# 阿里蚂蚁2022GBA背后的测试技术发展  [编者注：这篇文章很长（8998个字），但作者用心良苦，基于44个G
转载请注明出处： GET方法和POST方法是两种HTTP请求方法，GET方法通过URL传递参数，可以缓存，但参数长度有限，一般用于获取资源；POST方法通过表单传递参数，不能缓存，参数长度没有限制，一般用于提交数据。 1. GET和POST方法的区别 1.数据传递方式：GET方法的参数以查询字符串方
转载请注明出处： 用curl命令在服务器上调试接口时，一直调试不通，执行如下： 在用curl 执行之后，返回了一个 作业id [ 1 ] 23926 ; 并打印出了 调用执行的url，发现 真正执行的url 与请求的url 长度不一致， 且 & 符号后面的参数都被截断了。 具体原因为：终端会将 &
# Manacher算法 > 形象的被译为**马拉车算法** 这个算法用于处理简单的回文字符串的问题。可以在 $O(n)$ 的复杂度内处理出每一个位置为中心的回文串的最长长度。 为了避免出现偶数长度的回文串，导致过多的分类讨论，我们预处理一下字符串。 例如：`jeefy` 我们可以预处理成 `^#j
# 题意简述 在黑板上有两个数字，进行如下操作 $n-2$ 次： - 每次在黑板上选择任意两个数，将两个数的差的绝对值写在黑板上。 这样你会得到一个长度为 $n (3 \le n \le 100)$ 的序列。 一共 $t (1 \le t \le 100)$ 组数据。 每组数据给定操作后的序列，需要
开完一趟车完整的过程是启动、行驶和停车，但老司机都知道，真正费油的不是行驶，而是长时间的怠速、频繁地踩刹车等动作。因为在速度切换的过程中，发送机要多做一些工作，当然就要多费一些油。 而一个Java线程完整的生命周期就包括： 1、T1：创建（启动） 2、T2：运行（行驶） 3、T3：销毁（停车） 而T
摘要：相比于传统的软件开发，AI开发存在以下4个痛点：算法繁多；训练时间长；算力需求大；模型需手动管理，我们可以使用云上AI开发的方式来缓解以上4个痛点。 本文分享自华为云社区《git clone开启云上AI开发》，作者：ModelArts开发者。 已发布地址：https://developer.h
本文分享自华为云社区《CTPN+CRNN 算法端到端实现文字识别》，作者：HWCloudAI。 OCR介绍 光学字符识别（英语：Optical Character Recognition，OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。发展时间较长，使用很普遍。OCR作为
摘要：基于 Dropout 的这种特殊方式对网络带来的随机性，研究员们提出了 R-Drop 来进一步对（子模型）网络的输出预测进行了正则约束。 本文分享自华为云社区《R-Drop论文复现与理论讲解》，作者： 李长安。 R-Drop: Regularized Dropout for Neural Ne
摘要：本文为大家介绍一下深度学习中的混合精度训练，并通过代码实战的方式为大家讲解实际应用的理论，并对模型进行测试。 本文分享自华为云社区《浅谈深度学习中的混合精度训练》，作者：李长安。 1 混合精度训练 混合精度训练最初是在论文Mixed Precision Training中被踢出，该论文对混合精
摘要：CosineWarmup是一种非常实用的训练策略，本次教程将带领大家实现该训练策略。教程将从理论和代码实战两个方面进行。 本文分享自华为云社区《CosineWarmup理论介绍与代码实战》，作者： 李长安。 CosineWarmup是一种非常实用的训练策略，本次教程将带领大家实现该训练策略。教
摘要：本文主要对CoordConv的理论进行了介绍，对其进行了复现，并展示了其在网络结构中的用法。 本文分享自华为云社区《CoordConv：给你的卷积加上坐标》，作者： 李长安。 一、理论介绍 1.1 CoordConv理论详解 这是一篇考古的论文复现项目，在2018年作者提出这个CoordCon
摘要：本项目主要介绍了如何使用卷积神经网络去检测翻拍图片，主要为摩尔纹图片；其主要创新点在于网络结构上，将图片的高低频信息分开处理。 本文分享自华为云社区《图片去摩尔纹简述与代码实现》，作者： 李长安。 1前言 当感光元件像素的空间频率与影像中条纹的空间频率接近时，可能产生一种新的波浪形的干扰图案，
摘要：Laplace 用于 Laplace 分布的概率统计与随机采样。 本文分享自华为云社区《Laplace分布算子开发经验分享》，作者：李长安。 1、任务解析 详细描述： Laplace 用于 Laplace 分布的概率统计与随机采样， 此任务的目标是在 Paddle 框架中，基于现有概率分布方案
摘要：本案例我们利用视频字幕识别中的文字检测与识别模型，增加预训练Bert进行纠错 本文分享自华为云社区《Bert特调OCR》，作者：杜甫盖房子。 做这个项目的初衷是发现图比较糊/检测框比较长的时候，OCR会有一些错误识别，所以想对识别结果进行纠错。一个很自然的想法是利用语义信息进行纠错，其实在OC
摘要：不同于传统的卷积，八度卷积主要针对图像的高频信号与低频信号。 本文分享自华为云社区《OctConv：八度卷积复现》，作者：李长安 。 论文解读 八度卷积于2019年在论文《Drop an Octave: Reducing Spatial Redundancy in Convolutional
摘要：在本论文中揭示了这样一种现象：一层内的许多特征图共享相似但不相同的模式。 本文分享自华为云社区《Split to Be Slim: 论文复现》，作者： 李长安 。 Split to Be Slim: An Overlooked Redundancy in Vanilla Convolution
摘要：本文将通过实践案例带大家掌握CutMix&Mixup。 本文分享自华为云社区《CutMix&Mixup详解与代码实战》，作者：李长安。 引言 最近在回顾之前学到的知识，看到了数据增强部分，对于CutMix以及Mixup这两种数据增强方式发现理解不是很到位，所以这里写了一个项目再去好好看这两种数
摘要：本文主要为大家讲解在Python开发中常见的几种数据结构。 本文分享自华为云社区《Python的常见数据结构》，作者： timerring 。 数据结构和序列 元组 元组是一个固定长度，不可改变的Python序列对象。创建元组的最简单方式，是用逗号分隔一列值： In [1]: tup = 4,
摘要：如今，医生出镜的视频已经成为喜闻乐见的医学科普和患者教育手段，但医生难以抽出时间拍摄、拍摄时间较长、成本较高等制作痛点也日益凸显。对此，国内首个医生AI数字人运营服务商——成都万木健康科技有限公司找到了破局之法。 本文分享自华为云社区《为医生打造专属数字分身！华为云联合万木健康打造医疗医学科普
