腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
fangyangcoder
专栏成员
举报
60
文章
58243
阅读量
14
订阅数
订阅专栏
申请加入专栏
全部文章(60)
http(18)
html(17)
其他(16)
编程算法(14)
机器学习(10)
python(7)
c++(6)
神经网络(5)
深度学习(5)
图像处理(5)
线性回归(4)
https(4)
tensorflow(3)
go(3)
git(3)
matlab(3)
网络安全(3)
ide(2)
github(2)
ubuntu(2)
批量计算(2)
面向对象编程(2)
监督学习(2)
windows(2)
ios(1)
c#(1)
css(1)
qt(1)
mapreduce(1)
访问管理(1)
容器(1)
serverless(1)
开源(1)
分布式(1)
爬虫(1)
numpy(1)
opencv(1)
pytorch(1)
rpc(1)
anaconda(1)
大数据(1)
安全(1)
nat(1)
processing(1)
background(1)
image(1)
text(1)
搜索文章
搜索
搜索
关闭
matlab转成C++
c++
matlab
windows
笔者在尝试将matlab转成C++时,出现error LNK2019: 无法解析的外部符号, 根据下面StackOverflow的回答解决了问题,截取分享.
努力努力再努力F
2020-12-01
771
0
实现MapReduce
rpc
mapreduce
processing
分布式
go
当我们要统计数亿文本的词频,单个机器性能一般,况且是数亿级数据,处理是十分缓慢的,对于这样的任务,希望的是多台电脑共同处理,大幅度减少任务时间。联合多台电脑一起工作的系统就是分布式系统。
努力努力再努力F
2020-05-06
1.6K
1
Pytorch的tensor转图像需注意的问题
matlab
python
记录一下自己在实验中发现的一个问题,我使用了别人的评测函数(matlab写的),我自己用python实现了一个,通过对生成图像和图像标签进行评测,结果吻合,实现没问题。
努力努力再努力F
2019-12-26
785
0
提高标准输入输出流的速度
ios
c++
https
网络安全
iostream默认是与stdio关联在一起的,以使两者同步,因此消耗了iostream不少性能。C++中的std :: cin和std :: cout为了兼容C,保证在代码中同时出现std :: cin和scanf或std :: cout和printf时输出不发生混乱,所以C++用一个流缓冲区来同步C的标准流。通过std :: ios_base :: sync_with_stdio函数设置为false后可以解除这种同步,让std :: cin和std :: cout不再经过缓冲区,iostream的性能就会提高了很多倍。因此,当解除同步之后,注意不要与scanf和printf混用以免出现问题。[1]
努力努力再努力F
2019-12-24
782
0
copy-and-swap idiom
编程算法
c++
This answer is from https://stackoverflow.com/a/3279550/10133369
努力努力再努力F
2019-12-12
926
0
Bag of Tricks for Image Classification with Convolutional Neural Networks
批量计算
serverless
css
这篇文章来自李沐大神团队,使用各种CNN tricks,将原始的resnet在imagenet上提升了四个点。记录一下,可以用到自己的网络上。如果图片显示不了,点击链接观看
努力努力再努力F
2019-12-10
595
0
C++值类别, move, perfect forward
https
http
网络安全
c#
推荐看链接顺序看,第一个链接很好地讲述了值类别地特性,图形很好理解。第二个链接介绍常见值类别的示例,帮助熟悉。第三个链接是第二个链接的补充,让你理解为什么需要std::move以及perfect forward。第四个链接比第三个链接讲解得要全面一些。第五个链接是Scott Meyers大师讲解的视频。
努力努力再努力F
2019-12-10
472
0
Octave Convolution详解
python
Octave Convolution来自于这篇论文《Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution》这篇论文,该论文也被ICCV2019接收。
努力努力再努力F
2019-10-12
1.4K
0
串匹配算法
编程算法
c++
串匹配问题是解决许多应用(文本编辑器,数据库检索,C++模板匹配,模式识别等等)的重要技术。
努力努力再努力F
2019-10-10
1.5K
0
现代C++实现多种print
编程算法
容器
学习C++的朋友会遇到这样的问题,有char,int,double等对象,我们想把它们打印出来看看,初学者会通过cout或者传统C语言的printf函数来打印这些对象。
努力努力再努力F
2019-09-06
768
0
U-GAT-IT笔记
访问管理
面向对象编程
机器学习
神经网络
深度学习
由于博客园有时候公式显示不出来,建议在https://github.com/FangYang970206/PaperNote/blob/master/GAN/UGATIT.md下载markdown文件,用typora(最强markdown编辑器)打开。
努力努力再努力F
2019-08-29
1.4K
0
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
爬虫
增加模型精度的方法有增加网络的深度,特征图的通道数以及分辨率(如下图a-d所示)。这篇文章研究了模型缩放,发现仔细平衡网络的深度、宽度和分辨率可以获得更好的性能(下图e)。在此基础上,提出了一种新的缩放方法,使用一个简单而高效的复合系数来均匀地标度深度/宽度/分辨率的所有维度,不仅取得了SOTA,而且参数更少,计算复杂度更低。
努力努力再努力F
2019-07-10
671
0
Shift-Invariant论文笔记
git
答:\(Shift _{\Delta h, \Delta w}(\widetilde{\mathcal{F}}(X))=\widetilde{\mathcal{F}}\left(\text { Shift }_{\Delta h, \Delta w}(X)\right) \quad \forall(\Delta h, \Delta w)\),可以看到输入在\((\Delta h, \Delta w)\)变化,输出对应的输出在\((\Delta h, \Delta w)\)变化。
努力努力再努力F
2019-07-01
1.5K
0
Domain Adaptation论文笔记
开源
领域自适应问题一般有两个域,一个是源域,一个是目标域,领域自适应可利用来自源域的带标签的数据(源域中有大量带标签的数据)来帮助学习目标域中的网络参数(目标域中很少甚至没有带标签的数据)。领域自适应如今是迁移学习的一个火热分支。
努力努力再努力F
2019-07-01
974
0
Unsupervised Attention-guided Image-to-Image Translation
background
text
这是NeurIPS 2018一篇图像翻译的文章。目前的无监督图像到图像的翻译技术很难在不改变背景或场景中多个对象交互方式的情况下将注意力集中在改变的对象上去。这篇文章的解决思路是使用注意力导向来进行图像翻译。下面是这篇文章的结果图:
努力努力再努力F
2019-07-01
1.1K
0
C++面向对象程序设计_Part2
编程算法
面向对象编程
c++
part1讲述了基于对象,part2则是在基于对象的基础上,建立类与类之间的联系,即面向对象编程以及面向对象设计。
努力努力再努力F
2019-05-29
501
0
C++面向对象程序设计_Part1
编程算法
c++
ide
C++笔记主要参考侯捷老师的课程,这是一份是C++面向对象编程(Object Oriented Programming)的part1部分,这一部分讲述的是以良好的习惯构造C++类,基于对象(object based)讲述了两个c++类的经典实例——complex类和string类。看这份笔记需要有c++和c语言的基础,有一些很基础的不会解释。
努力努力再努力F
2019-05-29
961
0
Leetcode 1-10
编程算法
常规方法:使用双重循环,第一重从左往右固定索引,计算需要查找的结果,第二层循环从固定索引出发依次向右查找第一层计算的结果。时间复杂度\(O(n^2)\), 空间复杂度\(O(1)\).
努力努力再努力F
2019-05-08
498
0
图像增强综述
图像处理
编程算法
https
网络安全
作者:方阳, 转载请注明地址。 文件和代码可以在Github下载, markdown推荐用typora打开。 这篇文章是DIP的第二次作业,对图像增强技术进行综述,目录如下:
努力努力再努力F
2019-04-29
1.5K
0
深度学习中的规范化
批量计算
这篇文章介绍深度学习四种主流的规范化, 分别是Batch Normalization(BN[9]), Layer Normalization(LN[7]), Instance Normalization(IN[8])以及Group Normalization(GN[2])。
努力努力再努力F
2019-04-18
830
0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档