首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏刷题笔记

    7-9 人以群分 (25 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/99688626 7-9 人以群分 (25 分) 社交网络中我们给每个人定义了一个“活跃度”

    86020发布于 2019-11-08
  • 来自专栏yuyy.info技术专栏

    【笔记】Operator课程(7-9)

    Indexer缓存k8s资源对象,并提供便捷的方式查询。例如获取某个namespace下的所有资源

    49820编辑于 2023-04-12
  • 来自专栏刷题笔记

    7-9 最长对称子串

    本文链接:https://blog.csdn.net/shiliang97/article/details/96307903 7-9 最长对称子串 对给定的字符串,本题要求你输出最长对称子串的长度。

    82130发布于 2019-11-08
  • 来自专栏GiantPandaCV

    CenterNet骨干网络之hourglass

    CenterNet中主要提供了三个骨干网络ResNet-18(ResNet-101), DLA-34, Hourglass-104,本文从结构和代码对hourglass进行讲解。 Ground Truth Heatmap 在开始讲解骨干网络之前,先提一下上一篇文章中有几位群友私聊我的问题:CenterNet为什么要沿用CornerNet的半径计算方式?

    2.2K30发布于 2020-08-04
  • 来自专栏鲜枣课堂

    大话中国骨干网(上)

    其实,当时钱天白所使用的网络,并不是我国自主建设的Internet骨干网,而是1986年计算机应用技术研究所与德国卡尔斯鲁厄大学合作建设的一个国际联网项目——中国学术网(Chinese Academic ▉ 四大IP骨干网 1994年9月,就在中国迈入互联网世界后不久,邮电部电信总局与美国商务部签订协议,正式启动中国公用计算机互联网的建设。 这个网,就是现在大名鼎鼎的中国第一骨干网——ChinaNet。 最终,国内形成了四大骨干网的格局。正是这些网络,支撑起了中国互联网的起步。 ? 1997年12月,四大骨干网实现互联互通。此后,中国的互联网,进入了崭新的时代! 未完待续。。。 敬请期待:大话中国骨干网(下) 参考文献: 1、中国互联网发展史,B站 2、互联网的起源发展历史,百度 3、中国互联网二十年发展历程回顾,刘璐、潘玉 4、中国计算机发展历史,百度

    2.5K30发布于 2020-12-16
  • 来自专栏GiantPandaCV

    CenterNet的骨干网络之DLASeg

    CenterNet中使用的DLASeg是在DLA-34的基础上添加了Deformable Convolution后的分割网络。

    7.6K31发布于 2020-08-10
  • 来自专栏后端开发从入门到入魔

    7-9 JAVA-水仙花数

    水仙花数是指一个N位正整数(7≥N≥3),它的每个位上的数字的N次幂之和等于它本身。例如:153=13+53+33。 要求编写程序,计算所有N位水仙花数。

    51710编辑于 2024-03-01
  • 来自专栏GiantPandaCV

    Pelee:移动端实时检测骨干网

    在ImageNet数据集上,PeleeNet只有MobileNet模型的66%,并且比MobileNet精度更高。PeleeNet作为backbone实现SSD能够在VOC2007数据集上达到76.4%的mAP。文章总体上参考DenseNet的设计思路,提出了三个核心模块进行改进,有一定参考价值。

    1.5K10发布于 2020-05-20
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 7-9 人脸识别与特征脸

    本系列是《玩转机器学习教程》一个整理的视频笔记。本章的最后一个小节介绍PCA在人脸识别领域的一个特殊的应用,也就是所谓的特征脸。本小节会介绍什么是特征脸,并通过可视化的方式直观的感受特征脸。

    1.5K20发布于 2019-11-23
  • 来自专栏AIWalker

    视觉骨干网络VAN 背后的故事

    )和新的骨干网络 VAN。 Part1 视觉骨干网络的发展 对图像进行特征提取,是计算机视觉任务的基础。在计算机视觉中,用于对图像进行特征提取的网络被称之为骨干网络。随着骨干网络的不断演进,计算机视觉也取得了飞跃式发展。 视觉骨干网络的发展大致可以分为三个阶段: 早期发明阶段(2012年之前),这个阶段以LeNet为代表,研究人员正式开始提出使用卷积神经网络进行特征提取。 于是,作者在该论文中提出了一种专门针对计算机视觉任务的大核注意力(LKA)机制,基于该注意力,作者进一步提出了一种全新的视觉骨干网络VAN。 图3 不同模块的结构 视觉注意力网络VAN 基于LKA,本文搭建了一个新的视觉骨干网络VAN。

    1.1K20编辑于 2023-09-03
  • 来自专栏GiantPandaCV

    CNN骨干网络新选择HS-ResNet

    【GiantPandaCV导语】这是最近百度的一篇网络结构设计文章,该网络结构是手工设计得来,主要改进在对特征图多级划分卷积,拼接,提升了网络的精度,同时也降低了推理时间。个人感觉是res2net,ghostnet的结合,并且训练阶段没引入过多的trick,最后的实验结果很惊艳,或许是炼丹的一个好选择。

    1.7K20发布于 2020-11-17
  • 来自专栏刷题笔记

    【未完成】7-9 目录树 (30 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/102727548 7-9 目录树 (30 分) 在ZIP归档文件中,保留着所有压缩文件和目录的相对路径和名称

    79410发布于 2019-11-07
  • 来自专栏yuyy.info技术专栏

    《代码整洁之道》笔记(7-9章节)

    多个条件分支记录错误信息,可以封装进一个方法,在记录异常信息的地方抛出异常,并给出相应信息。在该方法外部捕获,记录异常信息。异常处理和正常业务流程隔离。

    67710编辑于 2022-06-28
  • 来自专栏ReganYue's Blog

    【PTA】7-9 递归实现逆序输出整数 (15point(s))

    本题目要求读入1个正整数n,然后编写递归函数reverse(int n)实现将该正整数逆序输出。

    1.5K10发布于 2021-09-16
  • 来自专栏鲜枣课堂

    骨干网光通信的最新趋势

    今天这篇,小枣君和大家聊聊骨干网光通信的一些最新技术动向。 █ 400G,真的来了 大家也许都有所耳闻,从去年开始,国内运营商骨干网已经全面拉开了400G商用的帷幕。 骨干网升级400G的原因,是显而易见的。 一方面,居民数字生活(高清视频、远程会议、在线直播、在线游戏等)所带来的消费互联网流量增长,仍在持续。 另一方面,全行业都在推动数字化转型,来自行业数字化系统的流量激增,加剧了骨干网的压力。 骨干网压力陡增,还有一个关键的原因——AI大爆发。 AIGC大模型崛起之后,引发了一股AI浪潮。 这就对DCI(数据中心互联网络)提出了更高要求,光通信骨干网必须在技术性能上能够满足这一需求。 我们国家在算力上的战略,还是秉承了“全国统筹、整体布局”的思路。 所以,长途骨干网早期设计阶段的时候,基本上聚焦于16QAM和QPSK。后来有了16QAM-PCS,也加入了竞争。

    84120编辑于 2024-05-17
  • 来自专栏贾志刚-OpenCV学堂

    SwinTransformer多尺度特征提取的Vit骨干网

    为突破这些限制,我们提出了一种名为Swin Transformer的通用Transformer骨干网络,它能够构建分层特征图,并实现与图像尺寸呈线性关系的计算复杂度。 这些优势使Swin Transformer适用于多种视觉任务的通用骨干网络,与此前仅生成单一分辨率特征图且具有二次计算复杂度的基于Transformer的架构形成鲜明对比。

    32310编辑于 2026-04-02
  • 来自专栏刷题笔记

    【未完成】7-9 电路布线 (30 分)15分

    本文链接:https://blog.csdn.net/shiliang97/article/details/101473534 7-9 电路布线 (30 分) 在解决电路布线问题时,一种很常用的方法就是在布线区域叠上一个网格

    49520发布于 2019-11-08
  • 来自专栏刷题笔记

    【2020HBU天梯赛训练】7-9 天梯赛座位分配

    7-9 天梯赛座位分配 天梯赛每年有大量参赛队员,要保证同一所学校的所有队员都不能相邻,分配座位就成为一件比较麻烦的事情。

    91810发布于 2020-06-23
  • 来自专栏IT技术圈(CSDN)

    2017年天梯赛大区赛题集 7-9 人以群分

    7-9 人以群分 社交网络中我们给每个人定义了一个“活跃度”,现希望根据这个指标把人群分为两大类,即外向型(outgoing,即活跃度高的)和内向型(introverted,即活跃度低的)。

    47220发布于 2020-09-15
  • 来自专栏深度学习技术前沿

    清华大学提出全新Autoformer骨干网

    尽可能延长预测时效是时序预测的核心难题,对于能源、交通、经济的长期规划,气象灾害、疾病的早期预警等具有重要意义。

    1.4K40发布于 2021-07-14
领券