MoCo v1 文献研究 [自监督学习]
✅ 个人简介:
南京邮电大学,计算机科学与技术,写这篇文章时大三上
文章目录
- Ⅰ. Abstract
- Ⅱ. Introduction
- Ⅲ. Related Work
- Ⅳ. Method
- 4.1 字典查询的对比学习[Contrastive Learning as Dictionary Look-up]
- 4.2 动量对比[Momentum Contrast]
- 4.2.1 字典作为队列[Dictionary as a queue]
- 4.2.2 动量更新[Momentum update]
- 4.2.3 算法解释(伪代码)
- Ⅴ. Experiments
- 5.1 三种对比损失模型机制
- 5.2 最优动量系数
- 5.3 无监督学习方法对比
- Ⅵ. Discussion and Conclusion
- ▶本文参考附录
Ⅰ. Abstract
● 理论贡献: 提出用于无监督视觉表示学习的『动量对比度(Momentum Contrast)』,从作为『字典查找(dictionary look-up)』的『对比学习(Contrastive Learnin)』的角度来看,构建了带有『队列(queue)』和『移动平均编码器(moving-averaged encoder)』的动态字典,可以动态地构建大型且一致的词典,促进对比性无监督学习。
● 实验证明:
① MoCo 在 ImageNet 分类的线性分类问题上具有竞争力。
② MoCo 学习到的表示形式可以很好地转移到『下游任务(Downstream task)』中。
③ 在 PASCAL VOC,COCO 和其他数据集上的 7
个检测/细分任务中,MoCo 可以胜过其监督的预训练同类,有时甚至可以大大超过其性能。
Ⅱ. Introduction
● Introduction(前言) 是 Abstract(摘要) 的一个扩展。因为后面也要细读 MoCo v1,所以这里省去。
Ⅲ. Related Work
● 为了理解 MoCo 进行对比学习训练模型的意义,以下补充两个基本概念:『辅助任务(pretext task)』、『下游任务(downstream task)』。详见这篇前驱文章:《Self-supervised Learning 再次入门》.
●『辅助任务(pretext task)』可以理解为是一种为达到特定训练任务而设计的间接任务。比如,我们要训练一个网络来对 ImageNet 分类,可以表达为 fθ(x):x→yf_θ(x):x → yfθ(x):x→y【其中 xxx 是图片输入,yyy 是分类结果输出,θθθ 是神经网络参数】。我们的目的其实是获得具有语义特征提取/推理能力的 θθθ。
● 我们假设有另外一个任务即『辅助任务(pretext task)』,它可以近似获得这样的 θθθ,比如,Auto-Encoder(AE),表示为:gθ(x):x→xg_θ(x):x→xgθ(x):x→x【其中第一个 xxx 是原始图片输入,xxx 是重建的图片输出,θθθ 是神经网络参数】。为什么 AE 可以近似 θθθ 呢?因为 AE 要重建 xxx 就必须学习 xxx 中的内在关系,而这种内在关系的学习又是有利于我们学习 fθ(x)f_θ(x)fθ(x) 的。这种方式也叫做『预训练(pre-training)』,为了在目标任务上获得更好的泛化能力,一般还需要进行『微调(fine-tuning)』等操作。
● 因此,『辅助任务(pretext task)』的好处:就是为了简化原任务的求解,在深度学习里就是避免了人工标记样本,实现无监督的语义提取, 下面进一步解释。
●『辅助任务(pretext task)』任务可以进一步理解为:对目标任务有帮助的辅助任务。 而这种任务目前更多的用于所谓的『自监督学习(Self-Supervised learning)』,即一种更加宽泛的『无监督学习(Unsupervised Learning)』。这里面涉及到一个很强的动机:训练深度学习需要大量的人工标注的样本,这是费时耗力的。而自监督的提出就是为了打破这种人工标注样本的限制,目的是:在没有人工标注的条件下也能高效的训练网络,自监督的核心问题是:如何产生『伪标签(Pseudo label)』,而这种伪标签的产生是不涉及人工的, 比如上述的 AE 的伪标签就是 xxx 自身。这里举几个在视觉任务里常用的『辅助任务(pretext task)』的几种伪标签的产生方式:图片旋转、图片着色、图片补全、上下文关系预测。
●『下游任务(downstream task)』就是利用辅助任务所产生的『预训练模型(Pre-trained Models)』进行微调以实现具体网络功能的过程。在这一点上,可以把这当作一个『迁移学习(Transfer Learning)』的问题,因此应该小心不要损失预先训练的权重。
Ⅳ. Method
● 看一遍可能看不明白,笔者也是写了好多遍,以最好地顺序与阐释呈现。
4.1 字典查询的对比学习[Contrastive Learning as Dictionary Look-up]
● 我们都知道,有监督问题就是基于预测结果和监督信息设计一个『损失函数(loss function)』,但是无监督问题应该怎么设计损失函数呢?图片无监督问题的一个经典的方法是『对比学习(Contrastive Learning)』里的『实例识别任务(instance discrimination task)』。它的设计原理是:对一张图片中进行『数据增强(data augmentation)』(比如,『随机剪裁(Random Crop)』、『随机颜色失真(Random Color Distortion)』和『高斯模糊(Gaussian Blur)』等等),如果当前(经过数据增强的)图片与另外一张图片来源于同一张图片,那么该图片就被为当前图片的一个 正样本 ,否则则认为是 负样本 。
● “当前选择的图片集合” 我们称之为 queryqueryquery,而将 queryqueryquery 经过随机的数据增强得到的图片矩阵(即一维的向量矩阵)我们称之为 xqueryx^{query}xquery,其中从 xqueryx^{query}xquery 提取出来的特征下文中用的是 “qqq” 来表示。
● 同时我们会将 “一系列” 的图片临时利用起来,形成一个图片集,并把这些图片的特征表示为这个动态字典(dictionarydictionarydictionary) 的 keykeykey,在下面的公式简写为了 kkk。【这里我没有展开说 “一系列” 是什么,怕的是概念太多,一开始会弄混淆,后面看完了就自然懂了】
● 基于上述的设计原理,可以设计一个『对比损失函数(contrastive loss function)』(下面这个叫 InfoNCE):
◆ 公式说明:【注,“对比损失函数” 也可以理解为 “相似度量函数”】
① 这里表达式的形式类似于一个 K+1K+1K+1 分类的 sofmaxsofmaxsofmax 函数,K+1K+1K+1 个样本中仅有 1
个正样本,其对应的特征记为 k+k+k+(它在分子上),其余 KKK 个是负样本,这可以从 Σ\SigmaΣ 右下脚的 i=0i=0i=0 看出。
② 两个特征的相似度量方式采用点积的形式 q•kq•kq•k(点积结果越大表示相似度越高)。
③ 超参数 τττ:用于调整分类差异度。
④ 当 qqq 与正样本的差异越小的时候,logloglog 的自变量趋于 1
,代价值趋于 0
,否则 logloglog 的自变量趋于 0
,代价值趋与正无穷(很大)。
⑤ 分母上是一个正样本和其他所有个负样本与 qqq 的点积的和。
⑥ 这个『对比损失函数(contrastive loss function)』的本质就是希望网络对于相同图片 “处理” 出来的输入,得到的特征要尽可能的相似。怎么使得 “得到的特征要尽可能的相似呢?”,即是下面 “MoCo原理简述” 图中的 “反向传播(gradient)” 所做的事情。
● MoCo原理简述:
【关键假设 → 字典需要具有两个特征:
① 大字典(large):包含越多的负样本则编码器越能学习到更好的特征。
② 一致性(consistent):编码器在更新的时候需要随着字典特征缓慢变化以保持特征的相对一致性。
】
● 符号解释:
① 编码器(encoderencoderencoder)和动量编码器(momentumencodermomentum\,\,encodermomentumencoder):分别代表两个结构相同、参数不同的编码器,它们实质上是两个残差网络(ResNet)。
② xqx^{q}xq:即 xqueryx^{query}xquery,它是某一张图片 aaa 经过随机的『数据增强(data augmentation)』得到的一维向量(即一个“长队列”)。
③ xkx^{k}xk:即 xkeyx^{key}xkey,它是同一张图片 aaa 同样经过随机的『数据增强(data augmentation)』得到的一维向量(即也是一个“长队列”),注意在这里它是正样本。
④ qqq:xqueryx^{query}xquery 经过编码器 fqf_qfq 提取的特征。
⑤ kkk:xkeyx^{key}xkey 经过动量编码器 fkf_kfk 提取的特征(文中称为 keys in dictionary,存储在字典中数据集的特征),字典中仅有的一个正样本特征记为 k+k+k+。
⑥ DynamicdictionaryDynamic\,\, dictionaryDynamicdictionary:这个东西在图中未画出来,它是一个队列形式的 “动态词典”。在这个词典中存储着 xqueryx^{query}xquery 对应的正样本和已初始化的这一批数据中的所有负样本。每训练一次,队列就会将最新的一批键(x0k、x1k、x2k、...x_0^{k}、x_1^{k}、x_2^{k}、...x0k、x1k、x2k、...)加入队列(注意在这一批键中,只有 1
个键是正样本,其余的都是负样本),将最老的一批键出队列。如下图所示:
◆ 补充说明:在 MoCo v1 这篇论文中,关于原理的解释这上面的两张图,前面一张的 kkk 只有一个,这里的 kkk 要多一点。我的解释是:前一张原理图中每次加入 “动态词典” 的一批键中,全部都是正样本;而后一张原理图中每次加入 “动态词典” 的一批键中,只有一组是正样本,其余都是负样本。
4.2 动量对比[Momentum Contrast]
● 本文主要是在前人的 “端到端(end-to-end)模型” 和 “存储器(memory bank)模型” 的基础上提出了两个重要的改进点:字典作为队列、动量更新(针对与蓝色模块的动量编码器)。
◆ 与同类对比学习方法的比较:
① 对比 (a)(a)(a) 和 (c)(c)(c):(a)(a)(a)是一种 end-to-end 形式【这里两个编码器可以 保持一致(identical)、部分参数共享(partially shared)、不同(different)】。[1]
(a)(a)(a) 对左右两个编码器(encoder)更新参数的途径都是利用反向传播。而 (c)(c)(c) 对动量编码器(momentum encoder)采用了的是动量更新方式。[2]
(a)(a)(a) 的 end-to-end 只能比较当前最新 mini-batch 提取出的特征,因此特征的变化可能不够平滑。(c)(c)(c) 进行反向传播时需要计算的梯度信息更少。
◇ 补充说明:也可以这样理解:(a)(a)(a) 的字典大小和 mini-batch 大小相同,受限于 GPU 显存,对大的 mini-batch 进行优化也是挑战,有些 pretexts 进行了一些调整,能够使用更大的字典,但是这样不方便进行迁移使用。
② 对比 (b)(b)(b) 和 (c)(c)(c):(b)(b)(b) 是从一个固定的 memory bank 中随机抽取一组特征,(c)(c)(c) 对字典中的特征【用来被对比的特征】的提取方式是随着训练过程不断变化的【因为动量编码器的参数会缓慢更新】。
◇ 补充说明:(b)(b)(b) 中的 Memory Bank 包含数据集所有数据的特征表示,从 Memory Bank 中采样数据不需要进行反向传播,所以能支持比较大的字典,然而一个样本的特征表示只在它出现时才在 Memory Bank 更新,因此具有更少的一致性,而且它的更新只是进行特征表示的更新,不涉及 encoder (的参数更新)。
4.2.1 字典作为队列[Dictionary as a queue]
● 这样做的好处是:将 dictionary 的大小和 batch size 解耦出来,即 dictionary 的大小不需要受 batch size 的约束,可以设置成任意大小。这样 dictionary 的大小和 mini-batch 的大小就 decouple(二者相互独立)。具体有两个好处:[1]
字典可以变得很大,包含很多负样本,提高对比学习的效果。[2]
并且以新的 mini-batch 去替换队列最末的旧的 mini-batch 可以保证特征变化的平稳性。
4.2.2 动量更新[Momentum update]
● 论文中给的 Momentum update 公式原型如下:
● 其实在编码器(encoderencoderencoder)和动量编码器(momentumencodermomentum\,\,encodermomentumencoder)之间有条掩藏的 “联络线”,如下图所示:
◆ 说明:注意第二项是 θqθ_qθq。先看下面的 MoCo 原理图,图中只做了关于 xq→qx^q→qxq→q 的编码器 fqf_qfq 的反向梯度,并没有做关于编码器 fkf_kfk 的反向传播。这样做有两个好处:[1]
如果对编码器 fkf_kfk 求梯度,由于其输入量(x0k、x1k、x2k、...x_0^{k}、x_1^{k}、x_2^{k}、...x0k、x1k、x2k、...)很多,运算量很大,对 GPU 要求很高,而只计算编码器 fqf_qfq 的梯度的运算开销就小很多。[2]
动量更新的方式【即上图那个公式】保持了编码器 fkf_kfk 的惯性(原有特征变化的平稳性),或者说对之前的特征具有相对的记忆性,这在后续实验中证明是有利于『对比学习(Contrastive Learnin)』的效果提升。
◆ 补充说明:另外在论文中提到,实验也发现,适当增加 mmm 会带来更好地效果,大的动量(例如0.999)往往效果好于小的动量(例如0.9)。因此本文中 m=0.999m = 0.999m=0.999,意味着缓慢变化的 momentum encoder 是利用好动态词典的关键所在。这样不仅避免了因为 encoder 的剧烈变化导致特征丢失一致性,同时也保持 momentum encoder 一直处于被更新的状态。
4.2.3 算法解释(伪代码)
● 算法流程:
① 对输入 xxx 进行数据増广分别得到 xqx^qxq 和 xkx^kxk(正样本)
② 卷积后提取特征 q、kq、kq、k
③ 将参数 kkk 从网络中隔离开,不参与参数更新(即不进行梯度下降)
④ l_posl\_posl_pos 和 l_negl\_negl_neg 那两行笔者还未弄懂啥意思,弄懂时补上
⑤ 点积运算对比损失函数
⑥ 对编码器 qqq 的权值 fqf_qfq 做反向传播(SGD:随机梯度下降) → 更新 fqf_qfq 的权值
⑦ 更新 fkf_kfk 权值
⑧ 用新的 mini_batchmini\_batchmini_batch 更新字典队列
Ⅴ. Experiments
● 以下在 ImageNet-1M (106张图片) 数据集上进行了三个方面的对比实验,证明了 MoCo v1 的优秀表现:
5.1 三种对比损失模型机制
● end-to-end 虽然在 kkk(负样本个数)小的时候准确率高,但是由于算力开销大因此 kkk 不能取的很大。memory bank 虽然对负样本个数没有约束,但是准确率始终低于 MoCo。【注:KKK是样本大小,横坐标是“对数尺标”】
5.2 最优动量系数
● 在上述 K=4096K=4096K=4096 的情况下,尝试不同的动量系数,取 0.999 较为合适。
5.3 无监督学习方法对比
● 为了公平比较,考虑在模型参数数量相近的情况下进行比较。并要求自变量固定,纵向来看实验结果,发现 MoCo 的表现在和前人模型参数总量近似相等的情况下,准确率相对而言是最高的。
● 论文后面还进行了(1)PASCAL VOC 目标检测、(2)COCO 目标检测与分割、(3)其他 downstream tasks 实验,主要和监督学习方法进行对比。实验结果都很不错,这里就不一一例举了。
Ⅵ. Discussion and Conclusion
● 论文中的方法在各种计算机视觉任务和数据集中显示了无监督学习的积极结果。有几个有待解决的问题值得讨论。MoCo 从 IN−1MIN-1MIN−1M 到 IG−1BIG-1BIG−1B 的改进始终是明显的,但相对较小,这表明更大规模的数据可能没有得到充分利用。
● 他们希望有一个先进的『辅助任务(pretext task)』能改善这一状况。除了将其应用到本文简单的『实例识别任务(instance discrimination task)』之外,还可以在语言领域、其他视觉领域采用 MoCo 来进行(隐式的)自动编码等『辅助任务(pretext task)』。
● 何凯明团队也在最后提到,希望 MoCo 能在其他涉及『对比学习(Contrastive Learnin)』的『辅助任务(pretext task)』中有用。
▶本文参考附录
MoCo v1原论文地址:https://arxiv.org/abs/1911.05722.
[1] MoCo:Momentum Contrast for Unsupervised Visual Representation Learning 论文笔记.
[2] 小全读论文《Momentum Contrast for Unsupervised Visual Representation Learning》(MoCo).
[3] 5. 无监督学习 MoCo: Momentum Contrast for Unsupervised Visual Representation Learning.
[4] Momentum Contrast for Unsupervised Visual Representation Learning无监督胜有监督,刷新检测分割任务.
[5] Momentum Contrast for Unsupervised Visual Representation Learning.
[6] CV中的无监督学习方法:MoCo.
[7] Momentum Contrast for Unsupervised Visual Representation Learning论文理解.
⭐️ ⭐️
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
- 整理(二)——习题1
1、作为一名大学生的你,现在又到了期末查成绩的时候,当你的成绩大于等于60时请输出“jige,haoye!”,否则输出"laoshi,caicai,laolao"。 #include <iostream>using namespace std;int main() { int x;cin>>x;if(x>60)cout &l…...
2024/4/20 0:28:52 - 接口探测-shell获取探测接口
接口探测-shell获取探测接口 背景 为了监控微服务、zk、euerka等故障,需要对Rest Api接口做状态探测。公司某平台一个有90台机器,需要插队每台机器机器的业务模块,并配置探测。 实现思路 微服务 微服务业务模块都有暴露探测接口…...
2024/5/4 23:03:51 - leetcode解题心路1-两数之和
两数之和 问题 给定一个整数数组 nums 和一个整数目标值 target,请你在该数组中找出 和为目标值 target 的那 两个 整数,并返回它们的数组下标。 你可以假设每种输入只会对应一个答案。但是,数组中同一个元素在答案里不能重复出现。 你可…...
2024/4/19 4:51:54 - NotePad功能扩展,这份资料可帮你解决95%的问题
// add Maps “color” to “color” sNotesProjectionMap.put( NotePad.Notes.COLUMN_NAME_BACK_COLOR, NotePad.Notes.COLUMN_NAME_BACK_COLOR); } 增加创建新笔记时需要执行的语句,给每条笔记设置默认背景颜色 // 笔记背景默认为白色 if (values.contai…...
2024/4/24 6:59:49 - JavaScript深入之闭包
JavaScript闭包 在我们说闭包时我们先来看看两个东西:作用域和生存周期 1.作用域 看一个例子 function fn1(){let str "我是一个帅哥"; }; function fn2(){//我们尝试使用这个变量console.log(str);//Uncaught ReferenceError: str is not defined }…...
2024/4/13 21:21:36 - opencv c++学习一(基础认识)
目录 一、加载图像 二、显示图像 三、修改图像 四、保存图片 一、加载图像 二、显示图像 三、修改图像 四、保存图片 /*导入图像*/int main() {string path "resouces\\test.png"; //给路径取个名字(字符串)Mat img imread(path); …...
2024/4/13 21:21:56 - LeetCode题解(九)0800-0899,android程序员面试笔试宝典
Return the number of different transformations among all words we have. Example: Input: words [“gin”, “zen”, “gig”, “msg”] Output: 2 Explanation: The transformation of each word is: “gin” -> “–…-.” “zen” -> “–…-.” “gig”…...
2024/4/13 21:21:21 - 2022.1.30 训练日记 4 200. Hankson的趣味题
题目链接:Hankson的趣味题 题目分析: 0.DFS最大公约数分解质因数思路 code: #include <iostream> #include <cstring> #include <algorithm>using namespace std;typedef long long LL; typedef pair<int, int> PII;const int…...
2024/4/13 21:21:41 - JS 判断数据类型的方法
目录 一、JS 中的数据类型 二、JS 中判断数据类型的方法 1、使用 typeof 2、使用 instanceof 3、使用Object.prototype.toString.call 4、使用constructor 一、JS 中的数据类型 ECMAScript中有5中简单数据类型(也称为基本数据类型): Undefined、N…...
2024/4/13 21:21:46 - goland操作GPIO
源码 /*A blinker example using go-rpio library. Requires administrator rights to runToggles a LED on physical pin 19 (mcu pin 10) Connect a LED with resistor from pin 19 to ground.*/package mainimport ("fmt""github.com/stianeikeland/go-rpio…...
2024/4/19 13:34:39 - JavaScript笔记day04
文章目录一、运算符1、算术运算符2、一元运算符3、自增自减4、逻辑运算符5、赋值运算符6、关系运算符7、相等运算符8、条件运算符/三元运算符二、运算符优先级一、运算符 运算符也叫操作符: 通过运算符可以对一个或者多个值进行运算,并获取运算结果 比如…...
2024/4/13 21:21:41 - 栈的轻松使用及手把手实现栈
这里写目录标题栈的概念与特点栈的使用压栈出栈求得栈顶元素判断栈是否为空栈的比较手把手实现栈写出顺序表判断是否满了压栈判断是否为空出栈比较栈顶元素栈的大小测试栈的概念与特点 栈是一种特殊的线性表,其只允许在固定的一端进行插入和删除元素操作。进行数据…...
2024/4/19 10:46:25 - 一本通 1289:拦截导弹
【题目描述】 某国为了防御敌国的导弹袭击,发展出一种导弹拦截系统。但是这种导弹拦截系统有一个缺陷:虽然它的第一发炮弹能够到达任意的高度,但是以后每一发炮弹都不能高于前一发的高度。某天,雷达捕捉到敌国的导弹来袭。由于该系…...
2024/4/20 5:26:44 - vim处理临时文件的技巧
fun! Thvibg() "替换vik的网站表格为正常内容,ma放第1个|行. norm!ma "加标记,dwh,回标记,!为原意,没有加则无 norm -Gdwh "不能加! "-G在要选中的时候用. norm a-G :<,>s/ /|/ge :<,>s/^|//ge norm a call Jfb() norm a-G :<,>s///ge n…...
2024/4/13 21:21:46 - 蓝桥杯真题———excel地址
题目如下 Excel单元格的地址表示很有趣,它使用字母来表示列号。 比如, A表示第1列, B表示第2列, Z表示第26列, AA表示第27列, AB表示第28列, BA表示第53列, … 当然Excel的最大列号…...
2024/4/15 11:26:48 - linux找不到insmod命令
1.背景: 移植ubuntu16_base系统到我的板子上时,加载驱动时发现相关指令都提示找不到 2.解决方法 使用 sudo apt install kmod 命令安装依赖包即可 3.现象 这时就可以正常使用 lsmod insmod 等命令了...
2024/4/18 16:33:41 - 1067 Problem A
题目描述 我们定义如下矩阵: 1/1 1/2 1/3 1/2 1/1 1/2 1/3 1/2 1/1 矩阵对角线上的元素始终是1/1,对角线两边分数的分母逐个递增。 请求出这个矩阵的总和。 输入 输入包含多组测试数据。每行给定整数N(N<50000),表示…...
2024/4/19 10:39:44 - python数据结构之双向链表
python数据结构之双向链表 双向链表可以是循环的也可以是不循环的;主要有left前驱指针,right后驱指针; 代码部分 结点类的创建 class Node:def __init__(self, value):self.data valueself.prior Noneself.after None初始化链表 def …...
2024/4/19 23:44:43 - JavaScript的原型与原型链
前言 JavaScript 原型与原型链历来都是面试的重点,也是难点,理解起来没有那么容易。 正文 理解原型的几个要点,能更容易理解原型这个概念: 1、所有的引用类型(数组、对象、函数)可以自由扩展属性…...
2024/4/7 19:15:46 - 正态分布检验
正态分布检验 雅克-贝拉检验(Jarque-Bera test)——JB检验(大样本) 对于一个随机变量(Xi),假设其偏度为S,峰度为K,那么我们可以构造JB统计量: JBn6[S2(K−3)24]JB\frac{n}{6}[S^2\frac{(K-3)^…...
2024/4/18 8:14:06
最新文章
- Vue3 + Vite + TypeScript + Element-Plus创建管理系统项目
官方文档 Vue3官网 Vite官方中文文档 创建项目 使用npm命令创建项目: npm create vitelatest输入项目名称: ? Project name:项目名选择vue: ? Select a framework: - Use arrow-keys. Return to submit.Vanilla > VueReactPrea…...
2024/5/5 1:09:40 - 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 - 实景三维在数字乡村建设中的重要作用
随着科技的飞速发展,数字乡村建设已成为推动乡村振兴、实现农村现代化的重要途径。实景三维技术作为数字乡村建设的重要支撑,正逐渐在各个领域发挥着不可或缺的作用。本文将从实景三维技术在数字乡村中的应用场景、优势及未来展望等方面进行探讨…...
2024/5/1 13:46:14 - 前端路径问题总结
1.相对路径 不以/开头 以当前资源的所在路径为出发点去找目标资源 语法: ./表示当前资源的路径 ../表示当前资源的上一层路径 缺点:不同位置,相对路径写法不同2.绝对路径 以固定的路径作为出发点作为目标资源,和当前资源所在路径没关系 语法:以/开头,不同的项目中,固定的路径…...
2024/5/1 13:55:59 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:55:17 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:55:05 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:55:16 - 【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…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 18:20:48 - 【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、…...
2024/5/4 23:54:56 - 【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…...
2024/5/4 23:55:17 - 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…...
2024/5/4 23:55:06 - 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…...
2024/5/4 23:54:56 - 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…...
2024/5/4 23:55:06 - 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…...
2024/5/4 23:55:16 - 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…...
2024/5/4 23:54:58 - 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」。 …...
2024/5/4 23:55:01 - 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…...
2024/5/4 23:54:56 - 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