- 博客(64)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 risc-v编译飞浆
根据(torch2-2) root@lpi4a:/home/sipeed/Desktop/paddle/third_party# git submodule update --init --recursive。
2024-03-06 16:43:46
805
原创 记录错误strs[j].size()/length（）与负数对比大小
当将无符号整数类型与负数进行比较时，发生了隐式的类型转换。由于无符号整数类型不能表示负数，因此负数会被转换为无符号整数类型的最大值（），它是无符号的，因此不可能与负数进行比较。在 C++ 中，无符号整数类型与有符号整数类型之间的比较可能会导致一些问题。的结果与负数进行比较，可以将结果强制转换为有符号整数类型，例如。先用int类型存储，再进行对比，避免不必要的错误！这样可以避免类型不匹配的问题，并正确比较大小。这可能会导致比较结果不符合预期。最近复习c++，发现一个错误，返回的是一个无符号整数类型（
2023-12-01 16:02:47
501
原创 康罗展开以及逆展开
简述康托展开是一个全排列到一个自然数的双射，常用于构建hash表时的空间压缩。设有n个数（1，2，3，4,…,n），可以有组成不同(n!种)的排列组合，康托展开表示的就是是当前排列组合在n个不同元素的全排列中的名次。
2022-11-17 19:22:22
213
1
原创 力扣学院打卡最后一天
考虑这么一种平铺的方式：在第 i 列前面的正方形都被瓷砖覆盖，在第 i 列后面的正方形都没有被瓷砖覆盖（i从 1开始计数）。使用 dp[i][s] 表示平铺到第 i 列时，各个状态 s对应的平铺方法数量。考虑第 i−1 列和第 i列正方形。但仅仅是打卡的最后一天，刷题还是会继续下去的！最后一天的打卡完成！但是每日一题会继续~~~~~一个正方形都没有被覆盖，记为状态 0；只有上方的正方形被覆盖，记为状态 1；只有下方的正方形被覆盖，记为状态 2；上下两个正方形都被覆盖，记为状态 3。dp题一直是我的噩梦~
2022-11-12 11:13:36
210
原创 学院打卡第十四天
（2）如果是&则定义num初始值为True，如果是|则定义初始值为False，然后对nums进行出栈操作直到栈顶为左括号，每出来一个与num进行对应的运算并且重新赋值给num。（1）symbol栈出一个元素，如果是！---当遇到 （ 、 t、 和 f 直接装入nums栈中，t和f要分别转换为True和False装入！---初始化2个栈，一个symbol装运算符！---结束循环的时候，返回nums中的第一个元素（也只剩一个元素了！----遇到右括号 ） 就要分情况讨论了！
2022-11-05 13:32:15
372
原创 学院打卡第九天
由于有可能最后一个会增加2个1，此时num_Index可能已经比n多1了，-设置2个指针，一个count_Index是慢指针，指示下一次操作是增加几个元素。-例外一个num_Index是快指针，记录此时数组的长度，达到n个就退出循环。-此外，在遍历增加数组的时候，每增加值为1的元素，count增加对应的个数。-还要一个flag变量，记录前一个增加的元素是1还是2，每轮更换数值。再次庆祝10月打满罗！所以这种情况下，count要减去1。我的10月月度拿到罗！
2022-10-31 09:13:04
51
原创 学院力扣打卡第三天
（2）此时没必要继续遍历下去了，可知小岛是相连的封闭图像，可以想到BFS/DFS去找出完整的小岛并标记为-1，标记为-1是为了防止重复纳入岛中。（3）把找到的岛的每一个点逐渐中心扩散，直到找到一个值为1，此时的扩散半径就是最近距离的桥！由于要找到2个到之间的最小距离，所以必须先找到一个岛，才能去找到距离。（1）遍历矩阵直到找到第一个值为1时。
2022-10-25 12:32:41
104
原创 openmp
omp_get_num_threads(); parallelfor(); parallelfor2();schedule(type, size)；sections把
2022-10-12 21:39:03
863
转载 MPI配置
原文链接：https://blog.csdn.net/weixin_45665566/article/details/115679730。
2022-10-12 09:12:28
98
原创 opencv第14天
Shi-tomas拐角检测器和益于跟踪的特征，SIFT尺度不变特征变换（Scale-invariant feature transform）
2022-10-06 23:40:01
552
原创 opencv第九天pro
对于正弦信号x(t)=Asin(2πft)x(t)=Asin(2πft)，我们可以说ff是信号的频率，如果采用其频域，则可以看到ff的尖峰。如果对信号进行采样以形成离散信号，我们将获得相同的频域，但是在[−π，π][−π，π]或[0,2π][0,2π]范围内（对于N点DFT为[0，N][0，N]）是周期性的。我们创建一个图像的直方图，其中包含我们感兴趣的对象（在我们的示例中是背景，离开球员等）。通常，OpenCV函数**cv.dft**()和**cv.idft**()比Numpy函数更快。
2022-09-28 21:46:37
562
原创 opencv第9
在第一篇文章中，我们计算并绘制了一维直方图。之所以称为一维，是因为我们仅考虑一个特征，即像素的灰度强度值。但是在二维直方图中，您要考虑两个特征。通常，它用于查找颜色直方图，其中两个特征是每个像素的色相和饱和度值。已经有一个python示例（samples / python / color_histogram.py）用于查找颜色直方图。我们将尝试了解如何创建这种颜色直方图，这对于理解诸如直方图反向投影之类的更多主题将很有用。
2022-09-28 11:27:42
265
原创 opencv第八天
它可以被认为是**contour-2的子级**(或者反过来，contour-2是contour-2a的父级)。在这种情况下，我们把外部的称为**父类**，把内部的称为**子类**。好吧，在这里您可以调整直方图的值及其bin值，使其看起来像x，y坐标，以便您可以使用**cv.line**()或cv.polyline()函数绘制它以生成与上述相同的图像。另外，在输出中，我们得到了三个数组，第一个是图像，第二个是轮廓，还有一个我们命名为**hierarchy**的输出(请检查前面文章中的代码)。
2022-09-27 22:09:02
468
1
原创 open cv第7天
下面，在第二张图片中，绿线显示了ε=弧长的10％时的近似曲线。第三幅图显示了ε=弧长度的1％时的情况。第三个参数指定曲线是否闭合。
2022-09-26 23:25:56
206
原创 opencv第六天pro
轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点（沿边界）的曲线。轮廓是用于形状分析以及对象检测和识别的有用工具。为了获得更高的准确性，请使用二进制图像。因此，在找到轮廓之前，请应用阈值或canny边缘检测。从OpenCV 3.2开始，()不再修改源图像。在OpenCV中，找到轮廓就像从黑色背景中找到白色物体。因此请记住，要找到的对象应该是白色，背景应该是黑色。()函数中有三个参数，第一个是源图像，第二个是轮廓检索模式，第三个是轮廓逼近方法。输出等高线和层次结构。
2022-09-25 22:20:46
59
原创 opencv第三天
y = x*x 最快，与 Numpy 相比快 好几倍。因此，对于相同的操作，首选 OpenCV 函数。这一次，我们将比较同一图像的 cv.countNonZero() 和 np.count_nonzero() 的性能。您可以使用 cv.useOptimized() 检查它是否启用/禁用，并使用 cv.setUseOptimized() 启用/禁用它。所以 OpenCV 如果启用则运行优化的代码，否则运行未优化的代码。因此，如果我们的系统支持这些功能，我们应该利用它们（几乎所有现代处理器都支持它们）。
2022-09-22 17:51:32
580
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人