qbyqby7628的博客

node ./comment.js参考文献：https://blog.csdn.net/daihaoxin/article/details/84958369

一、死锁的定义多线程以及多进程改善了系统资源的利用率并提高了系统 的处理能力。然而，并发执行也带来了新的问题——死锁。所谓死锁是指多个线程因竞争资源而造成的一种僵局（互相等待），若无外力作用，这些进程都将无法向前推进。二、死锁产生的原因1.系统资源的竞争通常系统中拥有的不可剥夺资源，其数量不足以满足多个进程运行的需要，使得进程在运行过程中，会因争夺资源而陷入僵局，如磁带机、打印机等。只有对不可剥夺资源的竞争才可能产生死锁，对可剥夺资源的竞争是不会引起死锁的。2.进程推进顺序非法Jav

一、单例模式单例模式（Singleton），是一种常用的设计模式。在应用这个模式时，必须保证：一个类仅有一个实例并提供一个访问它的全局访问点由于单例模式只生成一个实例，减少了系统性能开销，当一个对象的产生需要比较多的资源时，比如读取设置等，则可以通过在应用启动的时候直接创建一个单例对象，永久的贮存在内存中，使用的时候直接调用就可以。例如：java.lang.Runtime饿汉式应用场景：网站计数器、应用程序的日志应用、数据库连接池、任务管理器、回收站等。二、单例模式在单线程下的两种经典实现方

引入包\usepackage[T1]{fontenc}

解决方法参考：https://blog.csdn.net/sdtvyyb_007/article/details/49849995

如下解决：https://blog.csdn.net/LQCarol/article/details/106353428激活码：公众号“python联盟”回复“激活码”

conda install cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/conda install cudnn=7.1.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

问题解决方法：换源pip install setup.py -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com问题解决：

OSError: im1.sift not found.报错原因分析生成的.sift保存在了tmp.pgm中，并未保存到im1.sift中，所以提示文件不存在。解决方法下载vlfeat-0.9.20-bin.tar.gz（链接：vlfeat ）；vlfeat-0.9.20/bin/win64下的sift.exe、vl.dll和vl.lib三个文件复制到你的项目文件夹下；进入D:\Program Files (x86)\Anaconda3\Lib\site-packages\PCV\lo

import numpy将numpy整个包导入python中了，使用时需要打全称numpy.函数()；import numpy as np将numpy整个包导入python中，并以np命名，之后使用numpy中的函数，可以直接使用np.函数()，较为方便；from numpy import *将numpy中所有函数都导入到python中了，可以直接使用：函数()，但是可能会与其他同时导入的包内函数造成冲突。注： 只使用包中某个函数时，可以使用from numpy import 函数。

python3安装PCV包下载PCV包：https://codeload.github.com/Li-Shu14/PCV/zip/master；打开Anaconda3的prompt窗口，切换到下载好的PCV包所在的路径下；执行以下命令：pip install PCV-master.zip注： 压缩包不用解压，直接pip install即可。其他包的安装方法进入官网：https://pypi.org/ ，查找自己需要的包并下载；下载完之后解压；打开Windows命令行界面：win+

运动恢复结构运动恢复结构问题转化为数学问题三种典型的运动恢复结构任务欧式结构恢复两视图欧式结构恢复插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入运动恢复结构问题运动恢复结构（SFM）是通过一系列的2D图像，来获取图像中场景的3D坐标，从而对3D场景进行重建。（整体参考鲁鹏老师的课程）

参考：https://www.imooc.com/article/30129吴恩达在课里讲的是为了保证神经元输出激活值的期望值与不使用dropout时一致，我们结合概率论的知识来具体看一下：假设一个神经元的输出激活值为a，在不使用dropout的情况下，其输出期望值为a，如果使用了dropout，神经元就可能有保留和关闭两种状态，把它看作一个离散型随机变量，它就符合概率论中的0-1分布，其输出激...

损失函数（loss function）是用来估量你模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风险函数的核心部分，也是结构风险函数重要组成部分。对单个例子的损失函数：除了正确类以外的所有类别得分相加，如果正确类别得分比错误类别得分高很多（高出某个临界值，这里应该是1），则这张图像的损失函...

https://blog.csdn.net/u010025211/article/details/75043216ubuntu有线无法上网，使用ifconfig没看到有线网卡，证明没有驱动使用lspci查看所有驱动，找到Ethernet controller: 那个，为以太网驱动，到官网查找、我的为Ethernet controller: Intel Corporation De...

参考：https://www.cnblogs.com/ooon/p/5869504.html定义：在机器学习领域，分类的目标是指将具有相似特征的对象聚集。而一个线性分类器则透过特征的线性组合来做出分类决定，以达到目的。对象的特征通常被描述为特征值，而在向量中则描述为特征向量。从图像到标签分值的参数化映射：该方法的第一部分就是定义一个评分函数，这个函数将图像的像素值映射为各个分类类别的得分，得分...

参考：https://blog.csdn.net/eeeee123456/article/details/79927128一、K最近邻所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。Cover和Hart在1968年提出了最初的邻近算法。KNN是一种分类(classification)算法，它输入基于实例的学习（instance-based learni...

一、安装VMware Workstation12二、安装Ubuntu16.04ubuntu联网参考文章：https://blog.csdn.net/wuhuimin521/article/details/809925301.查看/设置下NAT的网络打开VM >> 点击编辑—虚拟网络编辑器NAT网络名称：VMnet8子网地址：192.168.78.0点击NAT设置子...

https://blog.csdn.net/aguoxin/article/details/79543066

https://blog.csdn.net/sylsjane/article/details/80871736