陈壮实的搬砖日记

图像基础操作（图像翻转、图像锐化、图像平滑等）、图像分割（边缘检测、迭代法、OSTU、区域增长法等）、特征提取（图像分割、灰度共生矩阵）

在数据科学和机器学习领域，选择合适的文件格式来存储和读取数据是至关重要的。不同的文件格式各有优缺点，适用于不同的应用场景，读取速度和空间占用大小也各有不同。以下将对几种常见文件格式及其介绍：

当我们使用vscode的ssh连接远程服务器后，过一段时间后，总是要求登录服务器的密码。 这就导致一个麻烦就是: 无论是在公司还是在学校，密码往往不是自己设置的，所以记忆起来就比较麻烦

L1和L2正则化是机器学习中常用的技术，特别是在训练线性模型时，用于防止模型过拟合。这两种正则化方法通过在损失函数中添加一个惩罚项来实现，这个惩罚项就是模型权重的函数。 1. L1和L2正则化 这篇讲

激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。在神经元中，输入的input经过一系列加权求和后作用于另一个函数，这个函数就是这里

Wide & Deep是由谷歌APP Stroe团队在2016年提出的关于CTR预测的经典模型，该模型实现简单，效果却非常好，因而在各大公司中得到了广泛应用，是将深度学习引入推荐系统

交叉熵损失（Cross-Entropy Loss）是机器学习和深度学习中常用的一种损失函数，主要用于分类任务。它通过衡量模型预测的概率分布与实际类别分布之间的差异，来评估模型性能。交叉熵损失通常用于分

Swin-Transformer得益于其窗口注意力和偏移窗口注意力机制，平衡了感受野和计算效率，逐渐替代Vit成为了很多视觉网络的Backbone。下面将尽可能的清晰地解释其各个模块！ 1. Swin

Tranformer现如今无论是在CV还是NLP，甚至现在非常或的LLM领域都非常重要！该架构是谷歌在2017年《Attention is all you need》中提出的，下面将分析