zhchoice

摘要： NAT（网络地址转换）详解 一、定义（Definition） NAT（Network Address Translation，网络地址转换） 是一种在 网络层（L3）或传输层（L4） 对数据包的 源 IP、目的 IP、端口号 进行改写的技术，用于实现不同地址域之间的互通。 其核心是维护一张 转换表（ 阅读全文

摘要： 引言与背景 分布式系统中，为了在 非拜占庭故障（如节点宕机或网络分区）情况下保持数据一致性，往往需要分布式共识算法来确保多个副本状态统一 。长期以来，Leslie Lamport 提出的 Paxos 算法 一直是这一领域的代表方案，但 Paxos 难以理解和实现，其架构复杂且在实际系统应用中需要很 阅读全文

摘要： 1: 通过wireshark截图看到在TCP 握手之后会通过TLS确认双发的加密算法，TLSv1.2 Application Data • 这说明 TLS 握手已经完成，双方已经协商好密钥，正在用对称加密传输 HTTP 数据。 • 所以在这个阶段，Wireshark 只能标记它是 “Applicat 阅读全文

摘要： import os import numpy as np from PIL import Image, ImageDraw import matplotlib.pyplot as plt # 1) 使用你的图片 CUSTOM_PATH = "apple.png" def load_or_make_i 阅读全文

摘要： 一、传统机器学习时代（2000-2012） 这一时期代表了深度学习革命前夕的机器学习黄金时代。支持向量机、决策树集成方法等技术在理论和实践上都达到了成熟，为后续深度学习的发展提供了重要的理论基础和实践经验。 支持向量机的理论突破 Corinna Cortes和Vladimir Vapnik在1995 阅读全文

摘要： 在矩阵论和信号处理中，奇异值分解（Singular Value Decomposition, SVD） 是一个极其重要的工具。它不仅是一个数学分解公式，更是连接数据压缩、特征提取和深度学习优化的桥梁 。 矩阵与奇异值的定义 对任意矩阵 \(A \in \mathbb{R}^{m \times n}\ 阅读全文

摘要： AI 学习与人脑类比总结文档 一、AI 与人类学习的本质 • 共同点：无论是人类大脑还是人工神经网络，本质上都是在寻找并逼近输入与输出之间的复杂映射函数。 • 人类学习：通过感官获取信息 → 在大脑形成突触连接 → 强化/遗忘 → 固化为长期记忆。 • AI 学习：通过数据输入 → 神经网络参数（权 阅读全文

摘要： 鉴于之前的两次对照实验都无法提现出AlexNet和VGG的区别，我调节了训练的样本数据，也对代码进行了调整，数据集从原先的CIFAR-10: 10类 换成了CIFAR-100: 100类 训练代码和结果如下 import torch import torch.nn as nn import torc 阅读全文

摘要： 使用CUDA 10轮结果显示还是Alex胜出 训练轮数换成30轮结果依旧是ALex小优，可见通过模型的结构调整以及在短期的30论训练里面，并没有体现出架构的优势，我们需要在调整其他的超参来观察VGG给图像识别带来的提升，下面是训练每一轮的数据和时长 使用设备: cuda Files already 阅读全文

摘要： VGG 模型的关键改进点 (2014, Very Deep Convolutional Networks for Large-Scale Image Recognition) 改进点 AlexNet VGG 意义 卷积核设计 大卷积核（11×11, 5×5）+ 少量层 小卷积核（3×3）堆叠，网络更 阅读全文