题目来源：https://leetcode.cn/problems/game-play-analysis-ii/description/?envType=study-plan-v2&envId=sql-premium-50题目描述：题目示例：解题代码：```sql#法一：窗口函数SELECTplayer_id,device_idfrom(SELECTplayer_id, device_id, event_date, MIN(

前言一些见到（或看到别人，或写了）的问题就记一下吧正文lower_boundSTL分为两类，一类是支持随机访问的，另一类是不支持随机访问的。而不支持随机访问的，若使用lower_bound函数，请一定要使用.....lower_bound(...)，因为这样的复杂度是对的(\(\log\))，否则就是线性的。我在cpprefernce上

性能强iTOP-3588开发板采用瑞芯微RK3588处理器，是全新一代AloT高端应用芯片，采用8nmLP制程，搭载八核64位CPU，四核Cortex-A76和四核Cortex-A55架构，主频高达2.4GHz。 四核心架构GPU集成MaliG610MP4四核GPU、支持OpenGLES1.1、2.0、3.2，OpenCL2.2和Vulkan1.2。带有MMU的特殊2D硬

本人项目地址大全：Victor94-king/NLP__ManVictor:CSDNofManVictor项目地址：HuixiangDou/README_zh.mdatmain·InternLM/HuixiangDou写在前面:笔者更新不易，希望走过路过点个关注和赞，笔芯!!!写在前面:笔者更新不易，希望走过路过点个关注和赞，笔芯!!!写在前面:笔者

目录一、SE（Squeeze-and-excitation）注意力什么是SE注意力？SE注意力的步骤1.压缩（Squeeze）2.激励（Excitation）3.重标定（Scale/Reweight）结构代码二、CBAM(ConvolutionalBlockAttentionModule)什么是CBAM注意力？CBAM的组成部分1.通道注意力（ChannelAttention）2.空间注意力（S

秋招面试专栏推荐 ：深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转

1️⃣VGG介绍  Alexnet证明了神经网络变深是有效的，因此网络能不能更深更大？  VGG（visualgeometrygroup）是由牛津大学提出的使用“块思想”的网络，通过使用循环和子程序可以很容易地在任何现代深度学习框架的代码中实现这些重复的架构。  VGG在2014ImageNet图像分类与

 秋招面试专栏推荐 ：深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转

一、新增、分区、格式化新盘1、首先在虚拟机中增加一块新硬盘（500G）例如：Vmware、Exsi软件，增加完成后，查看一下：root@ubuntu:~#lsblk-fNAMEFSTYPEFSVERLABELUUIDFSAVAILFSUSE%MOUNTPOINTSsda

yolov8源码下载：https://github.com/ultralytics/ultralyticsgithub.com/ultralytics/ultralytics打开源码完全不知道该从哪个文件开始看（……查看一些资料后……）决定先理解一下 yolov8.yaml 所在位置：ultralytics\cfg\models\v8\yolov8.yamlcfg\models文件夹下是各个模型

1、贴图，texture和atlasTextureType贴图类型：Default:普通贴图,这是所有纹理最常用的设置。Normalmap:法线贴图,选择此选项可将颜色通道转换为适合实时法线贴图的格式。EditorGUIandLegacyGUI:UI贴图,把Texture用在HUDorGUIcontrols.上。Sprite(2DandUI):精

参考学习：transformer详细介绍(1)__输入Embedding与位置编码_inputembedding-CSDN博客本文只是为了加强记忆而书写，具体想学习进入链接学习更清晰。Transformer模型主要是编码器与译码器，下面是模型的框架图： 编码器部分包含多头注意力机制，层归一化，前馈神经网络还有残差的思想保

秋招面试专栏推荐 ：深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转

1.CBAM介绍摘要：我们提出了卷积块注意力模块（CBAM），这是一种用于前馈卷积神经网络的简单而有效的注意力模块。给定中间特征图，我们的模块沿着两个独立的维度（通道和空间）顺序推断注意力图，然后将注意力图乘以输入特征图以进行自适应特征细化。由于CBAM是一个轻量级通用模块，因此它

Linux-手动扩容磁盘分区1.手动扩容磁盘分区实例演示：使用fdisk扩容ext4磁盘分区在本示例中，我们将阿里云的高效云盘从50GB扩容到60GB。1.1扩容前检查磁盘分区信息检查并记录分区表信息：fdisk-l/dev/vdb输出示例：Disk/dev/vdb:60GiB,64424509440bytes,1258291

虚拟机软件vmware，系统ubuntu16.04系统存储空间不够用了，需要扩充一下，记录一下操作步骤。先关掉虚拟机系统，打开虚拟机设置--硬件--选中“硬盘”--点击右侧的“扩展”按钮，输入想要的空间大小，点“确定”，启动虚拟机。进入虚拟机后，打开终端，使用fdisk查看分区信息：robot@ubuntu:~$s

一、本文介绍本文记录的是利用GnConv优化YOLOv9的目标检测方法研究。YOLOv9在进行目标检测时，需要对不同层次的特征进行融合。GnConv可以考虑更高阶的空间交互，能够更好地捕捉特征之间的复杂关系，从而增强特征融合的效果，提高模型对目标的检测能力。文章目录一、本文介绍二

[root@rabbit13~]#连接断开连接主机...连接主机成功Lastlogin:TueSep1721:19:262024from192.168.0.10[root@rabbit13~]#lsblkNAMEMAJ:MINRMSIZEROTYPEMOUNTPOINTsda8:00200G0disk├─sda18:101G0p

简介这是一个检测交通锥并识别颜色的项目。我使用yolov5来训练和检测视锥细胞。此外，我使用k均值来确定主色，以对锥体颜色进行分类。目前，支持的颜色为红色、黄色、绿色和蓝色。其他颜色被归类为未知。数据集和注释我使用了一个自收集的锥体数据集，其中包含303张锥体

一、本文介绍本文记录的是利用SCConv优化YOLOv9的目标检测网络模型。深度神经网络中存在大量冗余，不仅在密集模型参数中，而且在特征图的空间和通道维度中。SCConv模块通过联合减少卷积层中空间和通道的冗余，有效地限制了特征冗余，本文利用SCConv模块改进YOLOv9，提高了模型的性能

SHA简介安全散列算法（英语：SecureHashAlgorithm，缩写为SHA）是一个密码散列函数家族，是FIPS所认证的安全散列算法。能计算出一个数字消息所对应到的，长度固定的字符串（又称消息摘要）的算法。且若输入的消息不同，它们对应到不同字符串的机率很高。  目前SHA有五个算法，分别是SHA-1、SHA-

1，本文介绍MobileNetV4是最新的MobileNet系列模型，专为移动设备优化。它引入了通用反转瓶颈（UIB）和MobileMQA注意力机制，提升了推理速度和效率。通过改进的神经网络架构搜索（NAS）和蒸馏技术，MobileNetV4在多种硬件平台上实现了高效和准确的表现，在ImageNet-1K数据集上达到87%

一、本文介绍本文记录的是利用DySample上采样对YOLOv9的颈部网络进行改进的方法研究。YOLOv9采用传统的最近邻插值的方法进行上采样可能无法有效地捕捉特征的细节和语义信息，从而影响模型在密集预测任务中的性能。DySample通过动态采样的方式进行上采样，能够更好地处理特征的

一、本文介绍本文记录的是利用CARAFE上采样对YOLOv9的颈部网络进行改进的方法研究。YOLOv9采用传统的最近邻插值的方法，仅考虑子像素邻域，无法捕获密集预测任务所需的丰富语义信息，从而影响模型在密集预测任务中的性能。CARAFE通过在大感受野内聚合信息、能够实时适应实例特定