- 博客(110)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 面经——面试中常问到的计算机网络相关问题
响应包括状态码（表示请求成功、失败或其他状态）、响应头（包含有关响应的信息）和实际的响应体（包含请求的数据或HTML内容等）。渲染完页面后，浏览器和服务器之间的TCP连接可能会被关闭，除非使用了持久连接（HTTP keep-alive）来保持连接以供未来使用。总的来说，HTTPS是HTTP的安全版本，通过使用加密和认证技术，提供了更高级别的数据安全性，尤其在涉及用户敏感信息的网站上更为重要。HTTPS还涉及到服务器的身份验证，以确保用户连接到的是正确的服务器，防止中间人攻击。
2024-01-29 11:37:10
1021
1
原创 关于运维工作和Linux的理解
他们的工作涵盖了广泛的领域，旨在确保系统的高可用性、性能和安全性。1. 系统监控和故障排除：监视服务器和网络，及时发现并解决潜在的问题，确保系统的正常运行。总体而言，Linux在运维中的作用是提供一个可靠、高性能、安全和可定制的操作系统环境，支持各种应用和服务的稳定运行。8. 自动化和脚本：Linux系统支持丰富的命令行工具和脚本语言，如Bash、Python等，用于自动化运维任务。7. 安全性和权限管理：Linux系统具有强大的安全性和权限管理机制，运维人员可以通过用户和权限设置来控制对系统资源的访问。
2023-12-04 15:55:58
663
1
原创 数据结构知识点总结
图的存储使用：①邻接矩阵：二维矩阵，如A[i][j]=n（权值）或者A[i][j]=0/1，无线图的邻接矩阵是对称矩阵。①自底向上堆化：会产生“气泡”浪费存储空间，用于插入元素，即先将元素放至数组末尾，上浮。堆的插入和删除效率高，时间复杂度是O（logn），初始化的时间复杂度是O（n）。递归，排序，二分查找，搜索，哈希算法，分治算法，动态规划，字符串匹配算法等。②自顶向下堆化：用于删除堆顶元素，将末尾元素放至堆顶，再向下堆化，下沉。数组，栈，队列，链表，散列表，二叉树，堆，跳表，图，树。
2023-10-17 11:09:42
375
转载 Python使用库函数对列表数据进行排序
例如，如果我们有一个列表需要根据其中的元素进行排序，可以使用以下代码：运行结果为：这里使用的lambda函数表示按照元组中的第一个元素进行排序。再如：运行结果为[1, 2, 3, 6, 7, 90]。
2023-10-14 17:18:28
359
原创 SQL及数据库基础知识点总结
truncate和drop是DDL 语句，也就是 Data Definition Language 数据定义语言，它是用来维护存储数据的结构指令，所以这点也是和 delete 命令是不同的，delete 语句属于 DML，Data Manipulation Language 数据操纵语言，用来对数据进行操作的。合并2个/多个select语句的结果，union内部的每个select语句必须拥有相同数量的列，且列拥有相似的数据结构，union结果集中的列名同union中第一个select语句中的列名。
2023-10-14 10:33:37
435
原创 关于系统/网络运维面试经验总结
每个消息只有一个消费者（Consumer）(即一旦被消费，消息就不再在消息队列中) 发送者和接收者之间在时间上没有依赖性 接收者在成功接收消息之后需向队列应答成功每个消息都被发送到一个特定的队列，接收者从队列中获取消息。它分为若干个固定大小的内存块，每当有新的对象需要内存时，Python就从内存池中分配一个内存块给它。消息（Message）是指在应用之间传送的数据，消息可以非常简单，比如只包含文本字符串，也可以更复杂，可能包含嵌入对象。显示系统的内存使用情况，包括总内存、已使用内存、空闲内存等信息。
2023-10-10 21:16:36
812
原创 Linux系统中fork()函数的理解
fork()` 的主要用途之一是创建新的进程来执行不同的任务，这在多进程编程中非常有用。因此，现代操作系统通常提供了更轻量级的进程创建机制，如线程（在同一进程中共享资源）或更高级别的进程池管理工具。它们可以有不同的变量值、不同的堆内存和栈内存，但它们共享相同的代码段（通常是相同的可执行文件）。父进程和子进程都会继续执行接下来的指令，但它们会在不同的进程上下文中执行。，该进程是调用进程（父进程）的副本。1. 当父进程调用 `fork()` 时，操作系统会创建一个新的进程，称为。3. 父进程和子进程之间的。
2023-09-12 08:54:08
168
原创 Linux易混淆知识点
etc/passwd是用户基本信息文件，里面定义了用户的ID，用户组的ID等相关信息，所以因为两个文件中都定义了用户组的信息，所以两个文件应该都要改过来，否则会导致用户找不到所属组。：一个进程使用fork创建子进程，如果子进程退出，而父进程并没有调用wait或waitpid获取子进程的状态信息，那么子进程的进程描述符仍然保存在系统中。僵尸进程的危害主要是占用进程描述符。在出现大量僵尸进程的时候，系统会杀死产生僵尸进程的父进程（因为僵尸进程的产生主要是因为父进程出错，没有获取子进程的状态），会浪费资源。
2023-09-07 15:09:39
259
原创 Linux操作系统知识点总结（二）
使用vim编辑/etc/sysconfig/network-scripts/ifcfg-ens33文件，做如下修改。所以即使我们在win系统下配置了该主机名和IP地址之间的映射关系，也会因为IP地址的变更而频繁修改。1. VMware中 配置IP地址网关和网段（IP地址范围）。具体步骤：打开VMware→编辑→虚拟网络编辑器→看下图。2. 在Linux系统中手动修改配置文件，固定IP。
2023-08-06 12:55:19
208
原创 Linux操作系统知识点总结（一）（附VMware、CentOS以及finalshell的安装教程）
3. 主板上的芯片组控制各组件的通信，一般分为北桥与南桥：① 北桥复杂连接速度较快的CPU、内存和显卡等组件，② 南桥负责连接速度较慢的周边接口，包括硬盘、USB、网卡等。5. Linux是Torvalds先生所开发出来的，基于GPL的版权声明下，可以在x86的架构下运行，也可以被移植到其他的大型主机上面。计算机的五大单元包括输入单元、输出单元、CPU内部的控制单元、算术逻辑单元与内存五大部分。1. 计算机的组成部分：输入单元，中央处理器（CPU），输出单元。⑥ 相对比较不耗费资源。专业软件的支持度不足。
2023-07-10 17:30:33
607
原创 python基础知识点总结
并且同时使用*args和**kwargs时，必须*args参数列要在**kwargs前，像foo(a=1, b='2', c=3, a', 1, None, )这样调用的话，会提示语法错误“SyntaxError: non-keyword arg after keyword arg”。其中，局部作用域指的是函数内部定义的变量，外部嵌套是指父级函数的局部作用域，全局作用域是全局变量的管理范围，内置模块作用域是指系统内置模块里的变量。：整型，字符串，元组(只读列表，只能查询，不可更改)，集合，列表，字典；
2023-07-03 15:10:44
1723
转载 bat脚本/Python代码 实现PNG图片批量转换成JPG图片
第一步：创建一个.txt文件 第二步：在.txt文件中写入ren *.png *.jpg 第三步：右键重命名 将后缀从.txt改为.bat 第四步：将该文件放到要修改的图片的文件夹内，然后双击就可以啦!如果将文件夹下面的所有类型的文件都要修改成jpg格式，用。第三步：右键重命名 将后缀从.txt改为.bat。第一步：创建一个.txt文件。第二步：在.txt文件中写入。
2023-05-29 10:47:26
1402
原创 cv2（OpenCV）下载安装
最好下载对应python版本的，通过pip命令安装可能会出现版本过高或者过低的问题，导致import cv2没问题，但是内部函数无法调用。上述对应python版本是3.7~3.11。
2023-04-13 16:31:43
6859
转载 pytorch模型权重与模型微调
随着深度学习的发展，在大模型的训练上都是在一些较大数据集上进行训练的，比如Imagenet-1k，Imagenet-11k,甚至是ImageNet-21k等。但我们在实际应用中，我们的数据集可能比较小，只有几千张照片，这时从头训练具有几千万参数的大型神经网络是不现实的，。因为试用于ImageNet数据集的复杂模型，在一些小的数据集上可能会过拟合，同时因为数据量有限，最终训练得到的模型的精度也可能达不到实用要求。
2023-04-06 17:02:30
826
转载 matplotlib保存图像到本地plt.savefig(‘result.jpg‘)
matplotlib保存图像到本地plt.savefig('result.jpg')：代码必须是先 plt.savefig('result.jp如果去掉plt.show() 只保存图像 plt.savefig('result.jpg')，单幅图像可以，如果循环文件夹里的图像，保存的图像中label会叠加，显示错误。经评论中网友FISHstudyrustt 提示，需要在每次使用plot做完图后关闭，即plt.close()。
2023-04-06 14:32:30
1665
原创 目标检测结果IOU不同取值的含义 IoU=0.50与IoU=0.50:0.95
Average Precision (AP)和Average Recall (AR)，AP是单个类别平均精确度，而mAP是所有类别的平均精确度。AP是Precision-Recall Curve曲线下面的面积。预测样本在检测中就是预测框的大小，我们设置的IoU就是指的真实框与预测框的交并比，如果大于阈值就是正确，小于就是错误。
2023-03-28 15:33:37
3648
3
转载 COCO/VOC评估输出指定某类AP或输出每个类别AP结果
COCO/VOC评估输出指定某类AP或输出每个类别AP结果，打印输出各类别的AP值，用于模型评估。
2023-03-27 19:55:43
663
3
原创 一文看懂预训练和自训练模型
预训练模型就是提前训练好模型参数。有了预训练模型，我们就不需要再从0开始训练所有参数了，但是针对我们当前的这个任务，有些参数可能不合适，我们只需要在当前参数的基础上稍加修改（微调）就可以得到比较好的效果，这样学习时间必然会大大减小。
2023-03-01 14:54:38
4172
原创 pytorch中padding应用总结
padding 的操作就是在图像块的周围加上格子, 从而使得图像经过卷积过后按照预期大小变化，这种操作是使得图像的边缘数据也能得到利用，以更好地扩张整张图像的边缘特征。
2023-02-22 10:46:13
1905
转载 深入理解Embedding层
embedding层把我们的稀疏矩阵，通过一些线性变换（在CNN中用全连接层进行转换，也称为查表操作），变成了一个密集矩阵，这个密集矩阵用了个特征来表征所有的文字，在这个密集矩阵中，表象上代表着密集矩阵跟单个字的一一对应关系，实际上还蕴含了大量的字与字之间，词与词之间甚至句子与句子之间的内在关系（如：我们得出的王妃跟公主的关系）。他们之间的关系，用的是嵌入层学习来的参数进行表征。从稀疏矩阵到密集矩阵的过程，叫做embedding，也叫查表。
2023-02-15 15:09:42
254
原创 Inception-Resnet-v1、Inception-Resnet-v2学习笔记（附Pytorch代码）
介绍Inception-Resnet-v1和IInception-Resnet-v2网络结构，并基于pytorch实现这两种网络结构。nception-V4在Inception-V3的基础上进一步改进了Inception模块，提升了模型性能和计算效率，但没有使用残差模块， Inception-ResNet将Inception模块和深度残差网络ResNet结合，提出了三种包含残差连接的Inception模块，残差连接显著加快了训练收敛速度。
2023-02-14 11:41:02
3179
原创 Top-1错误率、Top-5错误率等常见的模型算法评估指标解析
Top-1 错误率：指预测输出的概率最高的类别与人工标注的类别相符的准确率，就是你预测的label取最后概率向量里面最大的那一个作为预测结果，如过你的预测结果中概率最大的那个分类正确，则预测正确，否则预测错误。Top-5 错误率：指预测输出的概率最高的前5个类别，就是最后概率向量最大的前五名中，只要出现了正确概率（与人工标注类别一致）即为预测正确，否则预测错误。
2023-02-12 11:10:04
3107
3
转载 NMS(Non-Maximum Suppression，非极大值抑制)解析
非极大值抑制（NMS，Non-Maximum Suppression），在计算机视觉任务中得到了广泛的应用，例如边缘检测、人脸检测、目标检测（DPM，YOLO，SSD，Faster R-CNN）等。
2023-01-17 10:11:17
1591
1
原创 PyTorch中contiguous、view、Sequential、permute函数的用法
PyTorch中contiguous、view、Sequential、permute函数的用法。
2023-01-12 22:13:13
1292
转载 PyTorch中MaxPool的ceil_mode参数
Pytorch池化层Maxpool中ceil_mode参数取true或false时的效果。
2023-01-12 10:58:30
928
1
原创 Python安装torch（含torch和torchvision对应版本）
python安装torch和torchvision，解决安装出错问题。
2023-01-07 11:34:46
35049
5
原创 Anaconda安装labelImg图像标注软件
Anaconda安装labelImg图像标注软件：打开Anaconda Prompt，在命令窗口中激活新环境，并进入到新环境中，然后依次输入以下命令完成labelImg的安装（提示：直接在命令窗口中键入pip install labelimg会报错）。......
2022-07-27 09:40:47
4256
原创 反向传播算法推导过程（看一篇就够了）
反向传播BackPropagation算法简称BP，算是神经网络的基础了。在神经网络中，正向传播用于模型的训练，模型中的参数不一定达到最佳效果，需要进行“反向传播”进行权重等参数的修正。此外，神经网络每层的每个神经元都可以根据误差信号修正每层的权重。反向传播只需应用链式求导法则即可求出：这是典型的三层神经网络的基本构成，Layer L1是输入层，Layer L2是隐含层，Layer L3是隐含层，现在我们手里有一堆数据 {x1,x2,x3,...,xn}，输出也是一堆数据 {y1,y2,y3,...,yn}
2022-07-13 15:44:53
7691
2
转载 一致性检验评价方法kappa
Kappa评分衡量两个评分之间的一致性。二次加权kappa是利用人工评分员分配的分数和预测分数计算的。该指标从-1（评分员之间完全不一致）到1（评分员之间完全一致）不等。一般用模型获得相同评价的数量与基于可能性的期望是否有差别来分析，当两个模型相同评价的数量和基于可能性期望的数量基本一样时，kappa的值就接近于1。举个栗子，模型A和基准的kappa：kappa = (p0-pe) / (n-pe)其中，P0 = 对角线单元中观测值的总和；pe = 对角线单元中期望值的总和。......
2022-07-08 15:39:02
5492
转载 机器学习梯度下降算法详解
【什么是梯度下降】首先我们可以把梯度下降拆解为梯度+下降，那么梯度可以理解为导数（对于多维可以理解为偏导），那么合起来变成了：导数下降，那问题来了，导数下降是干什么的？这里我直接给出答案：梯度下降就是用来求某个函数最小值时自变量对应取值其中这句话中的某个函数是指：损失函数（cost/loss function），直接点就是误差函数。一个算法不同参数会产生不同拟合曲线，也意味着有不同的误差。损失函数就是一个自变量为算法的参数，函数值为误差值的函数。所以梯度下降就是找让误差值最小时候算法取的参数
2022-05-24 10:30:59
878
原创 区块链中节点和区块的关系&区块链的基本概念
可以用数学知识来理解（节点是点、区块是线、区块链是面），节点是区块链应用技术里处理信息的基本单位，很多的结点处理完信息后，会被打上时间戳，生成数据区块，把区块按时间先后顺序连接起来就区块链。区块链是一个分布式分类账本，每个区块都是账本中的一页。区块链，是一个通过让陌生的不同主体，通过遵循同样的数学加解密计算，建立相互信任，达成共识的技术。区块链解决的问题独一无二，它不像其他技术那么关注生产力的提高，却着眼于生产关系的优化。区块链是基于数学算法的技术，是...
2022-04-01 11:17:26
8364
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人