- 博客(1598)
- 资源 (31)
- 收藏
- 关注
原创 短视频时代是靠什么赚钱的,介绍常见的5种方式,简单明了
只要我们的视频流量曝光高,就可能吸引到商家,植入广告赚取广告佣金,百万以上粉丝的号广告费也是上十万的。目前,短视频越来越火热,大家都知道做短视频可以赚钱,那么究竟是靠什么赚钱的,又有几个人知道呢?,只要通过视频可以获得他想要的,学习到技能,知识,大家都愿意付费的,因为通过知识付费可以享受到更多优质服务。看看口红一哥李佳琪,会有无数人种草他的产品,不管是短视频带货,直播带货,或是其它的方式,总会有人买单。,还是要做优质的短视频内容,可以在视频后放上商品的链接,垂直细分领域用户也相对会比较垂直,变现更容易。
2023-02-18 09:24:59 18286
原创 MATLAB for循环
MATLAB for循环MATLAB中 for 循环是一个重复的控制结构,可以有效地写一个循环,只是执行的次数是特定的。MATLAB for 循环语法:MATLAB中的 for循环的语法如下:for index = values ...endfor 循环的值有下述三种形式之一:格式 描述 initval:endval 将索引变量从初始到终值递增1,并重复执行程序语句,直到索引值大于终值。 initval:step:endval
2021-10-18 01:16:10 102165 1
原创 sci一区二区 SCI、EI、ISTP分别指什么
目录sci一区二区SCI、EI、ISTP分别指什么sci一区二区将所有SCI期刊按影响因子排序,前5%是一区,前20%是二区,前50%是三区,剩下的是四区。或者这样子说:一般SCI论文分四个区,一区都是国际顶级期刊,二区次之,三区和四区是一般的SCI期刊。SCI、EI、ISTP分别指什么SCI(科学引文索引 )、EI(工程索引 )、ISTP(科技会议录索引 ) 是世界著名的三大科技文献检索系统,是国际公认的进行科学统计与科学评价的主要检索工具,其中以SCI最为重要..
2021-03-20 16:52:14 58244
原创 Appdata中local是文件,系统盘下的文件目录
Appdata下有三个子文件夹local,locallow,roaming,当你解压缩包时如果知不指定路径,系统就把压缩包解到local\temp文件夹下,存放了一些解压文件,安装软件时就从这里调取数据特别是一些制图软件,体积非常大,占用很多空间。locallow是用来存放共享数据,这两个文件夹下的文件就用优化大师清理,一般都可以清道理无用的文件。roaming文件夹也是存放一些使用程序后产生的版...
2020-04-21 18:22:56 31312
原创 向量组a可由向量组b线性表示什么意思
重要性质1、向量组B=(β1,β2,……,βm)能由向量组A=(α1,α2,……,αm)线性表示的充要条件是:矩阵A=(α1,α2,……,αm)的秩=矩阵(α1,α2,……,αm,B)的秩。2、向量组B能由向量组A线性表示,则向量组B的秩不大于向量A的秩。反之不一定成立。3、一个向量可由向量组中其余向量线性表示,前提是这个向量组线性相关。线性相关的向量组中并不是任一向量都可由其余向...
2019-10-22 22:03:42 34027 1
原创 ARM架构和X86架构区别
总体还是为了在不同设备上达到性能最优,性能不仅仅是运算速度,距离,数据的增删改查在不同的数据结构中运算效率都各有不同,同样,运算速度,节电等等都是性能的范畴,综合考虑设备在不同环境,使性能达到最优,所有有不同的指令集,来部署在硬件中。ARM发热量小,不需要主动散热,X86通用性很好,ARM的通用性不太好。Intel主要有x86,EM64T,MMX,SSE,SSE2,SSE3,SSSE3 (Super SSE3),SSE4A,SSE4.1,SSE4.2,AVX,AVX2,AVX-512,VMX等指令集。
2019-05-28 17:50:37 27977 4
原创 sleep和wait有什么区别
都用来进行线程控制,他们最大本质的区别是:sleep()不释放同步锁,wait()释放同步缩.;sleep()是让某个线程暂停运行一段时间,其控制范围是由当前线程决定,也就是说,在线程里面决定.好比如说,我要做的事情是 "点火->烧水->煮面",而当我点完火之后我不立即烧水,我要休息一段时间再烧.对于运行的主动权是由我的流程来控制.而wait(),首先,这是由某个确定的对...
2019-04-24 21:40:01 16796 5
原创 码元与比特的简单理解 码元简单理解
码元与比特的区别:比特/秒是信息传输速率的单位,码元传输速率也称为调制速率、波形速率或符号速率。一个码元不一定对应于一个比特。1码元:在数字通信中常常用时间间隔相同的符号来表示一位二进制数字。这样的时间间隔内的信号称为二进制码元,而这个间隔被称为码元长度。2.符号:即用于表示某数字码型[据位数不同,对应不同的键控调制方式]的一定相位或幅度值的一段正弦载波[其长度即符号长度]。3.符...
2019-03-21 23:41:56 15860
原创 路由器NAT模式和路由模式的区别
1、信息交换不同路由器NAT模式不进行路由信息交换,路由模式可以进行路由信息的交换。2、原理不同路由器NAT模式是指内网与外网经过了网络地址转换,它们之间是不进行路由交换的。路由器的路由模式是路由器的各个接口与其他路由器之间可以进行路由信息的交换,从而形成完整的路由信息,是路由器的基本功能模式。3、用处不同NAT模式可以上网但是不能和宿主计算机通信,理论上是更安全的,无...
2019-03-15 11:44:41 32622 1
原创 码分多址(CDMA),码片序列简单理解
码分多址(CDMA):技术特点编辑1.CDMA是扩频通信的一种,它具有扩频通信的以下特点:⑴抗干扰能力强。这是扩频通信的基本特点,是所有通信方式无法比拟的。⑵宽带传输,抗衰落能力强。⑶由于采用宽带传输,在信道中传输的有用信号的功率比干扰信号的功率低得多,因此信号好像隐蔽在噪声中;即功率谱密度比较低,有利于信号隐蔽。⑷利用扩频码的相关性来获取用户的信息,抗截获的能力强。...
2019-03-14 21:32:46 27098 5
原创 字节、字、位、比特 还有帧的简单理解
字节B表示, 位用b表示。帧-----在网络中,网络设备将“位”组成一个个的字节,然后这些字节“封装”成帧,在网络上传输。为什么要把数据“封装”成帧呢?因为用户数据一般都比较大,有的可以达到MB字节,一下子发送出去十分困难,于是就需要把数据分成许多小份,再按照一定的次序发送出去。以太网的帧值总是在一定范围内浮动,最大的帧值是1518字节,最小的帧值是64字节。在实际应用中,帧的大小是由设...
2019-03-14 19:32:33 20192 11
原创 管程的理解
一、管程的概念1.管程可以看做一个软件模块,它是将共享的变量和对于这些共享变量的操作封装起来,形成一个具有一定接口的功能模块,进程可以调用管程来实现进程级别的并发控制。2.进程只能互斥得使用管程,即当一个进程使用管程时,另一个进程必须等待。当一个进程使用完管程后,它必须释放管程并唤醒等待管程的某一个进程。3.在管程入口处的等待队列称为入口等待队列...
2019-02-24 00:31:01 35687 8
原创 重心,形心,质心 形心质心公式之一 形心质心公式之二 转换 应用:举例:D:是圆;
目录重心,形心,质心形心质心公式之一形心质心公式之二转换应用:举例:D:是圆;重心,形心,质心1、重心:物体的重力的合力作用点称为物体的重心。(与组成该物体的物质有关)2、形心:物体的几何中心。(只与物体的几何形状和尺寸有关,与组成该物体的物质无关)。3、质量中心简称质心,指物质系统上被认为质量集中于此的一个假想点。4、三者之间的联系与区别:一般情况下重心和形心是不重合的,只有物体是由同一种均质材料构成时,重心和形心才重合。形心质心公...
2018-12-16 15:32:48 89530
原创 年轻人,为什么我建议你远离抖音,微信,qq ; 人真正的敌人是不满 韭菜思维
目录年轻人,为什么我建议你远离抖音,微信,qq人真正的敌人是不满韭菜思维声明在先:我的分享不仅仅是共享大家,更多的是自己的一种加深,共享实际仅仅是 一种副产品而已。最近收到一个小伙伴的私信,我比年长3岁,咨询我相关问题,但是我没有直接回复,写在这里,能不能看到就是命中注定,其实生活中的一切看似自己发挥这主动权,但是由于自己的学识和环境或许早就已经命中注定。没有必要烦恼怎么走,有想法就去做,根据自己现有的学识和资源去做自己的决定,独立也是孤独的 完成。结果就是成功或者失败;但是成功是成功的经历,失败有失败的教
2018-12-13 08:22:34 2965 10
原创 绝对剩余价值和相对剩余价值举例
绝对剩余价值:你本来一天工作8小时,现在一天10小时,但工资不变,企业让你多干两小时就是绝对剩余价值相对剩余价值:你仍旧一天干8小时,比如你本来替公司养鸡,一个月养大100只鸡,现在公司有了孵化器和激素,你一个月多为公司养活50只鸡,而且你照顾的鸡多了也就更累了但工资不变,这50只鸡就是相对剩余价值;超额:由于花同样的工资比如1000,加上其它如饲料场地费用比如1000别的没激素和孵化器的公司...
2018-12-11 19:35:21 28557
原创 矩阵的等价,相似,合同,正定判定和关系
矩阵等价(秩等)定义:对同型矩阵A、B,存在可逆阵P和Q,使得B=PAQB=PAQ充要条件:A和B的秩相等补充:向量组AB等价(r(A)=r(B)=r(AB);可以相互线形表示;极大线形无关组同)转置理解:就是关于x=y对称的同体,二维是关于y=x 对称的平面图形,三维是关于f(x,y)=x-y 对称的 立方体或者图形,以此类推|A转置|=|A|:可是用行列式值对的意义理解:...
2018-11-02 11:43:52 31013 3
原创 行列式运算法则 矩阵的运算及其运算规则:
1、三角形行列式的值,等于对角线元素的乘积。计算时,一般需要多次运算来把行列式转换为上三角型或下三角型2、交换行列式中的两行(列),行列式变号(交换)3、行列式中某行(列)的公因子,可以提出放到行列式之外。(倍乘)(注:矩阵是全部元素都乘,都提取)4、行列式的某行乘以a,加到另外一行,行列式不变,常用于消去某些元素。(倍加)5、若行列式中,两行(列)完全一样,则行列式为0;可以推论,如果两...
2018-10-29 17:01:19 86731
原创 参数方程中参数的意义: 参数方程定义: 什么是参数方程: 参数方程与普通方程的公式
参数方程中参数的意义:参数方程中t的几何意义要看具体的曲线方程了,一般都是长度,角度等几何量,也有一些是不容易找到对应的几何量的。参数方程定义:一般的,在平面直角坐标系中,如果曲线上任意一点的坐标x,y都是某个变数t的函数{x=f(t),y=g(t)并且对于t的每一个允许值,由上述方程组所确定的点M(x,y)都在这条曲线上,那么上述方程则为这条曲线的参数方程,联系x,y的变数t叫...
2018-10-20 11:52:21 44172 4
原创 傅里叶变换的本质。傅里叶案例。数字信号和模拟信号应用数字信号和模拟信号区别和优势。
傅里叶案例案例:音频降噪处理案例:图像积分和求和的关系傅里叶变换的本质编辑数字信号和模拟信号数字信号和模拟信号应用数字信号和模拟信号区别和优势。其次,从传输和处理方式来看频谱泄露
2024-04-17 11:30:34 89
原创 傅里叶变换到底是什么
有一个f(t)经傅里叶变换公式转化成F(w);F(w)包括 欧拉公式转化成无限包括sin cos的函数相加。sin cos前面的参数a不为0说明这个周期函数分量存在,是某一种有效成分。
2024-04-16 22:42:26 38
原创 傅里叶变换例题
它可以将一个信号从时间域(或空间域)转换到频率域,从而揭示信号在频率上的特性。傅里叶变换的基本思想是将一个复杂的信号分解为一系列简单的正弦波(或余弦波)的叠加。调制是将信息信号转换为适合传输的载波信号的过程,而解调则是从接收到的信号中提取出原始信息信号的过程。:通过修改傅里叶变换后的频率域表示,我们可以实现信号的滤波操作。通过对图像进行傅里叶变换,我们可以分析图像的频率特性,实现图像的滤波、增强和压缩等操作。:通过傅里叶变换,我们可以将信号从时间域转换到频率域,从而观察信号在各个频率分量上的强度。
2024-04-16 22:26:20 160
原创 欧拉公式;傅里叶变换;耳朵:声波(音频)眼睛:光波(图像) 大脑:傅里叶快速变换
复分析复数指数函数欧拉公式a点向量,方向和长度的向量;傅里叶变换傅里叶变换==相位(起始点),频域周期性函数变换人脑可快速傅里叶变换声音应用:多声音情况下:高频,低频,噪音进行拆分;图像应用:低频:轮廓 高频:斑点耳朵:声波(音频)眼睛:光波(图像)大脑:傅里叶快速变换
2024-04-15 22:43:49 351
原创 机器学习面试题
问题1: 什么是偏差(bias)、方差(variable)之间的均衡?问题2:监督学习和非监督学习有什么不同?问题3: KNN和 k-means 聚类由什么不同?KNN全称K-Nearest NeighborsK-means问题6:什么是贝叶斯定理?它在机器学习环境中如何有用?P(B|A) * P(A)是什么意思惩罚表示联合概率,除法表示条件概率()问题7:为什么我们要称“朴素”贝叶斯?问题8:L1、L2正则之间有什么不同?问题11:什么是傅立叶变换?问题12:概
2024-04-15 17:28:11 320
原创 AdaBoost 算法
Boosting是一种集合技术,试图从许多弱分类器中创建一个强分类器。这是通过从训练数据构建模型,然后创建第二个模型来尝试从第一个模型中纠正错误来完成的。添加模型直到完美预测训练集或添加最大数量的模型。AdaBoost是第一个为二进制分类开发的真正成功的增强算法。这是理解助力的最佳起点。现代助推方法建立在AdaBoost上,最着名的是随机梯度增强机。AdaBoost算法是一种迭代算法,它的核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器。
2024-04-14 22:17:42 84
原创 集成学习(Ensemble Learning)
集成学习归属于机器学习,他是一种「训练思路」,并不是某种具体的方法或者算法。现实生活中,大家都知道「人多力量大」,「3 个臭皮匠顶个诸葛亮」。而集成学习的核心思路就是「人多力量大」,它并没有创造出新的算法,而是把已有的算法进行结合,从而得到更好的效果。bagging(bootstrap aggregating的缩写,也称作“套袋法”)boosting。
2024-04-14 21:54:35 69
原创 长短期记忆网络 – Long short-term memory | LSTM
长短期记忆网络——通常被称为 LSTM,是一种特殊的RNN,能够学习长期依赖性。由 Hochreiter 和 Schmidhuber(1997)提出的,并且在接下来的工作中被许多人改进和推广。LSTM 在各种各样的问题上表现非常出色,现在被广泛使用。LSTM 被明确设计用来避免长期依赖性问题。长时间记住信息实际上是 LSTM 的默认行为,而不是需要努力学习的东西!所有递归神经网络都具有神经网络的链式重复模块。在标准的 RNN 中,这个重复模块具有非常简单的结构,例如只有单个 tanh 层。
2024-04-14 21:40:25 123
原创 强化学习-Reinforcement learning | RL
强化学习并不是某一种特定的算法,而是一类算法的统称。如果用来做对比的话,他跟监督学习,无监督学习 是类似的,是一种统称的学习方式。强化学习算法的思路非常简单,以游戏为例,如果在游戏中采取某种策略可以取得较高的得分,那么就进一步「强化」这种策略,以期继续取得较好的结果。这种策略与日常生活中的各种「绩效奖励」非常类似。我们平时也常常用这样的策略来提高自己的游戏水平。在 Flappy bird 这个游戏中,我们需要简单的点击操作来控制小鸟,躲过各种水管,飞的越远越好,因为飞的越远就能获得更高的积分奖励。
2024-04-14 21:06:16 90
原创 生成对抗网络 – Generative Adversarial Networks | GAN
机器的超强算力可以解决很多人工无法解决的问题。自动化后,学习能力更强,适应性也更强。我们在《》中讲过,训练集需要大量的人工标注数据,这个过程是成本很高且效率很低的。而人工判断生成结果的好坏也是如此,有成本高和效率低的问题。而 GAN 能自动完成这个过程,且不断的优化,这是一种效率非常高,且成本很低的方式。
2024-04-14 21:02:09 96
原创 什么是隐马模型
隐马尔可夫模型(Hidden Markov Model,HMM)是一种统计模型,用于描述一个含有隐含未知参数的马尔可夫过程。其难点在于从可观察的参数中确定该过程的隐含参数,并利用这些参数来作进一步的分析,例如模式识别。隐马尔可夫模型是马尔可夫链的一种,它的状态不能直接观察到,但能通过观测向量序列观察到,每个观测向量都是通过某些概率密度分布表现为各种状态,每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以,隐马尔可夫模型是一个双重随机过程----具有一定状态数的隐马尔可夫链和显示随机函数集。
2024-04-14 20:58:29 56
原创 注意力的本质
做个不太恰当的类比,人类学习一门新语言基本经历四个阶段:死记硬背(通过阅读背诵学习语法练习语感)->提纲挈领(简单对话靠听懂句子中的关键词汇准确理解核心意思)->融会贯通(复杂对话懂得上下文指代、语言背后的联系,具备了举一反三的学习能力)->登峰造极(沉浸地大量练习)。为了提高效率,并不是所有的书都会仔细看,针对漫威来说,动漫,电影相关的会看的仔细一些(权重高),但是二战的就只需要简单扫一下即可(权重低)。Attention 是挑重点,就算文本比较长,也能从中间抓住重点,不丢失重要的信息。
2024-04-14 20:36:29 42
原创 向量 | vector;标量 | scalar;矩阵;张量
标量只有大小概念,没有方向的概念。通过一个具体的数值就能表达完整。比如:重量、温度、长度、提及、时间、热量等都数据标量。向量主要有2个维度:大小、方向。大小:箭头的长度表示大小方向:箭头所指的方向表示方向矩阵(Matrix)是一个按照长方阵列排列的复数或实数集合,元素是实数的矩阵称为实矩阵,元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。由 m × n 个数aij排成的m行n列的数表称为m行n列的矩阵,简称m × n矩阵。
2024-04-14 20:27:12 63
原创 LightGBM+深度学习=推荐模型==点击率预估
此外,如果网络中部分数据的访问频率很高,而某些数据很少被访问,那么在节点选择时偏向存储访问频率较高的数据,也可能导致数据在节点上的不均衡分布。总的来说,该融合推荐模型通过结合LightGBM和深度学习-CLGM模型的优点,有效地缓解了数据稀疏性对推荐系统性能的影响,提高了推荐的准确性和稳定性。具体来说,离散化是在不改变数据相对大小的条件下,对数据进行相应的缩小。总的来说,LightGBM是一个高效、灵活和易于使用的机器学习框架,适用于处理大数据集,并且在现实中得到了广泛的应用,特别是在数据科学竞赛中。
2024-04-10 20:47:12 124
原创 transfrom怎么实现注意力的。什么是注意力。 Transformer的注意力层
当人类的视觉机制察觉到一个物体时,通常不会从头到尾地扫视整个场景;一般会根据个人的需求集中关注特定的部分。比如下面这张图,我们第一眼应该是看到一只动物,然后,眼睛会先注意到动物的脸,然后得出初步结论,这应该是一只狼;就像右边注意力图所示,颜色更深的部分表示一般是我们人类最先看见(注意)的。注意力最早应用在机器视觉领域(CV,Computer Vision),后来才应用到NLP和LLM领域。
2024-04-08 22:34:58 67
原创 Transformer的注意力层。理解Q,K,V。交叉注意力层。全局自注意力层。因果注意力层。位置编码。多头注意力机制。
我们介绍了Transformer中的三种不同的注意力层,以及注意力的实现方法,位置编码和多头注意力机制,涵盖了大部分注意力相关的知识点Transformer利用注意力机制做出了更好的预测,从ChatGPT的成功,已经得到了验证;尽管循环神经网络RNN也试图实现类似的功能,但由于它们受到短期记忆的限制,因此在处理长序列时,特别是在编码或生成长序列时,Transformer更为出色;由于Transformer架构,自然语言处理(NLP)行业取得了前所未有的成果。
2024-04-08 21:50:16 517
原创 transform 模型解释。RNN中什么导致梯度消失。transform 输入:Embeding 和位置嵌入。LayNorm。残差残差:f(x)+x。为什么要Mask。
transform 模型解释。RNN中什么导致梯度消失。transform 输入:Embeding 和位置嵌入。LayNorm。残差残差:f(x)+x。为什么要Mask。
2024-04-08 17:34:46 445
原创 train_reader 训练数据提供器。创建Executor执行器。数据读取器(DataFeeder)
农作物病害智能识别-AttributeError Traceback (most recent call last)/tmptrain_reader训练数据提供器train_reader测试数据提供器test_readerCNN卷积层和池化fluid.layers.datapredict = convolutional_neural_network(images)损失函数和优化方法创建Executor执行器,并准备数据读取器(DataFeeder)反向传播,
2024-04-07 22:32:35 191
原创 算法思想1. 分治法2. 动态规划法3. 贪心算法4. 回溯法
递归和动态的区别:空间和时间复杂度之争递归空间复杂度低;动态时间复杂度第低0-1背包问题关键思想这段代码牛B的是K[i - 1][w - wt[i - 1]]只保留 K[i][w] = val[i - 1] + K[i - 1][w - wt[i - 1]]五大算法思想1. 分治法2. 动态规划法3. 贪心算法4. 回溯法5. 分支限界法对比与总结算法实现举例1. 分治法:归并排序result.extend(left[i:])
2024-04-06 22:36:21 273
原创 经典机器学习算法:线性回归。逻辑回归。决策树。支持向量机(SVM)。朴素贝叶斯(Naive Bayes)。
线性回归:线性回归是一种利用数理统计中回归分析来确定两种或两种以上变量间相互依赖的定量关系的统计分析方法。其核心思想是找到一条最佳拟合直线,使得这条直线能尽可能地拟合散点图中的数据点。这种方法通过最小二乘法来计算最佳拟合线,使得与直线上每个数据点的垂直距离最小。逻辑回归:逻辑回归是一种用于处理分类问题的机器学习算法,特别是二分类问题。它通过对数据进行逻辑函数变换,将线性回归的输出映射到0和1之间,从而得到分类的概率。逻辑回归的核心思想是通过最大似然估计来求解模型参数,使得模型对训练数据的拟合效果最好。决
2024-04-06 16:25:29 316
原创 机器学习入门实践-鸢尾花分类
机器学习入门实践-鸢尾花分类任务描述:数据集Step1.数据准备axis=1Step2.模型搭建decision_function_shapeStep3.模型训练
2024-04-06 15:42:33 188
一个非常强大的测试工具,给大家简单的介绍一下基本使用方法 入门篇,如若不懂,请重新学习小学语文,再来阅读,谢谢!!! 1、
2022-10-08
US_export_policy.jar local_policy.jar
2022-04-23
CAJViewer7.2.0.115.self.zip
2021-12-08
sokit-1.3.zip
2020-07-13
signapk.jar
2020-03-12
usb-serial-for-android-master.zip
2019-09-10
jd-windows_jar.zip
2019-09-09
jd_windows.zip
2019-09-09
Activity之间使用接口传值.zip
2019-07-30
mengxueping.zip
2019-07-26
sscomassistant.2.15.0.Installer.x64.exe
2019-06-19
DebugView 支持win10.rar
2019-05-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人