@￥文竹￥-CSDN博客

原创【spring】AOP、反射实现公共字段的自动填充，减少代码重复

在常用的ssm项目中，利用AOP、反射实现公共字段的自动填充，减少代码重复

2024-07-21 18:16:37 333

原创【MybatisPlus】关于Idea控制台关闭日志信息、Spring以及mybatisplus的花纹

在springboot+mybatisplus的项目中，关闭idea控制台的日志信息以及spring以及mybatisplus的花纹信息

2024-07-18 20:53:04 200 1

原创【简单清晰】关于IDEA 2021.2.2版本的Servlet环境搭建及Tomcat的配置详解

关于Servlet的环境搭建及Tomcat的配置

2023-11-26 18:26:59 496

原创【前端】JavaScript语言制作学生管理系统的细节累积

“table row”，表示表格中的一行。document.createElement(“td”) 创建的是一个元素，也就是表格的一个单元格。document.createElement(“th”) 创建的是一个元素，也就是表格的头部单元格。：“table data” 表示表格中的一个单元格，是表格中存储和展示具体数据的地方。这样，元素就成为了元素的一个子元素，也就是说，元素被嵌套在了元素中。，因为元素是一个表格的单元格，它本身不应该再包含其他的单元格或者头部单元格。

2023-08-31 15:34:19 361

原创【前端】数字时钟的扩展知识点积累

在这种情况下，οnclick=“begin()” 表示当用户点击该元素时，浏览器将执行名为"begin()"的JavaScript函数。在上面的示例中，当用户点击"Click Me"按钮时，浏览器将执行名为"begin()"的JavaScript函数，并弹出一个包含消息"You clicked the button!οnclick=“begin()” 是一个JavaScript代码，它表示当用户点击某个元素时，会触发一个名为"begin()"的函数。

2023-08-30 22:01:40 151 1

原创运维概述与Linux系统安装

本系列文章主要为小伙伴们介绍关于从事运维岗位或者是使用Linux系统，它们的入门及操作的相关基础性的学习资料运维（DevOps，Development and Operations的结合词，运营与维护）是一种负责软件系统运行和稳定的工作。它包括设置、维护和监控服务器、网络、数据库和应用程序等。运维人员负责确保系统正常运行，并解决可能出现的故障和问题。想象一下，你有一台电脑，里面存储了你的重要文件。为了让这台电脑一直正常工作，你需要做一些事情，比如定期清理垃圾文件、安装反病毒软件、保证电脑网络畅通等。

2023-08-03 23:07:18 204

原创【超级详细清晰】Java学生管理系统升级版

上一篇文章概述了关于用键盘录入跳转选择在控制台的方式进行学生管理系统的展示，并以表格形式输出相关信息本篇文章将要概述关于学生管理系统的升级版，为学生管理系统书写一个登陆、注册、忘记密码的功能。只有用户登录成功之后，才能进入到学生管理系统中进行增删改查操作。

2023-07-31 16:36:45 80 2

原创【特别重要！一定要看啊】PyCharm 中的 “Restore Default Settings“千万不要乱用

今天我在移动PyCharm中的窗口界面时，我到处点，不小心把窗口界面给打乱了，查了一下网上的资料，有一个博主说可以用“”恢复，我现在是超级超级后悔，这是**恢复出厂设置**啊，我真的会谢，小伙伴们千万不要乱用啊！

2023-07-16 22:25:47 782 4

原创【超级详细，新手易懂】卷积神经网络项目一：服装分类助手【Python版】

随着人工智能的快速发展和深度学习算法的日益成熟，卷积神经网络（Convolutional Neural Network，简称CNN）作为一种高效而强大的模型，在图像处理任务中取得了巨大成功。其中一项重要应用领域是服装分类助手。借助CNN技术，我们可以建立一个自动的服装分类助手，为消费者提供更便捷、准确的服装推荐和选购指导。通过使用卷积神经网络进行服装分类，我们可以从一张商品图片中提取出关键特征，如颜色、纹理、形状等。这些特征能够帮助我们识别不同类型的服装，如衬衫、裙子、裤子等。

2023-07-16 18:29:03 1034 2

原创【超级详细】熟悉Kafka的基本使用方法的实验【Windows】

Kafka 是由 Apache 软件基金会开发的一个开源消息队列平台，它是一种高性能、可扩展、分布式的发布-订阅消息系统。Kafka 的架构被设计为高效、低延迟，并具有高吞吐量、持久性和可靠性。在 Kafka 中，生产者将消息发布到主题(topic)中，消费者则从主题中消费消息，使用者可以将其看作一个 highly scalable 分布式 commit log 或者消息系统 (Messaging system)，每个消息包含一个 key，一个 value 和一个额外的 timestamp。

2023-05-23 15:11:03 5706 4

原创【超级详细清晰】Java学生管理系统制作

学生管理系统是一种应用程序，它可以帮助学校或教育机构管理学生信息及相关数据。该系统可以实现学生信息的添加、查询、修改、删除等功能，同时还可包含其他模块，如课程信息、教师信息、成绩管理等。通过Java技术开发学生管理系统可以有效提高学校、教师及学生的管理效率，减轻繁琐的手动管理工作，让教育工作更加高效便捷。好啦，今天的文章到这里就结束啦，本文章就是对学生管理系统进行了一个简单的跳转制作，感兴趣的小伙伴可以动手练习一下哦！

2023-05-02 22:27:39 195

原创【模式识别实验】对鸢尾花进行SVM实验【python】

本文章是使用SVM对鸢尾花数据进行分类，实验内容有：1、调用sklearn内的SVM模型2、使用不同的核函数，并对每个核函数得到的准确率进行分析。3、调节参数C，使模型准确率达到最高。4、分别计算TP(真阳性)、FN（伪阴性）、FP（伪阳率）、TN（真阴性）

2023-04-27 18:24:23 2285

原创【模式识别实验】对鸢尾花进行Fisher判别【python】

Fisher判别，也称为线性判别分析（Linear Discriminant Analysis，简称LDA），是一种用于降维和分类的经典方法，它通过将数据投影到低维空间中的坐标轴上，使得同一类别的数据点尽可能靠近，不同类别之间的距离尽可能地远离来实现分类。具体来说，Fisher判别是通过对数据求解类内离散度矩阵和类间离散度矩阵的比值来得到一个投影方向，并将数据投影到这个方向上，使得相同类别内的方差小、不同类别之间的方差大。这样就可以在低维空间中保留数据的主要特征，同时将数据分类。

2023-04-27 17:40:54 1275

原创【python】爬取中国天气网中泉州一周的天气并保存到表格中

文章主要是在中国天气网中爬取相应的天气信息，我以泉州为例，爬取泉州一周的天气信息包含当日的最低气温和最高气温，并将其保存在表格中

2023-04-16 20:46:55 944

原创【简单易懂】Java字符串应用场景：数字金额转换成大写汉字金额【金额转换】

Java字符串应用场景之一，数字金额转换成大写的汉字金额，常用于数据或转账的显示，防止数字金额过于简单而被篡改

2023-04-13 00:56:45 3257

原创【新手】自然语言处理新手入门知识【NLP】

【NLP】自然语言处理新手入门基础知识

2023-04-09 13:57:59 294

原创【pycharm】WiFi密码破解【简单易学】

pycharm，wifi密码破解，简单版，小白易学

2022-11-30 15:28:09 6366 7

原创【超级详细】新手安装git教程，小白也能看得懂【Git-2.38.1-64-bit安装】

超级详细Git安装教程Git-2.38.1-64-bit版本，新手教程

2022-11-18 19:00:36 2793 1

原创【机器学习】线性回归方程的模型构建实验设计

机器学习，代码实现线性回归模型实验设计，利用读取csv文件

2022-11-15 22:33:55 641

原创【神经网络】一次性连续加载30张手写数字识别项目、服装项目识别

神经网络训练，一次性连续加载30张手写数字识别，服装识别项目，tensorflow

2022-11-15 12:08:56 181

原创【超简洁】Visual Studio 2013项目创建准备工作【环境搭建】

Visual Studio 2013 安装、创建项目，超简单，小白也能看得懂

2022-11-15 11:36:01 1093 1

原创【人脸识别】使用OpenCV来检测人脸做人脸识别项目

利用OpenCv做人脸识别项目，视频人脸识别，静态人脸识别，数据的训练

2022-11-13 20:09:11 2377 6

原创【小白也能看懂】Anaconda和jupyter环境搭建

自己平常都会用Anaconda和jupyter来做项目、写代码，今天就来分享一下Anaconda和jupyter的环境搭建，内容还是比较简洁不繁琐的，小白都能看得懂，哈哈，希望对大家有所帮助，能够互相进步~提示：以下是本篇文章正文内容，下面案例可供参考以上呢就是我个人整理的一个Anaconda和jupyter的环境搭建了，因为平常做项目用的还是蛮多的，希望能分享给小伙伴们~有问题可以留言或者私信哦·

2022-11-13 18:21:42 1219 1

项目2 服装分类助手.zip

本项目应用机器学习模型采用卷积神经网络，部署在Web环境中，通过Fashion-MNIST数据集进行模型训练和改进，实现网页端服装类别精准识别。该压缩包中包含相应的数据集以及代码实现只需要自己做两部分内容： 1.相应的要上传网页进行识别分类的图片自己准备 2.通过写代码计算出真实标签和预测标签之间的正确率和错误率即可通过使用卷积神经网络进行服装分类，我们可以从一张商品图片中提取出关键特征，如颜色、纹理、形状等。这些特征能够帮助我们识别不同类型的服装，如衬衫、裙子、裤子等。而卷积层和池化层的堆叠可以使网络更好地捕捉图像中的局部模式和整体结构，并具备对尺度和平移变换的鲁棒性。在构建卷积神经网络的过程中，我们还可以通过引入预训练模型和数据增强技术来提高分类器的性能。预训练模型通常是在大规模图像数据集上训练得到的，并具备对于图像特征的良好抽取能力。而数据增强则可以通过对输入图像进行旋转、缩放、平移等变换，产生更多样化、丰富的训练数据，从而提升模型的泛化能力。

2023-07-16

鸢尾花SVM分类实验.zip

SVM全称为支持向量机（Support Vector Machine），是一种常见的用于分类和回归的机器学习算法。SVM的基本思想是找到可以将不同类别样本区分开的最优超平面，从而实现分类。在SVM中还经常使用核函数（kernel）将样本从原始空间映射到高维空间，从而更好地刻画样本之间的差异。常见的核函数有线性核、多项式核、高斯核等。例如，对于鸢尾花分类，使用径向基函数（RBF）核函数可能更好，可以将样本映射到更高维的空间，达到更好的分类效果。本文章是利用python语言对鸢尾花进行SVM分类实验，该实验内容是： 1、调用sklearn内的SVM模型 2、使用不同的核函数，并对每个核函数得到的准确率进行分析。 3、调节参数C，使模型准确率达到最高。 4、分别计算TP(真阳性)、FN（伪阴性）、FP（伪阳率）、TN（真阴性）实验目的是： 1.了解和掌握SVM的基本流程 2.能够使用python实现实现SVM 3.能够调用SVM，并且调整参数。

2023-04-27

对鸢尾花进行Fisher判别实验.zip

压缩包包含python实验代码、实验报告、以及相应的数据集，有需要可以自取，免费的哦该实验是对鸢尾花数据进行Fisher判别实验，目的是： 1.了解和掌握Fisher判别的基本流程 2.能够使用python实现实现Fisher判别 3.能够将判别公式转化为python语言。任意选取鸢尾花数据集中的两类，通过Fisher判别对这两类进行分类。实验内容包含： 1、读取CSV数据，选择两类的特征作为训练数据（X1, X2），并且将其分为训练集和测试集，划分比例为8:2. 2、分别求这两类特征的均值（m1, m2） 3、分别计算这两类特征的类内散度矩阵（S1, S2） 4、计算方向向量（W） 5、计算投影后的均值W0（W0 = -(w(T)*m1+w(T)*m2)/2）. 6、将测试数据带入W*X+W0中得到分类结果。 7、得出分类准确率

2023-04-27

《行业创新创业项目实践实训》嵌入式家庭影音控制系统.doc

利用实验以其分别实现以下内容： 1.电子相册：通过划屏控制来实现图片浏览功能 2.音乐播放器：通过点控，来播放音乐，具体有音乐进入、开始、暂停、退出等功能实现 3.视频播放器：通过点控，来播放视频，具体有视频进入、开始、暂停、退出等功能实现该项目主要运用了Linux系统下的文件IO操作，显示与输入的处理，以及控制流程。具体原理包括： 1.文件IO操作：通过open函数打开特定的设备文件（如LCD屏幕、触摸屏、图片和音视频文件），通过read函数读取特定文件中的内容数据，通过write函数向管道文件（/fifo）中写入控制命令。 2.显示处理：打开并映射LCD屏幕，在内存映射区域中直接对像素点进行操作，并调用show_bmp24函数将读取到的BMP24格式的图片在LCD屏幕上进行显示。 3.输入处理：使用/lib/input.h头文件中定义的input_event结构体来获取触摸屏上的事件信息，通过get_touch函数实时读取的输入事件，并存储坐标信息，进一步检测手势类型并触发相应的功能。 4.控制流程：在main函数中调用不同函数，使得整个程序可以展现出经典的多界面图形交互

2023-04-27

教资ppt超级好.7z

关于教资考试的一些ppt资料，很受用，免费的哦各大知识点总结的很到位

2023-04-27

Fashion-MNIST（训练集和测试集的数据）.zip

Fashion-MNIST（训练集和测试集的数据）基于服装识别和图像识别数据集，包含训练集和测试集的数据

2023-04-15

cat-or-dog.zip 猫狗识别图像分类

本项目要进行简单的二元图像分类。图像分类，顾名思义，是一个输入图像，输出对该图像内容分类的描述的问题。它是计算机视觉的核心，实际应用广泛。图像分类的传统方法是特征描述及检测，这类传统方法可能对于一些简单的图像分类是有效的，但由于实际情况非常复杂，传统的分类方法不堪重负。现在，我们不再试图用代码来描述每一个图像类别，决定转而使用深度学习的方法处理图像分类问题。主要任务是给定一个输入图片，将其指派到一个已知的混合类别中的某一个标签。本项目还会涉及到模型部署，使用Flask框架。Flask是一个使用 Python 编写的轻量级 Web 应用框架，让我们可以使用Python语言快速实现一个网站或Web服务，在网站上快速进行图像分类。对此我们进行了两个任务分别进行练习：任务1.数据集的划分与模型训练（划分数据集、使用划分好的数据集进行训练、模型评估）任务2.运用Flask将模型部署成网页端应用（依赖包安装、初始代码解析、修改和添加网页端元素、判断语句和额外界面、部署模型在网页端展示预测结果）

2023-04-15

text-classification.zip Tensorflow实现文本分类

自然语言处理(Natural Language Processing，NLP)是一门融合了计算机科学、人工智能及语言学的交叉学科，它们的关系如下图所示。这门学科研究的是如何通过机器学习等技术，让计算机学会处理人类语言，乃至实现终极目标--理解人类语言或人工智能。本项目实现的是自然语言处理中最简单的任务之一：文本分类。本项目中我们要做一个Tensorflow实现文本分类，对此我们分成了2个任务进行介绍，分别是：任务1.自定义神经网络对电影评论进行文本分类（数据集准备、模型构建、模型训练、模型评估）任务2.使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类（迁移学习(Transfer learning) 顾名思义就是把已训练好的模型（预训练模型）参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务都是存在相关性的，所以通过迁移学习我们可以将已经学到的模型参数（也可理解为模型学到的知识）通过某种方式来分享给新模型从而加快并优化模型的学习效率不用像大多数网络那样从零学习。）

2023-04-15

plant-growth-stage-detection.zip 农作物火龙果生长趋势.docx

基于火龙果数据的作物生长趋势项目，通过学习，如何将你构建的AI服务部署到云端上，实现具备识别火龙果生长趋势的云服务能力。下面是我们做的任务案例：任务1：火龙果训练数据集准备（使用精灵标注助手进行目标检测图像标注、将训练与验证数据集转tfrecord格式数据集）任务2：目标检测模型搭建与训练（认识目标检测、 YOLOv3目标检测模型、 tensorflow YOLOv3模型训练）任务3：生长趋势模型推理与模型评估（作物生长趋势模型推理接口、作物生长趋势模型推理代码实现、作物生长趋势模型精度评估）任务4：生长趋势AI模型服务封装（ Restfull API、Flask环境搭建、Flask实现火龙果生长趋势AI服务）任务5：模型云端部署与安装（生长趋势AI服务运行环境配置、编写自动化安装脚本实现服务一键安装与拉起）

2023-04-15

tf2-neural-style-transfer.zip 使用VGG19迁移学习实现图像风格迁移

由于深度学习的发展，利用卷积网络的深层结构提取的信息，来替代早期人工提取的各种滤镜，能够高效地以自动化方式完成风格迁移任务，即把一张图片的内容和另一个图片的风格合成为一张新的图片，比如给出一个猫的图片和一个梵高的自画像，就可以生成一只梵高的猫。本实验将以实例的形式带领大家动手实现自己的图像风格迁移。本实验中做了三个任务，分别是：任务1.初识图像风格迁移（了解图像风格迁移的相关知识及原理，通过调用接口尝试使用风格迁移生成图片）任务2.基于VGG19构建迁移学习模型（学习使用VGG19模型，基于VGG19模型构筑自己的迁移学习模型）任务3.训练模型实现图像风格迁移（此部分将综合[任务2.基于VGG19构建迁移学习模型](../tf2-neural-style-transfer/任务2.基于VGG19构建迁移学习模型.ipynb)的实验结果，基于构筑好的迁移学习模型设置合理的损失计算方法并进行模型训练，掌握并实现图像风格迁移。）

2023-04-15

fashion-mnist.zip 用Tensorflow对服装图像进行分类实训报告 Tensorflow实现服装图像分类

本项目的一开始会为学生介绍Tensorflow以及一些深度学习的基本知识和代码操作。之后会让学生进行深度学习的基础任务：图像分类。本项目使用 [Fashion MNIST](https://github.com/zalandoresearch/fashion-mnist) 数据集，该数据集包含 10 个类别的 70,000 个灰度图像。这些图像以低分辨率（28x28 像素）展示了单件衣物，Fashion MNIST 旨在临时替代经典数据集，后者常被用作计算机视觉机器学习程序的“Hello, World”。MNIST 数据集包含手写数字（0、1、2 等）的图像，其格式与使用的衣物图像的格式相同。这两个数据集都相对较小，都用于验证某个算法是否按预期工作。对于代码的测试和调试，它们都是很好的起点。在本项目中，我们使用 60,000 个图像来训练网络，使用 10,000 个图像来评估网络学习对图像分类的准确率。我们分别做了三个任务：任务1：Tensorflow基础操作任务2.对服装图像进行分类任务3.KerasTuner超参数调节

2023-04-15

poems-generator-keras.zip 五言绝句古诗词生成

提到深度学习绕不开的一个话题就是自然语言处理，何为自然语言处理？**自然语言处理(NLP)** 就是开发能够理解人类语言的应用程序或服务。本次实验中主要是介绍了三个任务：第一个任务是古诗文本数据预处理：对古诗文本数据进行数据预处理，过滤不符合要求的数据，提取五言绝句诗句并建立有效的数据利用体系。第二个任务是模型搭建与训练：调用任务1处理好的文本数据信息，在预训练模型的基础上进行模型微调训练。第三个任务是模型测试与部署：通过任务1的有效数据提取与任务2训练循环神经网络，我们得到了能够根据输入数据预测后续古诗内容的网络模型。本部分任务将调用模型进行输出测试并实现模型部署。本实验通过使用flask框架快速将模型部署在云端并设计了简单的前端界面，用户可以直接通过网站访问，并在浏览器的应用内实现交互。应用将会把用户输入的请求传给后端处理，再将结果传回浏览器界面显示。这些任务适用于初中级学习自然语言处理的小伙伴，可以大概明白自然语言处理能学习到什么

2023-04-15

python蒙特卡洛算法实验报告

蒙特卡罗方法是由冯诺依曼和乌拉姆等人发明的，“蒙特卡罗”这个名字是出自摩纳哥的蒙特卡罗赌场，这个方法是一类基于概率的方法的统称，不是特指一种方法。蒙特卡罗方法也成统计模拟方法，是指使用随机数（或者更常见的伪随机数）来解决很多计算问题的方法。他的工作原理就是两件事：不断抽样、逐渐逼近。分享的这份实验报告中，是利用python做的蒙特卡洛算法的几个案例，第一个是硬币问题（抛硬币中奖的概率是1/2。但是，我们有没有办法从实验上证明这一点呢？），第二个是面积问题（用圆和平方估计PI），第三个是门问题（三个门的模拟，展示了每个可能的结果），第四个是蒲丰投针问题（法国贵族Georges-Louis Leclerc,即蒲丰公爵在1777年提出了这样一个问题：若在一张绘有等距平行线的纸上随意抛一根短针，求针和任意一条线相交的概率），第五个是赌场概率问题（赌场是怎么赚钱的？诀窍很简单--“你玩得越多，他们赚的就越多。” 让我们通过一个简单的蒙特卡罗模拟示例来看看这是如何工作的。）重要的是要记住，蒙特卡洛模拟只代表概率而不是确定性。尽管如此，在预测未知的未来时，蒙特卡洛模拟是一个有价值的工具。

2023-04-15

查了巨多资料都没有解决，如何解决？(标签-Yolo|关键词-流量统计)

2023-05-11

TA创建的收藏夹 TA关注的收藏夹

TA关注的人