ICode9

精准搜索请尝试: 精确搜索
  • 目标检测学习1--概述2022-05-09 09:32:06

    https://www.cnblogs.com/kongweisi/p/10894415.html 上述博客的学习总结 1、什么是目标检测 与图像分类相比,目标检测主要在 检测+分类 2、目标检测分类 2.1传统目标检测方法 (候选区域+手工特征提取+分类器)HOG+SVM、DPM 2.2两步法 region proposal+CNN提取分类的目标检测框架 (R-C

  • Java 变量的分类2022-05-07 12:04:59

    中文的很多博客到处抄,很多简单的概念 云里雾里 本文按照变量存在的位置将变量进行分类 变量在类中 静态变量 加了 static 关键字的 举例: public static Integer age = 10; 非静态变量 也叫做实例变量 public Integer age = 10; 变量在方法中 方法中的变量叫做局部变量 点击查看代

  • 银行分类2022-05-07 09:01:40

    银行分类 现在的银行属于什么类型,总是分不清楚。特此记录 国有银行 建设银行、中国银行、交通银行、农业银行、工商银行、邮储银行 股份制银行 光大银行、招商银行、兴业银行、中信银行、平安银行 城商行 杭州银行、宁波银行、徽商银行、南京银行、江苏银行 合资 东方汇理、中银理

  • 整理了一下 Linux 中习见命令及分类2022-05-05 21:01:28

    linux系统由于其开放性、多用户、多任务和多线程、设备独立性、丰富的网络功能等优点受到大家的欢迎,越来越多的人想要去了解甚至学习Linux,而Linux功能通常是通过繁多的各类命令来实现的,所以学习Linux命令是基础,掌握好各种命令才能玩转Linux,但是Linux命令太多了,全部记住的话确实不

  • 面向对象&面向过程2022-05-05 14:31:30

    面向过程思想 步骤清晰简单,第一步做什么,第二步做什么...... 面对过程适合处理一些比较简单的问题 面向对象思想 物以类聚,分类的思维模式,思考问题首先会解决问题需要哪些分类,然后对这些分类进行单独思考。最后,才对某个分类下的细节进行面向过程的思索。 面向对象适合处理

  • JS常见的错误分类2022-05-05 05:31:29

    1. xxx is not defined - 表示你使用了一个 xxx 变量 - 你使用的这个变量没有被声名过 2. xxx is not a function - 表示你写了一段代码是 xxx() - 表示 xxx 这个变量有,但是不是一个函数你把他当作一个函数来调用 3. Cannot set property 'b' of undefined - 不能给 un

  • 多进程-调度和分类2022-05-03 01:04:05

    进程调度 定义 调度过程 调度问题和指标 常用调度算法 抢占优先级概念 优先级 调度策略 进程分类 前台进程 shell运行的程序 后台进程 shell运行带 & 的程序 查看后台程序,jobs killall exe 守护进程

  • 软考--媒体分类2022-05-02 11:00:23

    国际电话电报咨询委员会(CCITT)将媒体分为感觉媒体、 表示媒体、 表现媒体、存储媒体和传输媒体5类。 1、感觉媒体,指直接作用于人的感觉器官, 如引起听觉反应的声音、引起视觉反应的图像等;      2、传输媒体,指传输表示媒体的物理介质,如电缆、光缆。电磁波等;      3、表示

  • 基础day012022-04-23 10:31:14

    1.英文 目录1.英文 目录2.#加空格创建标题3.- 加空格就是分类按tab就是下一级分类,按回车就会返回上一级分类4. ` 英文三个就是代码5. | | |就是表格,按回车6.英文就是超链接7.英文就是插入图片8.*9.----是分割线10.单词亮显11.彩色内容 目录 2.#加空格创建标题 也可以ctrl加数

  • 文本分类问题中的一些指标2022-04-22 18:34:18

    用这个随笔来记录一下评价分类模型中的一些性能指标: 1.混淆矩阵(confusion matrix) 混淆矩阵的格式如下: 其中:   TP:预测值为正,真实值也为正,即正确预测出的正样本个数;   TN:预测值为负,真实值也为负,即正确预测出的负样本个数;   FP:预测值为正,真实值为负,即错误预测出的负样本个数(本

  • 玩儿观赏鱼教程一:鱼缸分类2022-04-22 11:33:55

    前言 最近准备开始玩鱼,扩展一下自己的兴趣爱好,从最基础的鱼缸开始 鱼缸的分类主要是根据其材质来进行划分的,这里记录一下目前市场上都有哪些种类的鱼缸,也方便鱼友们参考 正文 普通玻璃鱼缸 这一种是鱼缸及其分类中最为常见的,其特点是翠绿色,但是不耐用,若透明度不高,欣赏效果不佳,若

  • 索引有什么分类?2022-04-21 19:01:07

    索引有什么分类? 1、主键索引:名为primary的唯一非空索引,不允许有空值。 2、唯一索引:索引列中的值必须是唯一的,但是允许为空值。唯一索引和主键索引的区别是:唯一约束的列可以为null且可以存在多个null值。唯一索引的用途:唯一标识数据库表中的每条记录,主要是用来防止数据重复插入。

  • 【机器学习基础】机器学习基础2——分类2022-04-19 18:04:14

    在分类的章节,主要总结Logistic回归和Softmax回归,其中前者主要用于二分类问题,后者主要用于多分类问题 分类问题属于监督学习的范畴,监督学习就是指利用一组已知类别(或者说带有标签)的样本,利用结果与真实结果之间的差异来调整分类器的参数,使其达到要求性能的过程,在监督学习中,每个实

  • HTTP 响应状态码2022-04-17 22:33:52

    响应状态码分类   详解状态码

  • IO流的分类2022-04-16 21:00:45

    IO流的分类 一、IO流的作用 数据在各个设备之间的传输,是通过流的方式完成的 二、IO流的分类 按照流动方向:输入流、输出流(内存中数据的流动)     按照处理数据单位不同:字节流(InputStreeam,OutputStream)、字符流(Reader,Writer) 程序中的输入和输出都是以流的形式保存的,流中保存

  • MySQL - 锁的分类2022-04-14 17:35:45

    MySQL - 锁的分类 1. 加锁机制 乐观锁 悲观锁 2. 兼容性 共享锁 排他锁 3. 锁粒度 表锁 页锁 行锁 4. 锁模式 记录锁(record-lock) 间隙锁(gap-lock) next-key-lock 意向锁 插入意向锁

  • 通用的无限极分类2022-04-11 10:33:10

    //data是查出来的数据 foreach($data as $k => $v) {   $items[$v['area_id']] = $v; } $result = []; //将数据进行无限极分类 foreach($items as $key => $val) {   //判断为真那就不是一级省份   if(isse

  • NOTE_PYTHON机器学习及实践-从零开始通往KAGGLE竞赛之路2022-04-10 22:02:36

    NOTE_PYTHON机器学习及实践-从零开始通往KAGGLE竞赛之路 作为笔记记录阅读,因为调用库的更新,相对应的对代码也进行了更新。 1.机器学习综述 所谓具备“学习”能力的程序都是指它能够不断地从经历和数据中吸取经验教训,从而应对未来的预测任务。我们习惯地把这种对未知的预测能力叫做

  • 操作系统概述——发展与分类2022-04-09 02:00:07

    手工操作阶段:纸带 用户独占全机、人机速度矛盾导致资源利用率极低(输入输出慢,处理速度快) 单道批处理系统:磁带 引入脱机输入/输出技术(用磁带完成),并监督程序(操作系统雏形)负责控制作业的输入、输出 主要优点:缓解了一定程度的人机速度矛盾,资源利用率有所提升 主要缺点:内存中仅能有一

  • NLP文本分类学习笔记7.1:基于ERNIE的文本分类2022-04-08 11:34:23

    ERNIE 相关链接:ERNIE官方使用介绍,ERNIE项目地址 基于transformer的encoder,主要思想是将文本中已有的知识融入到模型训练中,因此采用实体mask的方式(实体指人名,地名等词) 预训练 模型结构图如下所示 文本中已有的知识主要有人名,地名等实体,这些词本来就蕴含一些信息,而采用bert那种mask

  • roc曲线含义2022-04-06 13:00:06

    为了描述问题方便,只讨论二分类问题.对于分类问题的分类结果,可以得到如下"分类结果混淆矩阵". 通过"分类结果混淆矩阵"给出"真正率"(TPR)和"假正率"(FPR)的定义. 真正率: \[\begin{equation}\label{tpr} TPR=\frac{TP}{TP+FN} \end{equation} \]假正率 \[\begin{equation}\l

  • 分类算法-逻辑回归与二分类2022-04-05 09:04:00

    分类算法-逻辑回归与二分类 1、逻辑回归的应用场景 广告点击率 是否为垃圾邮件 是否患病 金融诈骗 虚假账号 看到上面的例子,我们可以发现其中的特点,那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器 2、 逻辑回归的原理 2.1 输入 逻辑回归的输入就是一个线性

  • 什么是人工智能?什么是机器学习?二者的关系是怎样的?2022-04-04 18:00:06

    1.机器学习概述 1.1人工智能概述 1.1.1机器学习与人工智能、深度学习 机器学习和人工智能,深度学习的关系 机器学习是人工智能的一个实现途径 深度学习是机器学习的一个方法发展而来 达特茅斯会议-人工智能的起点 1956年8月,在美国汉诺斯小镇宁静的达特茅斯学院中, 约翰·麦卡

  • |NO.Z.00005|——————————|BigDataEnd|——|Java&核心类库.V05|----------------------------------------------|Ja2022-04-03 18:32:54

    [BigDataJava:Java&核心类库.V05]                                                                             [BigDataJava.核心类库][|章节一|Java核心类库|包装类的概念和分类|]一、包装类的概念和分类### --- 包装类的概念 ~~~

  • 机器学习(1)--基础知识2022-04-03 16:33:17

    基础知识 基本术语 有所了解: 数据集 : 100个西瓜 样本 : 一个西瓜 特征向量(我们把一个示例(样本)称为一个特征向量) 样本空间 颜色、大小、敲起来的振幅...... 维度 属性(反映事件或对象在某方面的表现或性质的事项如:色泽、根蒂、敲声,称为属性或特征;) 颜色 属性值(属性上的取值如青

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有