草庐IT

Pytorch学习笔记之tensorboard

全部标签

Java语言开发在线小说推荐网 小说推荐系统 基于用户、物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)开发框架 大数据、人工智能、机器学习开发

Java语言开发在线小说推荐网小说推荐系统基于用户、物品的协同过滤推荐算法SSM(Spring+SpringMVC+Mybatis)开发框架大数据、人工智能、机器学习开发NovelRecommendWeb一、项目简介1、开发工具和使用技术MyEclipse10/Eclipse/IDEA,jdk1.8,mysql5.5/mysql8,navicat数据库管理工具,tomcat,SSM(spring+springmvc+mybatis)开发框架,jsp页面,javascript脚本,jquery脚本,bootstrap前端框架(用户端),layui前端框架(管理员端),layer弹窗组件等。2、实

pytorch——使用VGG-16实现cifar-10多分类,准确率90.97%

文章目录一、前言二、VGG-16网络介绍三、VGG-16网络搭建与训练3.1网络结构搭建3.2模型训练3.3训练结果四、总结一、前言刚入门卷积神经网络,在cifar-10数据集上复现了LeNet、AlexNet和VGG-16网络,发现VGG-16网络分类准确率最高,之后以VGG-16网络为基础疯狂调参,最终达到了90.97%的准确率。(继续进行玄学调参,可以更高)二、VGG-16网络介绍VGGNet是牛津大学视觉几何组(VisualGeometryGroup)提出的模型,原文链接:VGG-16论文  该模型在2014年的ILSVRC中取得了分类任务第二、定位任务第一的优异成绩。VGG网络架构整

Solidaty学习笔记(一)

Solidaty学习笔记(一)简单语法提示代码://创建合约contractZombieFactory{uintdnaDigits=16;uintdnaModulus=10**dnaDigits;structZombie{stringname;uintdna;}//定义Person类型的数组Person[]publicpeople;`//定义Person类型的数组Person[]publicpeople;`完整代码:(僵尸工厂第一课)pragmasolidity^0.4.25;contractZombieFactory{eventNewZombie(uintzombieId,stringnam

第146篇 笔记-智能合约介绍

定义:当满足某些预定义条件时,智能合约是一种在区块链网络上运行的防篡改程序。1.什么是智能合约智能合约是在区块链网络上托管和执行的计算机程序。每个智能合约都包含指定预定条件的代码,这些条件在满足时会触发并产生结果。通过在去中心化区块链而不是集中化服务器上运行,智能合约允许多方以准确、及时和防篡改的方式达成共享结果。‍智能合约是一种强大的自动执行的基础设施,因为它们不受中央管理员的控制,不易受到恶意实体的单点攻击。当应用于多方数字协议时,智能合约应用程序可以降低交易对手风险、提高效率、降低成本,并为流程提供新的透明度。2.智能合约的历史智能合约最早由美国计算机科学家尼克·沙博(NickSzabo

利用Pytorch实现ResNet网络

目 录1ResNet网络介绍1.1ResNet网络的亮点1.2梯度消失、梯度爆炸和退化问题1.3残差(residual)模块1.3.1残差模块介绍1.3.2特殊的残差模块1.4BatchNormalization1.4.1BN处理原理1.4.2BN处理使用时需要注意的问题1.5迁移学习1.5.1使用迁移学习的优势1.5.2迁移学习原理简介1.5.3迁移学习方式2网络结构3利用Pytorch实现ResNet网络3.1模型定义3.1.1ResNet-18、34所用残差结构3.1.2ResNet-50、101、152所用残差结构3.1.3定义网络结构3.2训练过程3.3预测过程3.3.1单图片预测3

【学习笔记】unity脚本学习(三)(向量 Vector3)

目录向量复习高中向量基础【数学】向量的四则运算、点积、叉积、正交基叉乘公式叉乘运算定理向量、坐标系点积叉积Vector3三维向量静态变量变量变量normalized与Normalize()方法静态方法ClampMagnitudeCrossDistanceDotMoveTowards其他变换类似Lerp在两个点之间进行线性插值。RotateTowards将向量current朝target旋转。Slerp在两个向量之间进行球形插值。SmoothDamp随时间推移将一个向量逐渐改变为所需目标。MaxMinScaleOrthoNormalize将向量标准化并使它们彼此正交。Project将向量投影到另

网络安全笔记-WebShell与文件上传

文件上传漏洞文件上传是Web应用到必备功能之一,比如上传头像显示个性化,上传附件共享文件、上传脚本更新网站等。如果服务器配置不当或者没有进行足够的过滤,Web用户就可以上传任意文件,包括恶意脚本文件、exe程序等,这就造成了文件上传漏洞。漏洞成因文件上传漏洞的成因,一方面服务器配置不当会导致任意文件上传;另一方面,Web应用开放了文件上传功能,并且对上传的文件没有进行足够的限制;再者就是,程序开发部署时候,没有考虑到系统特性和验证和过滤不严格而导致限制被绕过,上传任意文件。漏洞危害上传漏洞最直接的威胁就是上传任意文件,包括恶意脚本、程序等。如果Web服务器所保存上传文件的可写目录具有执行权限,

FPGA学习(一)同步复位和异步复位的区别

一、同步复位定义:从名字来看,同步也就是和时钟同步的关系,一起发生变化。所以同步复位就是只有时钟上升沿到来时,才能产生有效变化;否则,无法产生对系统的复位操作。举个例子如下://一个高电平有效的同步复位的D触发器moduletop_module(inputclk,inputreset,//Synchronousresetinput[7:0]d,output[7:0]q);always@(posedgeclk)beginif(reset)q对应的仿真代码如下`timescale1ns/1psmodulefang();regclk,reset;reg[7:0]d;wire[7:0]q;initia

机器学习算法(二十九):高斯混合模型(Gaussian Mixed Model,GMM)

目录1混合模型(MixtureModel)2高斯模型2.1单高斯模型2.2 高斯混合模型3 模型参数学习 3.1 单高斯模型3.2 高斯混合模型 4 高斯混合模型与K均值算法对比1混合模型(MixtureModel)    混合模型是一个可以用来表示在总体分布(distribution)中含有K个子分布的概率模型,换句话说,混合模型表示了观测数据在总体中的概率分布,它是一个由K个子分布组成的混合分布。混合模型不要求观测数据提供关于子分布的信息,来计算观测数据在总体分布中的概率。2高斯模型2.1单高斯模型    当样本数据X是一维数据(Univariate)时,高斯分布遵从下方概率密度函数(Pr

【毕业设计】深度学习 YOLO 实现车牌识别算法

文章目录0前言1课题介绍2算法简介2.1网络架构3数据准备4模型训练5实现效果5.1图片识别效果5.2视频识别效果6部分关键代码7最后0前言🔥这两年开始毕业设计和毕业答辩的要求和难度不断提升,传统的毕设题目缺少创新和亮点,往往达不到毕业答辩的要求,这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设,学长分享优质毕业设计项目,今天要分享的是🚩基于yolov5的深度学习车牌识别系统实现🥇学长这里给一个题目综合评分(每项满分5分)难度系数:4分工作量:4分创新点:3分🧿选题指导,项目分享:https://gitee.com/dancheng-seni