- 博客(71)
- 资源 (3)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 活着【随笔】
似乎很长的时间里，我都在寻找一些答案，关于存在，关于宇宙，关于活着。。。我相信一切识皆不识，一切皆空，那么情绪、感受都是短暂的，最终是一种不知尽头在何处的无力感。做为一个人，会看到听到感受到很多，很多在经历中已经不再能够触动自己，似乎已经很久不被真正的触动，即使会感动的流泪，心底却无法真正的融入。最近新冠性病毒全球扩散，无论从政治上、经济上、民生上都可以看到很多东西，即使相信一切皆空，无好...
2020-03-22 12:23:45
264
原创 密码等相关术语
术语TLS：传输层安全协议 Transport Layer Security的缩写SSL：安全套接字层 Secure Socket Layer的缩写.pem：Privacy Enhanced Mail，OpenSSL 使用 PEM 文件格式存储证书和密钥。PEM 实质上是 Base64 编码的二进制内容，再加上开始和结束行，如证书文件的-----BEGIN CERTIFICATE...
2020-03-03 15:58:54
387
原创 Vault架构
vault架构Vault功能密码的安全存储。Vault把密码以加密的形式存储起来，黑客拿到了密文，也很难解密。这个是最基本的需求。动态密码。一般我们创建一个db，会创建一个新的role和db关联，为此要创建密码。这样的密码越复杂越好，反正不需要人来记。Vault能够帮你动态生成这些密码。更舒服的是，动态密码可以设置生存周期，过期后生成新密码，旧密码失效，进一步在密码泄漏出去后增加了安...
2020-03-03 10:08:20
820
原创 注册中心选型
前言服务注册中心本质上是为了解耦服务提供者和服务消费者。对于任何一个微服务，原则上都应存在或者支持多个提供者，这是由微服务的分布式属性决定的。更进一步，为了支持弹性扩缩容特性，一个微服务的提供者的数量和分布往往是动态变化的，也是无法预先确定的。因此，原本在单体应用阶段常用的静态LB机制就不再适用了，需要引入额外的组件来管理微服务提供者的注册与发现，而这个组件就是服务注册中心。CAP理论C...
2020-03-02 23:50:58
1182
1
原创 模型算法
听书时候听到SIR模型记录一下网络挖掘网络挖掘（web mining）让你通过内容挖掘、结构挖掘和用途挖掘在数据中寻找模型。内容挖掘用于审查搜索引擎和网络爬虫收集到的数据；结构挖掘用来审查与特定网络结构相关的数据；而用途挖掘则在网络交易时，用于审查用户可能提交的表格收集到的数据。评估通过网络挖掘收集到的信息要运用传统的数据挖掘参数（有时还需要软件图表应用的帮助），如分类归并和分类、关联...
2019-09-10 15:14:01
798
转载 为什么你需要开源分布式流存储Pravega？
转自：http://stor.51cto.com/art/201901/589753.htm工业物联网，车联网和实时欺诈风控的需求正在飞速的发展。越来越多的企业新应用，需要的是快速响应客户需求，并同时学习和适应不断变化的行为模式。工业物联网，车联网和实时欺诈风控的需求正在飞速的发展。越来越多的企业新应用，需要的是快速响应客户需求，并同时学习和适应不断变化的行为模式。同时随着 5G 网络...
2019-07-29 17:22:20
454
转载 感性地理解EM算法
如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。idea会让你有一个直观的感受，从而明白算法的合理性，数学推导只是将这种合理性用更加严谨的语言表达出来而已。打个比方，一个梨很甜，用数学的语言可以表述为糖分含量90%，但只有亲自咬一口，你才能真正感觉到这个梨有多甜，也才能真正理解数...
2019-06-26 10:29:18
108
转载 @RequestParam、@RequestBody和@ModelAttribute区别
@RequestParam、@RequestBody和@ModelAttribute区别 一、@RequestParamGET和POST请求传的参数会自动转换赋值到@RequestParam 所注解的变量上1. @RequestParam（org.springframework.web.bind.annotation.RequestParam）用于将指定的...
2019-05-24 20:18:31
126
转载 mac上文字识别(Tesseract-OCR for mac )
0.介绍Tesseract是一个开源的OCR引擎，能识别100多种语言（中，英，韩，日，德，法...等等），但是Tesseract对手写的识别能力较差。1.安装//安装tesseract的同时安装训练工具brew install --with-training-tools tesseract /...
2019-05-07 15:48:45
1819
转载 预训练模型
1 预训练模型由来预训练模型是深度学习架构，已经过训练以执行大量数据上的特定任务（例如，识别图片中的分类问题）。这种训练不容易执行，并且通常需要大量资源，超出许多可用于深度学习模型的人可用的资源，我就没有大批次ＧＰＵ。在谈论预训练模型时，通常指的是在Imagenet上训练的CNN（用于视觉相关任务的架构）。ImageNet数据集包含超过1400万个图像，其中120万个图像分为1000个类别（大...
2019-04-26 10:03:12
33904
转载 TensorFlow会话的配置项
TensorFlow配置项的文档位于这里TensorFlow可以通过指定配置项，来配置需要运行的会话，示例代码如下：run_config = tf.ConfigProto()sess = tf.Session(config=run_config)ConfigProto类配置项对于ConfigProto类具体有如下可配置的部分map<string, int32> de...
2019-04-25 21:58:44
283
转载 tensorflow中的estimators
原载：http://d0evi1.github.io 作者：d0evi1 原文网址：http://d0evi1.com/tensorflow/estimators/使用tf.estimator中创建Estimatorstf.estimator框架可以很方便地通过高级Estimator API来构建和训练机器学习模型。Estimator提供了一些类，你可以快速配置实例化来创建regr...
2019-04-25 21:45:06
462
转载 tensorflow 1.0 ：参数初始化（initializer)
CNN中最重要的就是参数了，包括W,b。 我们训练CNN的最终目的就是得到最好的参数，使得目标函数取得最小值。参数的初始化也同样重要，因此微调受到很多人的重视，那么tf提供了哪些初始化参数的方法呢，我们能不能自己进行初始化呢？所有的初始化方法都定义在tensorflow/python/ops/init_ops.py1、tf.constant_initialize...
2019-04-24 23:39:04
207
转载 BiLSTM介绍及代码实现
一、介绍1.1 文章组织本文简要介绍了BiLSTM的基本原理，并以句子级情感分类任务为例介绍为什么需要使用LSTM或BiLSTM进行建模。在文章的最后，我们给出在PyTorch下BiLSTM的实现代码，供读者参考。1.2 情感分类任务自然语言处理中情感分类任务是对给定文本进行情感倾向分类的任务，粗略来看可以认为其是分类任务中的一类。对于情感分类任务，目前通常的做法是先对词或者短语进行表示，再通过某...
2019-04-24 21:32:16
3619
转载 Tensorflow一些常用基本概念与函数（1）
摘要：本文主要对tf的一些常用概念与方法进行描述。1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf #定义‘符号’变量，也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b...
2019-04-24 20:07:19
157
转载 计算机视觉中的注意力机制
本文将会介绍计算机视觉中的注意力（visual attention）机制，本文为了扩大受众群体以及增加文章的可读性，采用递进式的写作方式。第1部分的全部以及第2部分的大部分是没有专业障碍的，后续的部分是为了更深入地了解计算机视觉中的注意力机制。1 前言注意力（attention）其实是一个非常常见，但是又会被忽略的事实。比如天空一只鸟飞过去的时候，往往你的注意力会追随着鸟儿，天空在你的视觉系统中，...
2019-04-24 19:06:29
1479
转载 Tensorflow中的单元测试类tf.test
Tensorflow中的单元测试类tf.test概述Tensorflow中有一个类tf.test用来做单元测试，它继承于类unittest.TestCase，里面包含了Tensorflow做单元测试相关的方法。示例import tensorflow as tfclass Sq...
2019-04-24 14:01:28
824
转载 【深度学习】深入理解Batch Normalization批标准化
这几天面试经常被问到BN层的原理，虽然回答上来了，但还是感觉答得不是很好，今天仔细研究了一下Batch Normalization的原理，以下为参考网上几篇文章总结得出。 Batch Normalization作为最近一年来DL的重要成果，已经广泛被证明其有效性和重要性。虽然有些细节处理还解释不清其理论原因，但是实践证明好用才是真的好，别忘了DL从Hinton对深层网络做Pre-Trai...
2019-04-23 23:07:32
167
转载 OCR检测与识别技术
在过去的数年中，腾讯数平精准推荐(Tencent-DPPR)团队一直致力于实时精准推荐、海量大数据分析及挖掘等领域的技术研发与落地。特别是在广告推荐领域，团队自研的基于深度在线点击率预估算法及全流程实时推荐系统，持续多年在该领域取得显著成绩。而在用户意图和广告理解上，借助于广告图片中的文本识别以及物体识别等技术手段，可以更加有效的加深对广告创意、用户偏好等方面的理解，从而更好的服务于广告推荐业务。...
2019-04-23 16:50:52
3497
转载 曹哲 实时多人人体姿态识别 CVPR2017
可以看出，关键点标注的真实值x即为曲线的对称轴，那对于每一个x都存在这样一条曲线，生成众多曲线之后该作什么处理呢？最后取所有曲线的最大值构成最终的S*。那这里为什么取最大值不取平均值呢？ 应该也是非常好理解，每一条曲线的峰值都表示这个位置存在关键点的可能性最高，如上图所示，可能有两个关键点距离比较近，这两条高斯曲线如果取平均值的话，很明显就从两个峰值变成一个峰值了，那最后预测出的结果可能就只有一个关键点了。所以这里取的是最大值。
2019-04-19 10:01:06
3684
1
转载 OneHotEncoder独热编码和 LabelEncoder标签编码
学习sklearn和kagggle时遇到的问题，什么是独热编码？为什么要用独热编码？什么情况下可以用独热编码？以及和其他几种编码方式的区别。首先了解机器学习中的特征类别：连续型特征和离散型特征 拿到获取的原始特征，必须对每一特征分别进行归一化，比如，特征A的取值范围是[-1000,1000]，特征B的取值范围是[-1,1].如果使用logistic回归，w1*x1+w...
2019-04-07 08:56:34
187
转载 警告：Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
问题：安装TensorFlow（CPU版本），使用pip install tensorflow安装，安装一切顺利，但是在跑一个简单的程序时，遇到如下情况：大概意思是：你的CPU支持AVX扩展，但是你安装的TensorFlow版本无法编译使用。原因：除了通常的算术和逻辑，现代CPU提供了许多低级指令，称为扩展，例如， SSE2，SSE4，AVX等来自维基百科：高级矢量扩展（AV...
2019-03-25 21:01:55
147
转载 Mac系统下Python-Matplotlib问题及解决方法汇总
目录问题一：matplotlib绘图窗口总是在最后面解决办法问题二：终端下无法import matplotlib解决方法如何快速运行脚本问题一：matplotlib绘图窗口总是在最后面在Mac系统下使用python的同学肯定遇到过这个问题：用matplotlib绘图的时候，窗口总是在最后面。比如我用的vscode编辑代码的，成图窗口总是在vscode后面，需要将...
2019-03-25 20:30:11
1576
转载 python的构建工具setup.py
转自：https://www.cnblogs.com/maociping/p/6633948.html一、构建工具setup.py的应用场景 在安装python的相关模块和库时，我们一般使用“pip install 模块名”或者“python setup.py install”，前者是在线安装，会安装该包的相关依赖包；后者是下载源码包然后在本地安装，不会安装该包的相关依赖包。所...
2019-03-25 18:40:49
204
原创 python中我犯的错误
今天做图像处理时，遇到一个问题，以为是python自带的bugimport numpy as npdst = np.zeros((2, 4, 3), np.uint8)aa = int(236 * 1.2)dst[0, 0, 0] = aaprint(aa)print(dst[0, 0, 0])结果不对是因为uint8范围是（0，255），改成uint16就好了=_=...
2019-01-18 18:27:21
124
转载 CNCC 2016| 中科院包云岗37页PPT剖析 ——如何降低云计算数据中心的成本？
转自：https://www.leiphone.com/news/201610/R0FXfe0mJlmueVT7.html本文根据包云岗教授近日在 CNCC 2016 上所做的大会特邀报告《云计算与标签化冯诺依曼体系结构》编辑整理而来，在未改变原意的基础上略作了删减。包云岗，于2003年获南京大学理学学士，2008年获中科院计算所博士学位，现为中科院计算所研究员，博士生导师，先进计算机系统...
2018-08-28 10:08:53
617
转载 RPC服务和HTTP服务对比
很长时间以来都没有怎么好好搞清楚RPC（即Remote Procedure Call，远程过程调用）和HTTP调用的区别，不都是写一个服务然后在客户端调用么？这里请允许我迷之一笑~Naive！本文简单地介绍一下两种形式的C/S架构，先说一下他们最本质的区别，就是RPC主要是基于TCP/IP协议的，而HTTP服务主要是基于HTTP协议的，我们都知道HTTP协议是在传输层协议TCP之上的，所以效率来看...
2018-08-16 11:28:39
222
转载 产品APP架构说明文档
目录介绍1.关于项目架构的技术堆栈 1.1 该项目App整体架构 1.1.1 目前项目[准备中]使用的架构 1.1.2 市面常见的架构 1.1.3 MVP架构使用心得 1.2 主要的技术要点 1.2.1 视频播放技术 1.2.2 音频播放技术 1.2.3 复杂页面展示 1.2.4 状态切换 1.2.5 缓存 1.2.6 音视频文件下载技术 1....
2018-08-02 22:20:07
2212
转载 微服务与SOA之间差了一个ESB
转自：http://cloud.51cto.com/art/201512/500474.htm微服务(micro services)这个概念不是新概念，很多公司已经在实践了，例如亚马逊、Google、FaceBook，Alibaba。微服务架构模式(Microservices Architecture Pattern)的目的是将大型的、复杂的、长期运行的应用程序构建为一组相互配合的服务，每个服务都...
2018-07-11 09:51:34
267
转载 CS与BS架构区别、比较、及现状与趋势分析
转自：https://www.cnblogs.com/engeng/articles/5976292.html一、简介 CS即Client/Server（客户机/服务器）结构，C/S结构在技术上很成熟，它的主要特点是交互性强、具有安全的存取模式、网络通信量低、响应速度快、利于处理大量数据。但是该结构的程序是针对性开发，变更不够灵活，维护和管理的难度较大。通常只局限于小型局域网，不利于扩...
2018-07-10 20:44:21
494
转载 同步IO、异步IO、阻塞IO、非阻塞IO之间的联系与区别
转自：https://www.cnblogs.com/euphie/p/6376508.htmlPOSIX同步IO、异步IO、阻塞IO、非阻塞IO，这几个词常见于各种各样的与网络相关的文章之中，往往不同上下文中它们的意思是不一样的，以致于我在很长一段时间对此感到困惑，所以想写一篇文章整理一下。POSIX(可移植操作系统接口)把同步IO操作定义为导致进程阻塞直到IO完成的操作，反之则是异步IO按PO...
2018-07-10 17:52:34
120
转载 十个生成模型(GANs)的最佳案例和原理
生成对抗网络（GANs）是一种能“教会”计算机胜任人类工作的有趣方法。一个好的对手能让你成长更快，而GANs背后就是“从竞争中学习”的思路。GANs最先是由蒙特利尔大学的Ian Goodfellow提出，已在图像生成和风格迁移等领域获得了巨大的成功，充分展示了“无监督学习”技术的潜力。GANs是如何工作的？△GAN结构示意图一个GAN中包含两个相互竞争的神经网络模型。一个网络称为生成器（gener...
2018-07-03 09:42:33
1972
转载 Python多线程之threading.Thread 实现
Python多线程之threading.Thread并行和串行串行所谓串行，就好比我们走路一样，一条马路，一次只能过一辆车，这样速度就会很受限制。并行理解了串行，并行就更好理解了，就是好多条路。路越多，车流量就越大。多线程就是并行的一种。当然，实际发生在计算机内部的时候，并不能单纯的理解为多了一条路。因为我们的计算机一个CPU核心，同时只能处理一个任务。在CPU只有一个核心的情况下，多线程我们就可...
2018-05-14 16:13:05
2151
转载 【机器学习】特征工程概述
转自：https://blog.csdn.net/evillist/article/details/73245431特征工程“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。” 1.概念维基百科：特征工程是利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过程。 通俗的说，就是尽可能的从原始数据中获取更多信息，从而使得预测模型达到最佳。 简而言之，特征工程是一...
2018-05-08 20:50:35
309
转载 Mac平台上Docker安装与使用
转自： https://blog.csdn.net/jiang_xinxing/article/details/58025417Docker是一个跨平台的轻量级虚拟机，可移植性非常高，一次部署，终生可用。Docker可以在Linux,Windows,MacOS等平台上安装使用。我们都知道Linux有很多不同 的版本，例如Ubuntu，AIX，CentOS，Debian，Fedora，Oracle ...
2018-05-01 19:56:04
47829
转载 SQLite、MySQL和PostgreSQL 三种关系数据库哪个好？
转自：https://www.ssdax.com/2188.html关系型数据库的使用已经有相当长的时间了。它们变得流行起来托了管理系统的福，关系模型被实现得相当的好，并且被证明是操作数据的好方法（特别是事务性强的应用）。在这篇DigitalOcean文章中，我们将尝试理解一些最常用、最流行的关系型数据库管理系统（RDBMS）的内核区别。我们将会探索最底层的区别——特性与功能，它们如何工作，在哪方...
2018-04-29 18:29:37
2736
转载 深入理解Python中的进程
转自：https://blog.csdn.net/a2011480169/article/details/74370184博客核心内容：进程的概念并行与并发的区别同步与异步的概念进程创建的方式父进程和子进程的关系线程的相关概念Python中进程池的相关概念Python的的回调函数进程池+回调函数的实际应用（网络爬虫）1、进程的概念什么是进程—>CPU在同一时刻只能处理一个任务,只是因为cpu...
2018-04-29 18:15:13
148
转载 django -数据库操作
转载：https://www.cnblogs.com/rinka/p/django_database_basic_operations.htmlos:mac, django1.9.5, python3.5database:mysql 0.背景django中每一个模型model都对应于数据库中的一张表，每个模型中的字段都对应于数据库表的列。方便的是，django可以自动生成这些create ta...
2018-04-26 14:37:19
214
转载 多图｜一文看懂25个神经网络模型
在深度学习十分火热的今天，不时会涌现出各种新型的人工神经网络，想要实时了解这些新型神经网络的架构还真是不容易。光是知道各式各样的神经网络模型缩写（如：DCIGN、BiLSTM、DCGAN……还有哪些？)，就已经让人招架不住了。因此，这里整理出一份清单来梳理所有这些架构。其中大部分是人工神经网络，也有一些完全不同的怪物。尽管所有这些架构都各不相同、功能独特，当我在画它们的节点图时……其中潜在
2018-01-08 18:47:50
372
转载 雾计算和边缘计算的区别
转自：http://blog.csdn.net/robertsong2004/article/details/52203710随着物联网的发展，经常听到「雾计算」和「边缘计算」这样的单词。雾计算这个词相对来说是最近出现的一个词。因为和云相比位置上更接近设备，所以表示为雾，它是作为实现IoT的结构为Cisco等提倡，旨在为全球范围所采用。另一方面，边缘计算这个术语，早
2017-10-17 09:45:14
2412
hyperledger-fabric-linux-amd64-2.1.1.tar.gz
2020-06-20
spring 多表增删改查 多次操作不刷新
2015-03-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人