当前位置： 首页 > news >正文

1×1卷积与GoogleNet

news 来源：原创 2025/8/27 2:13:04

1×1卷积

卷积核的尺寸等于1的卷积核

1×1卷积有什么用

1. 通道混合与特征转换

  • 背景：在卷积神经网络中，输入数据通常有多个通道（例如RGB图像有3个通道，经过卷积层后通道数可能会增加）。不同通道的特征图可能包含了不同的语义信息。

  • 作用：1×1卷积可以对输入的特征图在通道维度上进行加权求和和线性组合，从而实现通道间的混合。它能够将不同通道的特征进行整合，生成新的特征表示。例如，假设输入特征图的通道数为C，经过1×1卷积后，可以将其转换为C'个通道的特征图，C'可以大于、小于或等于C。这种转换可以改变特征的表达方式，使网络能够学习到更复杂的特征关系。

2. 减少参数数量和计算量

  • 背景：在深度卷积网络中，尤其是当卷积核较大且通道数较多时，参数数量和计算量会急剧增加。例如，一个3×3卷积核在处理C个输入通道和C'个输出通道的特征图时，参数数量为3×3×C×C'。

  • 作用：1×1卷积可以作为一种高效的替代方案。它只在通道维度上进行操作，不涉及空间维度的卷积，因此参数数量大大减少。例如，1×1卷积的参数数量仅为1×1×C×C'。通过使用1×1卷积，可以在不显著降低网络性能的情况下，减少模型的参数数量和计算量，从而提高模型的训练和推理速度。

3. 构建Inception模块

  • 背景：Inception模块是一种经典的卷积神经网络结构，其核心思想是通过并行的卷积操作（不同大小的卷积核）来捕捉不同尺度的特征，但直接使用多种卷积核会导致参数数量和计算量大幅增加。

  • 作用：1×1卷积在Inception模块中扮演了关键角色。它被用作降维操作，将输入特征图的通道数减少后再进行大卷积核的卷积操作。例如，在一个Inception模块中，先通过1×1卷积将输入特征图的通道数从C减少到C'（C'<C），然后再分别使用3×3、5×5等卷积核进行卷积。这样，既能够减少计算量，又能够保留不同尺度特征的捕捉能力。

4. 构建ResNet中的瓶颈结构

  • 背景：ResNet（残差网络）通过引入残差学习解决了深层网络训练中的梯度消失和梯度爆炸问题。在ResNet中，瓶颈结构是一种常用的模块，它通过减少特征图的通道数来降低计算量。

  • 作用：1×1卷积在瓶颈结构中用于降维和升维。例如，在一个典型的瓶颈模块中，首先使用1×1卷积将输入特征图的通道数从C减少到C/4，然后使用3×3卷积进行特征提取，最后再使用1×1卷积将通道数恢复到C。这种结构大大减少了计算量，同时保留了特征的表达能力。

5. 实现注意力机制

  • 背景：注意力机制是一种模拟人类视觉注意力的机制，它可以让模型更加关注输入数据中重要的部分。

  • 作用：1×1卷积可以用于实现通道注意力机制。例如，在SENet（Squeeze-and-Excitation Networks）中，通过全局平均池化将特征图的空间信息压缩，然后使用1×1卷积对通道进行加权，生成通道注意力权重。这些权重可以用来对输入特征图的通道进行加权求和，从而增强重要通道的特征，抑制不重要的通道特征。

6. 构建轻量级网络

  • 背景：在移动设备或资源受限的环境中，需要使用轻量级的卷积神经网络来满足实时性和低功耗的要求。

  • 作用：1×1卷积由于其参数少、计算量小的特点，可以用于构建轻量级网络。例如，在MobileNet中，通过深度可分离卷积（Depthwise Separable Convolution）和1×1卷积的结合，大大减少了模型的参数数量和计算量，同时保持了较好的性能。

GoogleNet

GoogLeNet(InceptionNet)取得了2014年ImageNet分类大赛的冠军，参数量远小于VGG系列网络，而精度和速度则超越了VGG系列

基本单元Inception Module

基本单元Inception Module

使用1*1卷积进行通道调整的Inception Module

完整模型配置

GoogLeNet模型结构

训练细节

增加了不同深度的两个分支分类器辅助训练，使网络训练更加容易。辅助损失

复现GoogleNet网络

# coding:utf8# Copyright 2023 longpeng2008. All Rights Reserved.
# Licensed under the Apache License, Version 2.0 (the "License");
# If you find any problem,please contact us
#
#     longpeng2008to2012@gmail.com
#
# or create issues
# =============================================================================
import torch
import torch.nn as nn# 卷积模块
class BasicConv(nn.Module):def __init__(self, in_channels, out_channels, kernel_size, stride=(1, 1), padding=(0, 0)):super(BasicConv, self).__init__()self.conv = nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size,stride=stride, padding=padding)self.relu = nn.ReLU(inplace=True)def forward(self, x):x = self.conv(x)x = self.relu(x)return x# 额外的损失分支
class SideBranch(nn.Module):def __init__(self, in_channels, num_classes):super(SideBranch, self).__init__()self.avg_pool = nn.AvgPool2d(kernel_size=5, stride=3)self.conv1x1 = BasicConv(in_channels=in_channels, out_channels=128, kernel_size=1)self.fc_1 = nn.Linear(in_features=2048, out_features=1024)self.relu = nn.ReLU(inplace=True)self.fc_2 = nn.Linear(in_features=1024, out_features=num_classes)def forward(self, x):x = self.avg_pool(x)x = self.conv1x1(x)x = torch.flatten(x, 1)x = self.fc_1(x)x = self.relu(x)x = torch.dropout(x, 0.7, train=True)x = self.fc_2(x)return x# Inception模块
class InceptionBlock(nn.Module):def __init__(self, in_channels, ch1x1, ch3x3reduce, ch3x3, ch5x5reduce, ch5x5, chpool):super(InceptionBlock, self).__init__()self.branch_1 = BasicConv(in_channels=in_channels, out_channels=ch1x1, kernel_size=1)self.branch_2 = nn.Sequential(BasicConv(in_channels=in_channels, out_channels=ch3x3reduce, kernel_size=1),BasicConv(in_channels=ch3x3reduce, out_channels=ch3x3, kernel_size=3, padding=1))self.branch_3 = nn.Sequential(BasicConv(in_channels=in_channels, out_channels=ch5x5reduce, kernel_size=1),BasicConv(in_channels=ch5x5reduce, out_channels=ch5x5, kernel_size=5, padding=2))self.branch_4 = nn.Sequential(nn.MaxPool2d(kernel_size=3, padding=1, stride=1, ceil_mode=True),BasicConv(in_channels=in_channels, out_channels=chpool, kernel_size=1))def forward(self, x):x_1 = self.branch_1(x)x_2 = self.branch_2(x)x_3 = self.branch_3(x)x_4 = self.branch_4(x)x = torch.cat([x_1, x_2, x_3, x_4], dim=1)return x# GoogLeNet/Inception模型
class Inception_V1(nn.Module):def __init__(self, num_classes):super(Inception_V1, self).__init__()self.BasicConv_1 = BasicConv(in_channels=3, out_channels=64, kernel_size=7, stride=2, padding=3)self.max_pool_1 = nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True)  # 把不足square_size的边保留下来，单独计算self.lrn_1 = nn.LocalResponseNorm(2)self.conv_1x1 = BasicConv(in_channels=64, out_channels=64, kernel_size=1)self.conv_3x3 = BasicConv(in_channels=64, out_channels=192, kernel_size=3, padding=1)self.lrn_2 = nn.LocalResponseNorm(2)self.max_pool_2 = nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True)#   in_channels,ch1x1, ch3x3reduce,ch3x3,ch5x5reduce,ch5x5,chpoolself.InceptionBlock_3a = InceptionBlock(192, 64, 96, 128, 16, 32, 32)self.InceptionBlock_3b = InceptionBlock(256, 128, 128, 192, 32, 96, 64)self.max_pool_3 = nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True)self.InceptionBlock_4a = InceptionBlock(480, 192, 96, 208, 16, 48, 64)self.SideBranch_1 = SideBranch(512, num_classes)self.InceptionBlock_4b = InceptionBlock(512, 160, 112, 224, 24, 64, 64)self.InceptionBlock_4c = InceptionBlock(512, 128, 128, 256, 24, 64, 64)self.InceptionBlock_4d = InceptionBlock(512, 112, 144, 288, 32, 64, 64)self.SideBranch_2 = SideBranch(528, num_classes)self.InceptionBlock_4e = InceptionBlock(528, 256, 160, 320, 32, 128, 128)self.max_pool_4 = nn.MaxPool2d(kernel_size=3, stride=2, ceil_mode=True)self.InceptionBlock_5a = InceptionBlock(832, 256, 160, 320, 32, 128, 128)self.InceptionBlock_5b = InceptionBlock(832, 384, 192, 384, 48, 128, 128)self.avg_pool = nn.AdaptiveAvgPool2d(1)self.flatten = nn.Flatten()self.fc = nn.Linear(in_features=1024, out_features=num_classes)def forward(self, x):x = self.BasicConv_1(x)x = self.max_pool_1(x)x = self.lrn_1(x)x = self.conv_1x1(x)x = self.conv_3x3(x)x = self.lrn_1(x)x = self.max_pool_2(x)x = self.InceptionBlock_3a(x)x = self.InceptionBlock_3b(x)x = self.max_pool_3(x)x = self.InceptionBlock_4a(x)x_1 = self.SideBranch_1(x)x = self.InceptionBlock_4b(x)x = self.InceptionBlock_4c(x)x = self.InceptionBlock_4d(x)x_2 = self.SideBranch_2(x)x = self.InceptionBlock_4e(x)x = self.max_pool_4(x)x = self.InceptionBlock_5a(x)x = self.InceptionBlock_5b(x)x = self.avg_pool(x)x = self.flatten(x)x = torch.dropout(x, 0.4, train=True)x = self.fc(x)x_1 = torch.softmax(x_1, dim=1)x_2 = torch.softmax(x_2, dim=1)x_3 = torch.softmax(x, dim=1)# output = x_3 + (x_1 + x_2) * 0.3return x_3, x_2, x_1if __name__ == '__main__':# 创建模型，给定输入，前向传播，存储模型input = torch.randn([1, 3, 224, 224])model = Inception_V1(num_classes=1000)torch.save(model, 'googlenet.pth')x_3, x_2, x_1 = model(input)# 观察输出，只需要观察shape是我们想要的即可print(x_1.shape)print(x_2.shape)print(x_3.shape)torch.onnx.export(model, input, 'googlenet.onnx', opset_version=10)

相关文章：

1×1卷积与GoogleNet

11卷积 卷积核的尺寸等于1的卷积核 11卷积有什么用 1. 通道混合与特征转换 背景&#xff1a;在卷积神经网络中&#xff0c;输入数据通常有多个通道&#xff08;例如RGB图像有3个通道&#xff0c;经过卷积层后通道数可能会增加&#xff09;。不同通道的特征图可能包含了不同的…...

编程日记 2025/8/27 2:13:04

Handsontable 表格组件的使用

文章目录 1. 安装 Handsontable2. 创建一个基本表格3. 主要配置3.1、 data 数据3.2、 columns 指定列配置 4. Handsontable 高级功能4.1、 添加排序4.2、 过滤数据4.3、 选中行高亮4.4、 只读单元格4.5、 校验数据 5. Handsontable 与 Vue结合6. 总结 Handsontable 是一个强大的…...

编程日记 2025/8/26 18:50:22

消息中间件面试题

前言 本章内容来自B站黑马程序员java大厂面试题与小林coding 如有侵权立即删除 博主学习笔记&#xff0c;如果有不对的地方&#xff0c;海涵。 如果这篇文章对你有帮助&#xff0c;可以点点关注&#xff0c;点点赞&#xff0c;谢谢你&#xff01; 1.通用篇 1.1 什么是消息…...

编程日记 2025/8/20 21:24:44

数据结构与算法--1.判断数组中元素是否有重复

在C语言中&#xff0c;我们可以使用类似的方法来实现判断数组中是否有重复值的功能。由于C语言没有内置的哈希集合&#xff08;如Python的set或C的unordered_set&#xff09;&#xff0c;我们需要自己实现一个简单的哈希表或使用其他方法。 方法一&#xff1a;暴力法&#xff…...

编程日记 2025/8/26 22:41:10

硬件工程师面试常见问题（1）

第一问&#xff1a;单片机上电后没有运转&#xff0c;首先要检查什么&#xff1f; &#xff08;1&#xff09;单片机供电是否正常& 电路焊接检查 用万用表测量对应引脚的供电电压&#xff0c;检查对不对。 &#xff08;2&#xff09;单片机复位是否释放 用万用表测量复位引…...

编程日记 2025/8/27 2:10:12

测试100问：web测试和APP测试的区别

哈喽&#xff0c;大家好&#xff0c;我是十二&#xff0c;那今天要为大家分享的是高频面试题&#xff1a;web测试和 App测试的区别。 从功能测试方面来讲&#xff0c;web测试和 App测试在测试的流程以及测试用例的设计上是没有区别的&#xff0c;那主要的区别包含以下三个方面&…...

编程日记 2025/8/26 20:47:26

Leetcode 3518. Smallest Palindromic Rearrangement II

Leetcode 3518. Smallest Palindromic Rearrangement II 1. 解题思路2. 代码实现 题目链接&#xff1a;Leetcode 3518. Smallest Palindromic Rearrangement II 1. 解题思路 这一题是题目Leetcode 3517. Smallest Palindromic Rearrangement I的升级版本&#xff0c;其主要的…...

编程日记 2025/8/25 10:23:40

Golang｜订单相关

文章目录 秒杀写库策略确保缓存的订单数据不丢失 秒杀写库策略 在我们的抽奖函数中&#xff0c;抽中奖品、减库存成功返回给前端后就应该生成订单写入数据库 但是这里有问题&#xff0c;我们的抽奖函数是支持高并发的&#xff0c;并发量大的情况下mysql无法支持这么大并发量的写…...

编程日记 2025/8/27 2:10:13

Python+Playwright：编写自动化测试的避坑策略

PythonPlaywright&#xff1a;编写自动化测试的避坑策略 前言一、告别 time.sleep()&#xff0c;拥抱 Playwright 的智能等待二、选择健壮、面向用户的选择器&#xff0c;优先使用 data-testid三、严格管理环境与依赖&#xff0c;确保一致性四、分离测试数据与逻辑&#xff0c;…...

编程日记 2025/8/25 16:43:56

P12130 [蓝桥杯 2025 省 B] 移动距离

P12130 [蓝桥杯 2025 省 B] 移动距离 - 洛谷 题目描述 小明初始在二维平面的原点&#xff0c;他想前往坐标 (233, 666)。在移动过程中&#xff0c;他只能采用以下两种移动方式&#xff0c;并且这两种移动方式可以交替、不限次数地使用&#xff1a; 水平向右移动&#xff0c;…...

编程日记 2025/8/27 2:10:10

关于 人工智能（AI）发展简史 的详细梳理，按时间阶段划分，涵盖关键里程碑、技术突破、重要人物及挑战

以下是关于 人工智能&#xff08;AI&#xff09;发展简史 的详细梳理&#xff0c;按时间阶段划分&#xff0c;涵盖关键里程碑、技术突破、重要人物及挑战&#xff1a; 字数&#xff1a;约2500字 逻辑结构&#xff1a;时间线清晰&#xff0c;分阶段描述技术突破、关键事件与挑战…...

编程日记 2025/8/25 7:01:13

Formality：Bug记录

相关阅读 Formalityhttps://blog.csdn.net/weixin_45791458/category_12841971.html?spm1001.2014.3001.5482 本文记录博主在使用Synopsys的形式验证工具Formality中遇到的几个Bug。 Bug复现 情况一 // 例1 module dff (input clk, input d_in, output d_out …...

编程日记 2025/8/22 13:34:04

react-07React提交表单数据调用同一方法(高阶函数,函数柯里化概念)

1.高阶函数与函数柯里化概念 高阶函数&#xff1a;符合其中之一&#xff0c;那该函数为高阶函数 1.A函数&#xff0c;接收的参数是一个函数&#xff0c;那么A就是高阶函数2.A函数&#xff0c;调用的返回值是一个函数&#xff0c;那么A就是高阶函数 常见的高阶函数&#xff1a…...

编程日记 2025/8/26 17:40:50

js ES6箭头函数的作用

前置知识 1、箭头函数语法简洁&#xff0c;相较于传统的函数表达式&#xff0c;箭头函数的语法更为简洁&#xff0c;尤其适用于简单的函数。 2、解决this取向问题&#xff0c;在传统函数中&#xff0c;this 的值取决于函数的调用方式&#xff0c;这可能会导致一些难以理解和调…...

编程日记 2025/8/20 13:06:18

淘宝商品数据高并发采集方案：API 接口限流机制与分布式调用实战

一、引言 在电商领域&#xff0c;对淘宝商品数据进行采集是一项常见且重要的任务。随着业务规模的扩大&#xff0c;高并发采集需求日益凸显。然而&#xff0c;淘宝 API 接口存在限流机制&#xff0c;为了高效且合规地完成数据采集&#xff0c;需要采用分布式调用的策略。本文将…...

编程日记 2025/8/22 4:14:47

python爬虫 线程，进程，协程

0x00 线程 线程是一个执行单位&#xff0c;是在一个进程里面的&#xff0c;是共享进程里面的提供的内存等资源&#xff0c;使用多个线程时和使用多个进程相比&#xff0c;多个线程使用的内存等资源较少。进程像一座“房子”&#xff08;独立资源&#xff09;&#xff0c;线程是…...

编程日记 2025/8/26 17:12:20

《忘尘谷》音阶与调性解析

一、音高与音名的对应关系 根据搜索结果及音乐理论&#xff0c;结合《忘尘谷》的曲谱信息&#xff0c;其音阶与调性分析如下&#xff1a; 调性判定 原曲调性为 D调&#xff08;原曲标注为D调&#xff09;&#xff0c;但曲谱编配时采用 C调指法&#xff0c;通过变调夹夹2品&…...

编程日记 2025/8/27 1:21:02

实验一 HDFS的Shell操作

一、实验目的 熟悉HDFS Shell的语法格式&#xff0c;完成对HDFS上文件和目录的一系列操作 二、实验要求 2.1 练习dfs常用的子命令 ① -ls ② -du ③ -mv ④ -cp ⑤ -rm ⑥ -put ⑦ -cat ⑧ -help ⑨ -mkdir ⑩ -get 2.2通过Shell脚本定时采集数据到HDFS 三、实…...

编程日记 2025/8/17 18:42:05

安装SQLServer管理工具

1.回到安装SQLServer的页面&#xff0c;选择安装SQLServer的管理工具2.跳转官网下载 3.安装SSMS 4.安装中5.安装成功以后打开软件&#xff0c;输入信息连接数据库 也可以在本机通过证书链接选择Windows身份验证&#xff0c;就不需要输入账号密码&#xff0c;但只能在安装sql…...

编程日记 2025/8/20 12:38:27

从JSON到SQL：基于业务场景的SQL生成器实战

引言 在数据驱动的业务场景中&#xff0c;将业务需求快速转化为SQL查询是常见需求。本文将通过一个轻量级的sql_json_to_sql函数&#xff0c;展示如何将JSON格式的查询描述转换为标准SQL语句&#xff0c;并结合实际业务场景验证其功能。 核心代码解析 1. 代码实现 def sql_j…...

编程日记 2025/8/27 0:19:27

记录鸿蒙应用上架应用未配置图标的前景图和后景图标准要求尺寸1024px*1024px和标准要求尺寸1024px*1024px

审核报错【①应用未配置图标的前景图和后景图，标准要求尺寸1024px*1024px且需下载HUAWEI DevEco Studio 5.0.5.315或以上版本进行图标再处理、②应用在展开状态下存在页面左边距过大的问题, 应用在展开状态下存在页面右边距过大的问题, 当前页面左边距: 504 px, 当前页面右边距…...

编程日记 2025/8/21 9:23:40

蓝桥杯嵌入式十六届赛前复习总结与准备

一.软件使用 赛点是没有网络的&#xff0c;要自己下载原件与数据包&#xff0c;这里给大家一个演示 在updater Settings这里设置文件存放位置&#xff0c;为了方便查找和提交文件&#xff0c;建议在桌面建立一个文件夹来存放。 把赛点的芯片包复制到创建的文件夹然后解压缩 之…...

编程日记 2025/8/23 8:09:24

了解一下Unity的RenderQueue

在Unity中&#xff0c;场景里的每个物体都需要通过渲染管线绘制到屏幕上。渲染管线处理光照、材质、纹理等信息&#xff0c;最终决定物体的显示效果。但当场景中有多个物体时&#xff0c;它们的绘制顺序会直接影响画面结果&#xff0c;尤其是在涉及透明物体或特效时。这时&…...

编程日记 2025/8/26 12:48:08

使用CS Roofline Toolkit测量带宽

使用CS Roofline Toolkit测量带宽 工程下载&#xff1a;使用CS Roofline Toolkit测量带宽-案例工程文件&#xff0c;也可以按照下面的说明使用git clone下载 目录 使用CS Roofline Toolkit测量带宽0、Roofline模型理解1、CS Roofline Toolkit下载1.1、设置代理1.2、git clone下…...

编程日记 2025/8/25 9:21:51

第三篇:深入 Framer Motion Variants：掌握组件动画编排的艺术

&#x1f3af; 前言 在动态交互主导的现代前端开发中&#xff0c;优雅的动画效果已成为提升用户体验的重要元素。Framer Motion 的 Variants&#xff08;动画变体&#xff09;功能&#xff0c;通过状态化管理和动画编排能力&#xff0c;让复杂动效的实现变得前所未有的高效。本…...

编程日记 2025/8/21 20:22:22

狂神SQL学习笔记四：基本的命令行操作

注&#xff1a;所有语句用 ; 结尾&#xff0c;– 单行注释&#xff0c;/* 多行注释 */ 连接数据库 mysql -uroot -p123456 --连接数据库查看所有的数据库 切换数据库 查看数据库中所有的表 显示数据库中所有表的信息 创建一个数据库 退出连接...

编程日记 2025/8/22 1:09:42

架构思维：缓存层场景实战_读缓存（下）

文章目录 Pre业务场景缓存存储数据的时机与常见问题解决方案1. 缓存读取与存储逻辑2. 高并发下的缓存问题及解决方案3. 缓存预热&#xff08;减少冷启动问题&#xff09; 缓存更新策略&#xff08;双写问题&#xff09;1. 先更新缓存&#xff0c;再更新数据库&#xff08;不推荐…...

编程日记 2025/8/25 1:36:19

软件架构设计：MVC、MVP、MVVM、RIA 四大风格优劣剖析

MVC、MVP、MVVM 和 RIA 都是软件架构中常见的设计风格&#xff0c;以下是对它们的详细介绍&#xff1a; 一、MVC 架构风格&#xff08;Model - View - Controller&#xff09; 1.简介&#xff1a;MVC 架构风格将软件应用程序分为三个核心部分&#xff0c;通过这种划分来分离不…...

编程日记 2025/8/27 1:03:54

java基础课程-springmvc课程

一. 回顾MVC&#xff1a; tomcat是servlet容器&#xff0c; servlet实现方式&#xff1a; xml中配置&#xff1a; 二. 回顾servlet: 三. SpringMvc学习 3.1 springMvc搭建和讲解&#xff1a; jar包引入spring-webmvc即可。 核心&#xff1a;DispatcherServlet Spring的web…...

编程日记 2025/8/26 23:38:07

NLP高频面试题（四十二）——RAG系统评估：方法、指标与实践指南

1. 引言：RAG系统概述与评估挑战 检索增强生成（Retrieval-Augmented Generation，简称 RAG）是近年来自然语言处理领域的一个重要进展。RAG系统在大型语言模型生成文本的过程中引入了外部检索模块，从外部知识库获取相关信息，以缓解纯生成模型可能出现的幻觉和知识盲点。通过…...

编程日记 2025/8/20 22:23:58

Flutter学习 滚动组件（1）：ListView基本使用

目录 一、ListView构造方法1.1 常规方法1.2 ListView.builder1.3 ListView.separated 二、自定义ListView样式和布局&#xff1a;三、ListView性能优化&#xff1a;总结&#xff1a; 一、ListView构造方法 主要以下几种方法&#xff1a; 常规方法&#xff0c;直接使用默认的构…...

编程日记 2025/8/26 14:58:05

处理 Flutter 没有反应

现象 有以下几种 VS Code 中 Initializing the Flutter SDK. This may take a few minutes. 会一直维持在这个右下角提示窗, 但是无后续动作 Flutter CMD flutter_console.bat 执行 --version 或者 doctor [-v] 没有任何输出, 命令卡住 解决办法 参考官方说明 管理员身份…...

编程日记 2025/8/22 8:28:58

java面向对象06：封装

封装 该露的露&#xff0c;该藏的藏 我们程序设计要追求“高内聚&#xff0c;低耦合”。高内聚就是类的内部数据操作细节自己完成&#xff0c;不允许外部干涉&#xff1b;低耦合&#xff1a;仅暴露少量的方法给外部使用。 封装&#xff08;数据的隐藏&#xff09; 通常&#x…...

编程日记 2025/8/22 23:11:18

测试定时发布

测试定时发布 测试定时发布 测试定时发布 测试定时发布 欢迎使用Markdown编辑器 你好&#xff01; 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章&#xff0c;了解一下Markdown的基本语法知识。 新的改变 我…...

编程日记 2025/8/24 2:01:44

2025年4月15日 百度一面 面经

目录 1. 代理相关 从静态代理到动态代理 2. cglib可以代理被final修饰的类吗，为什么 3. JVM 体系结构 4. 垃圾回收算法 5. 什么是注解 如何使用 底层原理 6. synchronized和reentrantlock 7. 讲一下你项目中 redis的分布式锁 与java自带的锁有啥区别 8. post 请求和 ge…...

编程日记 2025/8/25 17:28:18

抖音卸载了ip属地还会更新吗？深度解析

近期&#xff0c;关于抖音IP属地显示功能的讨论热度持续攀升&#xff0c;许多用户提出疑问&#xff1a;如果卸载抖音APP&#xff0c;账号的IP属地还会继续更新吗&#xff1f;这一问题背后&#xff0c;既涉及平台算法的运作逻辑&#xff0c;也关乎用户对隐私保护的深层需求。本文…...

编程日记 2025/8/26 3:53:37

Spring IoC与DI详解：从Bean概念到手写实现

一、Spring Bean的概念与本质 1.1 什么是Bean&#xff1f; 在Spring框架中&#xff0c;Bean是一个由Spring IoC容器实例化、组装和管理的对象。Bean及其之间的依赖关系通过容器使用的配置元数据来定义。简单来说&#xff0c;Bean就是Spring容器管理的Java对象。简单来说&…...

编程日记 2025/8/21 8:50:27

【Qt】信号和槽

文章目录 信号和槽的概念信号和槽的使用链接信号和槽查看内置信号和槽通过 Qt Creator 生成信号槽代码 自定义信号和槽基本语法带参数的信号和槽 信号与槽的连接方式一对一一对多多对一 信号和槽的其他说明信号与槽的断开 使用 Lambda 表达式定义槽函数 信号和槽的概念 在 Qt 中…...

编程日记 2025/8/19 6:17:13

小事务架构下的业务完整性保障：基于业务处理记录与补偿机制的技术实现

随着微服务架构、事件驱动架构&#xff08;EDA&#xff09;和最终一致性理念的普及&#xff0c;传统的大事务管理方式被更细粒度的“小事务”所取代。在这种架构中&#xff0c;全局业务流程被拆解成多个局部事务节点&#xff0c;通过异步消息进行编排。这种解耦提高了可扩展性和…...

编程日记 2025/8/26 14:22:31

DELL电脑开机进入自检界面

疑难解答 - 如何解决开机直接进入BIOS画面 添加链接描述 一、DELL电脑开机自检提示please run setup program 未设置一天中的时间-请运行安装程序（Time-of-day not set - please run SETUP program） 配置信息无效-请运行安装程序（Invalid configuration information - ple…...

编程日记 2025/8/20 1:35:31

Spring Boot 微服务中集成 MyBatis-Plus 与集成原生 MyBatis 有哪些配置上的不同？

在Spring Boot 微服务中集成 MyBatis-Plus (MP) 与集成原生 MyBatis (MB) 在配置上的主要不同点。MyBatis-Plus 是在 MyBatis 基础上进行的增强&#xff0c;它兼容 MyBatis 的所有配置方式&#xff0c;并提供了更简洁、更强大的配置选项。 相同点: 基础数据源配置 (DataSource…...

编程日记 2025/8/20 14:12:45

最近准备写个Playbook，详细点的指导手册，作为后续的销售培训文件，也趁着这个机会整理下产品思路，尤其是对于UALink，UEC新的联盟规范的测试用例

# 最近准备写个Playbook&#xff0c;详细点的指导手册&#xff0c;作为后续的销售培训文件&#xff0c;也蹭这个机会整理下产品思路。随着产品线越来越多&#xff08;其实也是越来越少&#xff09;&#xff0c;东西越来越杂&#xff0c;已经不是三言两语就能解释得清楚了。 其…...

编程日记 2025/8/22 18:55:10

Kimi-VL：开源多模态视觉语言模型的崭新突破

近年来&#xff0c;人工智能在多模态模型的领域取得了显著的进展&#xff0c;特别是在能够处理文本和视觉输入的模型方面。MoonshotAI团队近期开源发布了Kimi-VL模型&#xff0c;这一模型凭借其在视觉理解、推理和智能体任务中的优异表现&#xff0c;受到了广泛关注。与GPT-4o等…...

编程日记 2025/8/19 12:27:26

NLP专业技能2025

Linux&#xff1a; 熟练使用Linux操作系统&#xff0c;熟练使用Linux常用命令进行开发。 熟悉掌握shell脚本编程技术的使用&#xff0c;能够编写简单的Shell脚本并熟练使用shell脚本四剑客&#xff08;find、sed、grep、awk&#xff09;进行日志解析。 熟练使用Linux环境进行开…...

编程日记 2025/8/24 11:23:21

C++STL循环队列实现

核心概念 循环队列&#xff08;Circular Queue&#xff09;&#xff0c;也称为环形队列&#xff0c;是一种特殊的队列数据结构。它通过将队列的首尾相连&#xff0c;解决了传统队列因出队操作导致的空间浪费问题&#xff08;即“假溢出”&#xff09;&#xff0c;从而更高效地…...

编程日记 2025/8/21 20:09:13

YOLOv3实践教程：使用预训练模型进行目标检测

目录 简介环境准备获取预训练模型图像目标检测视频目标检测模型性能优化常见问题解答进阶学习路径 简介 YOLOv3&#xff08;You Only Look Once version 3&#xff09;是一种高效的实时目标检测算法&#xff0c;由Joseph Redmon和Ali Farhadi于2018年提出。与传统的目标检测…...

编程日记 2025/8/22 7:00:19

confluent-kafka入门教程

文章目录 官方文档与kafka-python的对比配置文档配置项 Producer代码示例Consumer代码示例 官方文档 confluent_kafka API — confluent-kafka 2.8.0 documentation Quick Start for Confluent Cloud | Confluent Documentation 与kafka-python的对比 对比维度confluent-ka…...

编程日记 2025/8/20 5:08:06

网络安全-Http\Https协议和Bp抓包

1. http协议&#xff0c;有请求必有相应&#xff0c; 请求协议&#xff0c; 响应协议&#xff1b; 2. 密码学加密机制及常用算法和常用名称说明&#xff1a; 算法 密钥 明文数据 密文&#xff1b; 加密算法分类和常用算法&#xff1a; 加密算法可以归结为三大类&#xff…...

编程日记 2025/8/27 1:21:06

TDengine 语言连接器（C#）

简介 TDengine.Connector 是 TDengine 提供的 C# 语言连接器。C# 开发人员可以通过它开发存取 TDengine 集群数据的 C# 应用软件。 .NET 版本兼容性 .NET Framework 4.6 及以上版本。.NET 5.0 及以上版本。 支持的平台 原生连接支持的平台和 TDengine 客户端驱动支持的平台…...

编程日记 2025/8/26 16:23:21

AI对百度搜索与抖音社区的影响差异？

在AIGC&#xff08;生成式人工智能&#xff09;快速发展的背景下&#xff0c;用户获取内容的方式确实变得更加直接和便捷。抖音、小红书等视频内容社区的流量下降速度可能比百度搜索更慢&#xff0c;这一现象可以从以下几个角度分析&#xff1a; 1. 内容形式的差异&#xff1a;…...

编程日记 2025/8/21 21:52:50