熟练使用Python编程语言,了解C++、C等编程语言;
了解Jmter、Postman、Selenium;python自动化测试框架(pytest,unitest);
熟悉常见数据结构(数组,链表,哈希表,树,图等)、算法(快速排序、二分查找、DFS、BFS、动态规划等);
熟悉Linux环境下常用命令及相关工具的使用(ssh、scp、vim、conda、docker等);
熟悉OSI七层模型、掌握HTTP、TCP/UDP、IP等常见协议;
了解常见数据库MySQL/Redis,了解一些MySQL下的性能优化方法;
2022.09-2023.01
应用技术:Python、Docker、Socket、Linux等
项目描述:此项目为Python编写的一种基于图像识别的机器学习任务,将任务用Docker打包成镜像部署在多个虚拟机上,各虚拟机之间利用Socket进行交互,完成频谱协作感知任务。
主要工作: 利用Numpy,SciPy,Matplotlib等科学计算包对仿真数据进行预处理,将数据转为图像形式;
利用Pytorch搭建ShuffleNetV2、EfficientNet等神经网络,并在隐藏层中做出了一些改变;
利用模型剪枝与模型量化的技术减少模型的FLOPs与params;
利用Docker将机器学习的环境用打包成镜像部署在不同的虚拟机上;
利用Socket完成不同虚拟机之间的交互任务,并以此搭建联邦学习的框架;