1.概述本文主要是参照B站UP主霹雳吧啦Wz的视频学习笔记，参考的相关资料在文末参照栏给出，包括实现代码和文中用的一些图片。整个工程已经上传个人的githubhttps://github.com/lovewinds13/QYQXDeepLearning，下载即可直接测试，数据集文件因为比较大，已经删除了，按照下文教程下载即可。论文下载：DeepResidualLearningforImageRecognition2.ResNetResNet（deepresidualnetwork）在2015年由微软实验室提出，斩获当年ImageNet竞赛中分类任务第一名，目标检测第一名。获得COCO数据集中目
目录1.分类数据的可视化1.1类别散点图（CategoricalScatterPlot）1.2类别分布图（CategoricalDistributionPlot）1.3类别估计图（CategoricalEstimatePlot）1.4类别单变量图（CategoricalUnivariatePlot）2.线性模型和参数拟合可视化2.1线性回归模型可视化（LinearRegressionPlot）2.2逻辑回归模型可视化（LogisticRegressionPlot）2.3残差绘图（ResidualPlot）1.分类数据的可视化1.1类别散点图（CategoricalScatterPlot）
1.区块链特征及分类1.1区块链特征去中心化。开放性、独立性、安全性、匿名性。1.2区块链分类1.2.1.公有链公有区块链是任何人都可以加入和参与的区块链，例如比特币。缺点包括：绝大部分公链系统需要较高的硬件资源来保障安全性，交易的隐私性极低或根本没有隐私性可言。需要经过大量节点验证，算力要求和能源消耗较高。1.2.2.私有链私有区块链网络类似于公有区块链网络，是一个去中心化的点对点网络，其显著差异是，私有区块链的整个网络由一个组织管理。该组织有完全的权限来控制允许谁参与、维护区块链网络。根据使用情况，可以显著提高参与者之间的信任和信心。私有区块链可以在企业防火墙后面运行，甚至可以在企业内部
1.混淆矩阵在二分类问题中，混淆矩阵被用来度量模型的准确率。因为在二分类问题中单一样本的预测结果只有YesorNo，即：真或者假两种结果，所以全体样本经二分类模型处理后，处理结果不外乎四种情况，每种情况都有一个专门称谓，如果用一个2行2列表格描述，得到的就是“混淆矩阵”，以下是遵循sklearn规范的混淆矩阵布局（本文地址：https://laurence.blog.csdn.net/article/details/129006571，转载请注明出处！)： 预测为’假’预测为’真’实际为’假’真阴性/TN(TrueNegative)假阳性/FP(FalsePositive)实际为’真’假阴性/
服务器定义服务器是计算机的一种。它比普通计算机运行速度更快、负载更高且价格更高。服务器的英文名称为“Server”，是指在网络上提供各种服务的高性能计算机。作为网络的节点，存储、处理网络上80%的数据、信息，因此也被称为x络的灵魂。服务器的主要特点包括R:Reliability一可靠性，能连续正常运行多长时间;A:Availability一可用性，系统正常运行时间和使用时间的百分比:S:Scalability一可扩展性，包括两方面，一方面是硬件的可扩展性，另一方面是软件对操作系统的支持能力:U:Usability一易用性，服务器的硬件和软件易于维护和修复;M:Manageability一可管理
我是一名正在尝试熟悉MongoDB的学生。我目前正在使用Java制作一个程序，该程序使用twitter流获取推文，并使用MongoDB将这些推文存储到数据库中。我已经将推文保存到MongoDB，现在我想按单词对这些推文进行分类。像这样:让我们说:Tweet1="IamA"Tweet2="IamB"我想做的是当我以某种方式对它们进行分类时，我希望它看起来像这样:I:Tweet1,Tweet2Am:Tweet1,Tweet2A:Tweet1B:Tweet2我必须为此使用索引吗？它实际上是在更改数据库还是只是通过索引搜索并不重要。我只希望我的结果看起来像这样。这是我第一次使用数据库，所以所有
❤作者主页：欢迎来到我的技术博客😎❀个人介绍：大家好，本人热衷于Java后端开发，欢迎来交流学习哦！(￣▽￣)~*🍊如果文章对您有帮助，记得关注、点赞、收藏、评论⭐️⭐️⭐️📣您的支持将是我创作的动力，让我们一起加油进步吧！！！🎉🎉阿里云存储OSS一、对象存储OSS1.开通“对象存储OSS”服务阿里云：https://www.aliyun.com/申请阿里云账号实名认证开通“对象存储OSS”服务进入管理控制台2.创建Bucket选择：标准存储、公共读、不开通。 3.上传默认头像 4.创建RAM子用户二、使用SDK 1.创建Mavaen项目aliyun-oss2.pomcom.aliyun.os
1、背景知识：卷积神经网络 卷积神经网络作为深度学习的经典算法之一，凭借局部连接和权值共享的优点，有效地降低了传统神经网络的复杂度。卷积神经网络结构由输入层、卷积层、池化层、全连接层和输出层等构成。图卷积神经网络 卷积层采用多组卷积核与输入层进行卷积运算，从输入层的原始数据中提取出新的特征信息。 池化层通过缩小卷积层提取出的特征信息的大小，挖掘提取特征的深度信息，实现特征信息的降维。 全连接层在卷积网络中充当着“分类器”的作用，将全连接层全部神经元学到的目标对象特征，映射到目标对象的标记空间，实现分类的目的。2.数据集：轴承数据集数据集
目录1二极管基础知识储备1.1半导体1.1.2类型 1.2二极管简介 1.2.1构成1.2.2性质1.2.3主要参数1.2.4极性的判断1.2.5二极管故障检测2常见二极管的分类 2.1整流二极管2.1.1整流桥2.2开关二极管2.3稳压二极管2.4变容二极管2.5 肖特基二极管2.6 快恢复二极管1二极管基础知识储备1.1半导体导电性能介于导体与绝缘体之间的材料称为半导体，常见半导体材料有硅、锗等1.1.1特性掺杂性：向纯净半导体中掺入少量某些物质，半导体导电性大大增强热敏性：温度上升，导电性增强光敏性：光线照射半导体，导电性显著增强1.1.2类型 本征半导体：纯净的半导体，导电能力很弱N型
写在前面：首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。（专栏订阅用户订阅专栏后免费提供数据集和源码一份，超级VIP用户不在服务范围之内，不想订阅专栏的兄弟们可以私信我详聊）本篇博文，我们将使用PyTorch深度学习框架搭建ResNet实现钢轨缺陷识别，附完整的项目代码和数据集，可以说是全网最详细的手把手教程，初学者可以很好的入门，其他研究者可以加深ResNet的理解。先看本项目训练的ResNet模型的识别效果：ResNet（ResidualNeuralNetwork）由微软研究院的KaimingHe等
