遗世独立

官方文档：https://docs.spring.io/spring-framework/docs/current/reference/html/web.html#spring-web 基于Spring实现的MVC轻量级Web框架 SSM: mybatis+Spring+SpringMVC MVC三层架构 Java基础：认真学习，老师带，入门快 JavaSE JavaWeb 框架：研究官方文档，锻炼官方文档，锻炼自学能力，锻炼笔记能力，锻炼项目能力 SpringMVC + Vue + SpringBoot + SpringCloud + Linux SSM = JavaWeb项目 Sping: IOC和AOP SpringMVC：SpringMVC的执行流程！ SpringMVC: SSM框架整合！ MVC：模型（dao, service）, 视图（jsp），控制器（Servlet） 1. 什么是SpringMVC 1、回顾MVC 1.1、什么是MVC MVC是模型(Model)、视图(View)、控制器(Controller)的...

环境： JDK1.8 Mysql 5.7 maven 3.6.1 IDEA 回顾： JDBC Mysql Java基础 Maven Junit：单元测试 1. 简介 1.1 什么是Mybatis MyBatis 是一款优秀的持久层框架，它支持自定义 SQL、存储过程以及高级映射。MyBatis 免除了几乎所有的 JDBC 代码以及设置参数和获取结果集的工作。MyBatis 可以通过简单的 XML 或注解来配置和映射原始类型、接口和 Java POJO（Plain Old Java Objects，普通老式 Java 对象）为数据库中的记录。 框架：配置文件最好直接看官网 MyBatis官方文档：https://mybatis.org/mybatis-3/zh/index.html GitHub主页：https://github.com/mybatis/mybatis-3 Maven地址：https://mvnrepository.com/artifact/org.mybatis/mybatis 123456<!--...

1. Spring 官网：https://spring.io/projects/spring-framework/ 文档：https://docs.spring.io/spring-framework/docs/current/reference/html/index.html 三大核心： ​ 控制反转（ioc）—–> Inversion of Control ​ 依赖注入（di）—- >Dependency Injection ​ 面向切面编程（AOP）—->Aspect Oriented Programming 测试依赖 123456<dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>4.11</version> <scope>test</scope> </dependency> 测试代码...

CodeSheep 参考视频：https://www.bilibili.com/video/BV1GQ4y1N7HD 相关思维导图：https://www.processon.com/view/link/5eb6a1b0e401fd16f4283225 编程基础（掌握） JAVA语法 Java基础 JVM 类加载机制 字节码执行机制 JVM内存模型 GC垃圾回收 JVM性能监控与故障定位 JVM调优 多线程 并发编程的基础 线程池 锁 并发容器 原子类 JUC并发工具类 数据结构和算法 数据结构 字符串 数组 链表 堆、栈、队列 二叉树 哈希 图 算法 排序 查找 贪心 分治 动态规划 回溯 计算机网络 ARP协议 IP、ICMP协议 TCP、UDP协议 DNS、HTTP/HTTPS协议 Session/Cookie MySQL数据库 SQL语句的书写 SQL语句的优化 事务、隔离级别 索引 锁 操作系统 进程、线程 并发、锁...

毫米波雷达-AWR2243 — 简介 毫米波雷达，是工作在毫米波波段（Millimeter Wave ）探测的雷达。通常毫米波是指30～300GHz频域(波长为1～10mm)的。毫米波的波长介于微波和厘米波之间，因此毫米波雷达兼有微波雷达和光学雷达的一些优点。 同厘米波雷达相比，毫米波雷达具有体积小、质量轻和空间分辨率高的特点。与红外、激光、电视等光学雷达相比，毫米波雷达穿透雾、烟、灰尘的能力强，具有全天候(大雨天除外)全天时的特点。另外，毫米波雷达的抗干扰、反隐身能力也优于其他微波雷达 。毫米波雷达能分辨识别很小的目标，而且能同时识别多个目标；具有成像能力，体积小、机动性和隐蔽性好，在战场上生存能力强 。 目前在自动驾驶，智能监控领域广泛运用。毫米波雷达能直接获取目标的距离，速度，角度等基本信息。通过对数据的进一步处理，对目标的尺寸，轮廓可能也有一定的估计能力。 1 调频连续波(FMCW) 调频连续波(Frequency-Modulated Continuous Wave)，是一组幅值不变，但频率变化的连续波形，毫米波雷达使用的调频连续波是频率线性增加的...

1、环境配置 python作为脚本语言，只需要一个python解释器就可以直接编写代码和运行。 但是为了方便我们通常会使用IDE(集成开发环境)或轻量级的文本编辑器进行开发。 这里首先介绍使用最简单的python编辑器编写代码，以及使用VS Code、Jupyter开发。 1.1 安装python解释器 这里推荐安装Conda,Conda是极其方便且强大的包管理器，安装后自带python解释器，同时为以后开发带来极大的便利。如果只想安装python解释器可以从下方地址下载： 官网Windows下载：https://www.python.org/downloads/windows/ 1.2、安装Conda conda分为anaconda和miniconda。anaconda是包含一些常用包的版本，miniconda则是精简版，需要什么装什么，这里介绍miniconda的安装。 官网地址：https://docs.conda.io/en/latest/miniconda.html 1.2.1、安装 进入官网：https://docs.conda.io/en...

从零开始的深度学习 主要内容： 安装NVIDIA GPU驱动 安装CUDA Toolkit 安装cuDNN 安装Conda(附带python) 安装PyTorch 安装TensorFlow 一、工具介绍 NVIDIA GPU驱动：nvidia-smi是nvidia 的系统管理接口，一般安装NVIDIA GPU驱动后即可使用。 CUDA Toolkit：CUDA（Compute Unified Device Architecture），是NVIDIA推出的运算平台，AMD也有类似的平台 ROCm，但并不成熟。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 cuDNN：NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如Tensorflow、pytorch等。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简...

Transformer 注意力就是您所需要的 — [TOC] 会议： NeurIPS 2017 论文地址：https://arxiv.org/abs/1706.03762 摘要 主流的序列转换模型多是基于复杂的循环或卷积神经网络，网络包括编码器和解码器。性能最好的模型还通过注意机制连接编码器和解码器。我们提出了一个新的简单且完全基于注意力机制的网络结构，Transformer，摒弃了循环和卷积。在两个机器翻译任务上的实验表明，这些模型具有更高的并行性，更少的训练时间。我们的模型在WMT 2014 Englishto-German 的翻译任务中达到28.4 BLEU，比现有的最佳结果（包括集成模型）提高了2 BLEU以上。在WMT 2014 English-to-French翻译任务中，我们的模型在8个GPU上训练3.5天后，达到了新的单模型BLEU 41.8的最新分数，这只相当于文献中最佳模型训练成本的一小部分。通过将Transformer成功地应用于大规模和有限训练数据下的英语选区分析，证明了Transformer具有良好的泛化能力。 1 简介 循环神...

学习基于事件的运动去模糊 会议：CVPR 2020 地址：https://arxiv.org/abs/2004.05794 摘要 由于模糊过程中丢失了大量的运动信息，从运动模糊图像中恢复清晰的视频序列是一个高度不适定问题。然而，对于基于事件的相机，快速运动可以在高时间率上作为事件被捕捉，从而提出了探索有效解决方案的新机遇。在本文中，我们从基于事件的运动去模糊的序列表述开始，然后说明如何使用新颖的端到端深度架构来实现其优化。所提出的架构是一个卷积循环神经网络，有原则的整合了全局和局部尺度的视觉和时间知识。为了进一步改进(图像的)重建，我们提出了一种可微的定向事件过滤模块，可以有效地从事件流中提取丰富的先验边界。我们在合成的GoPro数据集和新引入的使用DAVIS240C相机捕获的大型数据集上进行了大量的实验。我们提出的方法达到了最先进的重建质量，并更好地处理现实世界的运动模糊。 1. 概述 运动模糊通常是由于现代相机传感器需要曝光时间，在此期间，场景被记录在不同的时间戳，并累积成平均(模糊)信号。这个过程的反问题被称为“去模糊”，它揭示了运动模糊图像背后的场景动态，...

经验这东西，必须具体问题具体对待，一人的经验不可能适合所有人。也不存在什么复习的捷径，个人认为好的经验并不能让你事半功倍，只是单纯指出一条让你相信自己这么干也能成功的道路。以下观点和经验都是一家之言，我不坚持自己的看法。本来打算多写点，但是现在突然感觉没什么可写的了，感触还没我去年的深。 首先说明个人背景，如果和我相似可能这些经验有用，如果差别很大，那下面经验大概率没用的： 本科机械，跨专业二战，第一年已经打下一定基础，但其实第二年开始复习的时候已经差不多都忘完了。 有较好的数学基础，从小数学比较好，但是高中之后就考不了高分了，即便是题目很简单也考不高。自认为原因主要是粗心大意，草稿较乱，创新不足；分别导致简单题做错，计算复杂题做错，思路新颖题目做错。 英语极差，单词量历史最高不超过5k, 今年考研复习之初应该已经降到低于2k了, 四级考3次才过，六级没过。唯一的基础大概就是初中英语老师教的16种时态语态，自此就觉得语法(应该是句法)这东西不用学，初中水平够用一辈子。 对计算机很感兴趣，虽然没深入学习过任何一门语言，但是在平时做点自娱自乐的东西，接触或使用过至少...