写在前面DETR翻译过来就是检测transformer，是DetectionTransformers的缩写。这是一个将2017年大火的transformer结构首次引入目标检测领域的模型，是transformer模型步入目标检测领域的开山之作。利用transformer结构的自注意力机制为各个目标编码，依靠其并行性，DETR构造了一个端到端的检测模型，并且避免了以往模型中各种类型的冗余操作，让目标检测问题变得更加简单。原论文链接参考视频在这里对transformer结构的复习在这里：（1）史上最小白之Transformer详解；（2）详解Transformer中Self-Attention以及

1.SPI通讯协议SPI是串行外设接口（SerialPeripheralInterface）的缩写，是一种高速的，全双工，同步的通信总线1.1SPI引脚与工作过程SPI的通信原理很简单，它以主从方式工作，这种模式通常有一个主设备和一个或多个从设备，需要至少4根线，事实上3根也可以（单向传输时）。它们分别是MISO（主设备数据输入）、MOSI（主设备数据输出）、SCLK（时钟）、CS（片选）。（1）MISO–MasterInputSlaveOutput，主设备数据输入，从设备数据输出；（2）MOSI–MasterOutputSlaveInput，主设备数据输出，从设备数据输入；（3）SCLK–S

文章目录一、相关概念介绍IO引脚的三态输出之高阻态---将逻辑门与系统其他部分隔离，电平外部控制IO引脚输出模型推挽电路与开漏电路---单独开漏无高电平驱动能力二、上下拉电阻原理介绍什么是上下拉电阻？---把IO口用电阻拉到正压VCC（上拉）或接地GND（下拉）使用场景一：将不确定信号钳位高电平（上拉）或低电平（下拉）使用场景二：开漏输出加上拉电阻实现线与逻辑，如I2C总线用法使用场景三：开漏输出加上拉电阻提高电压准位使用场景四：加大引脚驱动能力，上拉加强拉电流能力，下拉加强吸电流能力三、GPIO典型框图分析1、I/O端口作为输入---读取01状态、上下电阻拉可配2、I/O端口作为输出---可

代码：https://github.com/Scofield666/MBSSL论文：https://arxiv.org/pdf/2305.18238.pdf在论文阅读中我会根据自己以往的阅读经历和自己的一些工作进行总结（才疏学浅）~至于为什么要写这个论文阅读文章，也是因为总结学到的东西，总好过匆匆看完一篇论文。在此之后我会不定期更新关于推荐的各大顶会论文的阅读笔记（更多是多行为推荐）。这篇论文的代码阅读也写完了，可以搭配一起看，地址：代码阅读:SIGIR2023Multi-behaviorSelf-supervisedLearningforRecommendation_推荐系统YYDS的博客-

1、引言--为什么要在AI训练数据中添加水印？深度神经网络（DNN）以其高效率和高效益被广泛应用于许多关键任务应用和设备中。高质量的已发布（如开源或商业）数据集是DNNs技术发展的关键因素之一。研究人员和开发人员利用这些数据集验证其模型的有效性，进而加快DNN的开发。这些已发布数据集非常有价值，但收集数据的过程通常耗时且非常昂贵。在这样的应用背景下，在AI训练数据中添加水印，对于保护数据集免遭未经授权的使用以及保护数据创作者的版权具有重大的意义，值得深入研究和探讨。目前，已有的一些数据保护技术，例如加密、数字水印、差分保护等，主要目的是防止未经授权的用户使用受保护的数据。然而，这些方法并不适合

 我们要先生存，才有底气去谈风花雪月。 🎯作者主页：追光者♂🔥        🌸个人简介： 💖[1]计算机专业硕士研究生💖 🌟[2]2022年度博客之星人工智能领域TOP4🌟 🏅[3]阿里云社区特邀专家博主🏅 🏆[4]CSDN-人工智能领域优质创作者🏆 📝[5]预期2023年10月份·准CSDN博客专家📝  无限进步，一起追光！

目录一、Vue-ElementUI1.表格el-table2.弹框3.按钮（预授权）4.组件template5.抽屉el-drawer6.动态生成二维码 二、node.js1.node.js引入util.js工具类三、uniapp1.view标签2.onLoad(options) 获取url路径上参数3.解决微信开发中H5路径中的"#"影响跳转一、Vue-ElementUI1.表格el-table@selection-change="handleSelectionChange" //绑定多选框选中方法 v-loading="loading"//实现加载效果 el-table设置斑马纹表格(间隔

AzureKinectDK功能1MP深度传感器拥有宽窄两种视野选项，支持开发人员针对自己的应用程序进行优化。12MPRGB视频摄像机提供一个额外的彩色流，其已针对深度流进行过调整。7麦克风阵列通过麦克风阵列实现远距离语音控制和声音捕获。加速计和陀螺仪可使用加速计和陀螺仪(IMU)实现传感器方向和空间跟踪。Azure认知服务使用Azure认知服务增强你的应用的语言和视觉功能，然后使用Azure机器学习来培训你的模型。使用AzureIoTEdge管理与你的AzureKinectDK设备相连的主机电脑。人体跟踪AzureKinect人体跟踪SDK下载|MicrosoftLearnAzureKinec

springboot整合SSE技术开发经验总结及心得一、开发背景二、快速了解SSE1、概念2、特性三、开发思路四、代码演示1、引入依赖2、服务端代码3、后端定时任务代码4、解决乱码的实体类4、前端代码五、核心代码分析一、开发背景公司需要开发一个大屏界面，大屏页面的数据是实时更新的，由后端主动实时推送数据给大屏页面。此时会立刻联想到：websocket技术。当然使用websocket，确实可以解决这个场景。但是今天本文的主角是：SSE，他和websocket略有不同，SSE只能由服务端主动发消息，而websocket前后端都可以推送消息。二、快速了解SSE1、概念SSE全称ServerSentE

这里是佳奥！哈哈，随着单细胞转录组学习的结束，我的假期也到了尽头。马上开学了，一名研一新生。大四的时候课题组有师姐去培训了RNA-Seq，回来开的组会里面讲了一遍流程，对于什么基础都没有的我来说就像天书一样，老师也说支持鼓励我们学习生信，我就想找个时间好好学学，一转眼时间就到今年6月底，本科毕业，即将离校，2个半月的假期要做什么呢？那就学学生信好啦，在舍友的帮助下，我从R语言开始，慢慢的模仿书中代码，到各种包的使用，报错了也不会解决，就慢慢的谷歌搜索，一点点学习。接着学习Linux系统的使用以及shell脚本，没有服务器资源就在自己电脑上装，期间电脑重装了好几次，因为C盘撑爆了，改分区。然后便