COCO数据库

计算机视觉  数据

  

2020-07-13 16:29:52

COCO数据库 安装 数据集内容说明 COCO数据集的标注信息 补充阅读 图像识别计算机视觉领域的数据集分类介绍 Image Classification分类 Object Detection物体检测 Semantic scene labeling图像分割 other 参考 COCO数据库: 微软发布的COCO数据库, 除了图片以外还提供物体检测, 分割(segmentation)和对图像的语义文...

一. 前言 网络编程的目的就是指直接或间接地通过网络协议与其他计算机进行通讯。  网络编程中有两个主要的问题 : 一个是如何准确的定位网络上一台或多台主机[【TCP/IP】 一个就是找到主机后如何可靠高效的进行数据传输。【TCP/IP VS UDP】 在TCP/IP协议中IP层主要负责网络主机的定位,数据传输的路由,由IP地址可以唯一地确定Internet上的一台主机。而TCP...

过滤器可以用一个管道字符’|’添加到表达式和指令中。 常用的过滤器有 l  currency:数字转金额 l  uppercase/lowercase:字符串转大小写 l  date:时间格式化 l  json:Json解析 l  limitTo:字符串截取 l  orderBy:排序 l  filter...

汇编语言实验5 第(5)题

汇编

  

2020-07-13 16:29:02

原题 (5)程序如下,编写code段中的代码,将a段和b段中的数据依次相加,将结果存到c段中。 ``` assume cs:code 思路: 因为使用db申请的内存空间,所以1到8这8个数每个占一个字节,所以a段共有八个字节。 同理,b和c段也是8个字节的内存空间。 a段和b段依次相加放到c段,所以要用循环,每次将相加的结果放到c段里。 因为a段和b段的每个内存单元数据一样,个数也一样,所以我们只...

Vue查看看源码的技巧

vue

  

2020-07-13 16:28:55

搭建调试环境 获取地址:git clone https://github.com/vuejs/vue.git 安装依赖:npm i 安装rollup:npm i -g rollup(因为是用rollup打包的) script修改dev脚本 加上–sourcemap 作用:打包之后 dist 下多了map文件,可以和源码进行很好的映射,方便更好的调试源码 执行dev:npm run de...

模板方法实际就是封装固定的流程,像模板一样,第一步做什么,第二步又做什么,都在抽象类中定义好。子类可以有不同的算法实现,在算法框架不被修改的前提下实现某些步骤的算法替换。 在我们的水果店中,清点商品、计算价目、用户支付、送货上门这四个步骤是固定下来的。但是其中用户支付的方式有多种多样,这个是不确定的,而且后续是否会添加新的支付方式也不得而知,因此,用户支付这个步骤可以做成一个接口,延迟到子类中再去...

SQL Injection Attack Lab

Seed Labs  网络安全

  

2020-07-13 16:27:57

实验环境 Ubuntu16.04 将www.seedlabsqlinjection.com映射到127.0.0.1,并配置Apache的配置文件。 预备知识 网络应用程序一般将数据存储在数据库中,当它们需要从数据库中访问数据时,需要构造SQL语句并将语句发送给数据库执行,通常,这些SQL语句不包含不可信的用户提供的数据。网络应用程序需要确保来自用户的数据不被当成代码,否者数据库可能被执行用户注入的...

目标网址:http://www.amac.org.cn/ 这个网站上只有查询功能,但是业务想要上面的数据进行更有效的分析。 所以记录一下。 就拿私募基金这个相对比较难的,难点不在于数据难拿,难点在于 我们想要的数据要层层筛选,也就是说为了拿到一条完整的数据需要请求三次页面才能够拿到完整的数据,且,后一页的数据通过前一页面上的数据拿到后一页的请求地址,所以要发送三次请求。如下图所示:   ...

阅读目录 深度学习初学的一些概念 Relevant Link 深度学习小例子(1) 深度学习小例子(2) 深度学习初学的一些概念 Relevant Link 深度学习小例子(1) 深度学习小例子(2) 例子参考 https://keras-cn.readthedocs.io/en/latest/getting_started/sequential_model/#_2...

前言 其实一开始是准备爬王者荣耀官网的,但是研究了很长时间,发现它的官网爬取后的数据说是乱码也不算,但都看不懂,也没查到解决办法,估计是反爬比较强,对于新手来说,有点困难。 所以为了练习,还是选择了难度比较小的其他游戏网站。 一、任务目标 首先需要知道完成一个爬虫项目,无论大项目还是小项目,都要制定好目标,然后分解。 我 把这次的任务分成以下几步: 1、获取所有英雄名字、页面链接; 2、进入各个英...

#我的单片机入门就是蓝桥杯单片机比赛了,一直没有记录我的学习记录,一直也都是读别人的博客,突发奇想,想自己也写一下学习记录,估计会有很多错误的地方哈哈哈,还有就是我写代码的习惯都是会分一个源文件和头文件,和很多人不一样,我看很多都是把一些代码直接写进头文件,而我的习惯是在源文件里写,然后在头文件里加上要用的函数以及变量。# 定时器: 定时器主要是定时作用,可以用于定时,在按键上还可以应用于定时器扫...

题目描述 基本思路 正向dp: 从【0】【0】处往【n-1】【m-1】减一处dp 因为只能向下,向右只有两种状态转移可以很容易的写出状态转移方程 但考虑下列情况 绿色路径「从出发点到当前点的路径和」为 1,「从出发点到当前点所需的最小初始值」为 3。 蓝色路径「从出发点到当前点的路径和」为 -1,「从出发点到当前点所需的最小初始值」为 2。 我们希望「从出发点到当前点的路径和」尽可能大,而「从出发...

word2vec词向量模型介绍 word2vec是一种考虑词与词之间相关性的词向量模型,它可以将意思相近的词投影到一个高维空间,生成一个距离相近高维的向量(通常是50-300维),如下图所示(图片来自于)。 从图中可以看出King与Man的余弦距离较为相近,而King与Woman之间的距离较远。word2vec的最大优势就是将意思相近的词编码成距离相近的高维向量,使编码具有语义特征。 word2v...

循环链表( circular linked list): 单链表中终点结点的指针端由空指针改为指向头结点,就使整个单链表形成一个环,这种头尾相接的单链表称为单循环链表,简称循环链表。 循环链表的定义:将单链表中最后一个数据元素的next指针指向第一个元素。 循环链表拥有链表的所有操作。 循环链表解决了如何从链表当中一个结点出发,访问到链表的全部结点。 为了使空链表与非空链表处理一直,通常设一个头结...

3.1数据预处理 python

机器学习

  

2020-07-13 16:22:04

A B C D 0 -0.414608 1.303590 -0.283909 2.083562 1 NaN NaN 0.922185 -0.037845 2 0.854575 1.439863 NaN NaN 3 0.399861 -0.650329 NaN NaN 4 0.231313 1.468190 1.626187 1.012807 5 0.776413 -1.089664 -0.6009...

文章目录 何为BGP 一、BGP基本概念 1.1、AS的概念 2、 BGP概述 3、BGP的路径矢量特征 4、BGP报文类型 5、BGP的状态机 6、BGP Peer 7、传输AS中的路由黑洞问题 8、IBGP水平分割规则 9、BGP路由通告规则 二、BGP基础配置实验 1、大体思路 2、BGP基本配置 3. 实验验证 4.实验结束 何为BGP 边界网关协议(BGP)是运行于 TCP 上的一种自治...

重定位表

  

2020-07-13 16:20:54

概述 数据目录项的第6个结构,就是重定位表。 结构 重定位表的结构 该结构体有两个成员:一个是地址,一个是大小。如下图所示:一个重定位表由多个大小SizeOfBlock的Block组成。(Block在SizeOfBlock结构之后) VirtualAddress 当前的RVA 宽度:四字节 真正的RVA = VirtualAddress + 具体项的低12位 SizeOfBlock 宽度:四字节 ...

双向链表

链表  java

  

2020-07-13 16:20:46

双向就意味着对于每一个元素,都有两个方向的指向 因此从以下几个方面阐述双向链表 重要方法分析 全部代码 一.重要方法分析 这里的链表实现了我博客中的接口 ILinkedList 与结点 LinkedNode ,具体的博客地址:http://blog.csdn.net/weixin_35757704/article/details/77894325 void insert(int key): int...

前言 在研究数字可视化时,接触到了词云,python中wordcloud库可以根据所给词的频率和背景图生成好看的词云,觉得很好玩,特将学习过程记录于此。部分学习内容参考了网络中blog的内容,在参考目录中罗列出。 官网传送门: https://pypi.org/project/wordcloud/ 源码传送门: https://github.com/amueller/word_cloud 用法传送...

Overfitting 也被称为过度学习,过度拟合。 它是机器学习中常见的问题 举个Classification(分类)的例子。看下图 图中黑色曲线是正常模型,绿色曲线就是overfitting模型。尽管绿色曲线很精确的区分了所有的训练数据,但是并没有描述数据的整体特征,对新测试数据的适应性较差 看下图 TensorFlow提供了强大的dropout方法来解决overfitting问题 看下图例子...