Fork me on GitHub
上一页 1 ··· 3 4 5 6 7 8 9 10 11 ··· 26 下一页
摘要: python中的casefold函数和lower()函数区别 在python看到字符串函数的时候看到两个功能相近的函数,分别是casefold和lower函数。这两个函数的主要功能都是将字符串中的元素变成小写,但是最重要的区别就是lower函数只支持ascill表中的字符,而casefold则支持很 阅读全文
posted @ 2020-08-13 14:21 stardsd 阅读(1005) 评论(0) 推荐(0) 编辑
摘要: 今天我们结合 Flask 官方给的示例,一个最小的 Flask 理解一点有趣的东西。 from flask import Flask app = Flask(__name__) @app.route('/') def hello_world(): return 'Hello World!' if _ 阅读全文
posted @ 2020-08-03 14:55 stardsd 阅读(10809) 评论(0) 推荐(1) 编辑
摘要: import random 1、seed() 种子,默认种子是系统时钟 2、random()函数,生成0到1的随机小数 3、uniform(a,b)生成a到b的随机小数 4、randint(a,b)生成一个a到b的随即整数 5、randrange(a,b,c) 生成一个a到b,以c递增的数 6、ch 阅读全文
posted @ 2020-07-19 14:55 stardsd 阅读(590) 评论(0) 推荐(0) 编辑
摘要: 广义货币供应量(M2)是指流通于银行体系之外的现金加上企业存款、居民储蓄存款以及其他存款,它包括了一切可能成为现实购买力的货币形式,通常反映的是社会总需求变化和未来通胀的压力状态。近年来,很多国家都把M2作为货币供应量的调控目标。 货币(M0)=流通中的现金,即流通于银行体系之外的现金。 狭义货币( 阅读全文
posted @ 2020-07-15 17:48 stardsd 阅读(2652) 评论(0) 推荐(0) 编辑
摘要: 由于最近在做主数据方面的项目,就去各论坛了解了一下有关主数据的姿势。这次来记录一下元数据和数据元的区别。 数据元(Data element):又称数据类型,通过定义、标识、表示以及允许值等一系列属性描述的数据单元。在特定的语义环境中被认为是不可再分的最小数据单元。 这个照我的理解啊,应该就是字段了。 阅读全文
posted @ 2020-07-08 15:49 stardsd 阅读(4961) 评论(0) 推荐(0) 编辑
摘要: 摘要:相信所有接触过以太网和工业以太网技术的用户们,大家都最清楚一个问题:就是以太网传输的不确定性。什么叫不确定性,最初以太网传输使用CSMA/CD原理,当侦测到链路有空闲的时候,你才可以进行数据的接收和发送。虽然以太网交换机进行了一些迭代,但基本原理相差不大。 TSN网络绝对是时下最热门的话题!那 阅读全文
posted @ 2020-07-04 18:08 stardsd 阅读(3393) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2020-06-13 12:42 stardsd 阅读(1598) 评论(0) 推荐(0) 编辑
摘要: 数字孪生(Digital twin)指可用于各种目的物理资产(物理孪生,physical twin)、过程、人员、场所、系统和设备的数字副本。数字(digital)表示提供了物联网设备在其整个生命周期中如何运行的各个要素和动态。先前研究中使用的数字孪生技术(digital twin technolo 阅读全文
posted @ 2020-06-10 13:46 stardsd 阅读(4484) 评论(0) 推荐(0) 编辑
摘要: 原文链接:http://www.mryu.top/notes/288.html DOI(Digital Obejct Identifier),翻译成中文就是数字对象标识符,这是一种基于Handle标识解析技术开发的标识系统,目前主要用于数字出版行业,同时也是Handle标识解析技术最为典型的落地应用 阅读全文
posted @ 2020-06-01 13:07 stardsd 阅读(2971) 评论(0) 推荐(0) 编辑
摘要: SD-WAN(Software Defined Wide Area Network)是近年来网络技术创新的一个热点,笔者结合自己的体会,和大家一起回顾这一领域的发展过程,对现状作一总结,对未来作一展望。篇幅所限,文中的示例以Cisco的解决方案为主,兼顾其它厂商。欢迎大家发表评论,共同切磋探讨。 一 阅读全文
posted @ 2020-05-01 19:55 stardsd 阅读(13769) 评论(0) 推荐(0) 编辑
摘要: Training Region-based Object Detectors with Online Hard Example Mining 00 Astract 摘要主要讲了四点: (1) 训练过程需要进行参数的空间搜索 (2) 简单样本与难分辨样本之间的类别不平衡是亟需解决的问题 (3) 自动地 阅读全文
posted @ 2020-04-02 14:23 stardsd 阅读(544) 评论(0) 推荐(0) 编辑
摘要: 转载,原文链接:https://www.cnblogs.com/guoyaohua/p/8724433.html 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Hint 阅读全文
posted @ 2020-03-19 15:39 stardsd 阅读(425) 评论(0) 推荐(0) 编辑
摘要: 一、自组织网络 1.移动自组织(Ad-Hoc)网络是一种多跳的临时性自治系统,这种网络没有固定的路由器,网络中的节点可随意移动并能以任意方式相互通信。 2.网络中的各个节点不需要直接连接,而是能够通过中继的方式,在两个距离很远而无法直接通信的节点之间传送信息。 3.自组织网络的问题: (1)节点移动 阅读全文
posted @ 2020-02-18 19:08 stardsd 阅读(3173) 评论(0) 推荐(0) 编辑
摘要: 什么是社会技术系统 社会技术系统是一种关于组织的系统观点。它是由英国塔维斯特克人际关系研究所的特里斯特(Trist,E.L.)通过对英国达勒姆煤矿采煤现场的作业组织进行研究后提出的。 该理论认为,组织是由社会系统和技术系统相互作用而形成的社会技术系统,即由包括正式组织、非正式组织、技术系统、成员的素 阅读全文
posted @ 2020-02-08 13:16 stardsd 阅读(5154) 评论(0) 推荐(0) 编辑
摘要: https://github.com/wandergis/coordtransform coordtransform 坐标转换 一个提供了百度坐标(BD09)、国测局坐标(火星坐标,GCJ02)、和WGS84坐标系之间的转换的工具模块。 python版本:https://github.com/wan 阅读全文
posted @ 2020-01-16 17:10 stardsd 阅读(18949) 评论(0) 推荐(1) 编辑
摘要: 这篇文章讲无权二分图(unweighted bipartite graph)的最大匹配(maximum matching)和完美匹配(perfect matching),以及用于求解匹配的匈牙利算法(Hungarian Algorithm);不讲带权二分图的最佳匹配。 二分图:简单来说,如果图中点可 阅读全文
posted @ 2020-01-15 15:11 stardsd 阅读(2629) 评论(0) 推荐(0) 编辑
摘要: 前言 对于使用机器学习解决的大多数常见问题,通常有多种可用的模型。每个模型都有自己的独特之处,并随因素变化而表现不同每个模型在“验证/测试”数据集上来评估性能,性能衡量使用各种统计量如准确度(accuracy),精度(precision),召回率(recall)等。选择的统计量通常针对特定应用场景和 阅读全文
posted @ 2020-01-11 20:25 stardsd 阅读(5038) 评论(0) 推荐(0) 编辑
摘要: 在机器学习、深度学习中使用的优化算法除了常见的梯度下降,还有 Adadelta,Adagrad,RMSProp 等几种优化器,都是什么呢,又该怎么选择呢? 在 Sebastian Ruder 的这篇论文中给出了常用优化器的比较,今天来学习一下:https://arxiv.org/pdf/1609.0 阅读全文
posted @ 2020-01-06 19:06 stardsd 阅读(3234) 评论(0) 推荐(0) 编辑
摘要: 再回到我们的主题 装饰器本质上是一个Python函数,它可以让其他函数在不需要做任何代码变动的前提下增加额外功能,装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景,比如:插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计,有了装饰器,我们就可以抽离出大量与函 阅读全文
posted @ 2020-01-06 16:55 stardsd 阅读(2540) 评论(0) 推荐(0) 编辑
摘要: 转载,原文链接:https://www.zhihu.com/question/20829330 什么是迭代器 顾名思义,迭代器就是用于迭代操作(for 循环)的对象,它像列表一样可以迭代获取其中的每一个元素,任何实现了 __next__ 方法 (python2 是 next)的对象都可以称为迭代器。 阅读全文
posted @ 2020-01-01 20:52 stardsd 阅读(3428) 评论(0) 推荐(0) 编辑
摘要: 原贴地址:https://blog.csdn.net/qq_24598387/article/details/79401721 功率谱:信号先自相关再作FFT。 频 谱:信号直接作FFT。 区别: 1、 一个信号的频谱,只是这个信号从时域表示转变为频域表示,只是同一种信号的不同的表示方式而已, 而功 阅读全文
posted @ 2019-12-25 14:08 stardsd 阅读(5814) 评论(0) 推荐(0) 编辑
摘要: 原文: Wu X, Zhu X, Wu G Q, et al. Data mining with big data[J]. IEEE transactions on knowledge and data engineering, 2013, 26(1): 97-107. 使用大数据进行数据挖掘 Xi 阅读全文
posted @ 2019-12-21 15:11 stardsd 阅读(1945) 评论(0) 推荐(0) 编辑
摘要: 作者:@houkai本文为作者原创,转载请注明出处:https://www.cnblogs.com/houkai/p/3399646.html TEX 是Donald E. Knuth 编写的一个以排版文章及数学公式为目标的计算机程序。TEX的版本号不断趋近于π,现在为3.141592。由Pasca 阅读全文
posted @ 2019-12-15 22:02 stardsd 阅读(17304) 评论(0) 推荐(0) 编辑
摘要: 在求取有约束条件的优化问题时,拉格朗日乘子法(Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法,对于等式约束的优化问题,可以应用拉格朗日乘子法去求取最优值;如果含有不等式约束,可以应用KKT条件去求取。当然,这两个方法求得的结果只是必要条件,只有当是凸函数的情况下,才能 阅读全文
posted @ 2019-12-15 16:15 stardsd 阅读(684) 评论(0) 推荐(0) 编辑
摘要: 11 December 2019 20:32 来自 StarGAN StarGAN是CVPR2018最新提出来的,用于多领域的图像迁移学习。 论文地址:https://arxiv.org/abs/1711.09020 代码地址(Pytorch):https://github.com/yunjey/StarGAN ------------------... 阅读全文
posted @ 2019-12-11 20:37 stardsd 阅读(2543) 评论(0) 推荐(0) 编辑
摘要: 原文链接:https://www.cnblogs.com/heaad/archive/2011/03/08/1977733.html 在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什 阅读全文
posted @ 2019-12-06 17:01 stardsd 阅读(594) 评论(0) 推荐(1) 编辑
摘要: 大数据的傲慢与偏见— 读后心得 数据模型研究者必看的书 原文链接: https://medium.com/@iven00000000/%E5%A4%A7%E6%95%B8%E6%93%9A%E7%9A%84%E5%82%B2%E6%85%A2%E8%88%87%E5%81%8F%E8%A6%8B-% 阅读全文
posted @ 2019-12-06 14:53 stardsd 阅读(821) 评论(0) 推荐(0) 编辑
摘要: 01 December 2019 13:16 https://spacesyntax.com/ 相关软件:Depthmap 空间句法理论作为一种新的描述建筑和城市空间模式的语言,其基本思想是对空间进行尺度划分和空间分割,分析其复杂的关系,并联系反应到经济、社会、人文活动中。 在设计和分析中,它搭建了空间和经济社会人文的桥梁,并给人一种全新的大数据支撑的视角。 本专题将介绍sp... 阅读全文
posted @ 2019-12-01 13:46 stardsd 阅读(9548) 评论(0) 推荐(0) 编辑
摘要: 30 November 2019 18:31 人类历史上,除了计算机外从没有一项技术可以在短短的几十年间,能够全方位的影响整个社会的各个领域。技术的发展,少不了许多代人为之的努力。无论是在计算机硬件上,还是在实现的算法上,这其中有着大量非常精巧的设计,在后面的文章中,将会不定期的把这些知识展现出来。这次介绍一个在隐私保护领域常用的模型,K-匿名。 背景 随着大数据分析技术的迅猛发... 阅读全文
posted @ 2019-11-30 18:33 stardsd 阅读(6684) 评论(0) 推荐(0) 编辑
摘要: 29 November 2019 14:48 GRU is a popular variant of LSTM which replaces the forget gate and the input gate with only one update gate GRU achieves the s 阅读全文
posted @ 2019-11-29 15:17 stardsd 阅读(7440) 评论(0) 推荐(0) 编辑
摘要: 本文链接:https://blog.csdn.net/chentravelling/article/details/53558096 0.前言 最近整理了"相机成像原理"和"视差与深度信息"相关的资料,然后做成了PPT,以备自己用,也提供给相关的图像、视觉方向的朋友参考。如有误,望海涵并指出。 1. 阅读全文
posted @ 2019-11-28 15:53 stardsd 阅读(7229) 评论(0) 推荐(1) 编辑
摘要: 2019年10月26日 星期六 mmdatasdk: module for downloading and procesing multimodal datasets using computational sequences. mmmodelsdk: tools to utilize comple 阅读全文
posted @ 2019-10-26 16:22 stardsd 阅读(5667) 评论(4) 推荐(0) 编辑
摘要: Q1-1:一段1米长的绳子 随机切两刀 分成三段 求能够组合成一个三角形的概率 不妨设x为两个切点坐标中的较小值,y为较大值,x≠y 可能情况的全体为: 可能情况全体构成的区域为: 三角形三边关系: 三条边的长度分别为:x, y-x, 1-y 则:x+y-x>1-y y-x+1-y>x 1-y+x> 阅读全文
posted @ 2019-09-30 21:11 stardsd 阅读(1488) 评论(0) 推荐(1) 编辑
摘要: 问题描述: 解决方案: 阅读全文
posted @ 2019-09-10 11:31 stardsd 阅读(540) 评论(0) 推荐(0) 编辑
摘要: 简介 动态语言的灵活性使其在做一些工具,脚本时非常方便,但是同时也给大型项目的开发带来了一些麻烦。 自python3.5开始,PEP484为python引入了类型注解(type hints),虽然在pep3107定义了函数注释(function annotation)的语法,但仍然故意留下了一些未定 阅读全文
posted @ 2019-09-04 14:03 stardsd 阅读(1631) 评论(0) 推荐(0) 编辑
摘要: 又叫做灰度共现矩阵 又叫做灰度共现矩阵 又叫做灰度共现矩阵 又叫做灰度共现矩阵 Prerequisites 概念 计算方式 对于精度要求高且纹理细密的纹理分布,我们取像素间距为d=1d=1,以下是方向的说明: 我们来看,matlab内置工具箱中的灰度共生矩阵的生成函数graycomatrix(gra 阅读全文
posted @ 2019-08-29 20:18 stardsd 阅读(12721) 评论(0) 推荐(0) 编辑
摘要: 【图像算法】图像特征: 一 原理 几何矩是由Hu(Visual pattern recognition by moment invariants)在1962年提出的,具有平移、旋转和尺度不变性。 定义如下: ① (p+q)阶不变矩定义: ② 对于数字图像,离散化,定义为: ③ 归一化中心矩定义: ④ 阅读全文
posted @ 2019-08-29 17:04 stardsd 阅读(10111) 评论(1) 推荐(1) 编辑
摘要: 上式分为两个步骤: 第一步:调整discriminative model D的权重,使得V中两项取得最大值 第二步:调整generative model G的权重,使得V中第二项取得最小值 首先,分析log D(x)的含义: D(x)表示discriminative model D对一个原始样本的评 阅读全文
posted @ 2019-08-18 19:45 stardsd 阅读(752) 评论(0) 推荐(0) 编辑
摘要: 雅格布森通信模型: 通信六要素 发送者(信息源) 信道 接收者 信息 上下文 编码 HMM:隐马尔可夫模型 s是可见的 - 信源 o是不可见的(输出) - 信宿 通信就是要根据观测到的o恢复出s 对于翻译问题,汉译英:英语是s,汉语是o,根据s推断o TF-IDF TF:词频 IDF:逆文本频率指数 阅读全文
posted @ 2019-08-16 00:08 stardsd 阅读(857) 评论(0) 推荐(0) 编辑
摘要: # 下面给出python的实现,使用murmurhash算法 import mmh3 from bitarray import bitarray # zhihu_crawler.bloom_filter # Implement a simple bloom filter with murmurhas 阅读全文
posted @ 2019-08-14 15:44 stardsd 阅读(727) 评论(0) 推荐(0) 编辑
上一页 1 ··· 3 4 5 6 7 8 9 10 11 ··· 26 下一页