車來啦 !

摘要： 1.流程 為什么要用SVM而不是CNN最后一層的softmax？ 取什么模型必然是有標準衡量，這個流程取得是書上[4]寫的，作者說他得實驗證明SVM比FC的mAP要高，所以我流程暫且這樣畫了。 R-CNN取的是alexNet的遷移學習進行微調，它原來的訓練數據就是隨機的，而為了避免正樣本數據過小導致 閱讀全文

摘要： WebClient調用WebService （文末下載完整代碼） 先上代碼： object[] inObjects = new[] { "14630, 14631" }; HttpWebClient wc = new HttpWebClient(2300); var result1 = WebSer 閱讀全文

摘要： 私以為架構是業(yè)務開發(fā)的發(fā)展歷史，順應大方向而生，再為貼切時刻的用戶需求，持續(xù)微改動。 我本以為了解這個軟件的架構沒甚意思，加快的開發(fā)速度不能過渡到下一個別的軟件去； 卻不知以小窺大，關鍵還是計算機思維、編程意識，設計結構。 這個月發(fā)生了一件事，當時臨近實施，卻卡在了一個bug上。 文本框內綁定員工拾 閱讀全文

摘要： 一、聲明 曾經遇到一個這樣的場景： GetEntities(a => a.OrderKindCodeId == 16 && a.IsDeleted, this.DefaultContext) protected IEnumerable<TEntity> GetEntities(Expression< 閱讀全文

摘要： 本來算法沒有那么復雜，但如果因為語法而攻不下就很耽誤時間。于是就整理一下，搞python機器學習上都需要些什么基本語法，夠用就行，可能會持續(xù)更新。 Python四大類型 元組tuple，初始化之后不可元素值變更，其余還沒有感受到它和list什么差別，感覺也比較少用，聲明語法是() >>> tp = 閱讀全文

摘要： 好多算法之類的，看理論描述，讓人似懂非懂，代碼走一走，現象就了然了。 引： 畫出的樹如下： 關于這個樹是怎么來的，如果很粗暴地看列的數據浮動情況： 或者說是方差，方差最小該是第三列，fruit，然后是butt，scale（方差3.0），size（方差3.2857）。再一看樹節(jié)點的分叉情況，fruit 閱讀全文

摘要： 方法一： 常規(guī)的WPF操作： <ScrollViewer Width="300" Height="150" BorderBrush="Brown" BorderThickness="2" VerticalScrollBarVisibility="Auto" HorizontalScrollBarVi 閱讀全文

摘要： 序 學生時期，有過小組作業(yè)，當時分工一人做那么兩三個頁面，然而在前端差不多的時候，我和另一個同學發(fā)生了爭執(zhí)。當時用的是簡單的三層架構（DLL、BLL、UI），我個人覺得各寫各的吧，到時候合并，而他覺得應該把底層先寫好，他好直接調用中間層的方法。 到出來工作之后，接觸接口，想整理一下這個：接口到底是個 閱讀全文

摘要： 語言的設計，真的是挺有意思的。第一次看這個代碼[1]時，旁人隨口了一句“哇，好多實心句號”。 當時馬上一個想法是——怎么實現的？返回了對象，然后再調用方法？然后就放下了，后來發(fā)現，這個是真值得說一說的。 var sim = new InputSimulator(); sim.Keyboard .Mo 閱讀全文

摘要： 寫在開頭，好奇從這里開始（當時讓加查詢條件，結果竟然是一句話來發(fā)揮神奇作用）： this.TestGrade = CriteriaHelper.NewObject<ITestCase, DtoTestCase>("測試等級", a => a.Grade); 1. 語法糖 Lambda 在我看來，=> 閱讀全文