- 博客(66)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 HDMI 2.1b 规范解读
HDMI®规范 HDMI 2.1b 是最新版 HDMI®规范，支持一系列更高的视频分辨率和刷新频率，包括 8K60 和 4K120 以及高达 10K 的分辨率。同时支持动态 HDR 格式，带宽能力增加到 48Gbps HDMI。
2024-04-01 22:32:55
975
原创 EDID不同版本1.4 | 2.0 | 2.1区别
在不同的版本中，EDID标准逐步增强了对分辨率、色彩能力、音频传输以及特殊技术（如HDR和VRR）的支持，以满足不断发展的显示技术需求。而用户在选择设备时，应根据实际需求和兼容性考虑，选择合适的EDID版本，以获得最佳的显示效果和使用体验。
2024-04-01 22:38:13
1152
原创 C语言二进制常用逻辑运算符介绍与使用
在二进制操作中，逻辑或用于将两个二进制数的对应位进行逻辑或操作，结果为1的条件是两个对应位中至少有一个为1。与（AND）：在C语言中，逻辑与运算使用双“&”符号表示。在二进制操作中，逻辑与用于将两个二进制数的对应位进行逻辑与操作，结果为1的条件是两个对应位都为1。在二进制操作中，异或用于将两个二进制数的对应位进行异或操作，结果为1的条件是两个对应位不同。在C语言中，二进制常用的逻辑运算符包括与（AND）、或（OR）、非（NOT），以及异或（XOR）。在二进制操作中，逻辑非用于将一个二进制数的每一位取反。
2024-03-31 21:42:45
322
原创 Android 基础知识介绍
开发人员可以使用 TV Input Manager 来获取 TV Input Service 的列表、连接到指定的 TV Input Service、选择当前的 TV Input Service 等。- 由于 TV Input Service 可能需要访问敏感的硬件设备，因此 Android TIF 框架提供了权限管理机制，用于控制对 TV Input Service 的访问权限。- 它可以让一个应用程序的数据被其他应用程序访问和共享，提供了统一的接口来访问数据，可以实现数据的增删改查等操作。
2024-03-31 21:42:21
1271
原创 编译原理与优化
一、语言处理器我们都知道，计算机只能处理0和1构造的机器码，但人们通常只能通过高级语言或者中低级语言（C/C++/Python），再或者是汇编语言去永久记忆一些自己的逻辑想法，无法掌握大量、繁杂的机器码。因此，从高级语言到机器码，必须进行语言的转换 ，这就是语言处理器。下是语言处理器的结构：源程序：即源语言所写程序，也就是我们平时用高级语言写的代码，如C、C++、Python等。预处理器：预处理也叫预编译，主要用于执行预编译命令，以C++为例，预编译的操作包括： 将所有的#define删除，并且展开所有的宏
2022-07-02 18:32:47
1519
1
原创 编译原理及优化技术
编译原理及优化技术的一些文章推荐：编译原理：总结_嘿哈哈哈的博客-CSDN博客_编译原理总结编译原理及技术(一)——简单介绍一个编译器的结构_七妹要奈斯的博客-CSDN博客_编译技术编译原理及技术(二)——上下文无关文法及推导_七妹要奈斯的博客-CSDN博客_上下文无关文法推导例题词法分析——上下文无关文法和推导_数学家是我理想的博客-CSDN博客_上下文无关文法推导...
2022-07-02 18:06:43
255
原创 winnt.h文件大量报错(287): error C2059: 语法错误:“；”
包含winnt.h后编译时报大量语法错误，Error C2146、C4430、C2059、C2062等等，使用各个版本的visual studio，包括vc6、2010，2017, 2019都会发生。但编译结果除了winnt.h，没有其他报错位置。尝试多种方法都不行可以试试以下：注意看头文件顺序：在导入文件时需要与主程序的运行逻辑一致：如下...
2022-03-15 22:53:36
2342
原创 C++ std::greater用法及代码示例
std::greater是用于执行比较的功能对象。它被定义为greater-than不等式比较的Function对象类。这可用于更改给定功能的功能。这也可以与各种标准算法一起使用，例如排序，优先级队列等。头文件：#include <functional.h>模板类别：template <class T> struct greater;参数：T是要通过函数调用进行比较的参数类型。返回值：它返回布尔变量，如下所示：真正：如果两个元素说(a&..
2022-01-07 11:10:17
15884
3
原创 【leetcode题录&动态规划3.1】 不同的二叉搜索树
力扣题目链接：力扣题目描述：给你一个 只包含正整数 的 非空 数组 nums 。请你判断是否可以将这个数组分割成两个子集，使得两个子集的元素和相等。示例 1：输入：nums = [1,5,11,5]输出：true解释：数组可以分割成 [1, 5, 5] 和 [11] 。示例 2：输入：nums = [1,2,3,5]输出：false解释：数组不能分割成两个元素和相等的子集。解答：类似背包问题class Solution {public: bool can
2022-01-06 16:56:48
193
原创 【leetcode题录&动态规划2.4】 不同的二叉搜索树
力扣题目链接：力扣题目描述：给你一个整数 n ，求恰由 n 个节点组成且节点值从 1 到 n 互不相同的 二叉搜索树 有多少种？返回满足题意的二叉搜索树的种数。示例 1：输入：n = 3输出：5示例 2：输入：n = 1输出：1解答：来看看n为3的时候，有哪几种情况。当1为头结点的时候，其右子树有两个节点，看这两个节点的布局，是不是和 n 为2的时候两棵树的布局是一样的啊！（可能有同学问了，这布局不一样啊，节点数值都不一样。别忘了我们就是求不同树的数量
2022-01-05 15:06:50
339
转载 【笔记】C++的内存管理堆和栈
C++中，内存分为5个区：堆、栈、自由存储区、全局/静态存储区和常量存储区。栈：是由编译器在需要时自动分配，不需要时自动清除的变量存储区。通常存放局部变量、函数参数等。堆：是由new分配的内存块，由程序员释放（编译器不管），一般一个new与一个delete对应，一个new[]与一个delete[]对应。如果程序员没有释放掉，资源将由操作系统在程序结束后自动回收。自由存储区：是由malloc等分配的内存块，和堆十分相似，用free来释放。全局/静态存储区：全局变量和静态变量被分配到同一块.
2021-12-21 20:52:25
243
原创 PyQt开发一：搭建QT的基本框架
原文链接：1. 功能使用python搭建一个人脸识别的客户端，用来连接窗口和实时捕获人脸，还可以批量加载图像，建立串口输入输出通讯。2. 环境windows和linux通用，建议带摄像头和串口的设备，USB连接的摄像头更好。安装一些必备的包，QT和串口驱动（python3.8.10）：pip install PyQt=5.12pip install pyserial3. 导入一些必须的包import cv2import argparseimport numpy as
2021-12-19 13:02:35
912
原创 虚拟机linux安装pytorch被killed
问题：pip3 install torch==1.8.1 torchvision==0.9.1Collecting torch==1.8.1 Downloading torch-1.8.1-cp38-cp38-manylinux1_x86_64.whl (804.1 MB) |████████████████████████████████| 804.1 MB 183 kB/s eta 0:00:01Killed如下，几乎下载到100%就被killed问题原因： ...
2021-12-15 22:11:13
8214
4
原创 【Pytorch源码模板】深度学习代码：各种骨干网（分类、分割、轻量化、姿态、识别）、注意力、Loss、可视化、数据增强（十万行代码整理，超强模板，入门即精通不是梦）
源码模板主要由以下几个模块构成，依次是：特征可视化、数据增强和网络正则化、数据集和加载、模型部署、各种常用深度学习模型、各种常用Loss、模型保存和tensorbord可视化、tf模型转pytorch，以及模型的训练和测试。
2021-12-10 14:45:55
1837
原创 【系统修复】多操作系统启动问题，修复linux无法启动问题 boot repair
之前电脑装了双系统，导致开机时每次都要选择操作系统，后来想通过修改/etc/default/grub启动项来设置默认开启。结果不但没设置成功，还导致Ubuntu无法启动了，修改回来也不行。后来通过boot repair才修复成功，步骤如下： 因为无法启动操作系统，所以要先用U盘制作一个启动盘进入linux，参考【番外】linux服务器/桌面系统搭建（Universal USB Installer）； 打开电脑后选择u盘启动盘，然后选择try ubuntu without i.
2021-12-08 20:57:54
3147
原创 C++ STL基本容器的输入输出与初始化接口（vector、deque、stack，map、链表、树等）
为编程而生，方便刷题与调试，话不多说，直上源码。原文链接：C++ STL基本容器的输入输出与初始化接口（vector、deque、stack，map、链表、树等）目录1. vector2.deque3. List4.stack5.set/multiset6.map/multimap/unordered_map7.Linklist8.Tree1. vector#include "iostream"#include "vector"...
2021-12-04 12:41:30
1224
原创 【嵌入式AI开发&Maxim问题篇】美信Maxim78000Evaluation Kit AI实战开发问题BUG 汇总
上篇：【嵌入式AI开发&Maxim篇四】美信Maxim78000Evaluation Kit AI实战开发二介绍了使用Maxim78000Evaluation Kit进行开发实战的全过程。本篇基于开发实战中遇到的问题以及重难点进行一下小总结，具体一些解决方法上面也有介绍。主要包括五方面：
2021-12-01 19:29:47
1151
原创 还在担心找不到驱动程序吗？driveridentifier三步帮你解决所有
无论是进行嵌入式AI开发，还是日常使用的一些设备，通常需要安装一些驱动，例如键盘、鼠标等驱动。操作系统只有通过这个接口，才能控制硬件设备的工作。我们的鼠标、键盘等首次连上电脑会自动安装是因为电脑c盘下载安装过该驱动，或者是驱动存到嵌入式设备中，连接即可自动安装。而嵌入式AI等很多场景的开发往往不会如此顺利，需要自行下载安装一些必备支持驱动是常有的事，最重要的是一旦遇到找不到驱动程序，或驱动版本安装不对等问题，会直接导致嵌入式设备的通信和运行。因此，driveridentifier is all yo
2021-11-16 20:22:28
4263
1
原创 【嵌入式AI部署】轻量化神经网络精述--MobileNet V1-3、ShuffleNet V1-2、NasNet
原文链接：【嵌入式AI部署&基础网络篇】轻量化神经网络精述--MobileNet V1-3、ShuffleNet V1-2、NasNet深度神经网络模型被广泛应用在图像分类、物体检测等机器视觉任务中，并取得了巨大成功。然而，由于存储空间和功耗的限制，神经网络模型在嵌入式设备上的存储与计算仍然是一个巨大的挑战。前面几篇介绍了如何在嵌入式AI芯片上部署神经网络：【嵌入式AI开发】篇五|实战篇一：STM32cubeIDE上部署神经网络之pytorch搭建指纹识别模型.onnx...
2021-11-04 11:13:29
3151
原创 【嵌入式AI开发】STM32cubeIDE CUBE-AI进行AI部署问题和细节汇总
1. 使用stm32cubeIDE或stm32cubeMX中的出现任何问题都可查看运行日志，查找原因。C:\Users\<username>\.stm32cubemx\ai_stm32_msg.log2.“validation on target “ ERROR 这个bug遇到的人有点多，不同的板子我也不确定都能解决，是ST的问题。其他单核板子都不行的注意以下：（1）STM32的cube-ai工具包目前只支持单内核，如果你使用的是双内核板子，建议选......
2021-11-02 11:12:26
3568
12
原创 USE启动盘制作linux服务器/桌面系统搭建（Universal USB Installer）
很多新手都有一个很疑惑的问题：“Linux我听过，但是学习linux系统，能在上面干什么呢，或者说linux系统具体能做什么”，带着这个疑问，我们先来了解下Linux的意义和重要性。根据 2018 年 W3Techs 的数据统计，对于服务器端，Unix-Like OS 占的比例近 70%，其中 Linux 可以称得上是中流砥柱。随着移动互联网的发展，客户端基本上以 Android 和 iOS 为主。Android 是基于 Linux 内核的，因而客户端也进入了 Linux 阵营。可以说，在编程世界中，L
2021-10-28 11:46:26
795
原创 AI芯片、边缘计算—助力AI落地（嵌入式MCU AI系列教程开篇）
·近年来中国人工智能作为国家战略，发展迅速，并且逐渐落地。特别是神经网络、深度学习等算法，在各个领域都已有成熟的应用。而作为AI技术落地的核心AI芯片，我国尚处于起步阶段。特别是，在 CPU、 GPU、DSP 处理器设计上一直处于追赶地位，绝大部分芯片设计企业依靠国外的 IP 核设计芯片，在自主创新上受到了极大的限制。然而，人工智能的兴起，无疑为中国在处理器领域实现弯道超车提供了绝佳的机遇。因此，在专用型AI芯片方面，特别是安防、无人驾驶领域，催生了许多AI芯片公司，如华为海思、中科寒武...
2021-10-20 23:01:37
1048
原创 stm32cubeAI “validation on target “ ERROR
点击validation ontarget 后出现以下错误：E200(ValidationError): stm32: Unable to bind the STM AI runtime with "network" c-model: []connection to "serial:115200"/"115200" run-time failsE801(HwIOError): Invalid firmware - COM5:115200这是因为STM32的cube-ai工具包...
2021-10-19 21:37:53
1045
3
原创 STM32CubeIDE部署神经网络.onnx错误INTERNAL ERROR: Unknown shape destinatio
点击对AI算法分析后出错，如下这是PyTorch模型转换到ONNX模型中非常常见的reshape的问题，一个简单的PyTorch中的view操作，期待出来的就是一个简单的reshape操作，但是如果你的形状参数用的是形如x.size(0)这样的话就会出现上图的问题，必须做一个强制类型转换int(x.size(0)，或者用onnx-simplifier来处理一下模型，如下：...
2021-10-15 21:26:33
957
原创 【推荐阅读】嵌入式AI开发系列教程：利用STM32cubeIDE在stm32h747i-disco部署神经网络
介绍在STM32cubeIDE上部署AI模型的系列教程，开发板型号STM32H747I-disco，值得一看。MCUAI原文链接:【嵌入式AI开发】篇四|部署篇：STM32cubeIDE上部署神经网络之模型部署
2021-10-11 12:40:26
963
原创 【开发必备】Xshell 7和XFTP 7免费下载安装教程
1. 下载家庭/学校版：家庭/学校免费 - NetSarang Website选择两者都要，xshell 是用来linux通信的，Xftp是用来文件传输的，填写信息后到邮箱下载：2.Xshell 安装 先安装Xshell ，默认配置即可完成后打开，输入服务器的主机与端口号进行连接3. XFTP安装...
2021-10-11 09:29:30
1110
2
转载 【C++进阶】Singleton单例模式
C++ 单例模式总结与剖析单例可能是最常用的简单的一种设计模式，实现方法多样，根据不同的需求有不同的写法; 同时单例也有其局限性，因此有很多人是反对使用单例的。本文对C++ 单例的常见写法进行了一个总结, 包括懒汉式、线程安全、单例模板等； 按照从简单到复杂，最终回归简单的的方式循序渐进地介绍，并且对各种实现方法的局限进行了简单的阐述，大量用到了C++ 11的特性如智能指针, magic static，线程锁; 从头到尾理解下来，对于学习和巩固C++语言特性还是很有帮助的。本文的全部代码...
2021-08-23 21:36:53
1519
1
原创 【跨域小样本】Cross-Domain Learned Feature-wise Transformation
原文链接：https://mp.weixin.qq.com/s/5F4OB9ghpplO637KWcxT1Q1.介绍论文地址：Cross-Domain Few-Shot Classification via Learned Feature-wise Transformationhttps://arxiv.org/abs/2001.08735参考代码：https://github.com/hytseng0509/CrossDomainFewShot针对问题：跨域小样本学习、.
2021-08-17 21:13:24
567
原创 【论文解读】跨域小样本学习：A Broader Study of Cross-Domain Few-Shot Learning
1.介绍论文地址：A Broader Study of Cross-Domain Few-Shot Learning参考代码：https://github.com/IBM/cdfsl-benchmark针对问题：小样本学习、跨域学习Cross-Domain少数镜头学习的最新进展在很大程度上依赖于元学习的注释数据：从与新类相同的域中采样的基类。然而，在许多应用中，为元学习收集数据是不可行或不可能的。这就导致了跨领域的少镜头学习问题，在这个问题中，基本类域和新类域之间有很...
2021-08-16 17:11:59
2012
原创 【论文推送】跨域学习、跨域小样本学习Cross-Domain(持续更新...)
深度神经网络(DNN)的泛化性能相当依赖于训练集的规模(size)和丰富性(variations). 但是在很多场景下无法搜集到如此多的数据, 如皮肤病, 卫星图片(飞机残骸).尽管每种特殊的情况发生的概率很低, 人为处理的成本也很低, 但当我们有大量的”特殊情况”时, 问题就变得复杂了起来.如何利用一个或一些成熟域上的先验知识，去解决另一个样缺少样本域上的复杂任务是跨域少样本学习 (Cross-Domain Few Shot Learning)研究的主要问题。本文主要记录该领...
2021-08-13 15:50:03
4003
原创 【论文解读】Exploring Complementary Strengths of Invariant and Equivariant Representations（小样本等变和不变的互补）
1. 介绍原文链接：Invariant and Equivariant Representations（小样本等变和不变的互补）论文地址：Exploring Complementary Strengths of Invariant and EquivariantRepresentations for Few-Shot Learning;参考代码：https://github.com/nayeemrizve/invariance-equivariance针对问题：小样本.
2021-08-11 09:30:44
940
转载 【论文解读】Adversarial Feature Hallucination Networks for Few-Shot Learning（对抗特征，小样本学习）
1. 介绍论文地址：Adversarial Feature Hallucination Networks for Few-Shot Learning.参考代码：https://github.com/KandariSrinivas/Adversarial-Feature-Hallucination-Networks-for-Few-Shot-Learning针对问题：小样本学习、数据多样性和可判别性数据扩充对小样本有效，然而，这些模型不能很好地保证合成数据的可辨别性和多样性，因...
2021-08-08 19:44:10
1045
原创 【论文解读】MMNet: Memory Matching Networks for One-Shot Image Recognition（记忆匹配网络，小样本）
1. 介绍论文地址：Memory Matching Networks for One-Shot Image Recognition, CVPR 2018.或者 Matching networks for one shot learning.NIPS2016.参考代码：https://github.com/gitabcworld/MatchingNetworks针对问题：小样本学习、对未标记图像进行one-shot学习形式化来说，few-shot 的训练集中包含了很多的类别，每个类别中..
2021-07-22 11:47:18
1128
转载 C++ 标准库函数加不加std：：？使用说明
引例：#include<iostream>int main(){ std::cout<<"我喜欢C++";//输出一句话 std::cout<<std::endl;//换行 return 0;}1.std是什么？std:: 是个名称空间标示符，C++标准库中的函数或者对象都是在命名空间std中定义的，所以我们要使用标准函数库中的函数或对象都要使用std来限定。 对象count是标准函数库...
2021-07-19 14:38:07
1519
原创 visual studio C++冒号:与双冒号::的使用说明
1. 冒号（1）表示机构内位域的定义（即该变量占几个bit空间）typedef struct _XXX{ unsigned char a:4; unsigned char c;} ; XXX（2）构造函数后面的冒号起分割作用，是类给成员变量赋值的方法，初始化列表，更适用于成员变量的常量const型。struct _XXX{ _XXX() : y(0xc0) {}};（3）public:和private:后面的冒...
2021-07-18 19:28:12
1043
原创 visual studio 配置头文件路径
在程序开发中，很多时候需要用到别人开发的工具包，如OpenCV和itk。一般而言，在vs中，很少使用源文件，大部分是使用对类进行声明的头文件和封装了类的链接库（静态lib或动态dll）。如果要使用这些类，需要在文件中包含头文件的名字，如#include “cv.h”。但这个并不够，因为这个文件一般来说不在当前目录下，解决方法如下：方法一：将所包含的头文件复制到当前目录下，这个比较有局限性，因为如果头文件太多，这样比较麻烦。方法二：添加头文件所在的目录步骤A: ...
2021-07-18 16:06:05
7516
原创 【知识补充】C++理论：类的继承，多态，模板，虚函数，智能指针
1. 三种类的继承方式面向对象程序设计中最重要的一个概念是继承。继承允许我们依据另一个类来定义一个类，这使得创建和维护一个应用程序变得更容易。这样做，也达到了重用代码功能和提高执行效率的效果。当创建一个类时，您不需要重新编写新的数据成员和成员函数，只需指定新建的类继承了一个已有的类的成员即可。这个已有的类称为基类，新建的类称为派生类。继承代表了is a关系。例如，哺乳动物是动物，狗是哺乳动物，因此，狗是动物，等等。// 基类class Animal {...
2021-07-16 22:45:14
470
3
原创 【论文解读】TapNet: Task-Adaptive Projection for Few-Shot Learning（任务自适应映射网络，小样本）
1. 介绍论文地址：TapNet: Neural Network Augmented with Task-Adaptive Projection for Few-Shot Learning, PMLR 2019.针对问题： 在机器学习中，仅给出几个训练示例后处理以前看不见的任务仍然是一个艰巨的挑战。文章贡献： 提出一种基于度量学习的小样本学习算法（TapNet，任务自适应映射网络），其特点是网络与每类的参考向量是多任务学习得到的，每个episode，嵌入向量被线性地映射到一个新的空间，..
2021-07-15 22:18:12
1149
1
原创 【论文整理】小样本学习Few-shot learning论文整理收藏（最全，持续更新）
一、综述类1.Generalizing from a Few Examples: A Survey on Few-Shot Learning2.Generalizing from a few examples: A survey on few-shot learning, CSUR, 2020.3.Rethinkingfew-shotimage classification: a good embedding is all you need?ECCV2020.4.Prototyp...
2021-07-14 21:31:56
8251
原创 图像处理注意力机制Attention汇总（附代码）
1. 介绍注意力机制（Attention Mechanism）是机器学习中的一种数据处理方法，广泛应用在自然语言处理（NLP）、图像处理（CV）及语音识别等各种不同类型的机器学习任务中。根据注意力机制应用于域的不同，即注意力权重施加的方式和位置不同，将注意力机制分为空间域、通道域和混合域三种，并且介绍了一些关于这些不同注意力的先进注意力模型，仔细分析了他们的的设计方法和应用领域，给出了实现的代码与实验结果。https://github.com/ZhugeKongan/Attention-mech..
2021-07-09 16:53:21
18854
25
sentiment-analysis-on-movie-reviews.zip
2020-04-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人