精华内容
下载资源
问答
  • 深度置信网,也就是深度信念网,DBN到底能不能做预测,为什么最后所有样本输出的结果都是一样的
  • 几乎所有的成功都是厚积薄发

    千次阅读 多人点赞 2020-09-13 11:42:35
    曾经有很长一段时间处于焦虑状态,焦虑什么?焦虑自己不够成功,不够优秀。...在想获得成功之前,我们首先要明白一个道理:成功和优秀都是动态。 也就是说无论你现在处于什么状态,只要肯去改变,而且

    曾经有很长一段时间处于焦虑状态,焦虑什么?焦虑自己不够成功,不够优秀。

    想必大家都会有这样一个时刻:看到周围的人不断的进步,不断的取得成就,而自己一直处于碌碌无为的状态。于是想做些事情进行改变,但发现要做的太多了,要补的太多,最终还是去刷会儿抖音比较开心。

    优秀是动态的

    随着年龄的增长,随着对一些事物底层逻辑的分析和思考,发现成功这事还真是得慢慢来。着急没用,着急只会有两个结果:放弃或焦虑。

    在想获得成功之前,我们首先要明白一个道理:成功和优秀都是动态的。

    也就是说无论你现在处于什么状态,只要肯去改变,而且能够看到自己的改变,持续下去,总比安于现状要优秀的多。

    本人几乎每周都会听听得到的《启发俱乐部》,内容本身的真实性与有效性其实并不重要,重要的只是好奇罗胖这周又研究什么了。

    就像在节目开篇时说的:七天长吗?不长,一晃眼就过去了,无非就是七次睡过去,然后七次醒过来。七天短吗?七天一点也不短,足够产生很多新的想法。比如说,读了一本书,或是跟一个有趣的人聊了个天儿,七天足以让我们变成另外一个人。

    乘风破浪的姐姐

    想写这篇文章一是因为最近相关的感触比较多,另外是因为看了一篇公众号的文章。

    里面有这样一段话:“世界的真相是枯燥和乏味。甚至大家一看就哈哈直笑的那些脱口秀节目,背后也是跟码农差不多的熬夜改稿,一遍又一遍地反复演练,对于那些大家听了哈哈直乐的段子,他们自己是笑不出来的。”

    这让我想到看《乘风破浪的姐姐》时的感悟,刚开始节目中还感慨谁谁谁多么努力。后来便没有相关的内容了,为什么?因为竞争,因为竟然让所有的人都拼尽全力去努力。

    也正是因为背后那种拼尽全力的努力才有呈现在观众面前的精彩。

    看完之后最大的感慨是:成功或许真的有方法,有套路,有运气等因素,但即便以上都积攒全了,自己不努力还是把握不住的。

    读书与写书

    当明白了一些底层道理之后,真的不太爱看那些成功学、鸡汤类的文章了。最多只是情绪低落时,用来调节的辅料。现在的我更喜欢去读一本一本的书。

    好的书不仅能够让你提升能力,甚至能够让你着迷。如果你还能看到作者背后的辛苦付出,能够学习到对应的精神,那收获更是巨大。

    最近在读《深入理解Java虚拟机》,很底层,很深奥的一本书。大多数人读上几页就会睡觉的那种书。但我却读的津津有味,不断的在读书的过程中发现新奇内容,曾经的疑惑也慢慢得到解答,感慨时还发个朋友圈。

    读的过程中不仅学习到作者所传达的知识,还隐隐感觉到作者写书时花费的时间和精力,以及读知识刨根问底的那种精神。

    近期我的新书《SpringBoot技术内幕》也开始出售,很多朋友发消息祝贺,同时也表示羡慕。但很少人知道写书过程的痛苦。那不仅仅是逼迫自己每天都学习新知识、消化新知识、输出新知识的过程,而且更是培养自己厚积薄发、延迟满足的过程。

    写书的过程你要付出大量、长期的努力,在此过程中你是看不到任何收益,只能期待一年(写到出版的周期,很多书周期要更长)后能够有一个好的销售量。

    说实话,如果不是编辑像黄世仁(编辑老师的自嘲)一样催稿,真的很难坚持下去。

    对比一下,再想想我们大多数情况下是不是对成功的期待都是:今天刚做一件事,明天就想获得收获?

    学习是个厚积薄发的过程,十年寒窗考取功名。想取得一个领域的成功也是如此。

    面对很多事的焦虑

    回到开篇的话题,一下子面对很多要做的事,突然就焦虑了,如果不想办法化解,最终的结果肯定是放弃。

    就个人而言,实践出来的应对这种焦虑最好的方法就是找一件比较重要的事,赶紧行动起来。

    就像上面说的读技术书一样,我在发朋友圈时用“啃”字来形容读这本书,一点都不假。并不是说书中的内容我全部都能读懂所以才有动力读下去,而恰恰相反,书中很多内容读了好多遍都读不懂,感觉很难,所以才坚持读。

    能读懂的书,其实价值反而不大,因为书中的内容你都知道了。同时,大家都读不懂的书,你通过努力读懂了,那便是过人之处。

    小结

    对于个人而言,现在做事不再那么急了,特别是期待成功的事,都把周期规划的很长。因为着急是真的没用,而且还会出现副作用。反而是拿出蚂蚁啃骨头的劲儿来,慢慢来。最终的结果反而是“慢就是快”。

    下一本书已经与出版社签约,差不多又是一年的周期。在这本新书,在新的人生阶段,准备拿出“啃”的精神,来逐一克服遇到的难题。

    有感而发的一篇文章,还有很多内容没写进来,只想告诉大家:静下心来把眼前的事做好,把期待收获的周期拉长。

    原文链接:《几乎所有的成功都是厚积薄发


    程序新视界

    公众号“程序新视界”,一个让你软实力、硬技术同步提升的平台,提供海量资料

    微信公众号:程序新视界

    展开全文
  • 最近在开发项目的过程中 想对成功分享内容的用户进行一些奖励。在正常的流程下可以顺利的拿到分享的回调结果 ...我在我的手机上测试通过,不保证在所有的手机上能成功。 有更好的办法更正确的方法 也希望能告诉我

    最近在开发项目的过程中 想对成功分享内容的用户进行一些奖励。在正常的流程下可以顺利的拿到分享的回调结果 唯独点击留在微信时 app死活拿不到分享的结果。我的这个解决方案是针对 腾讯自己的分享api。使用腾讯api进行分享的可以试试此方法。
    此方法我也是在无意中打印activity的生命周期发现的。我在我的手机上测试通过,不保证在所有的手机上都能成功。
    有更好的办法更正确的方法 也希望能告诉我
    首先 你需要在你调起分享的activity里增加两个变量

    private int stopCount = 0;// 根据stop 执行的次数来判断 在分享时用户是否选择了留在微信
    private boolean isRequestShare = false; // 用户是否发起了分享动作

    重写次activity的 onStop 和 onResum 方法

        @Override
        protected void onStop() {
            super.onStop();
            LogUtil.i(TAG,"onStop");
            stopCount ++;
            if (stopCount ==2 && isRequestShare ) {
                // 此种情况为用户分享成功后 点击了留在微信按钮
            }
        }
    
        @Override
        protected void onResume() {
            super.onResume();
            LogUtil.i(TAG,"onResume");
            stopCount == 0;
            isRequestShare = false;
        }

    在你调起分享动作的地方 设置activity的 isRequestShare = true;
    并在正常回调消息的地方设置 activity的 isRequestShare = false;
    比如此处我通过eventbus订阅了分享回调

        @Subscribe
        public void onHandleEvent(BaseResp resp) {
            isRequestShare = false;
            switch (resp.errCode) {
                case BaseResp.ErrCode.ERR_OK:
                   LogUtil.i(TAG,"分享成功");
                    mIOrderAfterPayView.sharedSuccess();
                    break;
                case BaseResp.ErrCode.ERR_USER_CANCEL:
                    LogUtil.i(TAG,"分享取消");
                    break;
                case BaseResp.ErrCode.ERR_AUTH_DENIED:
                    LogUtil.i(TAG,"分享被拒绝");
                    break;
                default:
                    LogUtil.i(TAG,"分享返回");
                    break;
            }
        }
    展开全文
  • 如题 result = model.predict_proba(testData, batch_size=1, verbose=0) print result[i] #为什么会是[0 0 0 1]这个样子?? 求教!
  • MyBatis:查询所有结果是Map

    千次阅读 2018-01-07 21:43:37
    1、在接口中添加方法:Map selectAllStudent(); 2、dao文件: 其中selectMap("selsectAll","name");里面的两个属性,其中selectAll是映射文件中的id,而这里的map...就是查询出的结果,以name作为key,整个对象作

    1、在接口中添加方法:Map<Object,Student> selectAllStudent();

    2、dao文件:

    MyBatis:查询所有结果是Map

    其中selectMap("selsectAll","name");里面的两个属性,其中selectAll是映射文件中的id,而这里的mapkey放查询出结果类的属性,随便一个属性都可以(可以是name,也可以是id),我们这里放的是name,什么意思呢?就是查询出的结果,以name作为key,整个对象作为value,存放在map里面。

    3、映射文件:

    MyBatis:查询所有结果是Map

    注意:这里查询的语句不能使用select * from stu,原因:*号会多做几次查询,容易出现异常,降低查询效率!!!

    4、测试类:

    MyBatis:查询所有结果是Map

    5、结果:

    这是表里的信息,我们查询name=22222的信息

    MyBatis:查询所有结果是Map

    但是查询结果是这样的:

    MyBatis:查询所有结果是Map

    为什么呢?因为查询结果会覆盖,只输出最后一个人的信息

    展开全文
  • https://github.com/endernewton/tf-faster-rcnn endernewton版本tensorflow...修改之后:从txt中读取要检测图片名称,进行批量检测,并把所有检测结果都放到一张图上,然后保存到data/result里。 修改...

    用的https://github.com/endernewton/tf-faster-rcnn

    endernewton版本tensorflow实现的faster-rcnn

    原来demo.py:实现的是检测一张图片,然后对该图片的每一类检测结果,单独显示。

    修改之后:从txt中读取要检测的图片名称,进行批量检测,并把所有类的检测结果都放到一张图上,然后保存到data/result里。


    修改的地方:

    原来的可视化是用vis_detections(image_name, im, cls, dets, thresh=CONF_THRESH),它把一张图的多类检测结果,每一类单独显示在一张图像上。现在不用他了,直接在代码中打开图片,然后把检测结果遍历,直接画在一张图上。

    不能显示在一张图上的原因是,每次调用vis_detections函数,输入的仅仅是单类的检测结果,然后每次打开一张图。而现在是直接打开一张图,一次在图片中输入所有类的检测结果。

    具体在下面代码有注释。

    #!/usr/bin/env python
    
    """
    https://blog.csdn.net/gusui7202/article/details/83239142
    qhy。
    """
    from __future__ import absolute_import
    from __future__ import division
    from __future__ import print_function
    
    import _init_paths
    from model.config import cfg
    from model.test import im_detect
    from model.nms_wrapper import nms
    
    from utils.timer import Timer
    import tensorflow as tf
    import matplotlib.pyplot as plt
    from PIL import Image
    import numpy as np
    import os, cv2
    import argparse
    
    
    from nets.vgg16 import vgg16
    from nets.resnet_v1 import resnetv1
    
    CLASSES = ('__background__',  # always index 0
                         'normal bolt','normal bolt-2','normal bolt-3','shim losing','nut losing','nut losing-2','nut losing-3','nut directly loosening','nut directly loosening-2','nut directly loosening-3','nut directly loosening-4','pin loosening','pin closing','visible pin losing','visible pin losing-2','invisible pin losing','invisible pin losing-2')
    
    NETS = {'vgg16': ('vgg16_faster_rcnn_iter_70000.ckpt',),'res101': ('res101_faster_rcnn_iter_40000.ckpt',)}
    DATASETS= {'pascal_voc': ('voc_2007_trainval',),'pascal_voc_0712': ('voc_2007_trainval+voc_2012_trainval',)}
    fi2=open('/home/omnisky/q/tf-faster-rcnn-master/work.txt','w')
    def vis_detections(image_name, im, class_name, dets, thresh=0.5):#不用这个函数了。
        """Draw detected bounding boxes."""
        inds = np.where(dets[:, -1] >= thresh)[0]
        if len(inds) == 0:
            return
        im = im[:, :, (2, 1, 0)]
        fig, ax = plt.subplots(figsize=(12, 12))
        ax.imshow(im, aspect='equal')
        for i in inds:
            bbox = dets[i, :4]
            score = dets[i, -1]
    
            ax.add_patch(
                plt.Rectangle((bbox[0], bbox[1]),
                              bbox[2] - bbox[0],
                              bbox[3] - bbox[1], fill=False,
                              edgecolor='red', linewidth=1.5)
                )
            ax.text(bbox[0], bbox[1] - 2,
                    '{:s} {:.3f}'.format(class_name, score),
                    bbox=dict(facecolor='blue', alpha=0.5),
                    fontsize=14, color='white')
    
        ax.set_title(('{} detections with '
                      'p({} | box) >= {:.1f}').format(class_name, class_name,
                                                      thresh),
                      fontsize=14)
    #    plt.axis('off')
    #    plt.tight_layout()
    #    plt.draw()
    #    image_name=image_name.replace('jpg','png')
    #    plt.savefig('/home/omnisky/q/tf-faster-rcnn-master/data/result/'+image_name)
    #    print("save image to /home/omnisky/q/tf-faster-rcnn-master/data/result/{}".format(image_name))
    
    def demo(image_name, sess, net):
        """Detect object classes in an image using pre-computed object proposals."""
    
        # Load the demo image
        im_file = os.path.join(cfg.DATA_DIR, 'demo', image_name)
        im = cv2.imread(im_file)
        # Detect all object classes and regress object bounds
        timer = Timer()
        timer.tic()
        scores, boxes = im_detect(sess, net, im)
        timer.toc()
        print('Detection took {:.3f}s for {:d} object proposals'.format(timer.total_time, boxes.shape[0]))
    
        # Visualize detections for each class
        CONF_THRESH = 0.7
        thresh=0.7
        NMS_THRESH = 0.3
    #打开图片
        im = im[:, :, (2, 1, 0)]
        fig, ax = plt.subplots(figsize=(12, 12))
        ax.imshow(im, aspect='equal', alpha=0.5)
    #对每一类的每一个目标,在图片上生成框
        for cls_ind, cls in enumerate(CLASSES[1:]):
            cls_ind += 1 # because we skipped background
            cls_boxes = boxes[:, 4*cls_ind:4*(cls_ind + 1)]
            cls_scores = scores[:, cls_ind]
            dets = np.hstack((cls_boxes,
                              cls_scores[:, np.newaxis])).astype(np.float32)
            keep = nms(dets, NMS_THRESH)
            dets = dets[keep, :]
    #        vis_detections(image_name, im, cls, dets, thresh=CONF_THRESH)#这个函数注释掉了,用下面的。
    
            inds = np.where(dets[:, -1] >= thresh)[0]
            if len(inds) == 0:
                continue
            for i in inds:
                bbox = dets[i, :4]
                score = dets[i, -1]
        
                ax.add_patch(
                    plt.Rectangle((bbox[0], bbox[1]),
                                  bbox[2] - bbox[0],
                                  bbox[3] - bbox[1], fill=False,
                                  edgecolor='red', linewidth=1.5)
                    )
                ax.text(bbox[0], bbox[1] - 2,
                    '{:s} {:.3f}'.format(cls, score),
                    bbox=dict(facecolor='blue', alpha=0.5),
                    fontsize=14, color='white')
        plt.axis('off')
        plt.tight_layout()
        plt.draw()
        image_name=image_name.replace('jpg','png')
        plt.savefig('/home/omnisky/q/tf-faster-rcnn-master/data/result/'+image_name)
        print("save image to /home/omnisky/q/tf-faster-rcnn-master/data/result/{}".format(image_name))
    
    def parse_args():
        """Parse input arguments."""
        parser = argparse.ArgumentParser(description='Tensorflow Faster R-CNN demo')
        parser.add_argument('--net', dest='demo_net', help='Network to use [vgg16 res101]',
                            choices=NETS.keys(), default='res101')
        parser.add_argument('--dataset', dest='dataset', help='Trained dataset [pascal_voc pascal_voc_0712]',
                            choices=DATASETS.keys(), default='pascal_voc_0712')
        args = parser.parse_args()
    
        return args
    
    if __name__ == '__main__':
        cfg.TEST.HAS_RPN = True  # Use RPN for proposals
        args = parse_args()
    
        # model path
        demonet = args.demo_net
        dataset = args.dataset
        tfmodel = ('/home/omnisky/q/tf-faster-rcnn-master/output/res101/voc_2007_trainval/default/res101_faster_rcnn_iter_40000.ckpt')
    
    
        if not os.path.isfile(tfmodel + '.meta'):
            raise IOError(('{:s} not found.\nDid you download the proper networks from '
                           'our server and place them properly?').format(tfmodel + '.meta'))
    
        # set config
        tfconfig = tf.ConfigProto(allow_soft_placement=True)
        tfconfig.gpu_options.allow_growth=True
    
        # init session
        sess = tf.Session(config=tfconfig)
        # load network
        if demonet == 'vgg16':
            net = vgg16()
        elif demonet == 'res101':
            net = resnetv1(num_layers=101)
        else:
            raise NotImplementedError
        net.create_architecture("TEST", 18,
                              tag='default', anchor_scales=[8, 16, 32])
        saver = tf.train.Saver()
        saver.restore(sess, tfmodel)
    
        print('Loaded network {:s}'.format(tfmodel))
    #读取txt,循环检测。
        fi=open('/home/omnisky/q/tf-faster-rcnn-master/data/VOCdevkit2007/VOC2007/ImageSets/Main/test.txt')
    
        txt=fi.readlines()
        im_names = []
        for line in txt:
            line=line.strip('\n')
            line=line.replace('\r','')
            line=(line+'.jpg')
            im_names.append(line)
        print(im_names)
        fi.close()
        for im_name in im_names:
            print('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
            print('Demo for data/demo/{}'.format(im_name))
            demo(im_name, sess, net)
         
        plt.show()#建议注释掉,不然一次图片全部显示容易死机。
    

     

    展开全文
  • while(rs.next()) { //通过循环把结果集,添加到user,再添加到userList中 user.setName(rs.getString(1)); System.out.print(rs.getString(1)+" "); //查看添加数据 user.setPwd(rs.getString(2))...
  • hashmap总存入list 当取出数据时 会发生所有的数据都是相同的数据。产生的原因是map会认为所有的list都是一个list 所有所有的数据都变成一样的了。如果当添加完一个value后 list.clear( ),依旧会产生这样的结果 ...
  • Jupyter中打印所有结果的解决办法

    千次阅读 2020-06-30 07:27:14
    我们知道,在Jupyter中,除非加上print,每个cell只会显示最后一个输出结果,这里,我们通过加上如下代码,使之打印所有的交互式输出,而不仅仅是最后一个: from IPython.core.interactiveshell import ...
  • 如题 public Boolean JdbcUpdate (List<String> sqls, List<Object[]> args) { Connection conn = null; PreparedStatement stmt = null; Boolean res = false; try { ...}
  • 而函数Main()就没必要返回值,因为它没什么需要告诉调用者(操作系统)所有需要知道信息,在程序中反映出来了,就无需多此一举。 public static int Max(int a, int b)  {  if (a >
  • Palindrome Partitioning原题链接Palindrome Partitioning对字符串进行切分,使得切分出的每个子串都是回文串,返回所有的切分可能对于每个字符都可能在它的位置切分,所以可以容易想到使用深度优先和回溯法求解。...
  • 在做mybatis更新时,因为我想到作为查询字段不需要更新所以就没写在trim里面,结果出现了如下错误:这里altBefore 和 altAfter两个字段都是空字符串,所以mybatis在拼接语句时报了上面错误,并没有把这两个字段...
  • 11 多表之间内连接;(常用)(只连接两个表有效数据) 显示内连接:  c是 表一的匿名 s 是表二的匿名 Select * from 表1 c inner join 表2 s on c.cid = s.cno;...12 多表之间的外连接:(查询所有的内容) 左
  • mysql里查到所有的编码格式都是utf8时还是不能插入中文字符 **查得编码格式都是utf8: 插入中文依旧错误: 修改编码格式后解决: SET character_set_client =gbk; //设置客服端的编码 SET character_...
  • Calendar: cal1.add(Calendar.DAY_OF_MONTH,1); cal1.add(Calendar.DAY_OF_YEAR,1); cal1.add(Calendar.DATE,1... 就单纯add操作结果都一样,因为都是将日期+1,区别就是在月日期中加1还是年日期中加1 ...
  • 和抓取淘宝关键字相关信息销售量,这和之前抓取csdn网站浏览量取不同,抓取csdn浏览量主要是通过bs4Tag标签,而淘宝信息都是通过数据js动态生成所有通过python抓取是未经js转换过得源码。如下图 好在...
  • 浏览器作为HTTP客户端通过URL向HTTP服务端即WEB服务器发送所有请求。 Web服务器有:Apache服务器,IIS服务器(Internet Information Services)等。 Web服务器根据接收到请求后,向客户端发送响应信息。 HTTP...
  • 返回所有的回文分割结果。(注意:返回结果的顺序需要和输入字符串中的字母顺序一致。) 例如:给定字符串s=“aab”, 返回 [“aa”,“b”],↵ [“a”,“a”,“b”] 深度优先搜索思路 子在川上曰:如果要求输出所有...
  • Lucene 3.3 Collector返回所有结果

    千次阅读 2011-09-14 13:25:31
    我用是Lucene 3.3 , IndexSearcher 搜索接口有...但大多必须指定返回结果的数量,因而不能返回所有搜索结果。 从其javadoc中可看出,要想返回所有结果的只有一个API(被称为lower-level-api): public void
  • 已知线性表A按顺序存储,且每个元素都是互不相等的整数。编程实现把所有偶数移到所有的奇数前边的算法。 要求: (1)时间最少,辅助空间最少; (2)线性表A的各元素初始值从键盘输入; (3)输出结果。 算法思路:...
  • 所有的无私创作都会得到最好的回应!在过去的365天,6000+作者,超过15000篇文章,从产品、设计、运营、行业等多个角度为我们分享真知灼见;从理论到案例、从方法论到总结,为我们系统梳理产品之路上的进阶之术。...
  • 为什么kettle的switch/case 无效,所有的分支都执行? 我有两个分支,两个分支的下一步都是表输入(查询表), 结果两个分支都同时执行,起不到分支的效果,这到底是为什么? 请教各位大佬,我到底是错在哪里?...
  • 所有查询的结果自动封装成map返回

    万次阅读 2012-07-04 18:31:42
    JPA出现, 统一了逐渐混乱起来Java ORM产品, 这无疑是件好事情, 包括toplink, hibernate, kodo,openJPA 等几种ORM实现现在已经兼容支持JPA了. Hibernate作为一个广为人知ORM/JPA实现, 是我比较喜欢并熟悉...
  • 情况是这样, 我有一台磁盘比较大主机A,其磁盘作为共享盘,由主机B,C,D通过nfs方式挂载使用 今天A主机宕机,宕机期间B,C,D主机均无法正常df -h,也无法umount挂载nfs存储 但是,当A主机重启,nfs服务重启...
  • 比如说如果所有的结果都是偶数…你模6就只可能出现0, 2, 4这三种情况…但模5还是可以出现2, 4, 1, 3这四(4=5-1)种情况的… hash表如果是用取模的方法也要模一个大质数来减少冲突,出题人也会这样来 希望减少你
  • 然后我就开始了漫长排查sql过程,终于发现了问题,select后面有一个sum,是用来统计所有数量,问题渐渐明朗了,只要用到聚合函数,如果不做条件限制,即使结果的所有字段为null,她也会显示有一条记录,...
  • 前几天在博客园的外文翻译里看到一篇《每个程序员1小时内必须解决的5个...编写一个在1,2,…,9(顺序不能变)数字之间插入+或-或什么不插入,使得计算结果总是 100 的程序,并输出所有的可能性。 例如:1 + 2 + 34
  • 输入一个整数数组,判断该数组是不是某二叉搜索树的后序遍历的结果。如果是则输出Yes,否则输出No。假设输入的数组的任意两个数字互不相同。 二叉搜索树: 二叉查找树(Binary Search Tree),(又:二叉搜索树,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 35,123
精华内容 14,049
关键字:

所有的结果都是