Way2BeBetter

Mosaic: ​ Mosaic数据增强是一种用于图像数据增强的技术，主要用于目标检测任务。它通过将多个图像拼接成一个大图像来增加训练数据的多样性。 Copy paste: "Copy-paste" 数据增强是一种用于目标检测任务的技术，它通过从原始图像中复制并粘贴目标来生成新的训练样本。这种方法可以增加数据集中的样本数量，并改变目标在不同背景下的外观和位置。 Random affine: ​ “Random affine” 是一种数据增强技术，常用于图像处理任务中，包括图像分类、目标检测、语义分割等。它通过随机变换图像的仿射变换来生成多样化的训练样本，从而提高模型的泛化能力和鲁棒性。 Mix up: ​ “Mix Up” 是一种用于数据增强的技术，特别适用于图像分类任务。它通过线性插值的方式将两个图像及其对应的标签混合在一起，生成新的训练样本。 Augment HSV: ​ “Augment HSV” 是一种图像数据增强技术，它主要基于修改图像的色调（Hue）、饱和度（Saturation）和亮 ...

解析解: ​ 解可以用一个公式简单地表达出来， 这类解叫作解析解（analytical solution） 梯度下降: ​ 它通过不断地在损失函数递减的方向上更新参数来降低误差。 ​ 梯度下降最简单的用法是计算损失函数（数据集中所有样本的损失均值） 关于模型参数的导数（在这里也可以称为梯度） 泛化（generalization）: ​ 找到一组参数，这组参数能够在我们从未见过的数据上实现较低的损失 超参数: ​ 这些可以调整但不在训练过程中更新的参数称为超参数（hyperparameter） ​ 调参（hyperparameter tuning）是选择超参数的过程 random.shuffle(): ​ 在训练机器学习模型时，经常会对数据进行随机打乱的操作。这有助于模型学习更好地泛化，因为模型不会过于依赖于特定的样本顺序。通过随机打乱数据，模型在每个批次中都能够看到不同的样本，从而更好地学习数据的分布和模式。 归一化，标准化： ​ μ和σ表示均值和标准差 sigmoid函数： f(x) = 1/(1+e^-x) 现阶段主流的股价预 ...

LSTM和RNN的区别RNN存在的问题： ​ RNN对所有信息全部接收，记忆机制没有重点 ​ RNN中的新信息会强制覆盖旧信息，很久之前的记忆只会占用当前记忆的很小一部分，无法对长期记忆进行有重点的处理 LSTM（右）与RNN的主要区别 LSTM的介绍： ​ Memory Cell LSTM依然是一个循环神经网络，LSTM设置了两个关键变量： ​ · 主要负责记忆短期信息、尤其是当前时间步信息的隐藏状态h ​ · 主要负责长期记忆的细胞状态C Memory Cell细分为： ​ · 帮助循环网络选择遗忘多少历史信息的遗忘门（forget gate） ​ · 帮助循环网络选择吸纳多少新信息的输入门（input gate） ​ · 帮助循环网络选择出对当前时间步的预测最重要的信息，并将该信息输出给当前时间 ...

原始数据类型和运算符123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145# 整数3 # => 3# 算术没有什么出乎意料的1 + 1 # => 28 - 1 # => 710 * 2 # => 20# 但是除法例外，会自动转换成浮点数35 / 5 # => 7.010.0 / 3 # => 3.3333333333333335# 整数除法的结果 ...

conda: ​ conda env list 查看当前已创建的虚拟环境 ​ conda activate --名-- 切换虚拟环境 ​ conda list 查看当前环境包含的包/库 ​ conda create -n --名-- python=3.9 (-c --镜像地址--) 创建新虚拟环境 ​ conda remove -n --名-- --all 删除虚拟环境及其包 ​ conda config --get 查看配置文件中有哪些通道（镜像） ​ conda config --add/remove channels --通道地址-- 添加/删除通道 (lstmStock) C:\Users\Administrator> ​ conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia pytorch安装 国内源下载 1pip install django -i https://pypi.tuna.tsinghua.ed ...

概念，组成，功能，分类计算机网络的功能 计算机网络的组成组成部分 工作方式 功能组成 计算机网络的分类 按分布范围分广域网WAN 城域网MAN 局域网WAN 个人区域网PAN 按使用者分公用网（中国电信） 专用网 按交换技术分电路交换 报文交换 分组交换 按拓扑结构分 按传输技术分广播式网络： 共享公共通信信道点对点网络： 使用分组存储转发和路由选择啊机制标准化工作及相关组织标准化工作 RFC注：草案标准（Draft Standard）于2011年起取消 标准化工作的相关组织

概念特点 HTTP请求数据格式 常见的HTTP请求头 请求体 HTTP响应数据格式 常见的HTTP响应头 状态码HTTP常见状态码

步骤 Servlet生命周期 HTTPServlet使用步骤及原理 urlPattern配置 Servlet urlPattern配置规则当配置规则同时满足精确匹配和目录匹配时，会优先使用精确匹配 XML配置Servlet

Tomcat 安装配置在Tomcat官网下载对应的压缩包解压到文件夹中（注意路径不要有中文）访问：localhost:8080若进入Tomcat的官网，则安装成功默认端口为8080，若被占用则修改tomcat默认端口号 部署项目1.直接复制文件到apache-tomcat-8.5.68\webapps中2.把文件压缩成.war的形式，复制到apache-tomcat-8.5.68\webapps中，Tomcat会自动解压部署 MavenWeb项目创建MavenWeb项目使用骨架（archetype）创建Maven项目 勾选 Create from archetype 选择maven-archetype-webapp在pom.xml中添加配置信息：设置打包方式为war在main中创建java和resources目录标准web项目如图 不使用骨架（idea终极版）不勾选Create from archetype 创建项目在pom.xml中添加配置信息：设置打包方式为war参考 idea集成本地Tomcat在idea主页点击Add Configuration—加号—Tomc ...

友元友元可以访问类内所有成员12345678910void func();class A{ friend void func();};``` # 继承派生类不能继承：析构函数，基类的友元函数，静态数据成员，静态成员函数 private：只能本类访问 protected：可以本类，派生类访问 public：可以本类，派生类，类外访问 class Animal;class Cat;class Cat:protected Animal{};123456789c++的继承方式可分为公有继，保护继承和私有继承 c++默认继承方式位private继承 public继承 基类的访问权限在派生类中保持不变 private继承 基类的private成员在派生类中仍是private成员，但基类的protected和public成员在派生类中会变成private成员 protected继承 基类中的public成员在派生类中修改为protected成员，protected和private成员保持不变 ## 阻止继承class Cat final{};12345 ...