overfit同步小助手
文章同步
图解自动驾驶中的运动规划(Motion Planning)，附几十种规划算法
运动规划是自动驾驶的核心理论和工程技术之一，本文作为教程先导，解析了运动规划的两大组件——路径规划和轨迹规划。欢迎感兴趣的同学订阅专栏！
人工智能时代八大类算法你了解吗？（包邮送书6本）
本文导读1. 关联规则分析2. 回归分析3. 分类分析4. 聚类分析5. 集成学习6. 自然语言处理7. 图像处理8. 深度学习
图像特征提取（VGG和Resnet特征提取卷积过程详解）
图像特征提取（VGG和Resnet卷积过程详解）第一章 图像特征提取认知1.1常见算法原理和性能众所周知，计算机不认识图像,只认识数字。为了使计算机能够“理解”图像，从而具有真正意义上的“视觉”，本章我们将研究如何从图像中提取有用的数据或信息，得到图像的“非图像” 的表示或描述，如数值、向量和符号
使用Postman测试单个文件和对象同时上传
2.支持的请求方法的方式MultipartFile，属于Spring的MultipartResolver类。1.@RequestPart这个注解用在multipart/form-data表单提交请求的方法上。因为是同时传文件和对象，所以是两个参数，同时还要传对象 所以要把右侧Content Typ
使用element-ui中的el-upload自定义上传
整理了一套《前端大厂面试宝典》，包含了HTML、CSS、JavaScript、HTTP、TCP协议、浏览器、VUE、React、数据结构和算法，一共201道面试题，并对每个问题作出了回答和解析。
mybatis-plus实现分页（好用）
一次学会mybatis-plus的分页方法！！！
npm 与 yarn 安装指定版本包、删除依赖；快速删除 node_modules 文件
/ --save-dev 将依赖包名称添加到 package.json 文件 devDependencies 下，开发时候依赖的东西。npm install xxx --save // 简写：npm install xxx -S 或 npm install xxx。npm install xxx -
Windows下安装Nginx(详解)
Windows下安装Nginx(详解)
unity判断鼠标是否点击到ui，获得当前点击到的ui物体
if (Input.GetMouseButtonUp(0)) { //判断点击的是否是UI if (EventSystem.current.IsPointerOverGameObject()) { Debug.Log("点击到了UI上");
vue-seamless-scroll 使用
vue-seamless-scroll 点击事件无响应
公钥、私钥、对称加密、非对称加密、混合加密、摘要、签名、证书及CA
关于对称加密、非对称加密、混合加密、数字签名及证书、CA的解释。
【网络安全】记一次红队渗透实战项目
mcrypt 是php里面重要的加密支持扩展库，主要是用mcrypt 扩展库中各种加密函数对用户输入内容进行转换功能。就是用户输入的数据转换为base64编码和解码功能，还有将字符串转换为 8-bit 字符串功能。PHP存在四种过滤器：PHP 过滤器用于验证和过滤来自非安全来源的数据，比如用户的输入
什么是零拷贝
零拷贝是老生常谈的问题，无论是Kafka还是Netty等都用到了零拷贝的知识，那究竟什么是零拷贝呢什么是零拷贝“零”：表示次数是0，它表示拷贝数据的次数是0
【Linux】-- 进程概念
当我们写完代码之后，编译连接就形成一个可执行程序.exe，本质是二进制文件，在磁盘上存放着。双击这个.exe文件把程序运行起来就是把程序从磁盘加载到内存，然后CPU才能执行其代码语句。当把程序加载到内存后，这个程序就叫做进程。所有启动程序的过程，本质都是在系统上创建进程，双击.exe文件也不例外
Python爬虫（1）一次性搞定Selenium(新版)8种find_element元素定位方式
Python爬虫（1）一次性搞定Selenium(新版)8种find_element元素定位方式
常用的测试方法
又称功能测试或者基于需求的测试。主要的测试方法包括边界值分析法、等价类划分法、错误推断法：根据以往经验，大多数问题发生在数据的边界处。使用该方法需要，第一：确定测试单元输入信号的边界值；第二：用正等于边界值、略小于边界值、略大于边界值编写测试用例进行测试。：把输入信号的范围分为若干子集，在每个子集中
【微服务】分布式搜索引擎elasticsearch（2）
DSL查询文档(全文检索查询,精准查询,地理坐标查询,复合查询),搜索结果处理(排序,分页,高亮),RestClient查询文档
nvm安装步骤及使用方法
nvm安装步骤
Linux系列 Linux常用命令（2）
本章将会讲解Linux系列常用命令（2）
【论文精选】TPAMI2020 - PFENet_先验引导的特征富集网络_小样本语义分割
由于训练类的高级语义信息使用不当，查询目标与支持目标的空间不一致，目前的小样本分割框架仍然面临着对未见类的泛化能力降低的挑战。为了缓解这些问题，PFENet提出了先验引导特征富集网络(PFENet)。它包括:(1)一种无需训练的先验掩码生成方法，不仅保留了泛化能力，还提高了模型性能;(2)特征富集模