logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

JAVA学习之反射(1):Class类和java.lang.reflect包的使用

一,能够分析类能力的程序称为“反射”,反射库(java.lang.reflect)提供了精心设计的工具集,以便编写能够动态操作Java代码的程序。二,在程序运行期间,java运行时系统始终为所有的对象维护一个类型标识。这个标识跟踪着每个对象所属的类。虚拟机利用该标识选择相应的方法执行。可以通过专门的Java类访问这些信息。保存这些信息的类被称为Class类。如同一个Person对象

#java
基于神经网络的目标检测论文之目标检测系统:实时路况检测系统的设计与实现

注:本文源自本人的硕士毕业论文,未经许可,严禁转载!原文请参考知网:知网本论文下载地址第五章 实时路况检测系统的设计与实现物体识别技术被广泛应用于人们的生产生活中。随着深度学习与云计算的飞速发展,带动了物体识别技术产生质的飞跃。高分辨率图像和检测的实时性要求越来越高。从本章开始,我们从无到有开发一个小型的物体识别(路况信息识别)系统。整个系统包括两大部分,一个是线下网络的训练和验证,另一个...

#目标检测
com4j学习(2):Visio自定义模具和形状,并添加连接点

前言:既然我们想绘制跟自己业务相关的图形,并读取Visio图形中的结构信息,那么我们自然会想到要自定义图形,本文详细讲解如何自定义图形。正文:首先我们要明白什么是模具,什么是形状,以及两者之间的关系?模具就相当于一个容器,里面有很多个形状,我们可以在模具中添加或者删除形状,如下图所示:一、下面来看如何新建模具点击更多形状–新建模具,然后模具栏里面出现新的模具。右...

tensorflow学习(1):安装cuda版本的tensorflow并查看版本

1,安装tensorflow应该是最好安装的深度学习库了吧首先,安装好python(或者anaconda)然后,再安装CUDA,详见本人博客:点击查看博客最后,安装tensorflow(pip命令对于python和anaconda都适用):$ pip install --upgrade tensorflow-gpu2,安装后查看版本:python -c "impor

#python#tensorflow
tensorflow学习(3):解读mnist_experts例子,训练保存模型并tensorboard可视化

前言官网的mnist例子讲解的很清楚了,要想深入理解这个网络结构到底干了什么,还是需要好好入门一下深度学习的基础知识。好好看看Michael Nielsen大神写的这本书:Neural Networks and Deep Learning,中文版下载地址:中文版pdf。本文讲解mnist_experts例子并结合tensorflow的常用操作(tensorboard可视化和Saver保存模型)来改

#tensorflow
tensorflow学习(2):tensorflow中基本概念的理解

前言:tensorflow中有很多基本概念要理解,最好的方法是去官网跟着教程一步一步看,这里还有一些翻译的版本,对照着看有助于理解:tensorflow1.0 文档翻译正文:1,graph(图计算):详见tf.Graph类使用tensorflow训练神经网络包括两部分:构建计算图和运行计算图。首先来讲构建图,一个计算图包含了一组操作(operation objects,也叫节点)和一些ten

#神经网络#tensorflow
tensorflow学习之常用函数总结:tensorflow官方例子中的诸如tf.reduce_mean()这类函数

tensorflow中有一类在tensor的某一维度上求值的函数,如:求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)求平均值tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False,

#tensorflow
word2vec实战:获取和预处理中文维基百科(Wikipedia)语料库,并训练成word2vec模型

前言自然语言处理有很多方法,最近很流行的是谷歌开源项目word2vec,详见谷歌官网:官网链接。其主要理论由Tomas Mikolov大神团队的2篇论文组成:Efficient Estimation of Word Representations in Vector Space, Distributed Representations of Words and Phrases and their

#word2vec
到底了