长白崎の个人博客

Hexo通过插件对图片进行懒加载 一、下载Hexo-lazyload-image插件 1npm install hexo-lazyload-image --save 二、修改配置 找到hexo项目的根目录下的站点配置文件_config.yml，具体路径：blog/_config.yml，其中blog是你的项目文件夹。 1234567lazyload: enable: true onlypost: false # optional loadingImg: # optional eg ./images/loading.gif isSPA: false # optional preloadRatio: 3 # optional, default is...

Hexo博客笔记书写Front-matter参数大全 常见Front-matter 12345678910111213141516171819---title: typora-vue-theme主题介绍date: 2018-09-07 09:25:00author: 长白崎img: /source/images/xxx.jpgtop: truehide: falsecover: truepublished: falsecoverImg: /images/1.jpgpassword: 8d969eef6ecad3c29a3a629280e686cf0c3f5d5a86aff3ca12020c923adc6c92toc: falsemathjax: falsesummary: 这是你自定义的文章摘要内容，如果这个属性有值，文章卡片摘要就显示这段文字，否则程序会自动截取文章的部分内容作为摘要categories: Markdowntags: - Typora - Markdown--- 参数说明 title 文章标题 date 文章发布时间 author 文章作者 img...

UML类图 一、UML基础知识扫盲 1、概念 ： UML这三个字母的全称是Unified Modeling Language，直接翻译就是统一建模语言，简单地说就是一种有特殊用途的语言。 2、作用 ：UML可帮助我们做软件需求分析和软件设计的工作，是系统分析和设计阶段的重要产物，也是系统编码和测试的重要模型依据。 3、分类 1） 静态图 ：主要描绘了类、对象和数据结构及其存在于他们之间的关系。 类图就是其中一种。 2）动态图 : 主要描绘执行流程、实体改变状态的方式。例如 ： 流程图 3）物理图 ： 描绘库文件、字节文件和数据文件等以及存在于他们之间的关系 二、如何用类图表示一个类 类图: 用于描述系统中所包含的类以及它们之间的相互关系，帮助人们简化对系统的理解，它是系统分析和设计阶段的重要产物，也是系统编码和测试的重要模型依据。 123456classDiagramclass PersonPerson: +age intPerson: -mobilePhone StringPerson: #sex charPerson: +speak()...

...

Vue3学习 创建Vue3.0工程 1.使用vue-cli创建 123456789## 查看@vue/cli版本，确保@vue/cli版本在4.5.0以上vue --version## 安装或者升级你的@vue/clinpm install -g @vue/cli## 创建vue create vue_test## 启动cd vue_testnpm run serve 2.使用vite创建 12345678## 创建工程npm init vite-app <project-name>## 进入工程cd <project-name>## 安装依赖npm install## 运行npm run dev 3.设置npm代理本地clash 12npm config set proxy http://proxy.example.com:8080npm config set https-proxy...

Kotlin基础

第三节 函数的连续性 （一）连续性的概念 （二）间断点及其分类 1.间断点的定义 2.间断点的分类 什么叫做可去间断点： 给定一个函数f (x)，如果x₀是函数f (x)的间断点，并且f (x)在x₀处的左极限和右极限均存在的点称为第一类间断点。 若f (x)在x₀处得到左、右极限均存在且相等的间断点，称为可去间断点。 （三）连续性的运算与性质 （四）闭区间上连续函数的性质

常见激活函数 > sigmoid: $$\sigma (x) = {1 \over 1+ e^{-x}}$$ > $$Softmax(z_i) = {e^{z_j} \over {\sum_{j}e^{z_j}} }$$ > tanh: $$tanh(x)={sinh x \over cosh x} = {{e^x-e^{-x}} \over {e^x + e^{-x}}}$$ > >  > ReLu: $$max(0,x)$$ > >  > Leaky ReLu: $$max(0.1x,x)$$ > Maxout: $$max(w^T_1 x + b1, w^T _2 x +...

ReLU函数 介绍： ReLU函数是一种非线性激活函数，其函数形式为f(x) = max(0,...

卷积神经网络算法 1、卷积神经网络-CNN 的基本原理 卷积神经网络(Convolutional Neural Networks, CNNs)是一种深度学习算法，特别适用于图像处理和分析。其设计灵感来源于生物学中视觉皮层的机制，是一种强大的特征提取和分类工具。 1.1、Layers 整个CNN是由若干层不同类型的网络连接构成的的。例如下图，首先经过一次卷积滤波处理，得到了C1（卷积层 Feature map），然后又经过了一次下采样（池化）处理得到了S2（下采样层），之后又是一次卷积滤波得到C3卷积层，依次处理至途中的C5位全连接层，至此卷积的过程结束，被抽象的特征输入至传统的全连接神经网络。 1.1.1 输入层（Input Layer） 这是网络的最初层，负责接收原始像素数据。每个像素的值都被视为原始特征。 1.1.2 卷积层（Convolutional Layer） 在卷积层中，一组可学习的滤波器（卷积核）在输入数据上进行滑动操作以生成特征图（Feature Maps，也就是下图的Convolved...