XOR
Tapdata 亮相 2023 谷歌出海创业加速器展示日活动，实时数据点亮企业创新之路
在商海蓬勃拓展的时代，企业出海不仅是一次业务冒险，更是一场文明探险，探索未知，开创无限可能。无惧挑战，Tapdata 将持续为全球用户带来高质量的实时数据服务。 ......
打造餐饮+元宇宙新体验！实时云渲染赋能DQverse未来世界
DQ品牌发布了旗下首个元宇宙平台——DQverse未来世界.其中,DQ选择了与瑞云科技旗下的3DCAT实时云渲染合作,3DCAT为DQverse未来世界提供了基于云端强大的图形渲染算力,云渲染3D应用并实时推送到终端的公有云解决方案. ......
11道Gin基础高频题整理(附答案背诵版)
Gin框架如何文件上传 ？ Gin框架中实现文件上传的基本步骤可以分为以下几个部分： 设置路由：首先，在Gin框架中，你需要为文件上传功能设置一个路由。这个路由会指向一个处理函数，用于处理上传的文件。 router := gin.Default() router.POST("/upload", up ......
35道HTML高频题整理(附答案背诵版)
1、简述 HTML5 新特性 ？ HTML5 是 HTML 的最新版本，它引入了很多新的特性和元素，以提供更丰富的网页内容和更好的用户体验。以下是一些主要的新特性： 语义元素：HTML5 引入了新的语义元素，像 <article>, <section>, <nav>, <header>, <foot ......
jieba 分词红楼梦相关的分词，出现次数最高的20个
点击查看代码 import jieba import wordcloud def takeSecond(elem): return elem[1] def createWordCloud(text): #生成词云函数 w=wordcloud.WordCloud(font_path="STZHONGS ......
python123——爬虫作业
用requests库的get()函数访问百度主页２０次 import requests url = 'https://www.baidu.com' for i in range(20): response = requests.get(url) response.encoding = 'utf-8' ......
《需求分析与系统设计》阅读笔记02
第四章是需求规格的说明，在这章中作者提出需要用图形和其他形式化模型来说明需求。需求规格说明用客户的叙述性需求作为输入，用构造规格说明模型作为输出，这些模型分为3组，即状态模型，行为模型和状态变化模型。对象的状态由它的属性和关联的取值来决定，状态规格说明提供系统的静态视图，通常情况下得首先识别类，方法 ......
Reducer的理解--React状态管理Reducer
这篇博客主要从以下几个方面来介绍我对Reducer的理解 什么是 Reducer 函数 useState 重构成 useReducer 使用Reducer的业务场景 1. 什么是 Reducer 函数 对于组件过于分散的事件处理程序，可以将组件的所有状态更新整合到一个外部函数中，这个函数被称为 re ......
64道Go机制高频题整理(附答案背诵版)
如何解决Golang uint 类型溢出问题？ Golang的uint类型溢出问题通常会在大量运算中发生，特别是在涉及到大量循环或者大数运算时。当uint类型的值超过其最大值时，它会发生溢出，然后从该类型的最小值开始循环。为了解决这个问题，我们可以采取以下几种方法： 使用更大的数据类型：例如，如果你 ......
qwb2023落荒而逃版
前言 qwb2023 .12.15 被打废了，N1决赛和qwb,有一个pwn可以做的但是已经在做misc看都不看……无语了。 Pyjail ! It's myFILTER !!!|SOLVED|N1nEmAn 读环境变量获取flag {print(open("/proc/self/environ") ......
命运2 Cross Save
epic 上免费领的命运2，进不去，界面提示要扫码。 解决方法： 1.手机或电脑浏览器进入：https://www.bungie.net/。 2.使用epic 账号登录 ，然后设置一个邮箱，邮箱收到验证链接后，点击链接。 3.再关联一个XBOX 账号。估计最少要关联2个账号，steam的也行。 4. ......
android camera驱动调试--抓图分析
之前太忙了，挺长一段时间没有写博客， 都写在有道云笔记了，最近抽空梳理一下，好好记录一下 前面已经写了怎么调试摄像头，如果能驱动加载正常，接下来就是抓图 之前的参考内容 https://www.cnblogs.com/ChenChangXiong/p/14919931.html 抓图命令 v4l2- ......
linux - 文件与目录权限的设置与修改
文件权限说明 [-][rwx][r-x][r--] 文件权限分为四部分： 1. 第一部分表示文件类型，- 代表普通文件，d代表目录, l代表链接文件 2. 第二部分表示文件所有者权限，r 代表可读， w代表可写， x代表可执行 3. 第三部分表示所属用户组权限，r 代表可读， x代表可执行 4. 第 ......
【python爬虫课程设计】纵横中文网——分类数据爬取+数据可视化
一、选题的背景 通过新书榜和推荐榜来分析小说分类和人气之间的关系，让作者能加了解读者的需求,写出令读者感兴趣的题材来吸引读者。热门的小说分类是社会文化普遍认可的体现，了解和分析社会文化对于提升和改善社会文化起着重要作用。了解热门小说分类让新人作者选择题材时有份参考，以至于写出的小说分类偏门而鲜有人关 ......
Dual Attention Network for Scene Segmentation：双线并行的注意力
Dual Attention Network for Scene Segmentation * Authors: [[Jun Fu]], [[Jing Liu]], [[Haijie Tian]], [[Yong Li]], [[Yongjun Bao]], [[Zhiwei Fang]], [[H ......
Is Attention Better Than Matrix Decomposition?
Is Attention Better Than Matrix Decomposition? * Authors: [[Zhengyang Geng]], [[Meng-Hao Guo]], [[Hongxu Chen]], [[Xia Li]], [[Ke Wei]], [[Zhouchen Li ......
SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation
SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation * Authors: [[Meng-Hao Guo]], [[Cheng-Ze Lu]], [[Qibin Hou]], [[Zhengning ......
Deep Residual Learning for Image Recognition：ResNet
Deep Residual Learning for Image Recognition * Authors: [[Kaiming He]], [[Xiangyu Zhang]], [[Shaoqing Ren]], [[Jian Sun]] DOI: 10.1109/CVPR.2016.90 初读 ......
Relation Networks for Object Detection
Relation Networks for Object Detection * Authors: [[Han Hu]], [[Jiayuan Gu]], [[Zheng Zhang]], [[Jifeng Dai]], [[Yichen Wei]] DOI: 10.1109/CVPR.2018.0 ......
Squeeze-and-Excitation Networks：SENet，早期cv中粗糙的注意力
Squeeze-and-Excitation Networks * Authors: [[Jie Hu]], [[Li Shen]], [[Samuel Albanie]], [[Gang Sun]], [[Enhua Wu]] Local library 初读印象 comment:: (SENet ......
Local Relation Networks for Image Recognition： LRNet
Local Relation Networks for Image Recognition * Authors: [[Han Hu]], [[Zheng Zhang]], [[Zhenda Xie]], [[Stephen Lin]] DOI: 10.1109/ICCV.2019.00356 @in ......
CCNet: Criss-Cross Attention for Semantic Segmentation
CCNet: Criss-Cross Attention for Semantic Segmentation * Authors: [[Zilong Huang]], [[Xinggang Wang]], [[Yunchao Wei]], [[Lichao Huang]], [[Humphrey S ......
Vision Transformer with Super Token Sampling
Vision Transformer with Super Token Sampling * Authors: [[Huaibo Huang]], [[Xiaoqiang Zhou]], [[Jie Cao]], [[Ran He]], [[Tieniu Tan]] Local library 初读 ......
程序员修炼之道从小工到专家（八）
《程序员修炼之道从小工到专家》是一本极具启发性的编程指南，通过对作者多年编程经验的分享，为程序员提供了一条通往专业水平的成长之路。阅读本书，让我深刻认识到编程不仅仅是一项技术活动，更是一门艺术和一种态度。 首先，书中强调的代码质量给我留下深刻印象。作者在书中多次强调“优雅的代码”，并提供了大量实用的 ......
反演
0. 二项式反演 0.1. 形式 \[F(n)=\sum_{i=0}^{n}(-1)^{i}{n \choose i}G(i) \iff G(n)=\sum_{i=0}^{n}(-1)^{i}{n \choose i}F(i) \] \[F(n)=\sum_{i=0}^{n}{n \choose i ......
65道Go基础高频题整理(附答案背诵)
说明一下Golang 中 make 和 new 的区别？ 好的，关于 make 和 new 在 Go 语言中的区别，我来解释一下。 new 函数的作用： new(T) 函数会为 T 类型的新项分配零值内存，并返回其地址，即一个 *T 类型的值（指针）。这种方法适用于各种类型，包括基本类型如 int、 ......
Expectation-Maximization Attention Networks for Semantic Segmentation 使用了EM算法的注意力
Expectation-Maximization Attention Networks for Semantic Segmentation * Authors: [[Xia Li]], [[Zhisheng Zhong]], [[Jianlong Wu]], [[Yibo Yang]], [[Zho ......
RefineNet: Multi-path Refinement Networks for High-Resolution Semantic Segmentation
RefineNet: Multi-path Refinement Networks for High-Resolution Semantic Segmentation * Authors: [[Guosheng Lin]], [[Anton Milan]], [[Chunhua Shen]], [[ ......