2020年12月29日
8.8 以管道取代循环（Replace Loop with Pipeline）
摘要： 资料参考：https://mkyong.com/java8/java-8-streams-filter-examples/ 动机：简化了循环过程，代码的可读性更强 示例代码： 1 class Test { 2 public static void main(String[] args) { 3 Li 阅读全文
posted @ 2020-12-29 19:56 ysyouaremyall 阅读(772) 评论(0) 推荐(0) 编辑
29. 去除中间人对象
摘要： 资料参考：https://blog.csdn.net/knightswarrior/article/details/9447815 概念：本文中的“去除中间人对象”是指把 在中间关联而不起任何其他作用的类移除，让有关系的两个类直接进行交互。 正文：有些时候在我们的代码会存在一些“幽灵类”，设计模式大 阅读全文
posted @ 2020-12-29 19:35 ysyouaremyall 阅读(126) 评论(0) 推荐(0) 编辑
23. 引入参数对象
摘要： 资料参考：https://blog.csdn.net/knightswarrior/article/details/9447815 概念：本文中的“引入参数对象”是指当一个方法的参数过多或者过为复杂时，可以考虑把这些参数封装成一个单独的类。 正文：如果一个方法所需要的参数大于5个，理解该方法的签名就 阅读全文
posted @ 2020-12-29 19:32 ysyouaremyall 阅读(418) 评论(0) 推荐(0) 编辑
2020年12月28日
2. 移动方法
摘要： 资料参考：https://blog.csdn.net/knightswarrior/article/details/9447815 概念：本文所讲的移动方法就是方法放在合适的位置（通常指放在合适的类中）。 正文：移动方法是一个很简单也很常见的重构，只要是系统就会存在很多类，那么类里面包括很多方法，如 阅读全文
posted @ 2020-12-28 21:55 ysyouaremyall 阅读(146) 评论(0) 推荐(0) 编辑
2020年12月27日
1.封装集合
摘要： 资料参考：https://blog.csdn.net/a138520844a/article/details/24313513，https://blog.csdn.net/knightswarrior/article/details/9447815 概念：本文所讲的封装集合就是把集合进行封装，只提供 阅读全文
posted @ 2020-12-27 14:50 ysyouaremyall 阅读(151) 评论(0) 推荐(0) 编辑
2020年3月29日
Android Studio相关问题
摘要： 1.无法连接外网，下载gradle 通过添加阿里云maven地址即可下载 maven { url "http://maven.aliyun.com/nexus/content/groups/public"} 2.Android Studio升级到最新版3.6.1后，新建了个项目，发现无法执行Java 阅读全文
posted @ 2020-03-29 14:57 ysyouaremyall 阅读(435) 评论(0) 推荐(0) 编辑
2019年5月23日
SegNet网络的Pytorch实现
摘要： 1.文章原文地址 SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation 2.文章摘要 语义分割具有非常广泛的应用，从场景理解、目标相互关系推断到自动驾驶。早期依赖于低水平视觉线索的方法已经快速 阅读全文
posted @ 2019-05-23 15:46 ysyouaremyall 阅读(4284) 评论(0) 推荐(0) 编辑
2019年5月19日
U-Net网络的Pytorch实现
摘要： 1.文章原文地址 U-Net: Convolutional Networks for Biomedical Image Segmentation 2.文章摘要 普遍认为成功训练深度神经网络需要大量标注的训练数据。在本文中，我们提出了一个网络结构，以及使用数据增强的策略来训练网络使得可用的标注样本更加 阅读全文
posted @ 2019-05-19 16:28 ysyouaremyall 阅读(6825) 评论(0) 推荐(0) 编辑
2019年5月16日
ResNet网络的Pytorch实现
摘要： 1.文章原文地址 Deep Residual Learning for Image Recognition 2.文章摘要 神经网络的层次越深越难训练。我们提出了一个残差学习框架来简化网络的训练，这些网络比之前使用的网络都要深的多。我们明确地将层变为学习关于层输入的残差函数，而不是学习未参考的函数。我 阅读全文
posted @ 2019-05-16 11:12 ysyouaremyall 阅读(4886) 评论(0) 推荐(0) 编辑
2019年5月15日
GoogLeNet网络的Pytorch实现
摘要： 1.文章原文地址 Going deeper with convolutions 2.文章摘要 我们提出了一种代号为Inception的深度卷积神经网络，它在ILSVRC2014的分类和检测任务上都取得当前最佳成绩。这种结构的主要特点是提高了网络内部计算资源的利用率。这是通过精心的设计实现的，它允许增 阅读全文
posted @ 2019-05-15 19:25 ysyouaremyall 阅读(4377) 评论(0) 推荐(0) 编辑
2019年5月9日
AlexNet网络的Pytorch实现
摘要： 1.文章原文地址 ImageNet Classification with Deep Convolutional Neural Networks 2.文章摘要 我们训练了一个大型的深度卷积神经网络用于在ImageNet LSVRC-2010竞赛中，将120万（12百万）的高分辨率图像进行1000个类 阅读全文
posted @ 2019-05-09 20:21 ysyouaremyall 阅读(4770) 评论(0) 推荐(0) 编辑
2019年5月8日
VGG网络的Pytorch实现
摘要： 1.文章原文地址 Very Deep Convolutional Networks for Large-Scale Image Recognition 2.文章摘要 在这项工作中，我们研究了在大规模的图像识别数据集上卷积神经网络的深度对准确率的影响。我们主要贡献是使用非常小（3×3）卷积核的架构对深 阅读全文
posted @ 2019-05-08 23:09 ysyouaremyall 阅读(7586) 评论(2) 推荐(0) 编辑
2019年3月3日
读《下一个倒下的会不会是华为》有感
摘要： 在这中美贸易战，五眼联盟围剿华为的大背景之下，花了两周时间读了《下一个倒下的会不会是华为》，想想也是一件有意思的事。读书是一种营养的输入，而适当写写读书笔记，读后感也算是一种输出了，日后也可以自己再回顾回顾，因为人总是健忘。 从书名讲起，《下一个倒下的会不会是华为》，我个人觉得按照目前华为的发展趋势 阅读全文
posted @ 2019-03-03 23:59 ysyouaremyall 阅读(4935) 评论(5) 推荐(3) 编辑
2018年7月25日
机器学习面试题
该文被密码保护。 阅读全文
posted @ 2018-07-25 21:10 ysyouaremyall 阅读(8) 评论(0) 推荐(0) 编辑
2018年7月24日
吴恩达《深度学习》第五门课（3）序列模型和注意力机制
摘要： 3.1序列结构的各种序列 （1）seq2seq：如机器翻译，从法文翻译成英文，将会是下面这样的结构，包括编码网络和解码网络。 （2）image to sequence：比如给一幅图像添加描述，如下图中的“一只猫站在椅子上”。同样包括编码网络和解码网络。 3.2选择最可能的句子 （1）机器翻译的本质就 阅读全文
posted @ 2018-07-24 22:14 ysyouaremyall 阅读(1242) 评论(1) 推荐(0) 编辑
2018年7月22日
吴恩达《深度学习》第五门课（2）自然语言处理与词嵌入
摘要： 2.1词汇表征 （1）使用one-hot方法表示词汇有两个主要的缺点，以10000个词为例，每个单词需要用10000维来表示，而且只有一个数是零，其他维度都是1，造成表示非常冗余，存储量大；第二每个单词表示的向量相乘都为零（正交），导致没能够表示是词汇之间的联系，比如oriange和apple,qu 阅读全文
posted @ 2018-07-22 19:22 ysyouaremyall 阅读(1860) 评论(2) 推荐(3) 编辑
2018年7月21日
吴恩达《深度学习》第五门课（1）循环序列模型（RNN）
摘要： 1.1为什么选择序列模型 （1）序列模型广泛应用于语音识别，音乐生成，情感分析，DNA序列分析，机器翻译，视频行为识别，命名实体识别等众多领域。 （2）上面那些问题可以看成使用（x，y）作为训练集的监督学习，但是输入与输出的对应关系有非常多的组合，比如一对一，多对多，一对多，多对一，多对多（个数不同 阅读全文
posted @ 2018-07-21 16:02 ysyouaremyall 阅读(2283) 评论(0) 推荐(1) 编辑
2018年7月18日
吴恩达《深度学习》第四门课（4）特殊应用：人脸识别和神经风格迁移
摘要： 4.1什么是人脸识别 （1）人脸验证（face verification）:1对1，输入一个照片或者名字或者ID，然后判断这个人是否是本人。 （2）人脸识别（face recognition）:1对多，判断这个人是否是系统中的某一个人。 4.2One-shot学习 （1）比如一个公司的员工，一般每个 阅读全文
posted @ 2018-07-18 20:50 ysyouaremyall 阅读(1292) 评论(0) 推荐(0) 编辑
2018年7月17日
吴恩达《深度学习》第四门课（3）目标检测（Object detection）
摘要： 3.1目标定位 （1）案例1：在构建自动驾驶时，需要定位出照片中的行人、汽车、摩托车和背景，即四个类别。可以设置这样的输出，首先第一个元素pc=1表示有要定位的物体，那么用另外四个输出元素表示定位框的中心坐标和宽高，再用3个输出元素one-hot表示是三个类别中的哪一类。当第一个元素pc=0时表示是 阅读全文
posted @ 2018-07-17 23:15 ysyouaremyall 阅读(2524) 评论(2) 推荐(0) 编辑
经典算法详解（12）分解质因数
摘要： 题目：众所周知，任何一个合数（因数不止是1和本身）都可以写成几个质数相乘的形式，这几个质数叫做这个合数的质因数。例如，24=2×2×2×3.把一个合数写成几个质数相乘的形式叫做分解质因数。对于一个质数，他的质因数可定义为它本身。编写一个程序实现分解质因数。 C++实现 思路：首先编写一个函数用于判断 阅读全文
posted @ 2018-07-17 12:48 ysyouaremyall 阅读(8033) 评论(0) 推荐(0) 编辑