overfit同步小助手
文章同步
Java基础算法看这一篇就够了，简单全面一发入魂
一、算法编写一段计算机程序一般都是实现一种已有的方法来解决某个问题。这种方法大多和使用的编程语言无关，它适用于各种计算机及编程语言。是这种方法而非计算机程序本身描述了解决问题的步骤。在计算机科学领域，我们用算法这个词来描述一种有限、确定、有效的并适合用计算机程序来实现的解决问题的方法。算法是计算机科
IT专业大学生毕业前必做的1010件事
快来get✔ IT专业大学生毕业前必做的1010件事吧~
【数据结构】之线性表（三）【详解】这一篇就够了，吐血总结，值得收藏~~
《大话数据结构溢彩加强版》线性表（三），持续更新
跳动的“loading”，个个都很惊艳
大家好，我是半夏👴，一个刚刚开始写文的沙雕程序员.如果喜欢我的文章，可以关注➕ 点赞 👍 加我微信：frontendpicker，一起学习交流前端，成为更优秀的工程师～关注公众号：搞前端的半夏,了解更多前端知识! 点我探索新世界！原文链接 ==>http://sylblog.xin/ar
【Ajax】第一课 Ajax访问Servlet解析Json格式
概念ajax（Web数据交互方式），Ajax即AsynchronousJavascriptAndXML（异步JavaScript和XML）在 2005年被Jesse James Garrett提出的新术语，用来描述一种使用现有技术集合的‘新’方法，包括:HTML或XHTML, CSS,JavaScr
Vue3.x使用Swiper Vue插件最新详细教程（包含修改swiper样式）
Vue3.x使用Swiper Vue插件最新详细教程（包含修改swiper样式）
【前端学习】JS入门（一）
JS基础：JS基础语法、函数、对象、DOM
CSS在HTML中的使用方法
行内样式这种方法是直接在HTML的代码行中添加CSS代码，以<style>作为标志，这样的方法在做局部的样式设计时比较好用但是在需要做大量的样式设计的时候就会显得很鸡肋。嵌入样式嵌入样式是将样式定义为网页代码的一部分，放在文档的<head>和</head>之间，通
静态英雄联盟轮播图布局
室友打了一局英雄联盟的时间，我居然学会了静态英雄联盟轮播图布局
27.JavaScript的基础类型和对象一样有属性和方法，你知道这是如何实现的吗？
文章目录基础类型的“属性方法”前言基础类型当作对象使用面临的问题解决的方法背后的事件妥协的结果常用方法举例StringNumber基础类型构造函数（不推荐使用的特性）本文小节基础类型的“属性方法”本文将探究一个极其有趣的概念，即基础类型的属性方法。怎么样，是不是有点懵？且听我慢慢道来~前言在其他面向
机器学习系列(14)_PCA对图像数据集的降维_03
文章目录一、噪音过滤1、案例：手写数字图像识别一、噪音过滤降维的目的之一是希望抛弃对模型带来负面影响的特征，同时，带有效信息的特征的方差应该是远大于噪音的，所以相比噪音，有效的特征所带来的信息不会在PCA当中大量抛弃。inverse_transform能够在不恢复原始数据的情况下，将降维后的数据返回
数学建模学习（69）：朴素贝叶斯回归分类，轻松掌握
手把手教你使用贝叶斯回归分类模型
Python学习记录 使用tensorflow 2.8 完成猫狗识别 使用keras构建CNN神经网络
猫狗识别项目数据分为带标签和不带标签带标签：25000张不带标签：12500张数据分类处理下载的数据存放在data文件夹下# 定义数据存储的文件夹data_dir = './data/'train是25000张带标签的猫狗图片test1是12500张无标签的猫狗图片使用代码核对一下# 进入图片数据的
正则化——参数范数惩罚
L1和L2正则化
基于微分方程的图像去噪处理(改进型P-M法)
本文通过结合P-M微分模型与中值滤波进行去噪设计，提出了LMFPM的去噪模型。该模型对P-M法中的扩散函数中的图像梯度模进行处理，为其增加中值滤波的线性影响，以实现对噪声和边界的区分处理，解决了P-M法中对小尺度噪声处理效果不好的问题。对提出的模型利用有限差分法进行数值计算，然后用实验对比均值滤波、
图像处理操作
本文介绍了傅里叶变换处理，离散余弦变换，灰度增强，图像翻转，线性变换，对数变换，直方图均衡化，直方图规定化，均值和中值滤波和低通滤波
神经网络入门（详细 ）
机器学习流程、K近邻算法，以及详细介绍了神经网络的基本框架。
基于聚类算法的城市餐饮数据分析与店铺选址
餐饮业生意好坏的影响因素通常有很多，包括店铺菜系、口味、服务态度、周边环境、人口密度、所在区域、人均消费等等方面。本项目以上海城市为例，对其餐饮业消费数据进行统计分析，从三个维度“口味”、“人均消费”、“性价比”对不同菜系进行横向比较。针对某一商铺类型，将上海划分成格网空间，做空间指标评价，基于聚类
物体检测快速入门系列(3)-Windows部署Docker GPU深度学习开发环境
在《物体检测快速入门系列(2)-Windows部署GPU深度学习开发环境》一文中已经描述了如何在Windows环境下部署GPU深度学习开发环境，但是要我推荐的话，我还是倾向于docker环境，无需安装cuda、cuDNN，docker镜像安装完毕后，就都好了，一键部署好之后，可以随意迁移，再也不用环
《Yolov5实验数据全部开源》
公开了个人实验数据及配置文件代码