每个react类组件都包含“生命周期方法”(function组件是没有生命周期方法的)，你可以重写这些方法，以便于在运行过程中特定的阶段执行这些方法。在接下来的文章中，生命周期方法的书写会遵照如下规则，以方便大家理解。1、加粗生命周期方法表示常用的生命周期方法，开发中会经常使用到。2、未加粗的生命周期方法表示罕见的生命...

 大图:1、默认生成的CRUD是没有菜单名称和描述显示的，如果需要显示则可以在后台修改，权限管理->菜单规则，给对应菜单的添加上备注信息后即可显示，支持HTML 2、TAB过滤选项卡在一键生成CRUD时，如果表中存在status字段且为ENUM类型，则会生成相应的TAB过滤选项卡，如果需要生成...

一：下载、安装、配置、使用为了方便下载，我把当时下载的这个解压包，放在百度的云盘上。1、百度链接：https://pan.baidu.com/s/1xhFsENTVvU-tnjK9ODJ7Ag 密码：ctyy2、官方安装下载链接：https://www.mongodb.com/download-center?...

  一个提供了百度坐标（BD09）、国测局坐标（火星坐标，GCJ02）、和WGS84坐标系之间的转换的工具模块。python版本：https://github.com/wandergis/coordTransform_py命令行版本(支持模块或在命令行直接转换geojson数据)：https://g...

在机器学习、深度学习中使用的优化算法除了常见的梯度下降，还有Adadelta，Adagrad，RMSProp等几种优化器，都是什么呢，又该怎么选择呢？在SebastianRuder的这篇论文中给出了常用优化器的比较，今天来学习一下：https://arxiv.org/pdf/1609.04747.pdf本文将梳理：每个...

30November201918:31  人类历史上，除了计算机外从没有一项技术可以在短短的几十年间，能够全方位的影响整个社会的各个领域。技术的发展，少不了许多代人为之的努力。无论是在计算机硬件上，还是在实现的算法上，这其中有着大量非常精巧的设计，在后面的文章中，将会不定期的把这些知识展现出来。这次介绍一个在隐私保护领...

 4.Faster-R-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks在之前介绍的Fast-R-CNN中，第一步需要先使用SelectiveSearch方法提取图像中的proposals。基于CPU实现的SelectiveSearch...

 3.Fast-R-CNN基于R-CNN和SPP-Net思想，RBG提出了Fast-R-CNN算法。如果选用VGG16网络进行特征提取，在训练阶段，Fast-R-CNN的速度相比RCNN和SPP-Net可以分别提升9倍和3倍；在测试阶段，Fast-R-CNN的速度相比RCNN和SPP-Net可以分别提升213...

2.SPP-Net:SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition） 传统CNN和SPP-Net流程对比如下图所示（引自http://www.image-net.org/challenges/LSVRC/2014/sli...

1.R-CNN：Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation技术路线：selectivesearch+CNN+SVMsStep1:候选框提取(selective search)训练：给定一张图片，利用seleti...

1.SimHash与传统hash函数的区别　　传统的Hash算法只负责将原始内容尽量均匀随机地映射为一个签名值，原理上仅相当于伪随机数产生算法。传统的hash算法产生的两个签名，如果原始内容在一定概率下是相等的；如果不相等，除了说明原始内容不相等外，不再提供任何信息，因为即使原始内容只相差一个字节，所产生的签名也很可能...

     该方法给出的表达式为：          首先，λ被称之为权重向量，观察和式，这完全就是m维向量的点乘公式嘛。具体的说，在目标空间中，把算法求出的...

       图1     如上图所示，白色那一行描述由一个隐藏的马尔科夫链生成不可观测的状态随机序列，蓝紫色那一行是各个状态生成可观测的随机序列    &nb...

DBSCAN（Density-BasedSpatialClusteringofApplicationswithNoise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。该算法利用基于密度的聚...

 基本思想：如果单个分类器表现的很好，那么为什么不适用多个分类器呢？通过集成学习可以提高整体的泛化能力，但是这种提高是有条件的：（1）分类器之间应该有差异性；（2）每个分类器的精度必须大于0.5；如果使用的分类器没有差异，那么集成起来的分类结果是没有变化的。如下图所示，分类器的精度p<0.5，随着集成规...