原创 Scanner中的next和nextLine

介紹一下next方法和nextLine方法的區別 第一種情況,nextLine遇到換行符結束輸入,next遇到空白、製表、回車符結束輸入,輸入數據沒有空格的情況。 public static void main(String[

原创 Thread使用start和run方法的區別

相信Thread對我們來說並不陌生,學java的時候都是入門的東西,我們一般使用thread都是new一個線程,然後調用start方法啓動,使用start方法才真正實現了多線程運行,因爲這個時候不用等待我們的run方法執行完成就可

原创 目標檢測基本網絡理解

目標檢測基本網絡 RCNN SS:Selective Search 一種提取候選區域的方法。 一張圖片通過SS產生1000到2000個候選區域,然後將每個候選區域(Region Proposal)縮放到同一尺寸,輸入到CNN網

原创 計算機論文網址

https://dblp.uni-trier.de/ https://arxiv.org/ https://www.sciencedirect.com/ https://www.researchgate.net/directory/pub

原创 訓練誤差和泛化誤差、K折交叉驗證

我們需要區分訓練誤差(training error)和泛化誤差(generalization error)。通俗來講,前者指模型在訓練數據集上表現出的誤差,後者指模型在任意一個測試數據樣本上表現出的誤差的期望,並常常通過測試數據集上的誤差

原创 Accuracy 和 Precision

True Positive    :判斷爲真,實際爲真的樣本 False Positive   :判斷爲真,實際爲假的樣本 True Negative   :判斷爲假,實際爲假的樣本 False Negative  :判斷爲假,實際爲真的

原创 Pytorch中什麼時候調用forward()函數

Module類是nn模塊裏提供的一個模型構造類,是所有神經網絡模塊的基類,我們可以繼承它來定義我們想要的模型。下面繼承Module類構造本節開頭提到的多層感知機。這裏定義的MLP類重載了Module類的__init__函數和forward

原创 Pytorch 學習筆記之梯度

x = torch.ones(2, 2, requires_grad=True) print(x) print(x.grad_fn) tensor([[1., 1.],[1., 1.]], requires_grad=True)

原创 LRU緩存機制 JAVA

運用你所掌握的數據結構,設計和實現一個 LRU (最近最少使用) 緩存機制。它應該支持以下操作: 獲取數據 get 和 寫入數據 put 。 獲取數據 get(key) - 如果密鑰 (key) 存在於緩存中,則獲取密鑰的值(總

原创 有向圖的拓撲排序-課程表問題

現在你總共有 n 門課需要選,記爲 0 到 n-1。 在選修某些課程之前需要一些先修課程。 例如,想要學習課程 0 ,你需要先完成課程 1 ,我們用一個匹配來表示他們: [0,1] 給定課程總量以及它們的先決條件,返回你爲了學完所有課程所

原创 並查集,朋友圈問題

問題來源:班上有 N 名學生。其中有些人是朋友,有些則不是。他們的友誼具有是傳遞性。如果已知 A 是 B 的朋友,B 是 C 的朋友,那麼我們可以認爲 A 也是 C 的朋友。所謂的朋友圈,是指所有朋友的集合。 給定一個 N * N

原创 Java 類加載初始化過程

類的靜態變量和靜態初始化塊是按照從上到下的順序執行的。 public class Demo { static { System.out.println("靜態初始化類Demo"); }

原创 類加載流程,類加載機制及自定義類加載器詳解

轉載:類加載流程,類加載機制及自定義類加載器詳解 一、引言 當程序使用某個類時,如果該類還未被加載到內存中,則JVM會通過加載、鏈接、初始化三個步驟對該類進行類加載。 二、類的加載、鏈接、初始化 1、加載 類加載指的是將類的class文件

原创 Learning to Navigate for Fine-grained Classification 論文學習

Learning to Navigate for Fine-grained Classification 論文地址 參考博客 介紹 問題描述:細粒度分類任務是用來區分上一級公共類的子類,例如野生鳥類、汽車型號。這些子類通常是由各個

原创 Adaptive Neural Trees學習筆記

Adaptive Neural Trees 論文地址 Abstract NNs:在特定的網絡結構下進行表示學習,DTs:以數據驅動的方式在預先定義的特徵上學習層次結構。本文提出了兩者的融合結構ANTs,將表示學習融入決策樹的邊、路