神经网络中的对抗攻击与对抗样本
文章来源:https://baijiahao.baidu.com/s?id=1596201339578975526&wfr=spider&for=pc
前言
在学习神经网络白盒、黑盒对抗攻击时候,搜到这篇文章,觉得作者把神经网络中的对抗攻击来龙去脉介绍的特别通俗易懂,转载一下好好学习。
什么是对抗攻击
初识神经网络会惊叹它的神奇,在不了解的情况下我相信很多人会好奇它为什么可以成功,这种好奇中其实还隐藏着一种担忧——面对这样一个黑盒子如果不能有一个合理直观的解释,又怎敢放心使用这项技术?无论是在网络还是操作系统领域,现实应用中我们或多或少对网络攻击和病毒软件都有所耳闻,那么在神经网络这一领域是否存在类似的威胁?果不其然,偶然看到一篇介绍『一像素攻击』的文章,引发了我对老本行『安全』领域的兴趣,于是研究了一下在计算机视觉方面深度学习中的对抗攻击。
我们先用最直观的方式认识一下什么是对抗攻击?如上图,左边是一张能够被GoogLeNet正常分类为熊猫的图片,在添加一定的噪音后变成右图,在人的肉眼看来,它还是熊猫,但GoogLeNet会判定为长臂猿。这种被修改后人类无法明显察觉,却被机器识别错误的数据即为对抗样本,而这整个过程就可以理解为对抗攻击。
什么情况?这么容易就被骗去了?这也太脆弱了,要是稍作修饰岂不是可以骗过人脸识别伪装人其他人?自动驾驶的汽车认错路牌岂不是很危险?类似的现实世界中的试验和研究也接踵而至,这些攻击并不只存在于实验室中,以路标为例,对同样的路牌稍作改动,加几个便签便可以让『停止』路标被识别成『限速45』。
我最开始的反应也是这样惊讶,但事实就是这样。仔细想来,其实人的视觉也经常会出现错觉,我相信你一定看到过类似下面这个动图一样欺骗你的图片或视频。存在即合理,人类的视觉尚且如此,在没有深入了解神经网络的情况下,什么样欺骗机器的样本其实都应该是很合理的存在。接下来,我们就了解一下对抗攻击和对抗样本出现的来龙去脉。
对抗攻击的来龙去脉
2013年,Google研究员Szegedy等人在题为《Intriguing properties of neural networks(神经网络有趣的特性)》的论文中指出了神经网络的两个有趣的特性:其一是神经网络中包含语义信息的部分并不是在每个独立的神经元,而是整个空间;其二是神经网络学习到的从输入到输出的映射在很大程度上是不连续的。这篇论文更重要的意义是验证了将图片做适当修改后能欺骗深度学习模型的可能性,并给出了相应的训练方法,从此学术界展开对对抗攻击的进一步研究,各种有关攻击方式和攻击原理的论文纷至沓来,详见最近的一篇总述性论文《Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey》,以下简称『Survey』。
个人认为其中影响力最大的当属GoodFellow等人2014年发表的《Explaining and harnessing adversarial examples》,中文常翻译为『对抗性例子的解读和掌握』,文中提出了产生对抗攻击根本原因的猜测——深度神经网络在高纬空间中的线性特性已经足以产生这种攻击行为——而非之前人们猜测的神经网络的复杂性,同时在这个假设前提下提出了一种更高效制造对抗样本的方法,并通过实验加以验证,实验结论表明:一个测试效果良好的分类器,其实并不像人类一样学习到了所分类样本的真正底层意义,只不过刚好构建了一个在训练数据上运行相当良好的模型,而这个模型实际上就像是一个富丽堂皇的假象,当遇到一些空间中不太可能出现的点时,模型能力的有限性就会随之暴露出来。
其他的攻击样本训练方式个人还没有精力去研究,但我觉得基本思想大同小异,这里也不一一展开,上面的两篇论文更具有代表性,就用Survey中的一张表格做个简单说明,这张表格将这些攻击方法按时间排序,并结合相关特性做了一个对比。其中,黑/白盒表示是否需要有训练模型的先验知识,如训练用的网络结构、参数、超参数、训练样本等,黑盒攻击可以在完全不知道或仅知道有限知识的条件下完成攻击,目标分类针对性表示的是对于攻击样本的目标分类是否有指向性还是仅仅使其预测错误即可,图片针对性表示攻击方式是否跟特定的图片有关,扰动范式指的是对噪音的限制计算方式,这一定程度上决定了对抗样本的最终形态,例如 L0 扰动范式在极端情况下就会出现文章开头提到的『一像素攻击』,这种攻击样本在现实世界中更容易构造,而 L1 和 L∞ 扰动范式则会对图像的全局范围进行扰动,人类视觉更难明显发现,学习方式分为单次和逐渐迭代,最后的强度表示攻击强度。
如何理解对抗攻击
Szegedy等发现的两个有趣特性以及GoodFellow等的高维空间线性特性猜测都可以认为是产生对抗攻击的根本原因,那么如何理解呢?
2014年,天才少年Christopher Olah在一篇博客中将神经网络,流形与拓扑联系在一起对比,虽说可能没那么恰当,但这篇文章确实在更低的纬度帮助我进一步理解了Szegedy论文中的两个有趣特性。接下来我将这篇文章的前半部分用尽可能少的篇幅分稍作总结,希望能帮助大家更容易的理解这两个特性。
我们知道在神经网络中每层神经元的输入 a = g(Wx+b),其中 g 为激活函数,W 为权重参数,x 为上一层的样本数据,b 为偏置参数,那么从拓扑学角度来看,在一个二维平面上,这个过程相当于哪几个步骤呢?
- 一次使用权重参数矩阵 W 的线性变换
- 一次使用偏执向量 b 的移动
- 一次应用非线性激活函数 g 的变换
在二维平面上,其实是将整个平面进行了旋转、移动和拉伸这三个操作。下面通过文中的几个分类问题进行说明以帮助理解。对于较简单的分类问题,可能一层神经网络就可以完成分类,通过变换空间布局,最终通过一条直线完成分类。
而对于较为复杂的螺旋缠绕分类,也可以通过多几次的变幻完成将问题转换为一条直线可分割的空间,过程见下面的动图。
至此,我们可能从较低的纬度下更直观的理解了训练好的神经网络所做的事情。但是对于如下图所示的圆套圆的情况,我们很难在二维空间将其拉伸到理想的位置。
但是,通过增加神经元,我们可以在三维空间中轻松将其分离。
至此,我们可能会觉得再复杂的问题应该都能通过类似的方法解决,只不过过程可能更复杂更长,这种猜测有可能是对的。但是对于下面的这种两个相互套起来的环,可能需要在四维空间中才能完全分开,然而我们已经很难去想象,更不要说在真实世界的数据集中,这种死结或者缠绕问题很可能会更复杂。
不过对于神经网络来说,完全可以避重就轻去将打成死结的数据尽可能拉伸开,而不是完全解开,如下图,这对于分类问题来说,其实已经有了足够高的准确率和召回率。当然从另一个角度看的话,有些情况下,为了更精确地分类,较宽的神经网络可能相对深度来说更重要。
回到我们要理解的问题上,这可能会略显牵强,也可能我的理解会有错误,但确实给我个人带来更多直观上的认知:
- 神经网络中包含语义信息的不在每个独立的神经单元,而是整个空间。神经网络在最后一层能将样本中这么多变化的因子理清楚并理解其语义,并不是因为某个独立神经元中包含了什么特定的语义,而是对整个空间进行变换后从最终的表征层中学到的,经过学习,神经网络会放大某些相关因子,同时缩小某些无关因子。
- 神经网络学习到的输入到输出的映射在很大程度上是不连续的。就像上面图中为了解开一个死结所做的拉伸结果一样,肉眼来看,在拉伸距离较大的地方我们可以认为这种映射是连续的,然而对于仍然缠绕在一起的部分,之前可以用来划分界限的直线或者超平面已经无法连续,虽然可以通过仔细观察区分出来,但是我们要知道这只是一个简单的例子,现实世界中的真实数据可要比这复杂得多,对于我们的肉眼来说可能很难分清楚缠绕在一起的部分。于是,对抗样本的出现也就容易理解得多,即,对于神经网络来说,对抗样本已经严重的跨过了用于分类的界限,而对于肉眼其实还看不出来它有移动。
Szegedy等的发现证明了这种攻击的存在,并且提出了可以通过 Box-constrained L-BFGS优化算法找到对抗样本的途径。但是如何抵御这种攻击呢?一个直观的方法是将这种对抗样本加入到训练集中去训练模型,并且实验表明虽然不能完全解决问题,但这种方法是有效的,那么如何找到更多的对抗样本呢?要知道在当时想生成这种对抗攻击也是需要相当大的计算量的,更不要说生成更多的样本去训练验证。前面提到GoodFellow的论文指出深度神经网络在高纬空间中的线性特性已经足以产生这种攻击行为,并提出了一种更高效生成对抗样本的方法,接下来我们就简单分析一下这一理论和方法。
GoodFellow提出的这种方法的根基是目前神经网络为了提高训练效率所使用的激活函数在局部都过于线性,怎么理解呢?看图,在局部看来确实接近直线。
这与前面我们看到的Olah对神经网络与拓扑学的对比中有些类似,在最后的表征层都是通过直线或超平面完成的分类,既然是在线性的假设下,我们暂且不通过二维或三维空间来理解,先从一个简单的数学公式角度看看。
其中 w 是训练好的参数向量,x 表示真实样本数据向量,η 表示给图像加入的噪音向量,x 表示加入噪音后新生成的样本,当加入足够小的 η 时,肉眼无法区分出 x 的变化,直观上左边的式子可能也不会变化很大, 然而 η 当的方向与 w 完全一致的时候,即使很小,也会使整个激活值变化很大,有多大呢?如果 w 是一个 n 纬向量,而其权值的平均大小为 m,那么激活值将会增加 nm。可见,在一个肉眼几乎无法差觉的扰动干扰下,对神经网络最终激活层的计算会产生巨大的干扰,从而迷惑神经网络训练出来的模型。
我们前面提到当 η 与 w 的方向一致时会使激活值最大,那么,如何找到这个正确的方向呢?先给出结论,那就是损失函数在待构造样本上的梯度方向,即下面的式子,其中,ε 是一个调节系数,sign() 是一个符号函数,代表的意思也很简单,就是取一个值的符号,当值大于 0 时取 1,当值等于 0 时取 0,当值小于 0 时取 -1,▽ 表示求 x 的梯度,可以理解为偏导,J 是训练模型的损失函数。
怎么理解这个结论呢?首先我们看一下在正常的神经网络模型训练过程中,有一个过程叫反向传播,就是对参数求偏导,然后将参数更新,我们结合下面这张图看一下。
假设图中的函数即为损失函数,为了使损失函数降到最低,我们会根据当前值的梯度去调整,当梯度小于 0 的时候我们可以看出,当前值需要右移,而当梯度大于 0 的时候,当前值需要左移,这个过程实际上就是用 θ 减去 θ。扩展到损失函数 J(θ, x, y) 中,θ 即为我们要调整的参数,因此在样本 x 和 y 不改变的情况下,我们会不断去调整参数 θ 以寻求局部最优解,即 θ = θ - θ 。
现在如果我们想生成对抗样本,也可以采用类似的方法,那就是固定参数 θ,调整 x 同时使损失函数增大,而不是变小,此时就应该让 x 往相反的方向走,即 x = x + x ,这样是不是很容易可以理解上面 η 的定义呢?在实践中,我们还需要通过 ε 这个参数来调节噪音的大小,这种方法相比之前提到的优化方法非常高效,基本只需要一次计算就可以找到对抗样本,因此作者将这种方法叫做快速梯度符号法(Fast Gradient Sign Method,FGSM)。用GoodFellow在CS231中的PPT来总结一下FGSM,这种方法通过替换目标值 y 就可以让攻击样本朝着指定的分类目标走,即,可以做任意目标的欺骗。
其实不难发现,如果将GoodFellow的这种线性假设简化到二维空间,我们要求的 η 其方向正好就接近于参数 w 的方向,这里不再展开说明,有兴趣的读者可以自行画一画。
我们到目前为止的推导看起来一切理所应当,但是别忘了我们还建立在一个高维空间线性的假设或猜测前提下,还是需要实验支撑的,不多说,直接上图。
解释一下这张图,这张图是对数据集CIFAR-10的分类器的决策边界示意图,其中每个小格子代表的是不同的CIFAR-10样本,每个小格子中,横向从左往右代表的是FGSM算法中的梯度方向,纵向代表的是FGSM梯度方向的正交方向,白色表示模型能分类正确的情况,而彩色代表预测出错的情况,不同的颜色代表不同的错误预测分类。可以明显看出,在出错的区域都程线性分布,另外,如果横轴的方向走的不够远,即便再往其他方向走都无法使模型出错,而一单进入这个区域,就会出现大量的对抗样本。而在随机找到的对抗样本中,这种分布也是很随机的,甚至很难找到,见下图。
至此,从实验结果上也表明高维空间中的线性假设也是合理的,GoodFellow及其同事还专门开发了一个开源的攻击库CleverHans,FGSM方法的实现也在里面,代码很短。关于CleverHans,也就是题图,说起来也很有趣,一匹叫做 Clever Hans 的马,刚出现的时候人们认为这匹马会做算术,但实际上它只是会阅读人的表情,当它点马蹄的次数接近正确答案时,人们的表情会更兴奋,它就知道该这个时候停止了。这个项目的名字现在看起来其实是在隐喻神经网络,一个测试效果良好的分类器,其实并不像人类一样学习到了所分类样本的真正底层概念,只不过刚好构建了一个在训练数据上运行相当良好的模型,所以,你以为你以为的就是你以为的吗?
但是,无论是Szegedy还是GoodFellow提到的方法,都是一种白盒方法,即,我们完全了解模型的网络结构、参数、超参数以及训练的数据集等等,那么正常情况下攻击者在面对一个黑盒的时候应该束手无策了吧,所以并没有什么威胁。然而事实上并非如此,『Survey』中提到的很多方法都具有迁移性,GoodFellow对此的解释是分类器能够在训练集的不同子集上训练时获得大致相同的分类权重,因为机器学习算法能够泛化, 基础分类权重的稳定性反过来又会导致对抗性样本的稳定性。因此,对抗攻击可以认为是存在于任何神经网络模型。
如何防御对抗攻击
既然问题这么严重,那么如何防止这种攻击呢?目前来看还没有能够完全抵抗这种攻击的方法,其实结合攻击的原理也不难看出,即便分类器做得再好,总能使一个样本用最小的干扰走到错误的分类区域,我们能做的更多是如何构造鲁棒性更强的模型,同时也保持对这个领域的关注。『Survey』中总结的目前抵御攻击的办法可以分为三大类:
- 修改训练样本,前文提到过的,通过添加更多的对抗样本到训练集中可以有效避免一部分攻击,但这更像是一种无奈的做法,当扩大样本集的时候,其实分类边界有可能也在随之扩大。
- 修改训练网络,这类方法会对训练网络做出一定调整,其中有一种方式是模拟生物学在最后一层使用更加非线性的激活函数,但这种方式又会导致训练效率和效果下降。修改训练网络的方法分为完全抵抗和仅检测两种方式,完全抵抗其实就是让模型能将对抗样本识别为正确的分类,而仅检测是为了发现这种攻击样本,从而拒绝服务。
- 附加网络,这种方式是在不改变原有模型的情况下使用额外的网络进行辅助,这样可以使原有网络保持不变,其中最有效的一种方式是生成式对抗网络——GAN。同样的,这种方式也分为完全抵抗和仅检测两种方式。
总结
这篇文章的主要目的是总结和分享对对抗攻击的一些原理的理解,而对于防御方法,虽然目前没有什么定论,但个人认为也不必过于担心,从计算机和互联网诞生开始,攻击就无处不在,防御方法也不断升级,如果你对ROP或者DDOS等一些攻击有所了解,你就会发现,道高一尺,魔高一丈,本来就是矛与盾的关系,毕竟哪有什么真正的安全,攻击有时候只是成本问题,然而事实表明这并不会阻碍计算机和互联网行业的蓬勃发展。目前为止,我认为我们能做的只有两点:一是关注该领域的发展动向,二是做好针对此类攻击的风险控制。
最后,再强烈推荐天才少年Olah近期的一项关于展示神经网络如何工作的研究:The Building Blocks of Interpretability
参考汇总
- Akhtar, N., & Mian, A. (2018). Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey. IEEE Access, 1–1. http://doi.org/10.1109/ACCESS.2018.2807385
- Szegedy, C., Zaremba, W., Sutskever, I., Bruna, J., Erhan, D., Goodfellow, I., & Fergus, R. (2013, December 21). Intriguing properties of neural networks. https://arxiv.org/abs/1312.6199
- Goodfellow, I. J., Shlens, J., & Szegedy, C. (2014, December 20). Explaining and Harnessing Adversarial Examples. https://arxiv.org/abs/1412.6572
- Adversarial Examples and Adversarial Training. CS231(youtube视频)
- Neural Networks, Manifolds, and Topology
- cleverhans blog
- How Adversarial Attacks Work
- Adversarial Attacks and Defences for Convolutional Neural Networks
- Adversarial Training-Fast gradient sign method
- Adversarial examples in deep learning
- 对抗样本与对抗训练
- 忽悠神经网络指南:教你如何把深度学习模型骗得七荤八素
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- SAP中本地文件的upload和download的方法
无论是upload还是download,首先要确定文件的路径和名字。下面介绍几种使用文件选择框的方法: 一、使用FM F4_FILENAME call function ‘F4_FILENAME’ importing file_name = filename. 二、使用FM KD_GET_FILENAME_ON_F4 call function ‘KD_GET_FILENAME_ON_F4′ changing f…...
2024/4/20 18:03:16 - 对于webService接口的请求方式wsdl
最近对接接口,直接给了一个接口地址,是以?wsdl结尾结束,看着有些懵,开始只是用原来的请求接口的方式试了一下,很不幸,都不能访问通,后来才知道原来这样的接口形式是webService形式的接口,通过给出的地址可以查看相应的方法和参数,例如:http://ws.webxml.com.cn/WebS…...
2024/4/20 18:03:15 - SAP本地文件策略(导EXCEL选择拒绝后处理)
错误信息如图所示:解决办法:修改导出文件的本地策略 :Alt+F12 ->选项->安全性->安全设置->安全配置对话框...
2024/4/20 18:03:14 - TSQL
TSQLTSQL是目前全球数据库语句中最强大的一种数据库语句,目前世界所有SQL数据库的语句都是按照TSQL标准执行的,使用TSQL语句可以在命令执行工具上迅速的按照语句的执行标准精确对SQL数据库进行增、删、改、查。 以下是一些TSQL语句的介绍: SELECT --从数据库表中检索数据…...
2024/4/20 14:19:39 - SAP云平台架构概述
在我们开始SAP云平台的架构之旅之前,让我们先看看SAP已经发布的一些其他云产品。这些云产品方案可以分为公有云和私有云两种。SAP公有云解决方案见下图最右侧,比较著名的有SAP SuccessFactors和SAP Cloud for Customer(C4C)等,作为SAP软件即服务(SaaS)的解决方案。 以SAP C4…...
2024/4/21 9:45:51 - SAP 解除导出Excel 为默认方式的小程序
经常有用户出现ALV导出是选择了默认导出方式,导致过后没法选择其他格式的导出。解决: REPORT Z_ALV_EXCEL. tables:USR02.selection-screen begin of block b2 with frame title t1 .parameters:p_user like USR02-BNAME.selection-screen end of block b2.*程序初始化INITI…...
2024/4/21 9:45:51 - TSQL基本编程
tsql基本编程: 定义变量: declore @变量名 数据类型 赋值:set @变量名 = 值 select @变量名 = 值取回打印: select @变量名 print @变量名 分支语句:if @a>@bbegin................end 循环语句:初始条件,循环条件,循环体…...
2024/4/21 9:45:49 - TSQL与PL/SQL的比较
TSQL与PL/SQL的比较以前一直用mssql 做开发,最近的项目都Oracle, 1)数据类型TSQLPL/SQLnumeric(p,s)numeric(p,s) or NUMBER(p,s)decimal(p,s)decimal(p,s) or NUMBER(p,s)char(m)Char(m)varchar(m)varchar2(m)datetimedate记录Record表字段%type表记录%rowtype表Table自动增长…...
2024/5/2 19:28:36 - SAP SMW0 上传EXCEL模板遇到的问题
用SMW0上传图片文件或者EXCEL模板时,如果没有维护 MIME TYPE,系统会给出提示,如下: "无分配给对象 .XLS的 MIME 类型" , 需要先维护 .XLS 文件的MIME TYPE 打开 SMW0 选择第二项二进制数据,然后进去点菜单“设置”--》维护MIME类型点击“新增”增加一个类型: T…...
2024/4/21 9:45:47 - al11 写数据到SAP
一、在应用服务器中打开文件OPEN DATASET [options] 此语句打开文件 。如果不指定任何模式选项,则文件将按二进 制模式打开。如果系统不能打开文件,则将系统字段 SY-SUBRC 设置为 8,否则 SY-SUBRC 返回 0二、打开文件读取OPEN DATASET FOR INPUT IN TEXT MODE ENCODING …...
2024/4/21 9:45:46 - LoadRunner测试webservice接口-方法一web_service_call()
方法一:webservice协议的web_service_call() 使用LoadRunner测试webservice接口,最常用的方式就是使用webservice协议的web_service_call()。1、打开VuGen,选择web(HTTP/HTML)协议2、导入接口地址 3、Add Service call 最后如下图所示:4、编辑脚本,写…...
2024/4/21 9:45:45 - SAP库存历史库存表更新逻辑
库存数据的保存根据库存类型的不同,库存信息保存在不同的表中,具体而言见下表库存类型当前库存历史库存库存金额历史库存金额工厂级别库存MARC MBEWMARCHMBEWMBEWH库存地点库存MARCMARDHMBEWMBEWH供应商寄售库存MKOLMKOLHMBEWMBEWH客户寄售库存MSKUMSKUHMBEWMBEWH供应商外包库…...
2024/4/21 9:45:45 - TSQL 使用存储过程
使用存储过程 简单的老的jdbc通过callablestatement类支持存储过程的调用。该类实际上是preparedstatement的一个子类。假设我们有一个poets数据库。数据库中有一个设置诗人逝世年龄的存储过程。下面是对老酒鬼dylan thomas(old soak dylan thomas不指定是否有关典故、文化,…...
2024/5/2 18:15:51 - TSQL order by 子句中排序列的多种写法
Order by 子句用于对结果进行排序,执行顺序位于select子句之后,排序列有4中写法:column_namecolumn_alias,由于order by子句的执行顺序位于select子句之后,因此,可以使用列的别名;nonnegative integer,用于表示select子句中column的位置,位置从1开始;Column Expressi…...
2024/4/28 17:42:38 - TSQL--删除登陆相关的用户
无二话,上代码--删除登陆相关的用户 --遍历所有数据库,查找到与登录名相关联的的用户,生成删除脚本DECLARE @loginName NVARCHAR(200) SET @loginName=DBA; DECLARE @comm NVARCHAR(MAX) SET @comm=N USE [?]; IF(EXISTS(SELECT 1 FROM SYS.database_principals u WHERE IS…...
2024/4/21 9:45:41 - SAP GUI740 PATCH10 下载
SAP GUI740 PATCH10 出来了 最新补丁下载 请加SAP群:455101474 欢迎加群交流SAP相关问题...
2024/4/21 9:45:40 - TSQL--INT转换成指定长度字符串
-- ================================================ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO -- ============================================= -- Author: GGA -- Create date: 20131011 -- Description: 将INT值转换成指定长度的字符串,长度不够的在前面补0…...
2024/4/21 17:41:55 - TSql Work with comma
tsql因为没有数组的概念,那么如何把一批数据传给数据库引擎让它一次性处理完呢。那么我们可以在客户端把数据用逗号串联起来,然后把这些数据作为NVARCHAR(MAX)传给数据库,然后在数据库分割这个用逗号分隔的字符串。 先不谈怎么分割这个有逗号分隔的字符串,看看怎么把数据库…...
2024/4/26 7:50:06 - SAP R3 在windows XP下 安装成功心得分享
有一个朋友是搞SAP的,他让我帮他宣传一下,他可以做一些SAP的培训,也可以提供SAP学习的机器,我顺便帮他做一个广告吧。他的邮箱: bill03@qq.com 硬盘空间大家要准备200GB左右,也可以用台式电脑加固态硬盘安装,因为R3的版本比较老,速度会慢的点,不过固态硬盘和XP的兼容性…...
2024/5/3 1:22:44 - 数据库Tsql语句创建--约束--插入数据
1.创建数据库 use master go if exists(select * from sysdatabases where name=数据库名字) drop database 数据库名字 go create database 数据库名字create database 数据库名字 on primary ( name = MySchool_data, filename = D:\project\MySchool_…...
2024/4/20 18:03:25
最新文章
- golang学习笔记(协程的基础知识)
golang的协程 协程是一种轻量级的线程,它可以实现并发执行的并行操作。协程是Go语言中的一个核心特性,它使得程序能够以并发的方式运行,并且非常高效。与传统的线程相比,协程的创建和销毁成本非常低,可以方便地启动大…...
2024/5/4 15:11:35 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - Java深度优先搜索DFS(含面试大厂题和源码)
深度优先搜索(Depth-First Search,简称DFS)是一种用于遍历或搜索树或图的算法。DFS 通过沿着树的深度来遍历节点,尽可能深地搜索树的分支。当节点v的所在边都已被探寻过,搜索将回溯到发现节点v的那条边的起始节点。这个…...
2024/5/3 10:02:23 - python爬取B站视频
参考:https://cloud.tencent.com/developer/article/1768680 参考的代码有点问题,请求头需要修改,上代码: import requests import re # 正则表达式 import pprint import json from moviepy.editor import AudioFileClip, Vid…...
2024/5/2 17:25:40 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/5/1 17:30:59 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/5/2 16:16:39 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/4/29 2:29:43 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/5/3 23:10:03 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/4/27 17:58:04 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/4/27 14:22:49 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/4/28 1:28:33 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/4/30 9:43:09 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/4/27 17:59:30 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/5/2 15:04:34 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/4/28 1:34:08 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/4/26 19:03:37 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/4/29 20:46:55 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/4/30 22:21:04 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/5/1 4:32:01 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/5/4 2:59:34 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/4/28 5:48:52 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/4/30 9:42:22 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/5/2 9:07:46 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/4/30 9:42:49 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57