qq_36802648-CSDN博客

原创 pymysql操作mysql数据库

一、使⽤Connect⽅法连接数据库安装pymysql pip install pymysqlpymysql.Connections.Connection(host=None, user=None, password='',database=None, port=0, charset='') 参数说明： host – 数据库服务器所在的主机。 user – 登录⽤户名...

2021-04-22 19:51:48 122

转载 C语言_左移和右移

左移 int i=1; i=i<<2;//把i里面的值左移2位121的2进制是 000…0001 (这里前面0的个数和int的位数有关，32位机器，gcc里有31个0)，左移2位之后变成: 000…0100, 也就是10进制的4，所以说左移1位相对于乘以2的n次方（有符号数不完成适用，因为左移有可能导致变化，下面解析原因）//需要注意的一个问题是int类型最左端的符号位和...

2018-03-20 10:32:23 566

转载 C++ 宏定义#define 中##的使用

在C++的宏定义中，符号##一般是用于连接，包括参数的连接，参数与标识符的连接等，然后形成一个新的标识符。下面举几个例子来进行说明。eg1：1 #define ADD(a,b) a##b2 #define ab "123456"3 int main()4 {5 string str=ADD(a,b); //ADD(a,b)结果为ab,此时str=ab6 std::cout<<...

2018-03-18 16:53:38 803 1

转载动态存储区、静态存储区、堆和栈的区别

http://blog.csdn.net/chen1083376511/article/details/54930191C/c++程序经过编译连接后形成的二进制映像文件，这文件包含：栈，堆，数据段（只读数据段，已经初始化读写数据段，未初始化数据段即BBS）和代码段组成. 1.栈区(s...

2018-03-18 15:01:35 6607 2

转载堆、栈、程序区、静态数据区、字符常量区的介绍与区别

http://blog.csdn.net/razilfelix/article/details/53609571自己总结一下关于内存分区的基础知识：先上图：在VS测试中发现，字符常量区（只读数据区）在编译时候与静态数据区放在了一起。因此在静态数据区的几种类型没有独立的地址区域，都是按照定义的时间顺序进行分配。而动态内存区不同，堆和栈有独立的地址区域，具体介绍可以看下文。1、...

2018-03-18 14:59:26 1256

http://blog.csdn.net/u011068464/article/details/29918533什么时候数组和指针相同（When an Array Is a Pointer ）在实际应用中，他们可以互换的情形要大大多于不能互换的情形。首先再回顾一下声明和定义，（上一篇中有提到这里在深入一下）声明本身还可以进一步分为三种情况：1）外部数组的声明（external array）2）数组...

2018-03-18 14:46:08 178

转载 float类型精度损失问题

float范围为： 32 3.4E–038～3.4E+038double范围为： 64 1.7E–308～1.7E+308#include <stdio.h> #define EPSILON 0.0001 // Define your own tolerance#define FLOAT_EQ(x,v) (((v - EPSILON) < x) &&...

2018-03-18 14:44:27 6337 2

转载 static void和void区别（转）

static关键字　　1．作用于变量：　　用static声明局部变量-------局部变量指在代码块{}内部定义的变量，只在代码块内部有效（作用域），其缺省的存储方式是自动变量或说是动态存储的，即指令执行到变量定义处时才给变量分配存储单元，跳出代码块时释放内存单元（生命期）。用static声明局部变量时，则改变变量的存储方式（生命期），使变量成为静态的局部变量，即编译时就为变量分配内存，直到程序...

2018-03-10 10:48:49 48647 1

转载 Coursera深度学习课程 DeepLearning.ai 提炼笔记（1-4）

作者：大树先生博客： http://blog.csdn.net/koala_tree GitHub：https://github.com/KoalaTree 2017 年 09 月 25 日以下为在Coursera上吴恩达老师的DeepLearning.ai课程项目中，第一部分《神经网络和深度学习》第四周课程“深层神经网络”部分关键点的笔记。笔记并不包含全部小视频课

2017-12-20 16:38:26 347

转载 Coursera深度学习课程DeepLearning.ai 提炼笔记（1-3）-- 浅层神经网络

作者：大树先生博客： http://blog.csdn.net/koala_tree GitHub：https://github.com/KoalaTree 2017 年 09 月 22 日以下为在Coursera上吴恩达老师的DeepLearning.ai课程项目中，第一部分《神经网络和深度学习》第三周课程“浅层神经网络”部分关键点的笔记。笔记并不包含全部小视频课

2017-12-20 16:00:17 274

转载 Coursera深度学习课程 DeepLearning.ai 提炼笔记（1-2）-- 神经网络基础

作者：大树先生博客： http://blog.csdn.net/koala_tree GitHub：https://github.com/KoalaTree 2017 年 09 月 20 日以下为在Coursera上吴恩达老师的DeepLearning.ai课程项目中，第一部分《神经网络和深度学习》第二周课程部分关键点的笔记。笔记并不包含全部小视频课程的记录，如需学

2017-12-20 15:24:26 347

转载深度学习11

作者：大树先生博客： http://blog.csdn.net/koala_tree GitHub：https://github.com/KoalaTree2017 年 09 月 20 日以下为在Coursera上吴恩达老师的DeepLearning.ai课程项目中，第一部分《神经网络和深度学习》第二周课程部分关键点的笔记。笔记并不包含全部小视频课程的记录，

2017-12-11 17:04:43 198

转载深度学习笔记1-2

作者：大树先生博客： http://blog.csdn.net/koala_tree GitHub：https://github.com/KoalaTree 2017 年 09 月 20 日以下为在Coursera上吴恩达老师的DeepLearning.ai课程项目中，第一部分《神经网络和深度学习》第二周课程部分关键点的笔记。笔记并不包含全部小视频课程的记录，如需学

2017-12-11 16:45:31 256

转载用最大似然估计求逻辑回归参数

一.最大似然估计选择一个(一组)参数使得实验结果具有最大概率。A. 如果分布是离散型的，其分布律,是待估计的参数，这里我们假设为已知量，则：设X1, X2, ... , Xn 是来自于X的样本,X1,X2,...Xn的联合分布律为：（1）设x1,x2,...xn是X1,X2,..Xn的一个样本值，则可知X1,..Xn取

2017-11-30 10:29:08 647

转载卡尔曼滤波理解

在学习卡尔曼滤波器之前，首先看看为什么叫“卡尔曼”。跟其他著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个人的名字，而跟他们不同的是，他是个现代人！卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。1953，1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。我们现在要学习的卡尔曼滤波器

2017-11-27 16:49:29 276

翻译正态分布（一）

作者：TOMPKU链接：https://www.zhihu.com/question/42994162/answer/95130866来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。所谓正太分布就是一个事情发生的概率符合以下这个图形：&lt;img src="https://pic1.zhimg.com/50/

2017-11-27 11:12:20 1342

翻译卡尔曼滤波通俗理解（一）

假设你有两个传感器，测的是同一个信号。可是它们每次的读数都不太一样，怎么办？取平均。再假设你知道其中贵的那个传感器应该准一些，便宜的那个应该差一些。那有比取平均更好的办法吗？加权平均。怎么加权？假设两个传感器的误差都符合正态分布，假设你知道这两个正态分布的方差，用这两个方差值，（此处省略若干数学公式），你可以得到一个“最优”的权重。接下来，重点来了：假设你只有一个传感器，但是你

2017-11-27 10:36:45 276

转载左手和右手坐标系

今天记录一下一些基本的数学知识，左手坐标系和右手坐标系。这些对于搞图像开发或者游戏开发的朋友来说，应该是很基础的东西，不过对于大部分人来说还是比较陌生的知识。之所以看这方面资料主要是因为在使用Android Camera使用Matrix的过程中，发现需要一些数学理论支持才能理解。这是为了后面使用Android Camera和Matrix的基础。 1、空间直角坐标系　　下

2017-11-26 10:00:08 409

转载指向指针的指针

问题：如何理解指向指针的指针？我在一篇教程中看到下面这段，它描述指向指针的指针是如何运作的。引用文章相关段落如下：C12int i = 5, j = 6, k = 7;int *ip1 = &i, *ip2 = &j;现在我们可以这么写：C

2017-11-22 15:43:59 183

转载 Harris角点算法

Harris角点算法特征点检测广泛应用到目标匹配、目标跟踪、三维重建等应用中，在进行目标建模时会对图像进行目标特征的提取，常用的有颜色、角点、特征点、轮廓、纹理等特征。现在开始讲解常用的特征点检测，其中Harris角点检测是特征点检测的基础，提出了应用邻近像素点灰度差值概念，从而进行判断是否为角点、边缘、平滑区域。Harris角点检测原理是利用移动的窗口在图像中计算灰度变化值，

2017-03-29 20:37:26 452

转载 Harris角点检测原理分析

本文将该文拷贝了过来，并做了一些数学方面的补充，以方便对数学已经生疏的小伙伴们参考理解。由于补充的内容还挺多，所以还是将本文标注为了原创。我增加的部分在文中用 {{ }} 圈了起来并用红色字体标注。正文开始。Harris角点检测算子是于1988年由CHris Harris & Mike Stephens提出来的。在具体展开之前，不得不提一下Moravec早在1

2017-03-29 19:59:24 333

转载 OpenCV里面Mat方法中的Scalar详解

OpenCV参考手册2.3.1中第15页，有这么一个例子：// make a 7x7 complex matrix filled with 1+3j.Mat M(7,7,CV_32FC2,Scalar(1,3));解释如下：创建一个M矩阵，7行7列，类型为CV_32F，C2表示有2个通道。Scalar(1,3)是对矩阵进行初始化赋值。第一个通道全为1，第2个通道全为3。

2017-03-27 11:05:51 1619

转载反向投影

图像的反向投影图是用输入图像的某一位置上像素值（多维或灰度）对应在直方图的一个bin上的值来代替该像素值，所以得到的反向投影图是单通的。用统计学术语，输出图像象素点的值是观测数组在某个分布（直方图）下的概率。其中b(xi)表示在位置xi上像素对应的直方图第b(xi)个bin，直方图共m个bin，qu表示第u个bin的值。还是以例子说明(1)例如灰度图像如下

2017-03-27 10:17:15 291

qq_36802648的博客