自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(6)
  • 收藏
  • 关注

原创 Python学习Day2

1.列表【】定义 变量名称=[元素1, 元素2,元素3,元素4,元素5] 变量名称=[] 变量名称=list()……6.元组 tuple () 一旦定义完成,就不可以修改元素 变量名称=(元素1,元素2,range(num1,num2,step) 从num1到num2,不含num2,按步长。删除元素: del 列表[下标] 列表.pop(下标) 列表.remove(元素)追加元素:列表.append(元素) 列表.extend([新的列表])查找 print(my_dict[key1]) 字典名加中括号。

2023-01-08 14:39:01 125

原创 寒假自学python第一天

叠甲:本人三本985大二差生,什么都不会,文章都是自己的学习记录,没有任何参考价值,难免有不少错误,请大家轻点喷。二.字面量:数字(int float bool)、字符串(string)(必须要用“”)、列表、元组、集合、字典。六.类型转化 int(x) float(x) str(x) 字符串转数字、浮点数转int需注意。八.算数运算符+ - * / //(整除) % **(指数) 复合运算符+=等。五.数据类型 type()语句,查看数据类型或用变量存储type()结果。2.多行,以”””和”“”

2022-12-27 16:43:26 167

原创 VMV-GCN Volumetric Multi-View Based Graph论文分析

KNN最邻近分类算法的实现原理:为了判断未知样本的类别,以所有已知类别的样本作为参照,计算未知样本与所有已知样本的距离,从中选取与未知样本距离最近的K个已知样本,根据少数服从多数的投票法则(majority-voting),将未知样本与K个最邻近样本中所属类别占比较多的归为一类。几何图相对简单,定义边的特征,然后单层神经网络、BN层和LeakyReLU函数三件套,并计算出权值cij,应用到恒等关系图,将顶点的原始和聚合的身份特征结合在一起,作为一个层次嵌入,单层神经网络生成输出即可。

2022-11-20 10:39:28 512

原创 计算机组成原理实验1——寄存器组的设计

数据输出的选择可使用选择器来实现;读操作相关引脚为地址引脚raddr[1..0]、数据输出引脚q[7..0],写操作相关引脚为地址引脚waddr[1..0]、数据输入引脚data[7..0]、写使能引脚wen、时钟脉冲引脚Clk,清零操作相关引脚为清零引脚Clr。(2)由于第二组实验中数据第一次设置的不合理,在助教姐姐的提醒下,发现赋值不能体现出2,4号寄存器的作用,重新进行了数据赋值,考虑不全面。在时钟40~55ns时,wen为高电平,raddr为1,此时第1个触发器写入的时1,结果为1;

2022-10-25 13:17:59 3685 9

原创 计算机组成原理实验2——ALU的设计

加法运算中,011111111+01111111=11111110,两个正数相加,得到了负数,说明发生了溢出,故OF为1;设计总结:把ALU的每个功能所需的部件设计出来,逻辑非用lpm_inv,逻辑与用lpm_and,加减使用lpm_add_sub来实现,最后用选择器选择所需的结果。两组--:100000001+10000010=100000011,舍去进位为00000011,符号位为0,错误,overflow为1;ZF:判断为0.在逻辑非中,11111111的非为00000000,为0,因此ZF=1;

2022-10-25 13:14:09 6964 2

原创 High Speed and High Dynamic Range Video with an Event Camera论文阅读笔记

叠甲:本人三本985大二差生,什么都不会,文章都是自己的学习记录,没有任何参考价值,难免有不少错误,请大家轻点喷。以高帧率沿相机轨迹渲染图像,并在每个像素处插值亮度信号,以近似模拟事件相机所需的连续强度信号。门,这防止了在长序列上通过时间反向传播期间梯度的消失,提高了网络处理包含可变数量事件的窗口的能力。因为不存在具有事件数据和对应的地真图像的大规模数据集,所以。使用了图像重建损失和时间一致性损失的组合。一个循环的、完全卷积的网络,灵感来自于。长得多的事件序列成为可能。其次,我们的网络没有使用。

2022-10-22 17:09:10 487 1

物理实验1.7z

物理实验1.7z

2022-10-31

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除