自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4494)
  • 收藏
  • 关注

转载 大文件上传不了一般有哪些原因?

大文件上传不了一般有哪些原因? 1.检查form表单1.1 是否添加enctype="multipart/form-data"属性,1.2 是否使用post发送方式2.1查看file_uploads属性是否为on在命令模式下输入?file_uploads即可快速...

2019-09-28 22:37:00 1083

转载 目标检测中常提到的IoU和mAP究竟是什么?

看完这篇就懂了。IoUintersect over union,中文:交并比。指目标预测框和真实框的交集和并集的比例。mAPmean average precision。是指每个类别的平均查准率的算术平均值。即先求出每个类别的平均查准率(AP),然后求这些类别的AP的算术平均值。其具体的计算方法有很多种,这里只介绍PASCAL VOC竞赛(voc2010之前)中采用的mAP...

2019-09-26 09:33:00 620

转载 斐波那契数列卷积(矩阵快速幂)

斐波那契数列卷积链接:https://ac.nowcoder.com/acm/contest/1087/C来源:牛客网题目描述已知数列 an=∑k=0nFn−k×Fka_n=\sum_{k=0}^{n}F_{n-k} \times F_kan=∑k=0nFn−k×Fk ,其中 F 是斐波那契数列,递推式为:F0=0,F1=1F_0=0,F_1=1F0​=0,F1​=1,满足F...

2019-09-24 23:09:00 451

转载 还再@微信官方要国旗?这才是正确的打开方式~

最近,朋友圈被"请给我一面红旗@微信官方" 刷屏了,据说微信头像会出现一面小红旗!但我要告诉你,红旗头像是真的,不过@大法似乎并不管用,请给我一面红旗的正确打开方式来了!扫码或长按识别图中二维码,关注后点击右下方的我要国旗,或者输入“国旗”两个字,即可获取方法!小提示:如果在替换头像的时候总是提示设置失败,可能是因为访问量太大,微信头像设置功能异常,虽说这是小概率事件。但万一被...

2019-09-24 14:31:00 169

转载 机器学习常用性能度量中的Accuracy、Precision、Recall、ROC、F score等都是些什么东西?...

一篇文章就搞懂啦,这个必须收藏!我们以图片分类来举例,当然换成文本、语音等也是一样的。Positive正样本。比如你要识别一组图片是不是猫,那么你预测某张图片是猫,这张图片就被预测成了正样本。Negative负样本。比如你要识别一组图片是不是猫,那么你预测某张图片不是猫,这张图片就被预测成了负样本。TP一组预测为正样本的图片中,真的是正样本的图片数。TN:一组预测...

2019-09-24 10:36:00 370

转载 函数

不知啥类型的题 1 2 2 2 4 2 2 4 4 2 2 4 6 4 2 ....... .......可以发现一个小小的规律。先特判\(n=1\),答案就是1。感性...

2019-09-23 21:43:00 82

转载 想研究BERT模型?先看看这篇文章吧!

最近,笔者想研究BERT模型,然而发现想弄懂BERT模型,还得先了解Transformer。本文尽量贴合Transformer的原论文,但考虑到要易于理解,所以并非逐句翻译,而是根据笔者的个人理解进行翻译,其中有一些论文没有解释清楚或者笔者未能深入理解的地方,都有放出原文,如有不当之处,请各位多多包含,并希望得到指导和纠正。论文标题Attention Is ALL You N...

2019-09-23 16:03:00 460

转载 使用pycharm或idea提交项目到github

pycharm和idea的操作方式几乎一样,所以下面就以pycharm为例来介绍。安装githttps://git-scm.com/download/win官网,下载慢,需翻墙https://github.com/waylau/git-for-win提供国内下载,下载快,与官网同步更新下载好之后,双击安装,一路默认安装即可(安装路径根据自己的需要调整)。生成ssh密...

2019-09-23 15:02:00 99

转载 用深度学习做命名实体识别(五)-模型使用

通过本文,你将了解如何基于训练好的模型,来编写一个rest风格的命名实体提取接口,传入一个句子,接口会提取出句子中的人名、地址、组织、公司、产品、时间信息并返回。核心模块entity_extractor.py关键函数# 加载实体识别模型def person_model_init(): ... # 预测句子中的实体def predict(sentence, la...

2019-09-23 13:27:00 561

转载 springmvc 参数解析绑定原理

handlerMethodArgumentResolver:方法参数解析器接口,这个接口是springmvc参数解析绑定的核心接口。不同的参数类型绑定都是通过实行这个接口来实现。也可以通过实现这个接口来自定义参数解析器。这个接口有如下两个方法:public interface HandlerMethodArgumentResolver{ //该解析器是否支持para...

2019-09-22 18:20:00 280

转载 git升级与报错问题

git升级与报错问题 一般小于1.7.10的 git 版本会报如下错error: The requested URL returned error: 401 Unauthorized while accessing解决方法:先删除原来的gityum re...

2019-09-20 10:22:00 224

转载 砝码称重

题目传送门其实正解就是\(dfs+DP\)但是因为自己写的不够好,再加上没有判断好\(DP\)的复杂度,导致\(T\)了好几次。错点还是有的:1.多测不清空,爆零两行泪2.0的情况不行,不要以为\(i\)从1开始枚举就可以了。万一之后枚举到的数只有1个1,且这个1对应的位置是被标记删除的位置,又出现了1。题解里还有一种神奇的优化\(DP\),的方法,但是加上就会莫名\(R...

2019-09-19 21:31:00 64

转载 油滴扩展

窝又开始做洛谷的题了先说现在写的:1.四舍五入有专门的函数\(round\),返回的还是浮点型。(不加也\(A\)了)2.\(tmp[j]\)写成\(j\),大意了。之前的写法:1.太复杂2.中间有转成\(int\),可能被卡了精度3.记录的是半径的平方,好像还算错了,懒得改了\(AC:\)#include<iostream>#include&lt...

2019-09-19 20:02:00 89

转载 添加括号III

一道红题第一个数一定是分子,第二个数一定是分母。如要满足条件,分母越少越好。注意运算的规则,假如将第二个数前面,最后一个数后面加一个括号,这样就只有第二个数一个分母。#include<iostream>#include<cstdio>#include<cstring>using namespace std;const int N = 1...

2019-09-18 16:44:00 169

转载 MySQL基础操作

启动/关闭服务:net start mysqlnet stop mysql登陆mysql -u root -p创建/删除数据库create database name;drop database name;查询数据库show databases;查看当前数据库select database();查看数据库下的表show tables;创建表create ta...

2019-09-17 21:57:00 69

转载 正睿大集结

十连测Day1Day2Day3Day4Day5Day6Day7Day8Day9Day10七连测Day1Day2Day3Day4Day5Day6Day7五连测Day1Day2Day3Day4Day5转载于:https://www.cnblogs.com/karryW/p/11524637.html...

2019-09-15 22:10:00 139

转载 Laravel注册登陆认证API

Laravel注册登陆认证API 注册接口路由api.php:Route::post('register', 'Auth\RegisterController@register');控制器 http//controllers/auth/registe...

2019-09-11 17:56:00 1067

转载 用深度学习做命名实体识别(四)——模型训练

通过本文你将了解如何训练一个人名、地址、组织、公司、产品、时间,共6个实体的命名实体识别模型。准备训练样本下面的链接中提供了已经用brat标注好的数据文件以及brat的配置文件,因为标注内容较多放到brat里加载会比较慢,所以拆分成了10份,每份包括3000多条样本数据,将这10份文件和相应的配置文件放到brat目录/data/project路径下,然后就可以从浏览器访问文件内容...

2019-09-09 18:01:00 444

转载 最小生成树的基本算法

Prim算法感觉Prim算法找最小生成树的过程像是一个dp的过程,从随便一个点开始,每次都是找到局部最优解,最后就可以找全整个最小生成树。const int MAXN = 1000;const int LIM = 0x3f3f3f3f;struct MGraph{ int vexs[MAXN];//顶点表 int arc[MAXN][MAXN];//邻接矩阵 ...

2019-09-08 13:36:00 98

转载 消防局的设立

题目地址一道可以用贪心做的树形DP题。对于深度最深的点,要使它被覆盖到,可以在它的兄弟、父亲、爷爷处设立消防局,而在它的爷爷设置消防局最优因为这样可以管到爷爷的爷爷。每设立一个消防局,又要把它能管到的地方都标记一遍。所以要打两个标记。一个标记记录它是否被任何一个消防局管到过\(vis\)。一个标记\(book\)记录它能否被当前设立的这一个消防局管到,这个标记要在设立下一个消防局时...

2019-09-06 22:26:00 103

转载 某CF的D

刚开始按\(wqy\)的思路写,提交了\(n\)遍也没过。。。学到了压成一维。还是梳理梳理错因吧:1.对每个井号进行\(bfs\),会超时(我真是太傻逼了)。2.对于\(0\)的情况,一个点如果之前被标记过,并且之前被标记的和现在要标记的值不一样,答案才会是\(0\)。3.在初始化的时候也要判断2中的情况(之前被标记过),因为有一行(或者一列)的情况。4.\(wqy\)说的...

2019-09-06 21:20:00 72

转载 保安站岗

题目传送门一道比较典型的树形\(DP\)吧。思路:设\(f[i][0/1][0/1]\)表示第\(i\)个点有没有安排保安(第二维),能不能被观察到(第三维),其实开两维就可以。对于一个点\(u\),枚举它所有的儿子\(v\)(注意是求和)。\(f[u][1][1]\)对儿子的所有情况(三种\(f[v][0][0]\,,[1][1]\,,[0][1]\))取\(min\)。...

2019-09-06 19:48:00 102

转载 手把手教你用深度学习做物体检测(六):YOLOv2介绍

本文接着上一篇《手把手教你用深度学习做物体检测(五):YOLOv1介绍》文章,介绍YOLOv2在v1上的改进。有些性能度量指标术语看不懂没关系,后续会有通俗易懂的关于性能度量指标的介绍文章。YOLOv2论文:《YOLO9000: Better, Faster, Stronger》地址:https://arxiv.org/pdf/1612.08242v1.pdf...

2019-09-06 12:20:00 244

转载 sqlserver维护计划无法删除处理

方法如下:1、先执行下面的语句将维护计划的ID查出(msdb库下)select * from sysmaintplan_plans2、 将查出的ID填入到下面几句话中的''中,并执行。delete from sysmaintplan_log where plan_id = ''delete from sysmaintplan_subplans where plan_id = ''dele...

2019-09-05 14:10:00 774

转载 图的遍历

邻接矩阵的DFSconst int MAXN = 100;bool visited[MAXN];struct MGraph{ int vexs[MAXN];//顶点表 int arc[MAXN][MAXN];//邻接矩阵 int numEdges, numVertexes;//边,点的数量};void DFS(MGraph *G,int i){ int...

2019-09-05 10:47:00 73

转载 CF583Div1+Div2

\(A\)&\(B\)略\(C\)题意:\(t1t2\)接起来可以,没说\(t1t2t3\)接起来不可以!!!\(D\)可以得到,答案一定是0,1,2三个数当中的一个。先判断0行不行,直接广搜,然后判断1行不行,如果行的话就输出,否则输出2。关键在于如何判断1是否可行:对于每一个障碍,处理出它是否和左下联通,是否和右上联通,联通的意思是能否通过只走障碍(周围8个方向...

2019-09-04 21:40:00 67

转载 公司开始抓考勤了,就算你是程序员也必须每天准点到!

一个朋友今天和我说他们公司统计了上个月每个人的累积迟到时间,最高按照每分钟2块从工资里面扣钱。原因是去年来了一个新的行政总监,从今年初开始就一直嚷着说是为了解决员工拖拉散漫的问题,要抓迟到,抓早退,抓旷工。其实他们公司早退和旷工几乎是没有的,但是迟到的很多,一般是5-15分钟范围的最多。关于这个问题,朋友的观念是:“一家程序员为主的公司,开始抓迟到,其实是管理层不作为的表现。提高员工效率...

2019-09-04 18:42:00 465

转载 用深度学习做命名实体识别(二):文本标注工具brat

本篇文章,将带你一步步的安装文本标注工具brat。brat是一个文本标注工具,可以标注实体,事件、关系、属性等,只支持在linux下安装,其使用需要webserver,官方给出的教程使用的是Apache2。使用示例下载brat建议下载brat的release版本,地址:https://github.com/nlplab/brat/releases/tag/v1...

2019-09-04 16:20:00 246

转载 手把手教你用深度学习做物体检测(四):模型使用

上一篇《手把手教你用深度学习做物体检测(三):模型训练》中介绍了如何使用yolov3训练我们自己的物体检测模型,本篇文章将重点介绍如何使用我们训练好的模型来检测图片或视频中的物体。  如果你看过了上一篇文章,那么就知道我们用的是AlexeyAB/darknet项目,该项目虽然提供了物体检测的方法,分别是基于c++和python编写的物体检测代码,但是有几个问题如下:...

2019-09-04 15:58:00 420

转载 字典树模板

不是洛谷的题?!第一次学字典树,先抄了个一本通上的代码。坑点:有输出\(NO\),没有是\(YES\)他这里根节点编号为1,这就要初始化\(tot=1\),(想起来了线段树。。。)一般来说根节点设为0,就不用了初始化了。#include<iostream>#include<cstdio>#include<cstring>using ...

2019-09-03 21:54:00 76

转载 手把手教你用深度学习做物体检测(三):模型训练

本篇文章旨在快速试验使用yolov3算法训练出自己的物体检测模型,所以会重过程而轻原理,当然,原理是非常重要的,只是原理会安排在后续文章中专门进行介绍。所以如果本文中有些地方你有原理方面的疑惑,也没关系,可以自行网上搜索相关资料,也可以先留着问题,相信你会在后续文章中找到答案。 上篇文章《手把手教你用深度学习做物体检测(二):数据标注》中已经介绍了如何准备我们...

2019-09-03 20:25:00 247

转载 输出保留12位小数的浮点数

输出保留12位小数的浮点数描述读入一个双精度浮点数,保留12位小数,输出这个浮点数。输入只有一行,一个双精度浮点数。输出也只有一行,保留12位小数的浮点数。输入样例 13.1415926535798932输出样例 13.141592653580答案我在此我就不...

2019-09-03 19:34:00 374

转载 一个困惑已久的问题...

  现在有很多互联网或软件企业都会设立自己的研究部门,负责对前沿技术进行研究,以及为各个业务部门的项目提供技术支撑。假设你是一个技术还不错的程序员,正好工作在这个部门,公司项目上使用的开发平台、某框架、某引擎,甚至是和目前比较前沿的人工智能领域相关的某自研项目,等等7到8个项目都几乎是你一个人搞出来的,那么你有没有想过,后续这些项目应该如何维护和持续的发展?你只有一个人。  随着经验的...

2019-09-03 19:29:00 125

转载 图的存储结构

网的邻接矩阵const int MAXN = 100;const int LIM = 0x3f3f3f3f;//无穷大struct MGraph{ int vexs[MAXN];//顶点表 int arc[MAXN][MAXN];//邻接矩阵 int numEdges, numVertexes;//边,顶点的数量};void CreatMGraph(MGrap...

2019-09-03 12:08:00 85

转载 文献--用测序和基因组方法研究神经性疾病

l有三种从基因组角度阐明疾病机制的方法:1.genetclinkagestudy:研究大量家系患者的基因组,发现致病的基因组上的变化。缺点:需要大量的家系成员,患病/非患病人员均需研究;且发现的是linkageregion而不是causitivegene。2.Candidategeneassociationstudy:发现致病基因后,研究基因上的muta...

2019-09-03 11:35:00 183

转载 手把手教你用深度学习做物体检测(二):数据标注

  “本篇文章将开始我们训练自己的物体检测模型之旅的第一步—— 数据标注。”  上篇文章介绍了如何基于训练好的模型检测图片和视频中的物体,若你也想先感受一下物体检测,可以看看上篇文章:《手把手教你用深度学习做物体检测(一):快速感受物体检测的酷炫》。  其实,网上关于数据标注的文章已有很多,但大多数都会有一些细节问题,比如中文编码问题,比如标注的数据放置的目录结构不对导致训练报错的...

2019-09-03 10:39:00 564

转载 求幂塔函数

算出幂塔函数\(a^a\)共b个a乘幂的结果模m的值。求a^(a^(a^(a^(a^...)))),a的a次方的a次方的a次方..%m我只能想到欧拉降幂递归求解,但是要优化,不然会超时(下面那个优化我也没看懂mod的函数为什么要用在快速幂和递归return里面在这个大佬的博客看到的https://www.cnblogs.com/uid001/p/11443528.html#inc...

2019-09-02 21:49:00 297

转载 用深度学习做命名实体识别(一):什么是命名实体识别?

上一个深度学习系列介绍了如何检测出图片或视频中的物体,本深度学习系列将介绍如何从文章中提取出我们关注的实体,比如提取文章中出现的人名、地址、产品、时间等实体。本文做为该系列的第一篇文章,会先呈现一下命名实体识别的效果,然后给大家介绍几个概念。识别效果...

2019-09-02 16:09:00 158

转载 Thinkphp 使用小结

Thinkphp 使用小结 分页中带查询参数...->paginate(15,false,['query'=>request()->param()]);   ...

2019-09-02 10:15:00 78

转载 Elaxia的路线

题目传送门心路历程:刚一看,这不是傻逼题吗,还是紫的,赶紧\(A\)啊。结果一波交上去,37分。。。想了两天没想出怎么错的。最后无奈的看了题解。哦哦哦,最短路不止一条哇!尴尬的是题解几乎全被\(Hack\)思路:跑两遍最短路,标记一下在从\(x1\)到\(y1\)的路径。再跑两遍最短路,将在\(x2\)到\(y2\)的最短路上的边加到一个新图里,如果这一条边同时也在之...

2019-08-27 21:03:00 74

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除