计算机网络-应用层 HTTP运输协议采用TCP。 无状态协议。 服务器不保存客户信息。 持续链接与非持续连接非持续连接每个TCP连接只传输一个请求报文和响应报文。 请求一个Web页面可能需要传输多个TCP连接. 多个TCP连接可以并行. 持续连接服务器保持TCP连接打开, 直到一段时间未使用后关闭. 报文格式请求报文请求行:方法 URL 版本首部行:首部字段名 值 …空行实体体:(GET为空, POST 2022-11-27 课程笔记 #计算机网络
计算机网络-杂记 1网络由端系统、通信链路和分组交换机组成。 数据以分组的形式传输, 各层会对其进行封装和解析。 协议为传输规则。 网络边缘接入网的形式是数字用户线(DSL)、电缆、光纤到户(FFT)、拨号、卫星、以太网、WiFi、移动数据。 2多数分组交换输入端采用存储转发传输。 产生传输时延。 时延主要包括传输时延、排队时延、节点处理时延、传播时延。 排队过程可能发生丢包。 2022-11-27 课程笔记 #计算机网络
图像风格转换(Natural-Style论文复现) 复现论文:A Neural Algorithm of Artistic Style 代码参考: 使用PyTorch进行图像风格转换 (基于原论文对模型进行了微调) 导入包并配置设备1234567891011121314import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optim 2022-11-10 计算机视觉简单实践 #计算机视觉简单实践
Neural-Style 论文:A Neural Algorithm of Artistic Style 本文仅记录个人阅读论文的收获和思考。 1将图片定义为内容和风格的合成。(content and style) 用卷积神经网络来提取内容和风格。 2为了实现风格转换, 需要在不改变原图片的内容的同时, 将风格趋近风格图片。 由此设置了两个损失函数: 内容损失和风格损失。 内容损失函数由均方差函数实现。 风格损失由格拉姆 2022-11-10 论文笔记 #风格迁移
UML例图 一个类包含特性(成员变量)与操作(方法)。 +表示public,-表示private,#表示protected. 接口顶端带interface。 常见关系: 泛化、实现、关联、聚合、组合、依赖。 关系从左到右逐渐变强。 泛化 继承关系。 实线空心三角。 实现 实现接口。 虚线空心三角。 关联 个体间的包含关系。 如学生有多个老师。 代码体现为成员变量。 实线箭头。 聚合 组件与个体的包含关系,组 2022-11-08 课程笔记 #软件设计
面向对象设计原则 单一职责原则类或模块的职责应该唯一。 比如需要接收数据, 存储数据, 发送数据, 不应将三个功能直接放在 DataHandler 类中, 而是建立DataReceiver等三个类, 在DataHandler类中使用。 开闭原则对扩展开放, 对代码修改封闭。 即需要添加新功能时, 不应通过修改源代码实现。 已经实现的代码不能因添加新功能修改。 抽象工厂模式为其应用。 参考资料 接口隔离原则客户端不应 2022-11-07 课程笔记 #软件设计
软件设计模式 以Java语言为例。 分类创建型模式,共五种:工厂方法模式、抽象工厂模式、单例模式、建造者模式、原型模式。 结构型模式,共七种:适配器模式、装饰器模式、代理模式、外观模式、桥接模式、组合模式、享元模式。 行为型模式,共十一种:策略模式、模板方法模式、观察者模式、迭代子模式、责任链模式、命令模式、备忘录模式、状态模式、访问者模式、中介者模式、解释器模式。 创建型模式工厂方法通过建立工厂对象,向工厂对 2022-11-07 课程笔记 #设计模式
提取中间层特征图 使用VGG处理图像, 查看中间层的特征图。 导入包12345678910import torchimport torchvisionimport torchvision.transforms as transformsimport torchvision.datasets as dsetimport matplotlib.pyplot as pltimport numpy as npfrom PI 2022-11-01 计算机视觉简单实践 #计算机视觉简单实践
计算机网络-架构 五层架构五层架构为整个网络的架构, 并非单个计算机的网络架构。 整个网络的基层为物理层和数据链路层(端系统、传输链路、分组交换机等) 路由器包括网络层。 端包括整个五层。 2022-10-27 课程笔记 #计算机网络
VGGNet 论文: VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 本文仅记录个人阅读论文的收获和思考。 INTRODUCTION论文主要探究深度对卷积神经网络的影响. CONVNET CONFIGURATIONS1VGG用多层3*3的最小kernel, 单纯从卷积计算的角度来看, 多个卷积层的叠加意义不大(两层3*3相当于 2022-10-23 论文笔记 #cnn