阿飞的博客

北森题库智鼎题库

基于MQTT通信的ESP32桌面小电视（情侣款）

李峋同款python爱心代码 【UI交互版】。利用UI交互，使得操作更方便，不会写代码也能玩！

TFT LCD显示屏显示gif动图动画(基于Arduino框架ESP8266/ESP32、TFT_eSPI库、使用python脚本GIF转十六进制文件)前言​ 之前使用ESP32 来控制TFT屏幕显示动图时，找到现有的工具，需要先将动图gif格式一帧帧转为jpg格式，再将一帧帧的jgp转为hex十六进制格式，整个过程好麻烦。现用python写了脚本，将gif动图，一步生成hex16进制格式.h文件，可以直接使用，下面介绍脚本，和基于arduino框架使用TFT_eSPI库动图显示功能。1

计算机视觉识别任务1. 语义分割语义分割思路1）滑动窗口但是这种方法效率太低了，重叠区域反复被计算2）全卷积但是，如果处理过程中保持原始分辨率，对于显存的需求会非常庞大…解决方案上采样？第二种方法还原的位置可能不对，引入index pooling方法，如下可学习的上采样：转置卷积例子左边下采样，右边上采样2. 目标检测1）单目标（分类+定位）2) 目标检测：多目标CNN利用滑动窗口对图像中所有可能的区域进行分类，计算量巨大！！后来改进，用区域建

1. 卷积神经网络全连接神经网络的瓶颈图越大，参数越多，计算复杂，容易过拟合。卷积神经网络的主要层1.1 卷积网络中的卷积核1.1.1卷积核卷积神经网络中的卷积操作在多加几个卷积核卷积核的步长（stride）由此可见卷积后图像变小，所以要边界填充特征响应图组尺寸计算1.1.2 池化操作1.减少运算量2.增大感受野3.非极大抑制池化操作是对每一个特征响应图独立进行对应特征响应图某个区域进行池化就是在改区域上指定一个值来代表整个区域（有点类似.

补充知识：1. 卷积与图像去噪对图像的卷积其中的1/9就是卷积核

本章思维导图1. 图像表示2. 分类模型由线性分类器引入而全连接神经网络级联多个变换来实现输入到输出的映射与线性分类器的区别在于多了一个非线性操作即max，这是一个激活函数，这个激活函数不能去掉。2.1 全连接神经网络的权值2.2 全连接神经网络与线性不可分2.3 全连接神经网络的绘制与命名3. 激活函数3.1 常用的激活函数Sigmoid将输出的结果压缩到0和1之间，3.2. 网络结构设计3.3. 全连接神经网络小结4. 损失函数先介绍激活函

笔记来源于B站UP主@王木头学科学笔记来源https://www.bilibili.com/video/BV1cP4y1t7cP问题引入sigmoid函数如果数值恰好落在这个绿色区域的话，这里梯度是非常小的，如果这个梯度再方向传播，传播到前面几层，那几乎不剩啥了，这就叫做梯度消失，为解决这个问题，就需要换成ReLu函数。ReLu函数ReLu函数如果是大于0，就是一条直线各个地方梯度保持一致，这个就能避免梯度消失问题。但是ReLU函数它的最大值可以是无穷大的，而神经网络的损失函数不论是极大

笔记来源于B站UP主@王木头学科学笔记来源https://www.bilibili.com/video/BV1Zg411T71b正向传播：把数据输入到神经网络，这些数据会沿着神经网络正向的传递，传递过程中会一层一层一个一个的感知机（也就是感知机上的参数W和b对结果产生的影响，有的对输出的结果影响大，有的对输出的结果产生的影响小）进行操作之后，最后得出结果反向传播：当一个神经网络还没有训练好的时候，它的判断结果是有偏差的，这个偏差也是依赖于W和b，如果某个w或者某个b，它对判断的结果产生重大的影响，那么

为什么要用熵？如果两种模型不是同类模型，可以找到一个中介这个中介就是熵，先把模型转换成熵这个数值，然后再用这个数值去比较不同模型之间的差异。在讲解熵之前，先要了解什么是信息量1. 信息量信息量不是了解...

1 损失函数损失函数：标准模型与神经网络训练出来的模型相差多少的定量表达，最小二乘法用这张图来表示处理这张图的过程，xi表示输入的图像，只有两种结果，0和1，是猫表示1不是猫表示0，输出结果yi（选用的是sigmoid函数）是（0,1）零到一之间，其得出的结论是输入一张照片经过神经网络，输入的结果是有多大的概率像猫。所以要比较xi和yi两个结果，两个结果相差越小，神经网络模型就越好。对所有的输入输出求最下的差值，但是取绝对值在定义域内有时候不可导，所以通常是求平方，虽然最小值可能发生变化，但是

1. 神经网络上一节提到一个感知机的能力是有限的，它只能进行二分问题，而且这些数据必须是线性可分的，于是神经网络就出现了。一个简单的神经网络由输入层，隐藏层，输出层组成全连接网络下图的神经网络有一个特点，每一个节点都和下一层的节点全部连接，这样的神经网络也叫全连接网络；前馈神经网络同时也可以看到数据的传递方向是单向的，它只会朝着神经网络一直向前传所以也叫前馈神经网络卷积神经网络卷积神经网络不是一个全连接的网络，经过卷积和池化后已经把维度给降低了循环神经网络可以看到只有一个节点，

提出问题逻辑运算只有三个基本运算，就是与、或、非，其他的任何逻辑运算，都可以用这三个组合来实现。既然感知机能够实现与或非，为什么不能实现异或问题呢？为什么引入感知机，感知机有什么意义？1. 感知机1.1 感知机的感知机其实就是一个分类的工具，如所示：二维情况是画一条线，分界线的一端是一类，另一端是另一类。三维情况是画面感知机的数学表达式如图所示，最后输出结果感知机的含义就是：给这类分类问题一个统一的模板，剩下的就是调参数2.2 感知机的缺陷如下图所示，前面三个与.

1. 卷积1.1 什么是卷积例子，f是吃进去的食物，而且还在一直消化，比如十点吃进去，十二点还剩多少，但看f函数是不够的，g函数代表消化了多少。到一般情况，在x时刻吃进去，t时刻还剩多少可以发现f和g函数里面的自变量相加会消掉其中一个，x+(t-x)=t，这也是判断是不是卷积的一个重要标志。1.2 卷积的意义、价值卷积卷在哪？**卷积的价值：**对于一个系统，输入不稳定，输出稳定，用卷积求一个系统的存量。2.图像的卷积操作2.1 图像的卷积操作图像中的卷积，哪个是f哪

视频连接 https://www.bilibili.com/video/BV1V54y1B7K3?p=2&spm_id_from=pageDriver1. 前言1.1 数据驱动的图像分类方法数据集构建分类器设计与学习分类器决策1.2 常用分类任务的指标2. 线分类器2.1 基于图像的表示2.1.1 图像类型二进制图像非黑即白，0表示黑，1表示白灰度图像每一个像素点由（0-255）表示，0是最黑，255是最白彩色图像RGB三个通道每种颜色0-2

微信小程序接入阿里云物联网平台一 阿里云平台端1.登录阿里云阿里云物联网平台点击进入公共实例，之前没有的点进去申请2.点击产品，创建产品3.产品名称自定义，按项目选择类型，节点类型选择之恋设备，联网方式WiFi，数据格式选择透传/自定义，其他默认4.添加设备，设备名称自定义，我这里是与微信通讯，这里设备名称定义为WeChat，（随便定义的）5.进入刚刚添加的设备，点击查看记住上面的阿里云三元组，这个是每一个设备具有的，微信小程序那边要用到{“ProductKey”:

文件上传1 在要上传的文件目录空白处，单击右键，点击git bash here2. 初始化环境$ git init生成git文件夹表示初始化成功3. 将文件存入缓存区域$ git add .4. 描述待上传文件的信息（自定义）$ git commit -m '第一次提交'到这里，如果是第一次安装使用git,要绑定绑定邮箱和用户名绑定之后，需要再次执行$ git commit -m '第一次提交'5. 连接网络服务器（地址是自己仓...

图像分割（image segmentation）是计算机视觉中非常重要的研究和应用方向，是根据某些规则将图片中的像素分成不同的部分、打上不同标签。图解如下：   1、图像分类（image classification） 识别图像中存在的内容，如下图，有人（person）、树（tree）、草地（grass）、天空（sky）   2、目标检测（object detection） 识别图像中存在的内容和检测其位置，如下图，以识别和检测人（person）为例  

目录一、创建小程序二、配置云开发环境一、创建小程序为了创建出来的页面简洁，选择不使用云服务，如果点击了云开发，创建出来的文件有很多是没有用的，还要删掉，很麻烦，直接选择不使用云服务，创建项目成功后再自行配置云开发环境二、配置云开发环境首先要找到云开发的环境变量名称1.点击云开发，找到设置，复制环境名称（注意：第一次创建云开发环境最好选择按量付费）2. 创建云函数文件夹，在pages的同级目录下创建一个新文件夹，名为cloud(自定义的)，3..