-
Notifications
You must be signed in to change notification settings - Fork 0
/
index.xml
1055 lines (823 loc) · 60.4 KB
/
index.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
<title>乐观积极的...</title>
<link>https://kongfany.github.io/</link>
<description>Recent content on 乐观积极的...</description>
<generator>Hugo -- gohugo.io</generator>
<language>en</language>
<lastBuildDate>Thu, 29 Aug 2024 14:01:52 +0800</lastBuildDate><atom:link href="https://kongfany.github.io/index.xml" rel="self" type="application/rss+xml" />
<item>
<title>艺赛旗is_rpa</title>
<link>https://kongfany.github.io/post/job_rpa/</link>
<pubDate>Thu, 29 Aug 2024 14:01:52 +0800</pubDate>
<guid>https://kongfany.github.io/post/job_rpa/</guid>
<description>艺赛旗rpa初级https://support.i-search.com.cn/article/1686059673913 课程https:/</description>
</item>
<item>
<title>Ctsp</title>
<link>https://kongfany.github.io/post/ctsp/</link>
<pubDate>Wed, 28 Aug 2024 09:14:26 +0800</pubDate>
<guid>https://kongfany.github.io/post/ctsp/</guid>
<description>官网 - 江苏官网 报名时间：8月19日至9月15日 考试时间：11月9日至12日 学习路线 笔记： https://www.yuque.com/ixc_666/rk_gogogo 密码：in38 https://www.yuque.com/dengnixiake-as5wa/ip7xs9 刷题app：软考通</description>
</item>
<item>
<title>Springboot项目</title>
<link>https://kongfany.github.io/post/springbootproject/</link>
<pubDate>Wed, 14 Aug 2024 09:46:52 +0800</pubDate>
<guid>https://kongfany.github.io/post/springbootproject/</guid>
<description>青戈-带小白做毕设系列学习 视频 技术栈: 前端：html,css,javascript,vue,element-ui 后端：java,spring</description>
</item>
<item>
<title>Springboot-jpa</title>
<link>https://kongfany.github.io/post/springbootp-jpa/</link>
<pubDate>Wed, 07 Aug 2024 23:15:49 +0800</pubDate>
<guid>https://kongfany.github.io/post/springbootp-jpa/</guid>
<description>视频 maven下载和安装，1,2,3 postman安装使用教程，1 &ndash; 视频文档链接： https://www.yuque.com/zaibaliweigezidemeixi/dopm5h 密码：mp6h 代码： spring boot: https://github.com/coder-fengzhu/boot-demo mybatis-plus: https://github.com/coder-fengzhu/mp-demo 项目结构 后端 api层：接收</description>
</item>
<item>
<title>MySQL</title>
<link>https://kongfany.github.io/post/mysql/</link>
<pubDate>Wed, 24 Jul 2024 15:20:44 +0800</pubDate>
<guid>https://kongfany.github.io/post/mysql/</guid>
<description>bilibili 路线： 概念环境-数据定义语言-数据操作语言-数据查询语句-数据约束语法-多表设计和维护-高级多表查询-高级和新特性 概念环境 数据库概念 数据库</description>
</item>
<item>
<title>upload_excel</title>
<link>https://kongfany.github.io/post/springbootp_uploadexcel/</link>
<pubDate>Wed, 24 Jul 2024 15:02:17 +0800</pubDate>
<guid>https://kongfany.github.io/post/springbootp_uploadexcel/</guid>
<description>项目需求：SpringBoot读取excel并存入连接的数据库 路线：java-sql-jdbc-jpa-springboot 视频https:</description>
</item>
<item>
<title>事业编</title>
<link>https://kongfany.github.io/post/job_syb/</link>
<pubDate>Mon, 18 Mar 2024 16:51:38 +0800</pubDate>
<guid>https://kongfany.github.io/post/job_syb/</guid>
<description>大纲 真题 2021 基于ARM架构的智能手机处理器采用的指令集主要是RISC（精简指令集计算机）。RISC指令集的设计思路是尽量简化计算机指令集，使指</description>
</item>
<item>
<title>大论文思路分析</title>
<link>https://kongfany.github.io/post/fl_bigpaper/</link>
<pubDate>Sat, 02 Mar 2024 10:31:34 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_bigpaper/</guid>
<description>blog1 Domain Shift in FL DA 常用数据集：Office-31，Office-Caltech-10，MINIST+USPS，更多的见：https://githu</description>
</item>
<item>
<title>Java-面向对面2</title>
<link>https://kongfany.github.io/post/java07/</link>
<pubDate>Wed, 21 Feb 2024 16:36:01 +0800</pubDate>
<guid>https://kongfany.github.io/post/java07/</guid>
<description>关键字this 实例方法或构造器中使用当前对象的成员 在实例方法或构造器中，如果使用当前类的成员变量或成员方法可以在其前面添加this，增强程序</description>
</item>
<item>
<title>Java-面向对面</title>
<link>https://kongfany.github.io/post/java06/</link>
<pubDate>Tue, 30 Jan 2024 22:23:28 +0800</pubDate>
<guid>https://kongfany.github.io/post/java06/</guid>
<description>学习面向对象内容的三条主线 Java类及类的成员：（重点）属性、方法、构造器；（熟悉）代码块、内部类 面向对象的特征：封装、继承、多态、（抽象）</description>
</item>
<item>
<title>Java-数组</title>
<link>https://kongfany.github.io/post/java05/</link>
<pubDate>Tue, 23 Jan 2024 22:04:29 +0800</pubDate>
<guid>https://kongfany.github.io/post/java05/</guid>
<description>为什么需要数组 需求分析1： 需要统计某公司50个员工的工资情况，例如计算平均工资、找到最高工资等。用之前知识，首先需要声明50个变量来分别记录</description>
</item>
<item>
<title>Java-IDEA</title>
<link>https://kongfany.github.io/post/java04/</link>
<pubDate>Mon, 22 Jan 2024 16:56:56 +0800</pubDate>
<guid>https://kongfany.github.io/post/java04/</guid>
<description>功能强大： ① 强大的整合能力。比如：Git、Maven、Spring等 ② 开箱即用的体验（集成版本控制系统、多语言支持的框架随时可用，无需额外安</description>
</item>
<item>
<title>Java流程控制</title>
<link>https://kongfany.github.io/post/java03/</link>
<pubDate>Fri, 01 Dec 2023 16:54:57 +0800</pubDate>
<guid>https://kongfany.github.io/post/java03/</guid>
<description>程序设计中规定的三种流程结构，即： 顺序结构 程序从上到下逐行地执行，中间没有任何判断和跳转。 分支结构 根据条件，选择性地执行某段代码。 有if…e</description>
</item>
<item>
<title>Java变量与运算符</title>
<link>https://kongfany.github.io/post/java02/</link>
<pubDate>Wed, 29 Nov 2023 20:44:16 +0800</pubDate>
<guid>https://kongfany.github.io/post/java02/</guid>
<description>关键字（keyword） 定义：被Java语言赋予了特殊含义，用做专门用途的字符串 class、public 、 static 、 void 等，这些单词已经被Java定</description>
</item>
<item>
<title>Java概述</title>
<link>https://kongfany.github.io/post/java01/</link>
<pubDate>Tue, 28 Nov 2023 15:43:44 +0800</pubDate>
<guid>https://kongfany.github.io/post/java01/</guid>
<description>尚硅谷 谷粒学苑 教程：1、 2 技术路线 1、java基础，mysql基础，jdbc 2、前端：html，css，js web服务端：tomcat、xm</description>
</item>
<item>
<title>个性化联邦</title>
<link>https://kongfany.github.io/post/fl_pfl2/</link>
<pubDate>Tue, 28 Nov 2023 15:25:56 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_pfl2/</guid>
<description>视频 PFLlib_code fedbn ditto fedala fedb PFLLIB 数据集处理 dataset等三个文件夹mark directory as sources root&ndash;import下列的文件时才可以识别到 system flscor</description>
</item>
<item>
<title>算法，八股</title>
<link>https://kongfany.github.io/post/algo/</link>
<pubDate>Tue, 28 Nov 2023 15:07:53 +0800</pubDate>
<guid>https://kongfany.github.io/post/algo/</guid>
<description>算法 美团技术岗笔试 https://codefun2000.com/ python 输入输出 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 import sys # 多组测试用例 for line in sys.stdin: print(line)# 键盘输入，包含回车 a = line.split()# str类型列表 print(a,type(a),type(a[0])) print(int(a[0])</description>
</item>
<item>
<title>Job</title>
<link>https://kongfany.github.io/post/job/</link>
<pubDate>Tue, 28 Nov 2023 14:55:10 +0800</pubDate>
<guid>https://kongfany.github.io/post/job/</guid>
<description>job 国考 国家公务员局 专业名筛选 参照专业目录表-专业对应的专业类（控制科学与工程）和门类(工学) 电子信息类-机电控制类 报名时间：10-15-10</description>
</item>
<item>
<title>Latex</title>
<link>https://kongfany.github.io/post/latex/</link>
<pubDate>Wed, 13 Sep 2023 14:25:39 +0800</pubDate>
<guid>https://kongfany.github.io/post/latex/</guid>
<description>latex 安装教程 下载 快速入门教程 2 在线公式编辑器 ，2 mathpix，扫描图片生成公式代码 1 pycharm编写latex 1 2 3 4 5 6 7 8 9 10 11 12 13 14</description>
</item>
<item>
<title>伪装目标检测COD</title>
<link>https://kongfany.github.io/post/cod/</link>
<pubDate>Wed, 26 Jul 2023 11:33:09 +0800</pubDate>
<guid>https://kongfany.github.io/post/cod/</guid>
<description>paper cvpr2020 code 评估 blog ResNet resnet-残留块blog 2 3 ResNet 模型中的一个残差块的定义。在这个残差块中，根据条件选择了两种不同的快捷连接方式：投影连接和身</description>
</item>
<item>
<title>个性化联邦学习</title>
<link>https://kongfany.github.io/post/fl_pfl/</link>
<pubDate>Fri, 24 Mar 2023 16:04:34 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_pfl/</guid>
<description>Personalized Retrogress-Resilient Federated Learning Towards Imbalanced Medical Data 针对不平衡医疗数据的个性化倒退的弹性联合学习 尽管对FL进行了深入的研究，但在现实医疗场景中应用FL时仍然存在两个主要挑战，包</description>
</item>
<item>
<title>动手学深度学习-李沐</title>
<link>https://kongfany.github.io/post/dl_limu/</link>
<pubDate>Wed, 22 Mar 2023 14:25:03 +0800</pubDate>
<guid>https://kongfany.github.io/post/dl_limu/</guid>
<description>视频 课程主页 教材 github 课程论坛 pytorch论坛 BLOG 安装 映射本地端口，端口被占用1，2 1 ssh -L8888:localhost:8888 [email protected] softmax-09 卷积神经网络 线性神经网络： 线性回归模型时一个单层神</description>
</item>
<item>
<title>域适应联邦学习</title>
<link>https://kongfany.github.io/post/fl_da/</link>
<pubDate>Tue, 22 Nov 2022 09:58:50 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_da/</guid>
<description>域适应 blog：[1] 在迁移学习中， 当源域和目标的数据分布不同 ，但两个任务相同时，这种特殊的迁移学习叫做域适应 （Domain Adaptati</description>
</item>
<item>
<title>fedlab</title>
<link>https://kongfany.github.io/post/fl_fedlab/</link>
<pubDate>Thu, 20 Oct 2022 14:22:33 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_fedlab/</guid>
<description>[fedlab]-blog-&gt;github benchmarks 数据划分，整合 fcube 专栏 https://www.bilibili.com/video/BV1pG4y1t7t5/?spm_id_from=333.999.list.card_archive.click&amp;vd_source=ad42090d7d6fcdfc144126ae0e2884ac &ndash; 侧重点在 adaptive semi https://ijcai2022.scimeeting.cn/cn/web/program/15678 https://ijcaipcfl2022.scimeeting.cn/cn/web/index/15792_1264754__ Adaptive: 之前一篇待看Adaptive Federated Learning in Resource Constrained Edge Computing Systems Source-Adaptive Discriminative Kernels based Network for Remote Sensing Pansharpening Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction ER-SAN: Enhanced-Adaptive Relation Self-Attention Network for Image</description>
</item>
<item>
<title>联邦学习paper</title>
<link>https://kongfany.github.io/post/fl_paper/</link>
<pubDate>Fri, 14 Oct 2022 19:57:38 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_paper/</guid>
<description>FedAvg Communication-Efficient Learning of Deep Networks from Decentralized Data blog:[1],[2] code:[1],[2] 1-&gt;blog:[1],[2] baseline:FedSGD,每计算一个client梯度值就传给server进行聚合。fedavg在本地聚合多次，</description>
</item>
<item>
<title>联邦半监督学习</title>
<link>https://kongfany.github.io/post/fl_fssl/</link>
<pubDate>Wed, 28 Sep 2022 16:46:52 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_fssl/</guid>
<description>国自然 现实场景中，如医疗、金融、法律等领 域没有大量的有标签数据，而对数据进行标注需要大量的人力和时间，特别是在些领域只有专家才能对样本进行有</description>
</item>
<item>
<title>Pysyft</title>
<link>https://kongfany.github.io/post/fl_pysyft/</link>
<pubDate>Sun, 11 Sep 2022 20:49:20 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_pysyft/</guid>
<description>PySyft是用于安全和隐私深度学习的Python库，它在主流深度学习框架（例如PyTorch和TensorFlow）中使用联邦学习，差分隐</description>
</item>
<item>
<title>Project</title>
<link>https://kongfany.github.io/post/project/</link>
<pubDate>Thu, 08 Sep 2022 19:22:49 +0800</pubDate>
<guid>https://kongfany.github.io/post/project/</guid>
<description>参考链接 2 ssh 创建一个项目的主要步骤： 前提：安装Anaconda，LINUX 1 2 wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh sh Anaconda3-2022.05-Linux-x86_64.sh 1、创建虚拟环境，并切换 blog 删除 1 2 3 4 conda env list conda create -n syft_env python=3.9</description>
</item>
<item>
<title>医学图像联邦学习</title>
<link>https://kongfany.github.io/post/fl_medical/</link>
<pubDate>Thu, 18 Aug 2022 13:44:31 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_medical/</guid>
<description>医学成像中的联邦学习：第一部分：迈向多中心医疗保健生态系统 - ScienceDirect 医学成像中的联邦学习：第二部分：方法，挑战和考虑因素 - ScienceDirect FedDG: Federated Domain Generalization on Medical Image Segmentationcvpr2021 基于连</description>
</item>
<item>
<title>联邦学习-吴方照</title>
<link>https://kongfany.github.io/post/fl_wufangzhao/</link>
<pubDate>Fri, 24 Jun 2022 21:56:12 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_wufangzhao/</guid>
<description>微软 吴方照 浙大 吴超主持 联邦学习核心挑战 效率 通信，计算 异构性 数据的异构性，设备的异构性 隐私保护 处理之后的隐私泄露低于不处理的，MPC 安全 Communication-efficient federated learning</description>
</item>
<item>
<title>王树森机器学习</title>
<link>https://kongfany.github.io/post/wangshushen/</link>
<pubDate>Tue, 14 Jun 2022 14:41:08 +0800</pubDate>
<guid>https://kongfany.github.io/post/wangshushen/</guid>
<description>神经网络结构搜索 视频 github Neural Architecture Search Basics parameters（参数） Hyper-parameters（超参数） parameters：aka weight</description>
</item>
<item>
<title>MMVFL2</title>
<link>https://kongfany.github.io/post/mmvfl2/</link>
<pubDate>Thu, 26 May 2022 13:53:56 +0800</pubDate>
<guid>https://kongfany.github.io/post/mmvfl2/</guid>
<description>Multi-Participant Multi-Class Vertical Federated Learning VFL假设来自不同参与者的数据集不共享相同的特征空间，但可能共享相同的样本ID空间 多视图学习的一个视图表示一个纵向联邦学习的一个参</description>
</item>
<item>
<title>医学图像分割学习路线</title>
<link>https://kongfany.github.io/post/medicalcv/</link>
<pubDate>Thu, 21 Apr 2022 16:04:32 +0800</pubDate>
<guid>https://kongfany.github.io/post/medicalcv/</guid>
<description>语义分割-Unet(果蝇分割)-Resnet(垃圾分类) [blog],[unet-blog],[unet-paper] FCN,SegNet&hellip;主流分割网络(19年)-医学图像分割(脑区域，</description>
</item>
<item>
<title>CCFCV112</title>
<link>https://kongfany.github.io/post/ccfcv112/</link>
<pubDate>Wed, 20 Apr 2022 17:05:05 +0800</pubDate>
<guid>https://kongfany.github.io/post/ccfcv112/</guid>
<description>https://www.bilibili.com/video/BV11a411v7nD 曹先彬 博士，北京航空航天大学教授 空基态势感知技术及应用 桥隧检测 施工监控 公路巡检 交通巡管 一个专用飞行平台&ndash;临空平台，系留平台 临近</description>
</item>
<item>
<title>垃圾分类</title>
<link>https://kongfany.github.io/post/resnet50/</link>
<pubDate>Sat, 09 Apr 2022 16:02:03 +0800</pubDate>
<guid>https://kongfany.github.io/post/resnet50/</guid>
<description>代码 垃圾分类 基于图片的垃圾识别就要难不少。比如，卫生纸你可以弄成各种形状，团成一团，或者撕成一条一条。甚至，可以把蛋糕恶趣味地做成「便便」的</description>
</item>
<item>
<title>语义分割实战</title>
<link>https://kongfany.github.io/post/unet/</link>
<pubDate>Thu, 07 Apr 2022 14:42:29 +0800</pubDate>
<guid>https://kongfany.github.io/post/unet/</guid>
<description>语义分割基础与环境搭建 代码 语义分割基础与环境搭建 语义分割 语义分割（semantic segmentation） : 就是按照“语义”给图像上目标类</description>
</item>
<item>
<title>可视化和理解卷积神经网络</title>
<link>https://kongfany.github.io/post/cv12/</link>
<pubDate>Thu, 07 Apr 2022 14:02:19 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv12/</guid>
<description>可视化和理解卷积神经网络 特征可视化、倒置、对抗样本 第一层：由许多卷积核组成，每个卷积核是11113，这些卷积核在输入图像上来回滑动，取图像块</description>
</item>
<item>
<title>图像识别和分割</title>
<link>https://kongfany.github.io/post/cv11/</link>
<pubDate>Thu, 07 Apr 2022 13:29:56 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv11/</guid>
<description>图像识别和分割 分割 我们希望输入图像，并对图像中每个像素做分类，对于每个像素，确定它属于猫、草地、天空或者背景亦或者其他分类，首先确定分类，就</description>
</item>
<item>
<title>循环神经网络</title>
<link>https://kongfany.github.io/post/cv10/</link>
<pubDate>Thu, 07 Apr 2022 12:55:01 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv10/</guid>
<description>循环神经网络 RNN,LSTM,GRU 在之前的学习中，提到了一种称为vanilla的前馈网络，所有网络架构都有这种基础架构，会接收一些输入，输入是固定尺寸的对象，比</description>
</item>
<item>
<title>医学图像分割</title>
<link>https://kongfany.github.io/post/medical-imagesegmentation/</link>
<pubDate>Wed, 30 Mar 2022 16:35:58 +0800</pubDate>
<guid>https://kongfany.github.io/post/medical-imagesegmentation/</guid>
<description>基于传统方法的医学图像分割 阈值法： 阈值法具有计算量小、实现简单、稳定性较好等优点，成为医学图像分割领域中运用最广泛的分割技术。 基本原理是通过</description>
</item>
<item>
<title>CNN框架</title>
<link>https://kongfany.github.io/post/cv9/</link>
<pubDate>Sun, 27 Mar 2022 18:21:28 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv9/</guid>
<description>CNN框架 LeNet 它可以看作是通信网络的第一个实例，并在实际应用中取得成功，使用步长为1、大小为5*5的卷积核来对第一层进行输入，并且同样的卷积层</description>
</item>
<item>
<title>深度学习软件</title>
<link>https://kongfany.github.io/post/cv8/</link>
<pubDate>Sun, 27 Mar 2022 17:42:48 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv8/</guid>
<description>深度学习软件 CPU vs GPU 深度学习中一般使用到的是GPU，GPU被称作显卡或者图形处理单元，最初适用于渲染计算机图形，在深度学习中一般选用的是NVI</description>
</item>
<item>
<title>训练神经网络(下)</title>
<link>https://kongfany.github.io/post/cv7/</link>
<pubDate>Sun, 27 Mar 2022 15:24:24 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv7/</guid>
<description>训练神经网络(下) 更好的优化 上一章中讨论了一些激活函数和它们不同的属性，由于sigmoid函数和tanh函数在两端都存在梯度消失的问题，所以</description>
</item>
<item>
<title>训练神经网络(上)</title>
<link>https://kongfany.github.io/post/cv6/</link>
<pubDate>Sun, 27 Mar 2022 13:46:57 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv6/</guid>
<description>训练神经网络(上) 激活函数 任意特定层产生的输出是输入数据在全连接层或者卷积层乘上权重值，然后将结果输入一个激活函数或者非线性单元，下面给出了</description>
</item>
<item>
<title>联邦知识蒸馏</title>
<link>https://kongfany.github.io/post/fl_fd/</link>
<pubDate>Mon, 21 Mar 2022 21:48:26 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_fd/</guid>
<description>联邦知识蒸馏概述与思考 续 随着深度学习与大数据的进一步发展，效果好的模型往往有着较大的规模和复杂的结构，往往计算效率与资源使用方面开销很大，无</description>
</item>
<item>
<title>FedAvg</title>
<link>https://kongfany.github.io/post/fl_fedavg/</link>
<pubDate>Thu, 17 Mar 2022 15:44:15 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_fedavg/</guid>
<description>Communication-Efficient Learning of Deep Networksfrom Decentralized Data[paper] 论文解析 开山之作 笔记： https://zhuanlan.zhihu.com/p/445458807 https://zhuanlan.zhihu.com/p/370198194 https://www.zhihu.com/question/315844487/answer/1100845525 将训练数据分布在一定设备上，通过聚合本地更新来学习共享模型。仅传递模型的更新。介绍了联邦平均算法，</description>
</item>
<item>
<title>联邦学习路线</title>
<link>https://kongfany.github.io/post/fl_route/</link>
<pubDate>Thu, 17 Mar 2022 13:00:04 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_route/</guid>
<description>https://www.zhihu.com/question/422320791/answer/1805628004 Communication-Efficient Learning of Deep Networks from Decentralized Data 开山之作，FedAvg。 三个概念：Epoch, Batch, Iteration 参考2 epoch:一个Epoch就是将所有训练样本训练一次的过程 batc</description>
</item>
<item>
<title>深度学习入门-基于python</title>
<link>https://kongfany.github.io/post/deep-learning/</link>
<pubDate>Wed, 16 Mar 2022 15:05:54 +0800</pubDate>
<guid>https://kongfany.github.io/post/deep-learning/</guid>
<description>Python入门 NumPy NumPy数组可以和单一数值(标量)组合起来运算，此时NumPy数组的各个元素和标量之间进行运算。（广播） 1 2 3 &gt;&gt;&gt; x = np.array([1.0,2.0,3.0]) &gt;&gt;&gt;</description>
</item>
<item>
<title>卷积神经网络</title>
<link>https://kongfany.github.io/post/cv5/</link>
<pubDate>Sat, 12 Mar 2022 20:35:55 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv5/</guid>
<description>卷积神经网络 通俗理解1 卷积神经网络主要包括卷积层，池化层和全连接层三部分。卷积层用来识别这些特定线条，池化层用来减少图像的数据量，提升识别效</description>
</item>
<item>
<title>反向传播和神经网络</title>
<link>https://kongfany.github.io/post/cv4/</link>
<pubDate>Sat, 12 Mar 2022 13:47:25 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv4/</guid>
<description>反向传播 已经讲过用函数f定义一个分类器，函数f的参数是权重矩阵W，输入数据x并对你想要分类的每个类别都输出一个对应的得分向量。还可以定义一个</description>
</item>
<item>
<title>利用差分隐私聚类提升联邦人脸识别</title>
<link>https://kongfany.github.io/post/fl_facerecgnition/</link>
<pubDate>Thu, 10 Mar 2022 17:41:47 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_facerecgnition/</guid>
<description>论文 项目(并未开源，仅有简介) ReadPaper 知乎 视频 !!!3.16-19:00b站直播 ICLR2022 (Spotlight) ABSTRACT 联邦学习（FL）可以极大地解决公众对人脸识别中数据隐私的日益</description>
</item>
<item>
<title>损失函数和最优化</title>
<link>https://kongfany.github.io/post/cv3/</link>
<pubDate>Sun, 06 Mar 2022 16:09:18 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv3/</guid>
<description>损失函数 损失函数：预测结果和真实结果的差距&ndash;即判断训练模型的好坏 最优化：求损失函数最优化的过程&ndash;优化训练模型的过程 回</description>
</item>
<item>
<title>图像分类</title>
<link>https://kongfany.github.io/post/cv2/</link>
<pubDate>Sat, 05 Mar 2022 09:42:44 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv2/</guid>
<description>以下图为例，图像分类模型读取该图片，并生成该图片属于集合 {cat, dog, hat, mug}中各个标签的概率。需要注意的是，对于计算机来说，图像是一个由数字组成的</description>
</item>
<item>
<title>Numpy</title>
<link>https://kongfany.github.io/post/numpy/</link>
<pubDate>Fri, 04 Mar 2022 10:09:09 +0800</pubDate>
<guid>https://kongfany.github.io/post/numpy/</guid>
<description>https://cs231n.github.io/python-numpy-tutorial/#distance-between-points python 1 2 3 4 5 6 7 8 9 def quicksort(arr):#快排 if len(arr)&lt;= 1: return arr pivot=arr[len(arr)//2] left = [x for x in arr if x &lt; pivot] middle = [x for x in arr if x == pivot] right = [x for x in arr if x &gt; pivot] return</description>
</item>
<item>
<title>计算机视觉发展史</title>
<link>https://kongfany.github.io/post/cv1/</link>
<pubDate>Tue, 01 Mar 2022 22:42:13 +0800</pubDate>
<guid>https://kongfany.github.io/post/cv1/</guid>
<description>视频 笔记 ppt 2017版教案 2021版教案 计算机视觉的发展史 生物大爆炸的原因&ndash;动物演化出了眼睛，进一步推动了物种的进化 1600文艺复</description>
</item>
<item>
<title>我们由奇迹构成</title>
<link>https://kongfany.github.io/post/sentence/</link>
<pubDate>Sun, 30 Jan 2022 14:06:44 +0800</pubDate>
<guid>https://kongfany.github.io/post/sentence/</guid>
<description>乌龟没有叫醒睡着的兔子，它为什么不觉得兔子是昏倒了呢？ 乌龟完全没有努力，对竞争或者输赢也没有任何兴趣，乌龟只是享受前进的乐趣。 你想象一下，只</description>
</item>
<item>
<title>Feature Selection</title>
<link>https://kongfany.github.io/post/feature-selection/</link>
<pubDate>Wed, 26 Jan 2022 10:49:34 +0800</pubDate>
<guid>https://kongfany.github.io/post/feature-selection/</guid>
<description>网络空间图像标注中半监督稀疏特征选择算法研究 Research on Semi-supervised Sparse Feature Selection for Image Annotation in Web Space 摘要 面对这些不断增加的网络空间图像数据，如何有效地对其进行浏览、检索和管</description>
</item>
<item>
<title>FedMood</title>
<link>https://kongfany.github.io/post/fedmood/</link>
<pubDate>Mon, 24 Jan 2022 12:47:11 +0800</pubDate>
<guid>https://kongfany.github.io/post/fedmood/</guid>
<description>Federated Learning on Mobile Health Data for Mood Detection 基于移动健康数据的联邦学习情绪检测 Abstract 虽然研究者希望人工智能能够帮助诊断和治疗抑郁症，但传统的集中式机器学习需要对患者数据进</description>
</item>
<item>
<title>MMVFL</title>
<link>https://kongfany.github.io/post/mmvfl/</link>
<pubDate>Tue, 11 Jan 2022 15:54:32 +0800</pubDate>
<guid>https://kongfany.github.io/post/mmvfl/</guid>
<description>Multi-Participant Multi-Class Vertical Federated Learning 多参与者多类纵向联邦学习 [email protected] Abstract 联邦学习(FL)是一种使用本地存储的来自多个参与者的数据来训练集体机器学习模型的隐私保护范例。纵向联邦</description>
</item>
<item>
<title>Pseudo Labelling</title>
<link>https://kongfany.github.io/post/pseudo-labelling/</link>
<pubDate>Thu, 06 Jan 2022 16:44:57 +0800</pubDate>
<guid>https://kongfany.github.io/post/pseudo-labelling/</guid>
<description>伪标签 半监督学习，即使用标签数据(受监督的学习)和不加标签的数据(无监督的学习)。 我们不需要手动标记不加标签的数据，而是根据标签的数据给出近</description>
</item>
<item>
<title>FedMVT</title>
<link>https://kongfany.github.io/post/fedmvt/</link>
<pubDate>Sun, 02 Jan 2022 13:34:50 +0800</pubDate>
<guid>https://kongfany.github.io/post/fedmvt/</guid>
<description>Semi-supervised Vertical Federated Learning with MultiView Training FedMVT：带多视图训练的半监督纵向联邦学习 Abstract 纵向联邦学习(VFL)使各方能够基于相同样本的分布特征构建健壮的共享机器学习模</description>
</item>
<item>
<title>联邦学习(Federated Learning)</title>
<link>https://kongfany.github.io/post/federated-learning/</link>
<pubDate>Mon, 20 Dec 2021 19:22:19 +0800</pubDate>
<guid>https://kongfany.github.io/post/federated-learning/</guid>
<description>简要分析 数据是属于用户的，我们既不能不作申请的使用它们，还要保护数据的私密性，有没有什么颁发安全高效的实现数据合作呢？2016年，为解决An</description>
</item>
<item>
<title>联邦学习综述</title>
<link>https://kongfany.github.io/post/fl_faq/</link>
<pubDate>Sat, 18 Dec 2021 17:03:03 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_faq/</guid>
<description>原论文 原论文翻译 视频总结 视频文档 概念 什么是联邦学习？ 联邦学习（FL）是一种机器学习设定，其中许多客户端（例如，移动设备或整个组织）在中央服务</description>
</item>
<item>
<title>PFL联邦学习开源框架</title>
<link>https://kongfany.github.io/post/fl_gfl/</link>
<pubDate>Fri, 17 Dec 2021 21:05:53 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl_gfl/</guid>
<description>PFL联邦学习框架是基于pytorch开发的集成了多种联邦学习算法的联邦学习框架。 使用PFL框架可以通过简单的代码编写，和参数设置来完成一个</description>
</item>
<item>
<title>3D人体重建</title>
<link>https://kongfany.github.io/post/%E5%9B%BE%E5%83%8F%E9%87%8D%E5%BB%BA/</link>
<pubDate>Wed, 15 Dec 2021 17:37:34 +0800</pubDate>
<guid>https://kongfany.github.io/post/%E5%9B%BE%E5%83%8F%E9%87%8D%E5%BB%BA/</guid>
<description>图像重建 图像重建：通过物体外部测量的数据，经数字处理获得三维物体的形状信息的技术。 SMPL模型 它是通过输入一张RGB 的人体图像和由openp</description>
</item>
<item>
<title>ex1线性回归</title>
<link>https://kongfany.github.io/post/mlex1-/</link>
<pubDate>Wed, 15 Dec 2021 12:12:46 +0800</pubDate>
<guid>https://kongfany.github.io/post/mlex1-/</guid>
<description>1 2 3 import numpy as np import pandas as pd import matplotlib.pyplot as plt 1 2 A = np.eye(5) A array([[1., 0., 0., 0., 0.], [0., 1., 0., 0., 0.], [0., 0., 1., 0., 0.], [0., 0., 0., 1., 0.], [0., 0., 0., 0., 1.]]) 单变量的线性回归 整个2的部分需要根据城市人口数量</description>
</item>
<item>
<title>联邦学习</title>
<link>https://kongfany.github.io/post/fl2/</link>
<pubDate>Sat, 30 Oct 2021 13:19:05 +0800</pubDate>
<guid>https://kongfany.github.io/post/fl2/</guid>
<description>背景介绍 在追逐AI的同时却忽略了一点，AI是靠数据来喂的，而且是大量优质数据。 现实生活中，除了少数巨头公司能够满足，绝大多数企业都存在数据量</description>
</item>
<item>
<title>重新排序得到 2 的幂</title>
<link>https://kongfany.github.io/post/lcode869/</link>
<pubDate>Thu, 28 Oct 2021 21:20:26 +0800</pubDate>
<guid>https://kongfany.github.io/post/lcode869/</guid>
<description>给定正整数 N ，我们按任何顺序（包括原始顺序）将数字重新排序，注意其前导数字不能为零。 如果我们可以通过上述方式得到 2 的幂，返回 true；否则，</description>
</item>
<item>
<title>有效三角形的个数</title>
<link>https://kongfany.github.io/post/lcode611/</link>
<pubDate>Tue, 26 Oct 2021 20:57:15 +0800</pubDate>
<guid>https://kongfany.github.io/post/lcode611/</guid>
<description>给定一个包含非负整数的数组，你的任务是统计其中可以组成三角形三条边的三元组个数。 1 2 3 4 5 6 7 输入: [2,2,3,4] 输出: 3 解释: 有效的组合是: 2,3,4 (使用第</description>
</item>
<item>
<title>求众数2</title>
<link>https://kongfany.github.io/post/lcode229/</link>
<pubDate>Fri, 22 Oct 2021 22:23:27 +0800</pubDate>
<guid>https://kongfany.github.io/post/lcode229/</guid>
<description>给定一个大小为 n 的整数数组，找出其中所有出现超过 ⌊ n/3 ⌋ 次的元素。 方法一：哈希统计 思路:我们用哈希统计数组中每个元素出现的次数，设数组的长度为</description>
</item>
<item>
<title>Linear Regression with Multiple Variables</title>
<link>https://kongfany.github.io/post/ml3/</link>
<pubDate>Fri, 22 Oct 2021 11:52:33 +0800</pubDate>
<guid>https://kongfany.github.io/post/ml3/</guid>
<description>多变量线性回归(Linear Regression with Multiple Variables) Multiple Features：多维特征 目前为止，我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征</description>
</item>
<item>
<title>Jupyter</title>
<link>https://kongfany.github.io/post/jupyter/</link>
<pubDate>Tue, 19 Oct 2021 16:28:37 +0800</pubDate>
<guid>https://kongfany.github.io/post/jupyter/</guid>
<description>pip不能使用： https://blog.csdn.net/hll19950830/article/details/88551506 安装： https://www.zhihu.com/collection/261855801 https://www.jianshu.com/p/91365f343585 https://blog.csdn.net/liboshi123/article/details/116809849 一劳永逸配置pip源（推荐）：只需在windows命令行中输入一行命令，即可永久设置pip下载源为国内源 1 pip config</description>
</item>
<item>
<title>MATLAB</title>
<link>https://kongfany.github.io/post/matlab/</link>
<pubDate>Sun, 19 Sep 2021 20:17:05 +0800</pubDate>
<guid>https://kongfany.github.io/post/matlab/</guid>
<description>安装教程 视频教程 MATLAB变量命名规则 MATLAB数据类型 数字 字符与字符串 s = &lsquo;a&rsquo; abs(s) %ASCLL码 char(97) %字符 num2str(65) %数字 length(str) %计算字符串的长度 矩阵 A</description>
</item>
<item>
<title>Linear Regression With One Variable</title>
<link>https://kongfany.github.io/post/ml2/</link>
<pubDate>Wed, 01 Sep 2021 22:43:33 +0800</pubDate>
<guid>https://kongfany.github.io/post/ml2/</guid>
<description>二、单变量线性回归(Linear Regression with One Variable) Model representation：模型描述 在监督学习中我们有一个数据集，这个数据集被称训练集。（Tra</description>
</item>
<item>
<title>Machine Learning</title>
<link>https://kongfany.github.io/post/ml1/</link>
<pubDate>Tue, 31 Aug 2021 13:22:44 +0800</pubDate>
<guid>https://kongfany.github.io/post/ml1/</guid>
<description>吴恩达《机器学习》 视频 讲义 笔记 作业 Jupyter Notebook介绍、安装及使用教程 机器学习数学基础 python代码 一、引言(Introduction)</description>
</item>
<item>
<title>Python慕课嵩天</title>
<link>https://kongfany.github.io/post/pythonmooc/</link>
<pubDate>Tue, 17 Aug 2021 13:59:06 +0800</pubDate>
<guid>https://kongfany.github.io/post/pythonmooc/</guid>
<description>视频 作业 基本数据类型 数值运算函数： abs(x):绝对值函数 divmod(x,y):商余（x//y,x%y）。divmod(10,3)=(3,</description>
</item>
<item>
<title>进程和线程</title>
<link>https://kongfany.github.io/post/python31%E8%BF%9B%E7%A8%8B%E5%92%8C%E7%BA%BF%E7%A8%8B/</link>
<pubDate>Wed, 04 Aug 2021 14:42:06 +0800</pubDate>
<guid>https://kongfany.github.io/post/python31%E8%BF%9B%E7%A8%8B%E5%92%8C%E7%BA%BF%E7%A8%8B/</guid>
<description>今天我们使用的计算机早已进入多CPU或多核时代，而我们使用的操作系统都是支持“多任务”的操作系统，这使得我们可以同时运行多个程序，也可以将一</description>
</item>
<item>
<title>网络编程入门和网络应用开发</title>
<link>https://kongfany.github.io/post/python30%E7%BD%91%E7%BB%9C%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8%E5%92%8C%E7%BD%91%E7%BB%9C%E5%BA%94%E7%94%A8%E5%BC%80%E5%8F%91/</link>
<pubDate>Tue, 03 Aug 2021 16:35:38 +0800</pubDate>
<guid>https://kongfany.github.io/post/python30%E7%BD%91%E7%BB%9C%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8%E5%92%8C%E7%BD%91%E7%BB%9C%E5%BA%94%E7%94%A8%E5%BC%80%E5%8F%91/</guid>
<description>网络编程入门 计算机网络基础 计算机网络是独立自主的计算机互联而成的系统的总称，组建计算机网络最主要的目的是实现多台计算机之间的通信和资源共享。</description>
</item>
<item>
<title>Linux常用操作</title>
<link>https://kongfany.github.io/post/linux%E5%B8%B8%E7%94%A8%E6%93%8D%E4%BD%9C/</link>
<pubDate>Tue, 03 Aug 2021 16:03:16 +0800</pubDate>
<guid>https://kongfany.github.io/post/linux%E5%B8%B8%E7%94%A8%E6%93%8D%E4%BD%9C/</guid>
<description>目录操作 ls：查看目录下文件和目录,蓝色字代表目录，白色代表文件 cd xx：进入目录xx cd .. :向上一级目录 cd - :回退到上一次目录 cd ~ :回到当前用</description>
</item>
<item>
<title>解析HTML页面</title>
<link>https://kongfany.github.io/post/python29%E8%A7%A3%E6%9E%90html%E9%A1%B5%E9%9D%A2/</link>
<pubDate>Mon, 02 Aug 2021 16:42:20 +0800</pubDate>
<guid>https://kongfany.github.io/post/python29%E8%A7%A3%E6%9E%90html%E9%A1%B5%E9%9D%A2/</guid>
<description>在上一课中我们讲到了使用Python获取网络资源，如果我们获取到一个或多个页面，需要从页面中提取出指定的信息，首先得掌握解析HTML页面的技</description>
</item>
<item>
<title>获取网络数据</title>
<link>https://kongfany.github.io/post/python28%E8%8E%B7%E5%8F%96%E7%BD%91%E7%BB%9C%E6%95%B0%E6%8D%AE/</link>
<pubDate>Mon, 02 Aug 2021 15:48:54 +0800</pubDate>
<guid>https://kongfany.github.io/post/python28%E8%8E%B7%E5%8F%96%E7%BD%91%E7%BB%9C%E6%95%B0%E6%8D%AE/</guid>
<description>对于Python语言来说，一个较为擅长的领域就是网络数据采集，实现网络数据采集的程序通常称之为网络爬虫或蜘蛛程序。即便是在大数据时代，数据对</description>
</item>
<item>
<title>操作PDF文件</title>
<link>https://kongfany.github.io/post/python27%E6%93%8D%E4%BD%9Cpdf%E6%96%87%E4%BB%B6/</link>
<pubDate>Sat, 31 Jul 2021 21:17:33 +0800</pubDate>
<guid>https://kongfany.github.io/post/python27%E6%93%8D%E4%BD%9Cpdf%E6%96%87%E4%BB%B6/</guid>
<description>PDF是Portable Document Format的缩写，这类文件通常使用.pdf作为其扩展名。在日常开发工作中，最容易遇到的就是从PDF中读取文本内容</description>
</item>
<item>
<title>读写ExcelWord文件</title>
<link>https://kongfany.github.io/post/python26%E8%AF%BB%E5%86%99excelword%E6%96%87%E4%BB%B6/</link>
<pubDate>Sat, 31 Jul 2021 19:44:34 +0800</pubDate>
<guid>https://kongfany.github.io/post/python26%E8%AF%BB%E5%86%99excelword%E6%96%87%E4%BB%B6/</guid>
<description>Excel Python操作Excel需要三方库的支持，如果要兼容Excel 2007以前的版本，也就是xls格式的Excel文件，可以使用三方库xlr</description>
</item>
<item>
<title>处理图像</title>
<link>https://kongfany.github.io/post/python25%E5%A4%84%E7%90%86%E5%9B%BE%E5%83%8F/</link>
<pubDate>Fri, 30 Jul 2021 19:08:52 +0800</pubDate>
<guid>https://kongfany.github.io/post/python25%E5%A4%84%E7%90%86%E5%9B%BE%E5%83%8F/</guid>
<description>入门知识 颜色。如果你有使用颜料画画的经历，那么一定知道混合红、黄、蓝三种颜料可以得到其他的颜色，事实上这三种颜色就是美术中的三原色，它们是不</description>
</item>
<item>
<title>正则表达式的应用</title>
<link>https://kongfany.github.io/post/python24%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E7%9A%84%E5%BA%94%E7%94%A8/</link>
<pubDate>Thu, 29 Jul 2021 16:16:25 +0800</pubDate>
<guid>https://kongfany.github.io/post/python24%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E7%9A%84%E5%BA%94%E7%94%A8/</guid>
<description>正则表达式相关知识 在编写处理字符串的程时，经常会遇到在一段文本中查找符合某些规则的字符串的需求，正则表达式就是用于描述这些规则的工具，换句话</description>
</item>
<item>
<title>图形用户界面和游戏开发</title>
<link>https://kongfany.github.io/post/python23%E5%9B%BE%E5%BD%A2%E7%94%A8%E6%88%B7%E7%95%8C%E9%9D%A2%E5%92%8C%E6%B8%B8%E6%88%8F%E5%BC%80%E5%8F%91/</link>
<pubDate>Wed, 28 Jul 2021 22:20:26 +0800</pubDate>
<guid>https://kongfany.github.io/post/python23%E5%9B%BE%E5%BD%A2%E7%94%A8%E6%88%B7%E7%95%8C%E9%9D%A2%E5%92%8C%E6%B8%B8%E6%88%8F%E5%BC%80%E5%8F%91/</guid>
<description>小恐龙 基于tkinter模块的GUI GUI是图形用户界面的缩写，图形化的用户界面对使用过计算机的人来说应该都不陌生，在此也无需进行赘述。Py</description>
</item>
<item>
<title>校园导“游”系统的设计与实现</title>
<link>https://kongfany.github.io/post/bishe/</link>
<pubDate>Wed, 28 Jul 2021 17:53:19 +0800</pubDate>
<guid>https://kongfany.github.io/post/bishe/</guid>
<description>摘 要 随着各种地图App的推广，旅行更加具有自主性。但就目前而言，没有针对校园的导游系统。校园的导游系统，可以使得学生更方便的熟悉和了解校园以</description>
</item>
<item>
<title>基础入门</title>
<link>https://kongfany.github.io/post/springboot01/</link>
<pubDate>Wed, 28 Jul 2021 16:46:04 +0800</pubDate>
<guid>https://kongfany.github.io/post/springboot01/</guid>
<description>尚硅谷：雷丰阳 Spring Initailizr 项目初始化向导 1 2 3 4 5 6 7 8 9 @RestController public class FirstController { @RequestMapping(&#34;/hello&#34;) public String handle01(){ return &#34;Hello, Spring Boot 2!&#34;; } } yaml 配置文件 示例 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22</description>
</item>
<item>
<title>文件读写和异常处理</title>
<link>https://kongfany.github.io/post/python22%E6%96%87%E4%BB%B6%E8%AF%BB%E5%86%99%E5%92%8C%E5%BC%82%E5%B8%B8%E5%A4%84%E7%90%86/</link>
<pubDate>Tue, 27 Jul 2021 20:31:34 +0800</pubDate>
<guid>https://kongfany.github.io/post/python22%E6%96%87%E4%BB%B6%E8%AF%BB%E5%86%99%E5%92%8C%E5%BC%82%E5%B8%B8%E5%A4%84%E7%90%86/</guid>
<description>实际开发中常常会遇到对数据进行持久化的场景，所谓持久化是指将数据从无法长久保存数据的存储介质（通常是内存）转移到可以长久保存数据的存储介质（</description>
</item>
<item>
<title>Python标准库初探</title>
<link>https://kongfany.github.io/post/python21python%E6%A0%87%E5%87%86%E5%BA%93%E5%88%9D%E6%8E%A2/</link>
<pubDate>Tue, 27 Jul 2021 11:48:24 +0800</pubDate>
<guid>https://kongfany.github.io/post/python21python%E6%A0%87%E5%87%86%E5%BA%93%E5%88%9D%E6%8E%A2/</guid>
<description>base64 - Base64编解码模块 Base64是一种基于64个可打印字符来表示二进制数据的方法。由于$log _{2}64=6$，所以Base64以6</description>
</item>
<item>
<title>函数的高级应用</title>
<link>https://kongfany.github.io/post/python20%E5%87%BD%E6%95%B0%E7%9A%84%E9%AB%98%E7%BA%A7%E5%BA%94%E7%94%A8/</link>
<pubDate>Tue, 27 Jul 2021 10:12:56 +0800</pubDate>
<guid>https://kongfany.github.io/post/python20%E5%87%BD%E6%95%B0%E7%9A%84%E9%AB%98%E7%BA%A7%E5%BA%94%E7%94%A8/</guid>
<description>装饰器 装饰器是Python中用一个函数装饰另外一个函数或类并为其提供额外功能的语法现象。装饰器本身是一个函数，它的参数是被装饰的函数或类，它</description>
</item>
<item>
<title>函数使用进阶</title>
<link>https://kongfany.github.io/post/python19%E5%87%BD%E6%95%B0%E4%BD%BF%E7%94%A8%E8%BF%9B%E9%98%B6/</link>
<pubDate>Mon, 26 Jul 2021 16:34:33 +0800</pubDate>
<guid>https://kongfany.github.io/post/python19%E5%87%BD%E6%95%B0%E4%BD%BF%E7%94%A8%E8%BF%9B%E9%98%B6/</guid>
<description>关键字参数 下面是一个判断传入的三条边长能否构成三角形的函数，在调用函数传入参数时，我们可以指定参数名，也可以不指定参数名，代码如下所示。 1 2</description>
</item>
<item>
<title>面向对象编程应用</title>
<link>https://kongfany.github.io/post/python18%E9%9D%A2%E5%90%91%E5%AF%B9%E8%B1%A1%E7%BC%96%E7%A8%8B%E5%BA%94%E7%94%A8/</link>
<pubDate>Mon, 19 Jul 2021 16:28:18 +0800</pubDate>
<guid>https://kongfany.github.io/post/python18%E9%9D%A2%E5%90%91%E5%AF%B9%E8%B1%A1%E7%BC%96%E7%A8%8B%E5%BA%94%E7%94%A8/</guid>
<description>奥特曼打小怪兽 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63</description>
</item>
<item>
<title>面向对象编程进阶</title>
<link>https://kongfany.github.io/post/python17%E9%9D%A2%E5%90%91%E5%AF%B9%E8%B1%A1%E7%BC%96%E7%A8%8B%E8%BF%9B%E9%98%B6/</link>
<pubDate>Sun, 18 Jul 2021 23:04:34 +0800</pubDate>
<guid>https://kongfany.github.io/post/python17%E9%9D%A2%E5%90%91%E5%AF%B9%E8%B1%A1%E7%BC%96%E7%A8%8B%E8%BF%9B%E9%98%B6/</guid>
<description>可见性和属性装饰器 在很多面向对象编程语言中，对象的属性通常会被设置为私有（private）或受保护（protected）的成员，简单的说就是</description>
</item>
<item>
<title>面向对象编程入门</title>
<link>https://kongfany.github.io/post/python16%E9%9D%A2%E5%90%91%E5%AF%B9%E8%B1%A1%E5%85%A5%E9%97%A8/</link>
<pubDate>Sun, 18 Jul 2021 22:10:54 +0800</pubDate>
<guid>https://kongfany.github.io/post/python16%E9%9D%A2%E5%90%91%E5%AF%B9%E8%B1%A1%E5%85%A5%E9%97%A8/</guid>
<description>面向对象：&quot;把一组数据结构和处理它们的方法组成对象（object），把相同行为的对象归纳为类（class），通过类的封装（enca</description>
</item>
<item>
<title>字典</title>
<link>https://kongfany.github.io/post/python15%E5%AD%97%E5%85%B8/</link>
<pubDate>Tue, 13 Jul 2021 15:51:19 +0800</pubDate>
<guid>https://kongfany.github.io/post/python15%E5%AD%97%E5%85%B8/</guid>
<description>迄今为止，我们已经为大家介绍了Python中的三种容器型数据类型，但是这些数据类型还不足以帮助我们解决所有的问题。例如，我们要保存一个人的信</description>
</item>
<item>
<title>集合</title>
<link>https://kongfany.github.io/post/python14%E9%9B%86%E5%90%88/</link>
<pubDate>Mon, 12 Jul 2021 19:18:40 +0800</pubDate>
<guid>https://kongfany.github.io/post/python14%E9%9B%86%E5%90%88/</guid>
<description>在学习了列表和元组之后，我们再来学习一种容器型的数据类型，它的名字叫集合（set）。通常我们对集合的定义是“把一定范围的、确定的、可以区别的</description>
</item>
<item>
<title>列表和元组的应用</title>
<link>https://kongfany.github.io/post/python13%E5%88%97%E8%A1%A8%E5%92%8C%E5%85%83%E7%BB%84%E7%9A%84%E5%BA%94%E7%94%A8/</link>
<pubDate>Sun, 11 Jul 2021 16:39:00 +0800</pubDate>
<guid>https://kongfany.github.io/post/python13%E5%88%97%E8%A1%A8%E5%92%8C%E5%85%83%E7%BB%84%E7%9A%84%E5%BA%94%E7%94%A8/</guid>
<description>最大值最小值 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 &#34;&#34;&#34; 找出列表中最大或最小的元素 &#34;&#34;&#34; def main(): fruits = [&#39;grape&#39;, &#39;apple&#39;, &#39;strawberry&#39;, &#39;waxberry&#39;, &#39;pitaya&#39;] # 直接使用内置的max和min函数找</description>
</item>
<item>
<title>元组</title>
<link>https://kongfany.github.io/post/python12%E5%85%83%E7%BB%84/</link>
<pubDate>Fri, 09 Jul 2021 17:42:21 +0800</pubDate>
<guid>https://kongfany.github.io/post/python12%E5%85%83%E7%BB%84/</guid>
<description>上一节课为大家讲解了Python中的列表，它是一种容器型数据类型，我们可以通过定义列表类型的变量来保存和操作多个元素。当然，Python中容</description>
</item>
<item>
<title>列表</title>
<link>https://kongfany.github.io/post/python11%E5%88%97%E8%A1%A8/</link>
<pubDate>Fri, 09 Jul 2021 15:15:40 +0800</pubDate>
<guid>https://kongfany.github.io/post/python11%E5%88%97%E8%A1%A8/</guid>
<description>在Python中我们可以通过容器类型的变量来保存和操作多个数据，我们首先为大家介绍列表（list）这种新的数据类型。 定义和使用列表 在Pyth</description>
</item>
<item>
<title>函数和字符串的应用</title>
<link>https://kongfany.github.io/post/python10%E5%87%BD%E6%95%B0%E5%92%8C%E5%AD%97%E7%AC%A6%E4%B8%B2%E7%9A%84%E5%BA%94%E7%94%A8/</link>
<pubDate>Fri, 09 Jul 2021 10:23:46 +0800</pubDate>
<guid>https://kongfany.github.io/post/python10%E5%87%BD%E6%95%B0%E5%92%8C%E5%AD%97%E7%AC%A6%E4%B8%B2%E7%9A%84%E5%BA%94%E7%94%A8/</guid>
<description>为什么字符串类型（str）可以通过调用方法的方式进行操作，而之前我们用到的数值类型（如int、float）却没有可以调用的方法。在Pytho</description>
</item>
<item>
<title>字符串</title>
<link>https://kongfany.github.io/post/python09%E5%AD%97%E7%AC%A6%E4%B8%B2/</link>
<pubDate>Thu, 08 Jul 2021 21:35:20 +0800</pubDate>
<guid>https://kongfany.github.io/post/python09%E5%AD%97%E7%AC%A6%E4%B8%B2/</guid>
<description>字符串的定义 所谓字符串，就是由零个或多个字符组成的有限序列。 在Python程序中，如果我们把单个或多个字符用单引号或者双引号包围起来，就可以</description>
</item>
<item>
<title>函数和模块</title>
<link>https://kongfany.github.io/post/python08%E5%87%BD%E6%95%B0%E5%92%8C%E6%A8%A1%E5%9D%97/</link>
<pubDate>Thu, 08 Jul 2021 16:36:30 +0800</pubDate>
<guid>https://kongfany.github.io/post/python08%E5%87%BD%E6%95%B0%E5%92%8C%E6%A8%A1%E5%9D%97/</guid>
<description>函数的作用 “代码有很多种坏味道，重复是最坏的一种！”。要写出高质量的代码首先要解决的就是重复代码的问题。我们可以将计算阶乘的功能封装到一个称</description>
</item>
<item>
<title>分支和循环结构的应用</title>
<link>https://kongfany.github.io/post/python07%E5%88%86%E6%94%AF%E5%92%8C%E5%BE%AA%E7%8E%AF%E7%BB%93%E6%9E%84%E7%9A%84%E5%BA%94%E7%94%A8/</link>
<pubDate>Thu, 08 Jul 2021 10:23:22 +0800</pubDate>
<guid>https://kongfany.github.io/post/python07%E5%88%86%E6%94%AF%E5%92%8C%E5%BE%AA%E7%8E%AF%E7%BB%93%E6%9E%84%E7%9A%84%E5%BA%94%E7%94%A8/</guid>
<description>经典案例 例1：寻找水仙花数 水仙花数也被称为超完全数字不变数、自恋数、自幂数、阿姆斯特朗数，它是一个3位数，该数字每个位上数字的立方之和正好等</description>
</item>
<item>
<title>循环结构</title>
<link>https://kongfany.github.io/post/python06%E5%BE%AA%E7%8E%AF%E7%BB%93%E6%9E%84/</link>
<pubDate>Wed, 07 Jul 2021 21:00:49 +0800</pubDate>
<guid>https://kongfany.github.io/post/python06%E5%BE%AA%E7%8E%AF%E7%BB%93%E6%9E%84/</guid>
<description>for-in循环 如果明确的知道循环执行的次数，推荐使用for-in循环。被for-in循环控制的语句块也是通过缩进的方式来确定的。 1 2 3 4 5</description>
</item>
<item>
<title>分支结构</title>
<link>https://kongfany.github.io/post/python05%E5%88%86%E6%94%AF%E7%BB%93%E6%9E%84/</link>
<pubDate>Wed, 07 Jul 2021 16:13:31 +0800</pubDate>
<guid>https://kongfany.github.io/post/python05%E5%88%86%E6%94%AF%E7%BB%93%E6%9E%84/</guid>
<description>分支结构也叫选择结构。 if语句的使用 在Python中，要构造分支结构可以使用if、elif和else关键字。所谓关键字就是有特殊含义的单词，</description>
</item>
<item>
<title>Python语言元素之运算符</title>
<link>https://kongfany.github.io/post/python04%E8%AF%AD%E8%A8%80%E5%85%83%E7%B4%A0%E4%B9%8B%E8%BF%90%E7%AE%97%E7%AC%A6/</link>
<pubDate>Tue, 06 Jul 2021 16:32:59 +0800</pubDate>
<guid>https://kongfany.github.io/post/python04%E8%AF%AD%E8%A8%80%E5%85%83%E7%B4%A0%E4%B9%8B%E8%BF%90%E7%AE%97%E7%AC%A6/</guid>
<description>运算符 以下表格是按照运算符的优先级从上到下列出的。所谓优先级，就是在同一个运算的表达式中，如果出现了多个运算符，应该先执行哪个运算再执行哪个</description>
</item>
<item>
<title>Python语言元素之变量</title>
<link>https://kongfany.github.io/post/python03%E8%AF%AD%E8%A8%80%E5%85%83%E7%B4%A0%E4%B9%8B%E5%8F%98%E9%87%8F/</link>
<pubDate>Tue, 06 Jul 2021 15:18:30 +0800</pubDate>
<guid>https://kongfany.github.io/post/python03%E8%AF%AD%E8%A8%80%E5%85%83%E7%B4%A0%E4%B9%8B%E5%8F%98%E9%87%8F/</guid>
<description>变量和类型 变量是数据的载体，简单来说就是一块来保存数据的内存空间，变量的值可以被读取和修改。 Python中数据类型很多，而且允许我们自定义新</description>
</item>
<item>
<title>PyCharm2021使用教程</title>
<link>https://kongfany.github.io/post/python02pycharm2021%E4%BD%BF%E7%94%A8%E6%95%99%E7%A8%8B/</link>
<pubDate>Mon, 05 Jul 2021 15:16:19 +0800</pubDate>
<guid>https://kongfany.github.io/post/python02pycharm2021%E4%BD%BF%E7%94%A8%E6%95%99%E7%A8%8B/</guid>
<description>下载安装 看前一篇 界面/菜单栏介绍 界面及常用操作介绍 代码补全 file-&gt;settings,找到editor-&gt;general-&g</description>
</item>
<item>
<title>Pyhon初识及安装</title>
<link>https://kongfany.github.io/post/pyhon01%E5%88%9D%E8%AF%86%E5%8F%8A%E5%AE%89%E8%A3%85/</link>
<pubDate>Sun, 04 Jul 2021 16:39:31 +0800</pubDate>
<guid>https://kongfany.github.io/post/pyhon01%E5%88%9D%E8%AF%86%E5%8F%8A%E5%AE%89%E8%A3%85/</guid>
<description>Python介绍 Python是一种广泛使用的解释型、高级编程语言。python有3.x和2.x量大版本，并且不兼容（使用3.x） 解释型&md</description>
</item>
<item>