overfit同步小助手
文章同步
内网渗透之Windows反弹shell（三）
内网渗透之Windows反弹shell（三）（06Powershell.exe（通过PowerShell发起Powercat攻击、通过Web Delivery反弹shell、通过powershell启动cscript.exe、通过powershell启动bat文件、通过powershell启动exe
【Java】String类OJ题
描述计算字符串最后一个单词的长度，单词以空格隔开，字符串长度小于5000。（注字符串末尾不以空格为结尾）输入描述输入一行，代表要计算的字符串，非空，长度小于5000。输出描述输出一个整数，表示输入字符串最后一个单词的长度。示例1输入输出8说明最后一个单词为nowcoder，长度为8给定一个字符串，验
好用的办公网优化工具OneDNS
DNS域名系统(DomainNameSystem)的缩写，因特网的一项核心服务，相当于互联网的GPS。可以看成一个巨大的通讯录，主机访问域名时，把网址解析为对应IP地址给出终端。
【C语言】文件相关函数详解
c语言文件操作
Docker 简介
Docker是基于Go语言开发的一款开源的应用程序与PaaS服务，是一种轻量化的虚拟机。Docker三大理念为build(构建)、ship(运输)、run(运行)。并且使用Namespace与Cgroup来提供容器的资源隔离与安全保障等。如Docker的logo一样，蓝鲸为宿主机，而集装箱则为互相隔
ES6中Symbol、迭代器和生成器基本语法
迭代器(lterator)是一种接口，为各种不同的数据结构提供统一的访问机制。任何数据结构只要部署lterator接口，就可以完成遍历操作，ES6新增遍历方式for...of。原生具备lterator接口的数据有2.原理创建一个指针对象，指向数据结构的起始位置，第一次调用==next（）==方法，指
promise对象与ajax的爱情故事，还有JSON
不登高山，不知天之高也;不临深溪，不知地之厚也
前端通用后台登录解决方案（一站式解决封装axios模块、接口请求模块、登录请求动作、本地缓存处理、登录鉴权解决）
我们希望封装出来的axios模块，至少需要具备一种能力，那就是：根据当前模式的不同，设定不同的BaseUrl，因为通常情况下企业级项目在开发状态和生产状态下它的baseUrl是不同的。...
【JavaScript】Promise（三） —— async 与 await、宏任务与微任务
async 和 await 的使用，宏队列 和 微队列的区别及实例。
入门JavaScript---基础篇
JavaScript为前端三剑客之一，主要实现和用户交互的动作，本篇文章对JavaScript的基础语法进行了总结，帮助大家进一步入门JavaScript
ES6中 Promise 概念、基本用法和封装ajax（json数据使用）
一、定义Promise是异步编程的一种解决方案，可以替代传统的解决方案--回调函数和事件。ES6统一了用法，并原生提供了Promise对象。作为对象，Promise有一下两个特点：1.对象的状态不受外界影响。Promise对象代表一个异步操作，有三种状态：pending（进行中）、fulfilled
【微信小程序】组件使用及属性参考
小程序组件微信小程序的开发实际上也是前端开发的一种。我们想要开发一个前端程序，首先要做的就是创建美观的页面，然后处理好业务代码。在用户眼中首先会看到的是页面，而不会关心代码的实现，所以在学习前端开发时通常都是先从HTML、CSS入手，再去学习JavaScript。所以，本章先进行小程序组件的讲解。掌
理解JS的三座大山
JS的三座大山
word2vec简单总结
与Skip-Gram相反，CBOW模型假设上下文词可以用来生成中心词。Skip-Gram模型假设中心词可以用来生成上下文词。在计算条件概率时我们通常会对这些上下文词取平均，即。，则Skip-Gram模型的似然函数为。表示其用作中心词和上下文词的两个向量。维向量来表示，具体来说，对于索引为。CBOW模
从视频中获取发丝都能看见的人体步态轮廓图
步态轮廓图
ROS从入门到精通(十) TF坐标变换原理，为什么需要TF变换？
TF坐标变换是ROS中很重要的组成原理，本节从两个实例出发介绍TF变换的作用，最后基于Rviz可视化加深理解
在线会议中人脸面部轮廓图像提取（三）——Dlib库人脸面部轮廓图像特征提取
当当当当，第三期来廖！接上一期，介绍完HOG特征提取我们继续学习Dlib库提取特征叭！
从零开始实现一个简单的CycleGAN项目
pytorch 中CycleGAN（循环一致生成对抗网络）的简单且易于修改的实现
PyTorch 结构重参数化 RepVGGBlock
近年来，卷积神经网络的结构已经变得越来越复杂；得益于多分支结构良好的收敛能力，多分支结构越来越流行但是，使用多分支结构的时候，一方面无法有效地利用并行加速，另一方面增加了MAC为了使简单结构也能达到与多分支结构相当的精度，在训练RepVGG时使用多分支结构(3×3卷积+1×1卷积+恒等映射)，以借助
图片、视频修复并超分 - Real-ESRGAN项目使用（一） | 机器学习
前段时间一直在弄golang，很少关注一些开源项目。正巧碰到一个，可以将模糊的照片或者视频修复清晰，且可以超分处理的项目。