起&#xff0c;成为理想的高性价比选择。基于 ARM 架构的 AWS Graviton 系列处理器&#xff0c;正是这一趋势的典型代表。Graviton 处理器…...

编程日记 2025/6/27 4:38:04

机器学习流量识别(pytorch+NSL-KDD+多分类建模)

本文主要实现以下功能&#xff0c;会提供完整的可运行的代码以及解释为什么这么设计。文章不会收费&#xff0c;若被限制查看&#xff0c;请私信我。 使用 NSL-KDD 数据集的CSV文件进行流量攻击检测&#xff0c;使用机器学习算法实现流量攻击检测&#xff0c;使用pytorch框架…...

编程日记 2025/6/25 5:45:38

三种经典算法无人机三维路径规划对比（SMA、HHO、GWO三种算法），Matlab代码实现

代码功能 该MATLAB代码用于对比三种元启发式优化算法&#xff08;SMA、HHO、GWO三种算法&#xff0c; SMA黏菌算法、HHO哈里斯鹰优化算法、GWO灰狼优化算法&#xff09; 在特定优化问题上的性能&#xff0c;运行环境MATLABR2020b或更高 &#xff1a; 初始化问题模型&#xff…...

编程日记 2025/6/27 3:35:21

FTTR+软路由网络拓扑方案

文章目录 网络拓扑软路由配置FTTR光猫路由器TPLink路由器配置WAN设置LAN设置 参考 网络拓扑 软路由配置 配置静态IP地址&#xff1a;192.168.1.100设置网关指向主路由的IP 设置自定义DNS服务器 开启DHCP 这一步很关键&#xff0c;可以让连上wifi的所有设备自动趴强。 FTTR光猫…...

编程日记 2025/6/27 1:53:15

服务器获取外网IP，并发送到钉钉

服务器获取外网IP&#xff0c;并发送到钉钉 import time import hmac import hashlib import base64 import urllib.parse import requests# 请填入你的钉钉机器人配置 access_token XXXX secret XXXX# 获取公网 IP def get_public_ip():try:response requests.get("…...

编程日记 2025/6/27 3:40:55

解决uni-app发布微信小程序主包大小限制为＜2M的问题

一 问题说明 我想用uniapp开发多端应用&#xff0c;引入了uview组件库来美化样式&#xff0c;可发布为微信小程序却提示我代码质量不过关&#xff0c;主包代码量太大了&#xff1a; 二 问题分析 2.1 原生微信小程序开发代码质量限制&#xff1a; 1.主包代码大小不得大于2M&…...

编程日记 2025/6/25 17:00:33

魅族“换血”出牌：手机基本盘站不稳，想靠AI和汽车“改命”

撰稿|何威 来源|贝多财经 被吉利收购后&#xff0c;魅族逐渐转向在AI领域躬身耕作。 自2024年2月以“All in AI”正式宣告转型、喊出不再推出传统智能手机的豪言开始&#xff0c;这家曾以设计见长的手机厂商&#xff0c;将下半场押注在AI终端、AR眼镜与智能座舱系统上&#…...

编程日记 2025/6/27 1:29:18

原点安全入选 Gartner®“数据安全平台”中国市场指南代表厂商

2025年1月7日&#xff0c;全球权威咨询与分析机构 Gartner 发布《中国数据安全平台市场指南》&#xff08;China Context: ‘Market Guide for Data Security Platforms’&#xff09;&#xff0c;北京原点数安科技有限公司&#xff08;简称“原点安全”&#xff0c;英文名称&q…...

编程日记 2025/6/27 1:53:57

uni-app-配合iOS App项目开发apple watch app

假设你已经用uni-app开发好了一个iOS端的app&#xff0c;现在想要开发一个配套的apple watch app。改怎么去开发呢&#xff1f;是不是一头雾水&#xff0c;这篇文章就会介绍一些apple watch app开发的知识以及如何在uni-app开发的iOS app基础上去开发配套的watch app。 一、ap…...

编程日记 2025/6/27 1:53:14

如何理解Java反射机制

反射机制原理 反射是Java在运行时动态获取类信息、操作类属性和方法的能力。核心原理是JVM在类加载时创建Class对象&#xff0c;该对象包含类的完整结构信息。 关键类&#xff1a; Class&#xff1a;类的元数据入口 Field&#xff1a;类的成员变量 Method&#xff1a;类的方…...

编程日记 2025/6/27 1:34:51

SM3算法C语言实现（无第三方库，带测试）

一、SM3算法介绍 SM3算法是中国国家密码管理局&#xff08;OSCCA&#xff09;于2010年发布的商用密码散列函数标准&#xff0c;属于我国自主设计的密码算法体系之一 &#xff0c;标准文档下载地址为&#xff1a;SM3密码杂凑算法 。SM3算法输出长度为256位&#xff08;32字节&a…...

编程日记 2025/6/24 19:10:54

King’s LIMS 系统引领汽车检测实验室数字化转型

随着汽车保有量的持续攀升和车龄的增长&#xff0c;消费者对汽车的需求已悄然转变&#xff0c;从最初对外观和性能的追求&#xff0c;逐渐深化为对安全性、可靠性、耐久性、性能与舒适性以及智能化功能的全方位关注。这无疑让汽车检测行业在保障车辆质量、满足市场需求方面肩负…...

编程日记 2025/6/27 3:38:46