不学习太蕉绿了！-CSDN博客

原创什么是虚函数

虚函数是 C++ 中实现多态的关键机制，允许通过基类指针或引用动态调用派生类的函数实现。它是面向对象编程中重要的特性之一，使得程序能够在运行时根据对象的实际类型调用对应的函数，而不是在编译时决定。虚函数使得派生类能够覆盖基类中的实现，从而实现灵活的功能扩展。

2024-11-14 12:25:41 563

原创【python】装饰器的作用

now()被log装饰器装饰，输出call now()后，执行函数本身。today()被装饰器装饰，输出后，执行函数本身。由于保留了原函数的名称，因此输出today。

2024-11-13 20:25:17 148

原创 RT-DETR

RT-DETR 的网络架构是通过结合 CNN 和 Transformer 的优势，优化了目标检测流程，能够高效、准确地完成目标检测任务。其自注意力机制和特征融合技术使得模型能够处理复杂场景中的物体检测。

2024-10-18 21:54:33 1186

原创关于yolo11的加入注意力机制改进后的yaml文件看懂教程

这段配置文件定义了一个 YOLOv11 对象检测模型，指定了模型的类别数、不同规模的参数、主干网络的结构和检测头的结构。每个模块的设计旨在优化特征提取和目标检测的效率与精度。用户可以根据具体需求调整参数和模块配置，以实现最佳性能。

2024-10-10 21:30:57 1176

1.使用sklearn库：scikit-learn是一个常用的机器学习库，其中提供了StandardScaler类用于标准化数据。可以先创建一个StandardScaler对象，然后使用其fit方法拟合数据并计算均值和方差，最后使用transform方法对数据进行标准化。3.使用numpy库：numpy库是一个功能强大的数值计算库，也提供了一些函数用于标准化操作。可以使用mean函数计算均值，使用std函数计算标准差，然后使用简单的数学运算对数据进行标准化。以上是三种常见的标准化操作方式。

2023-09-10 19:55:56 2940 1

原创学习笔记——pipeline是干嘛的

sklearn.pipeline.Pipeline 是scikit-learn库中的一个类，用于将多个数据处理步骤（例如特征提取、预处理和模型训练）组合成一个整体的机器学习流水线。Pipeline类的主要目的是将数据处理流程封装为一个可执行的模型对象，使得数据的处理过程更加简洁、可读性更高，并且方便进行交叉验证和模型评估。通过使用Pipeline，可以将多个数据处理和模型训练步骤组织在一起，形成一个整体的机器学习流水线，并简化机器学习工作流程的实现和管理。

2023-09-01 16:06:43 511 1

原创学习笔记——sklearn库中PolynomialFeature类的介绍

即，只有原始特征和它们的乘积项会被生成。其中，x[0] ** 2 和 x[1] ** 2 表示原始特征 x[0] 和 x[1] 的平方项，x[0] ** 2 * x[1] 表示原始特征 x[0] 的平方项与 x[1] 的乘积项。总结来说，fit(X, y)用于训练模型，而fit_transform(X, y)用于拟合并转换数据，常见于需要对数据进行预处理或特征工程的情况。x[0] ** 2、x[1] ** 2 和 x[0] ** 2 * x[1] 被排除，因为它们是相同输入特征的高次方项。

2023-09-01 16:06:01 743 1

原创关于学习《机器学习算法代码实现》的问题，主要使用的是sklearn工具包遇到的问题汇总

在之前的学习中我们比较了三种策略：批量梯度下降,随机梯度下降，和小批量梯度下降Mini Batch方法，根据效果显示，批量梯度下降得到的拟合效果最好，直接逼近最优theta,但是缺点是速度太慢，需要用到的数据量巨大，耗费资源多，而且数据集越大，它的效率越低，随机梯度下降的范围太广，无法确定而且具有随机性，最后得出小批量梯度下降具有更实用的可用性，它的范围可确定且因为只取一小部分的数据集，每次进行的打乱操作shuffled(np.random.permutation)能确保实验数据不单一。

2023-08-29 15:53:07 284 1