Thread线程线程创建方式 继承Thread类 实现Runnable接口 实现Callable接口,Callable接口可以通过实现call()方法实现方法运行，并通过FutureTask来获取返回结果 // 通过继承Thread类实现

反射反射3种实例化方法 使用实例化对象.getclass()方法； 类.class 使用Class.forName(String str)方法 通过反射实例化对象通过newinstance()方法获取类的实例化对象相比于new方法虽然麻烦

Date 构造方法：new Date(long time) 将long型数据转为日期 普通方法：getTime(),返回一个long型日期 // 输出日期 Date date= new Date(); System

正则标记单个字符 \\:表示转义字符“\”; \t:表示一个“\t”符号; \n:匹配换行“\n”符号; 字符集 [abc]:表示可能是字符a或者是字符b或者是字符c中的任意一个； [^abc]:表示不是a、b、c中的任意一位； [

聚类算法 —— K-means算法原理 在给定的数据集上随机选定K个种子点 对数据集中每个样本与选定的种子点之间的距离进行计算 将距离最近的点归纳到对应的种子点所代表的聚类中 针对k个聚类重新计算每个类别的质点作为新的种子点 重复上述的距离

基于Pytorch深度学习完整训练过程展示过去文章只涉及相关的主干特征提取网络的介绍以及一些经典算法的关键代码复现，并没有涉及到整个训练过程的代码展示，而本文就之前给出的特征提取网络，选取其中一种特征提取网络进行经典的网络分类。 数据处理首

深度学习之语义分割DeepLabV3+(2018)DeepLabV3+网络简介在传统领域的语义分割中，从FCN开始提出的全卷积网络，到DeepLabv3+网络的提出，基本上语义分割领域中大部分的问题都可以得到解决。在此之后的语义分割领域中出

深度学习神经网络特征提取（九）ShuffleNetV2网络介绍在之前的文章中我们介绍了轻量级的特征提取网络——MobileNet系列，从MobileNetv1到MobileNetv3从论文中的说法来看，是在不断提升的。但是在实际的应用中我们

深度学习神经网络特征提取（八）DenseNet网络介绍前几期文章针对当下流行的特征提取网络做了一些介绍，本章继续前期的特征提取网络的内容介绍一下传说比ResNet还要强大的网络——DenseNet。首先是DenseNet的特点： 减轻了梯

深度学习之语义分割PSPNet(2016)PSPNet网络简介接续上一期的FCN语义分割网络，本章讲述在其后出现的又一较为流行的网络PSPNet。PSPNet相较于之前的SegNet和U-Net的改进还是比较明显的，改进的地方就在于引入了P

深度学习之语义分割FCN(2015)FCN网络简介emmmmmmm…时隔几个星期，语义分割系列又开始了，从这期开始所有的代码都会以pytorch框架给出。加油吧，少年~~ 话不多说，开始今天的语义分割之FCN。总的来说，FCN网络基本上可以

深度学习神经网络特征提取（七）emmmmmmm….代码重构的过程实在是无聊与枯燥，烦躁的心情也无法抑制，不过运动可以缓解一下。整天坐在实验室，整个人就是个关禁闭的状态啊~感觉近期就是处于一个懵逼的状态:-(哎，不说了，开始今天的文章吧。。。