程序员,你有自己的博客吗?

密斯大白 2015-06-15 01:22:19
加精
没事儿聊聊~~~~
程序员,你有自己的博客吗?

Q
你们都有自己的个人博客吗?地址?
博客主题是什么?生活,工作,学习,技术?
写博客遇到的最大困难是什么?

A
地址:http://XXXX
主要记录自己工作中学习到的技术,比如Spark、Docker、Linux等
通过写博客,也让自己结识了一群对技术感兴趣的同行,大家平常都聊的来

你的答案是什么?晒出来吧





...全文
14100 113 打赏 收藏 转发到动态 举报
写回复
用AI写文章
113 条回复
切换为时间正序
请发表友善的回复…
发表回复
BadGuy.. 2019-07-11
  • 打赏
  • 举报
回复
https://blog.csdn.net/qq_41595212 前端的兄弟姐妹们,可以看看。
凯撒ee 2018-12-17
  • 打赏
  • 举报
回复
ing
wqeradsad 2017-12-13
  • 打赏
  • 举报
回复
引用 117楼weixin_39647037 的回复:
http://fedemo.top 因为很cool,可以当作一个大号云的笔记使用
http://fedemo.top/
wqeradsad 2017-12-13
  • 打赏
  • 举报
回复
http://fedemo.top 因为很cool,可以当作一个大号云的笔记使用
林轩小栖 2017-02-07
  • 打赏
  • 举报
回复
去年用node+express+artTemplate+mongodb作了一个个人博客,主要记录自己开发过程中经历的项目,遇到的bug,本人前端一枚,欢迎大家一块学习交流,我Q:913401586;博客地址:http://ywomc.com:3000/posts
chenchenpc 2016-11-29
  • 打赏
  • 举报
回复
这个很重要吗
hexasnake 2016-01-12
  • 打赏
  • 举报
回复
一周至少两更。然而语文太烂,水平只够立个标题。。。目前,写作的时间加起来还没当初搭建的时间长。。。 原本博客在 CSDN,后来放弃了。一是因为审核,二是文章分类实在蛋疼。
粉樱燕 2016-01-12
  • 打赏
  • 举报
回复
记录生活点滴http://sydream.cn/
波西米亚人生 2015-12-04
  • 打赏
  • 举报
回复
CSDN的博客算是常用的,要不就是QQ空间、QQ微博了,哈哈。
小白analyst 2015-11-28
  • 打赏
  • 举报
回复
望断雁南飞 2015-09-28
  • 打赏
  • 举报
回复
没有
清风拂面来 2015-09-11
  • 打赏
  • 举报
回复
没有写博客,想开一个技术博客吧,技术还比较菜,没啥好写的,怎么办
woodcol 2015-07-01
  • 打赏
  • 举报
回复
Http://fengmm521.blog.163.com
beyondcj 2015-07-01
  • 打赏
  • 举报
回复
风吹腚腚凉 2015-06-30
  • 打赏
  • 举报
回复
看错了,我还以为是程序员有自己的嫖客么
qinshubo1984 2015-06-30
  • 打赏
  • 举报
回复
我的纯技术博客:www.cppblog.com/qinqing1984,总结了c/c++、算法、库、操作系统和网络方面的研究心得,多多交流!
cfei-net 2015-06-30
  • 打赏
  • 举报
回复
有个自己的博客:http://www.cfei.net 主要用来记录自己平时用到的一些技术以及解决一些问题的过程,没啥技术含量。
叫我 Teacher 周 2015-06-30
  • 打赏
  • 举报
回复
我有自己的开源项目和网站,算不?
精分患者 2015-06-30
  • 打赏
  • 举报
回复
昨天在博客园申请了一个,原来在csdn的一直都没有上过心,这次在博客园累积,然后争取弄个个人站出来~!
freehui_r 2015-06-30
  • 打赏
  • 举报
回复
freehui.com
加载更多回复(93)
内容概要:本文系统研究了基于监督学习的多模态MRI脑肿瘤分割方法,重点聚焦于利用监督体素的纹理特征实现肿瘤区域的精确识别。文章首先阐述了监督学习的基本原理及多模态MRI在医学影像分析中的独特优势,进而深入探讨了灰度共生矩阵(GLCM)、局部二值模式(LBP)和小波变换等多种纹理特征提取技术。在此基础上,构建了基于传统特征工程的分类器模型以及融合深度学习的混合模型,并通过在公开数据集上的实验验证其分割性能,采用Dice系数、敏感度、特异度等指标进行全面评估。研究还剖析了当前面临的关键挑战,如高质量标注数据稀缺、模型泛化能力受限、可解释性不足以及肿瘤边界模糊等问题,进一步提出了结合半监督学习、多任务学习、模型可解释性增强及多模态信息深度融合等未来发展方向,为提升脑肿瘤自动分割的精度与临床实用性提供了系统的理论依据和技术路径。; 适合人群:具备医学图像处理或机器学习基础知识,从事生物医学工程、人工智能辅助诊断、计算机视觉等相关领域的科研人员及研究生。; 使用场景及目标:①掌握多模态MRI脑肿瘤分割中的关键技术流程与核心算法;②深入理解监督体素与纹理特征在医学图像分割中的具体应用价值;③为研发高精度、强可解释性的自动化脑肿瘤分割系统提供方法参考与技术支持。; 阅读建议:建议结合提供的Matlab代码实现同步学习,重点关注纹理特征提取与模型构建部分,动手复现实验过程以深化理解,同时重视数据预处理与结果评估环节,全面提升科研实践与创新能力。

702

社区成员

发帖
与我相关
我的任务
社区描述
提出问题
其他 技术论坛(原bbs)
社区管理员
  • community_281
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧