Kakaluoto's Blog

Redis 极简入门课件参考视频链接Redis极简入门：纯小白成长为大白，只需4个半小时~_哔哩哔哩_bilibili 教学目标1>了解NoSQL概念 2>了解Redis概念，定位，优点，缺点 3>掌握Redis常用五大类型 4>掌握Redis Key 与Value值设计 5>掌握Redis全局命令 6>掌握Redis 安全与事务操作 7>了解Redis持久化策略 8>了解Redis内存淘汰机制与过期Key清理 9>掌握Java集成Redis操作 10>完成综合案例设计与实现 认识 Redis数据库分类目前数据库分：关系型数据库与非关系型数据库 常用的关系型数据库： Oracle，MySQL，SqlServer，DB2 常用的非关系数据库：Redis，MongoDB，ElasticSearch， Hbase，Neo4j 那啥是非关系数据库呢？此处涉及到新名词：NoSQL NoSQL最常见的解释是“non-relational”， “Not Only SQL”也被很多人接受。NoSQL仅仅是一个概念，泛指非关系型的数据库，区别 ...

数据库杂记(一)之JDBC1. JDBC1.1 JDBC QuickStart使用JDBC操作数据库的步骤 注册驱动 1Class.forName("com.mysql.jdbc.Driver") 获取连接 1Connection conn = DriverManager.getConnection(url,username,password) 定义SQL语句 1String sql = "update..."; 获取执行SQL对象 1Statement stmt = conn.createStatement(); 执行SQL 1stmt.executeUpdate(sql); 处理返回结果 释放资源 1.2 JDBC API1.2.1 DriverManage(驱动管理类)作用: 注册驱动 1234567//1. 注册驱动//在加载类的时候会调用静态方法 Class.forName("com.mysql.jdbc.Driver")// 向 DriverManager 注册给定驱动程序。新加载的驱动程 ...

如何科学地利用高光谱图像合成对应的RGB图像?1. 前言参考链接: 色匹配函数是什么？ - 知乎 (zhihu.com) 23. 颜色知识1-人类的视觉系统与颜色 - 知乎 (zhihu.com) 色彩空间基础 - 知乎 (zhihu.com) 色彩空间表示与转换 - 知乎 (zhihu.com) CIE XYZ - freshair_cn - 博客园 (cnblogs.com) CIE 1931 color space - Wikipedia CIE 1931色彩空间 - 维基百科，自由的百科全书 (wikipedia.org) RGB/XYZ Matrices (brucelindbloom.com) 调色名词浅析——Gamma（伽玛）校正 - 知乎 (zhihu.com) 前置条件： 必须有高光谱图像 必须有波段信息，(你需要知道高光谱图像每个通道对应的波长是多少) 对于波段信息，我的波段信息是从软件ENVI中获取的txt文件本文以128波段的高光谱图像为例，txt文件详细内容在文末给出 先上流程图，随后再逐一解释： 2. 计算色匹配函数色匹配函数其实就是如下三条曲线(使用 ...

TopK问题参考文章： 快速排序的几种常见实现及其性能对比_Sunshine_top的博客-CSDN博客 排序——快速排序（Quick sort）_努力的老周的博客-CSDN博客 面试官最喜爱的TopK问题算法详解 - 知乎 (zhihu.com) 拜托，面试别再问我TopK了！！！架构师之路的博客-CSDN博客 215. 数组中的第K个最大元素 - 力扣（Leetcode） 问题描述： 从arr[1, n]这n个数中，找出最大的k个数，这就是经典的TopK问题。 栗子： 从arr[1, 12]={5,3,7,1,8,2,9,4,7,2,6,6} 这n=12个数中，找出最大的k=5个。 1. 排序 排序是最容易想到的方法，将n个数排序之后，取出最大的k个，即为所得。 伪代码： 12sort(arr, 1, n);return arr[1, k]; 时间复杂度：O(n*lg(n)) 分析：明明只需要TopK，却将全局都排序了，这也是这个方法复杂度非常高的原因。那能不能不全局排序，而只局部排序呢？这就引出了第二个优化方法。 2. 局部排序不再全局排序，只对最大的k个排序。 冒泡是一个很常 ...

动态规划1. 0-1背包问题通用解题步骤 确定dp数组（dp table）以及下标的含义 确定递推公式 dp数组如何初始化 确定遍历顺序 举例推导dp数组 有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。 背包最大重量为4。 物品为： 重量 价值 物品0 1 15 物品1 3 20 物品2 4 30 问背包能背的物品最大价值是多少？ 依然动规五部曲分析一波。 确定dp数组以及下标的含义 对于背包问题，可以使用二维数组，即dp[i][j]表示从下标为[0-i]的物品里任意取，放进容量为j的背包，价值总和最大是多少。 确定递推公式 再回顾一下dp[i][j]的含义：从下标为[0-i]的物品里任意取，放进容量为j的背包，价值总和最大是多少。 那么可以有两个方向推出来dp[i][j]， 不放物品i：由dp[i - 1][j]推出，即背包容量为j，里面不放物品i的最大价值，此时dp[i][j]就是dp[i - 1][j]。( ...

Java多线程1. 创建线程1.1 创建线程类Java使用java.lang.Thread类代表线程，所有的线程对象都必须是Thread类或其子类的实例。每个线程的作用是完成一定的任务，实际上就是执行一段程序流即一段顺序执行的代码。Java使用线程执行体来代表这段程序流。 创建新执行线程有两种方法。一种方法是将类声明为 Thread 的子类。该子类应重写 Thread 类的 run 方法。接下来可以分配并启动该子类的实例。创建线程的另一种方法是声明实现 Runnable 接口的类。该类然后实现 run 方法。然后可以分配该类的实例，在创建 Thread 时作为一个参数来传递并启动。 Java中通过继承Thread类来创建并启动多线程的步骤如下： 定义Thread类的子类，并重写该类的run()方法，该run()方法的方法体就代表了线程需要完成的任务,因此把run()方法称为线程执行体。 创建Thread子类的实例，即创建了线程对象 调用线程对象的start()方法来启动该线程 代码如下： 测试类：123456789101112public class Demo01 { ...

PID控制Python模拟1. PID控制器123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112import timeclass PID: """PID Controller """ def __init__(self, P=0.2, I=0.0, D=0.0, current_time=None): self.Kp = P self.Ki = I self.Kd = D self.sample_interval = 0 self.curren ...

通道注意力机制以及3D卷积1. SEnet SENet的Block单元，图中的Ftr是传统的卷积结构，X和U是Ftr的输入（C’xH’xW’）和输出（CxHxW）。 SENet增加的部分是U后的结构：对U先做一个Global Average Pooling（图中的Fsq(.)，作者称为Squeeze过程），输出的1x1xC数据再经过两级全连接（图中的Fex(.)，作者称为Excitation过程），最后用sigmoid（论文中的self-gating mechanism）限制到[0，1]的范围，把这个值作为scale乘到U的C个通道上， 作为下一级的输入数据。这种结构的原理是想通过控制scale的大小，把重要的特征增强，不重要的特征减弱，从而让提取的特征指向性更强。 Excitation部分是用2个全连接来实现 ，第一个全连接把C个通道压缩成了C/r个通道来降低计算量（后面跟了RELU），第二个全连接再恢复回C个通道（后面跟了Sigmoid），r是指压缩的比例。作者尝试了r在各种取值下的性能 ，最后得出结论r=16时整体性能和计算量最平衡。为什么要加全连接层呢？这是为了利用通道间的相关 ...

OTA阅读笔记OTA: Optimal Transport Assignment for Object Detection 1. 什么是标签分配为了训练目标检测器，需要为每个anchor 分配 cls 和 reg 目标，这个过程称为标签分配或者正采样。 cls指分类置信度，reg指检测框的偏移量。 通常基于Anchor的目标检测器会生成大量的预先定义好的Anchor,这些Anchor的数量是要远多于ground truth box的数量的。 以YOLOv3为例，每一个gt box最终都会有一个对应的Anchor，找到自己对应的gt box的Anchor算作正样本，没有找到的，比如Anchor坐标处在背景当中的算作负样本，另外有一部分会被直接忽略。 标签分配：三个特征图一共 8 × 8 × 3 + 16 × 16 × 3 + 32 × 32 × 3 = 4032 个anchor。 正例：任取一个ground truth，与4032个anchor全部计算IOU，IOU最大的anchor，即为正例。并且一个anchor，只能分配给一个ground truth。例如第一个ground trut ...

1. 什么是最优传输 2. 基本概念3.1 离散测度 (Discrete measures)首先，说一下概率向量（或者称为直方图，英文：Histograms， probability vector）的定义： 上述公式的含义：一个长度为n的数组，每个元素的值在[0, 1]之间，并且该数组的和为1，即表示的是一个概率分布向量。 比如[0.1，0.2，0.3，0.4]就是一个概率向量。 离散测度：所谓测度就是一个函数，把一个集合中的一些子集（符合上述概率分布向量）对应给一个数[4]。具体公式定义如下： 上述公式含义：以$a_i$为概率和对应位置$x_i$的狄拉克δ函数值乘积的累加和。下图很好地阐述了一组不同元素点的概率向量分布： 上图中红色点是均匀的概率分布，蓝色点是任意的概率分布。点状分布对应是一维数据的概率向量分布，而点云状分布对应的是二维数据的概率向量分布。 3.2 蒙日(Monge)问题蒙日(Monge)问题的定义：找出从一个 measure(测度)到另一个measure的映射，使得所有$c ( x_i , y_j )$的和最小，其中$c$表示映射路线的运输代价，需要根据 ...