02 2020 档案

软件工程开课感触
摘要：一、自我介绍我是石家庄铁道大学软件工程系的一名学生,现已大二年级,来到软件工程学习已有半年多。我对代码有一种莫名的亲密感，对新鲜事物有着强烈的学习欲望，和大多数程序员一样,我也秉持着代码改变世界的美好愿望,坚信自己手中一定会有奇迹出现。 在软件工程的半年的学习中,我学到了很多东西，从大一初识C语言、 阅读全文
posted @ 2020-02-28 19:44 赵代码 阅读(241) 评论(1) 推荐(1)
返回一个整数数组中最大子数组的和——java程序设计
摘要：一、题目要求 1、输入一个整形数组，数组里有正数也有负数。2、数组中连续的一个或多个整数组成一个子数组，每个子数组都有一个和。3、求所有子数组的和的最大值。要求时间复杂度为O(n) 二、设计思想 解决方案一： 1、通过用户输入数组容量，随机产生一个整型数组 2、将数组元素依次相加进行判断，当遇到小于 阅读全文
posted @ 2020-02-28 15:58 赵代码 阅读(514) 评论(1) 推荐(1)
周总结（十六）
摘要：本周所花上机时间19小时，代码量共计290行，其中，java代码290行。 本周对软件进行了一些细小的改良。 阅读全文
posted @ 2020-02-19 17:15 赵代码 阅读(114) 评论(0) 推荐(0)
循环神经网络层
摘要：通过将单词转化到向量空间可以分析句子的语义，最常见的一个应用就是评价分析（如淘宝的商品评价，电影的评价等），那么如何将这些评价的句子进行分析呢？举个例子： 现在有一句评语“I hate this boring movie”，我们将其送入预先写好的某一系统最终得到一个评价的二分类（好评/差评），这个预 阅读全文
posted @ 2020-02-16 22:20 赵代码 阅读(314) 评论(1) 推荐(1)
时间序列表示
摘要：自然界的数据类型（用于神经网络处理）大致可分为两种，一种是未知相关的数据（如卷积神经网络中处理的二维图片），另一种叫做序列信号（也可以理解为时间轴上的数据）。 比如一段语音，就是一个序列信号，因为它的数据之间有一个时间的先后顺序；再比如聊天记录，它可能并不是一个时间序列，但是我们阅读的时候会有一个先 阅读全文
posted @ 2020-02-14 22:16 赵代码 阅读(1166) 评论(1) 推荐(1)
Resnet——深度残差网络（二）
摘要：基于上一篇resnet网络结构进行实战。 再来贴一下resnet的基本结构方便与代码进行对比 resnet的自定义类如下: import tensorflow as tf from tensorflow import keras class BasicBlock(keras.layers.Layer 阅读全文
posted @ 2020-02-12 23:03 赵代码 阅读(1035) 评论(0) 推荐(1)
Resnet——深度残差网络（一）
摘要：我们都知道随着神经网络深度的加深，训练过程中会很容易产生误差的积累，从而出现梯度爆炸和梯度消散的问题，这是由于随着网络层数的增多，在网络中反向传播的梯度会随着连乘变得不稳定（特别大或特别小），出现最多的还是梯度消散问题。残差网络解决的就是随着深度增加网络性能越来越差的问题。 resnet中最典型的模 阅读全文
posted @ 2020-02-11 22:43 赵代码 阅读(1108) 评论(1) 推荐(1)
基于tensorflow2.0和cifar100的VGG13网络训练
摘要：VGG是2014年ILSVRC图像分类竞赛的第二名，相比当年的冠军GoogleNet在可扩展性方面更胜一筹，此外，它也是从图像中提取特征的CNN首选算法，VGG的各种网络模型结构如下： 今天代码的原型是基于VGG13，也就是上图的B类，可以看到它的参数量是很可观的。 因为设备和时间问题，网络并没有训 阅读全文
posted @ 2020-02-10 22:12 赵代码 阅读(1420) 评论(1) 推荐(1)
Android实战项目——家庭记账本（七）
摘要：今天主要实现了登录注册功能的客户端和服务端，但由于短信接口调用出现问题，导致注册功能还不完整。 截止到今天，APP的功能已经基本完成，后续还会陆陆续续的完善各功能模块与服务端的交互，因为需要和云端关联的模块与细节太多，所以就不具体规定时间完成。 在以往的学习和开发中并没有用到多少第三方的依赖。今天记 阅读全文
posted @ 2020-02-09 22:51 赵代码 阅读(671) 评论(1) 推荐(2)
Android实战项目——家庭记账本（六）
摘要：今天完成的主要任务如下： 1.设置页功能的布局 2.云服务器的部署 3.成功将一个本地Javaweb项目部署到阿里云 没什么特别说明的，直接上图： 首先是侧边栏功能的布局： 然后就是javaweb项目在云端的部署（这是上个学期做的一个出题系统） 可见基本的功能都可以正常使用，只是题目的导出下载会出错 阅读全文
posted @ 2020-02-08 21:34 赵代码 阅读(614) 评论(1) 推荐(1)
Android实战项目——家庭记账本（五）
摘要：今天博客写的有点晚（好像算是昨天的了），有一点小bug刚刚改完。今天完成的任务有： 1.统计页的布局和功能 2.主页碎片的图表功能 实现效果如下： 其中，统计功能的个人分析部分可以按照不同的条件进行统计，条件的选择在顶部的下拉按钮样式处，可以按周、按月、按年以及自定义日期段进行统计，逐月对比功能类似 阅读全文
posted @ 2020-02-08 00:12 赵代码 阅读(525) 评论(2) 推荐(1)
周总结（十五）
摘要：本周所花上机时间10小时，代码量共计420行，其中，java代码420行。 本周大部分时间花在了期末复习以及软件推广和体验改善上。 阅读全文
posted @ 2020-02-07 17:13 赵代码 阅读(244) 评论(0) 推荐(0)
Android实战项目——家庭记账本（四）
摘要：今天是开发的第四天，完成的主要内容如下： 1.账单查询功能的完善以及查询结果的显示和编辑 2.侧边栏布局的实现 3.首页fragment中本月与上月对比账目情况 实现的效果如图： 已添加的账单内容以及最近两月对比如下： 侧边栏样式如下（貌似图片有点失真，设备上白色背景区域分割线是均衡的）： 查询页面 阅读全文
posted @ 2020-02-06 23:46 赵代码 阅读(430) 评论(2) 推荐(1)
Auto-Encoder（自编码器）原理
摘要：1.无监督学习 无监督学习和监督学习是机器学习的两个方向，监督学习主要适用于已经标注好的数据集（如mnist分类问题），无监督学习则是希望计算机完成复杂的标注任务，简单的解释就是——教机器自己学习，它常见的应用场景有：从庞大的样本集合中选出一些具有代表性的加以标注用于分类器的训练、将所有样本自动分为 阅读全文
posted @ 2020-02-06 21:48 赵代码 阅读(4103) 评论(2) 推荐(1)
Android实战项目——家庭记账本（三）
摘要：今天完成的主要内容有： 1.主页面账单明细部分细节展示 2.对每个列表项，点击打开新的可编辑修改具体页面 3.实现了搜索页面的UI布局 4.优化了部分页面的UI，提升用户视觉和使用体验 实现效果如下： 今天把明细内容的思路改了，主要还是因为网上的解决办法不足以支持我的代码运行，权衡之后，决定把日结放 阅读全文
posted @ 2020-02-05 22:27 赵代码 阅读(789) 评论(1) 推荐(2)
Android实战项目——家庭记账本（二）
摘要：今天主要是对昨天做的添加账单信息的功能做了完善，实现了数据库的相关操作，如图是对已添加的账单信息的总结显示。 目前实现了通过日期进行汇总的功能，如上图中的各项item就是通过对所有账单信息进行按日期汇总的结果。绿色字样代表收入金额，红色字样代表输出金额。 在今天的开发中，遇到了一些问题。 1. （已 阅读全文
posted @ 2020-02-04 23:43 赵代码 阅读(927) 评论(2) 推荐(1)
Android实战项目——家庭记账本（一）
摘要：今天是家庭记账本APP开发的第一天，主要是做了一部分UI设计，不得不说，虽然web开发和Android开发有很多相似的地方，但是一个Android APP是很难三个小时开发完成的。 通过今天的学习与开发，认识到了自己学到的东西与实践起来的差距，也证明了上机实战的重要性。 在今天的开发中，也是遇到了一 阅读全文
posted @ 2020-02-03 23:00 赵代码 阅读(2466) 评论(1) 推荐(2)
Android实战项目——家庭记账本设计思路
摘要：经过三周左右的Android学习，实感只有上手开发才能有所提高。在此打算做一个家庭记账APP，同时巩固一下学到的东西并且弥补漏洞。 概述 记账是自古以来人类必不可少的一件事，从古代的算盘，到手写账本，再到计算机、计算器，直至现在的移动APP，随着时代的发展技术的进步，人们的生活方式也在不断地发生变化 阅读全文
posted @ 2020-02-02 11:53 赵代码 阅读(1670) 评论(1) 推荐(2)
防止或减少过拟合的方式（二）——Dropout
摘要：当进行模型训练的时候，往往可能错过模型的最佳临界点，即当达到最大精度的时候再进行训练，测试集的精度会下降，这时候就会出现过拟合，如果能在其临界点处提前终止训练，就能得到表达力较强的模型，从而也避免了过拟合，这种方法就叫early stopping，但是这种方法多依靠人的经验和感觉去判断，因为无法准确 阅读全文
posted @ 2020-02-01 17:31 赵代码 阅读(1111) 评论(1) 推荐(1)
防止或减轻过拟合的方式（一）——正则化
摘要：在进行模型搭建时常用的解决过拟合的方法有以下几种： · 采用更多的数据 · 迫使模型的复杂度降低（减少层数、正则化） · dropout（提高鲁棒性） · 提早结束训练过程 · 数据增强 这里重点讲正则化(regularization) 假定对于一个二分类问题，它的交叉熵损失函数为 J(ω) = - 阅读全文
posted @ 2020-02-01 15:52 赵代码 阅读(1027) 评论(1) 推荐(1)
过拟合与欠拟合
摘要：在真实的应用中，我们往往想要的不仅仅是模型能够在训练集上表现良好，而是希望训练得到的模型也能在未知的新输入数据上（这些新输入数据就是测试集）表现良好。这种能在未知的新输入数据上表现良好的能力被称为泛化。模型在未知的新输入数据上得到的误差称为泛化误差，或测量误差，我们也希望泛化误差很低。在降低训练误差 阅读全文
posted @ 2020-02-01 12:34 赵代码 阅读(628) 评论(1) 推荐(1)