- 博客(0)
- 收藏
- 关注
RSS订阅ChatGPT教程-中文教程
ChatGPT 中文调教指南
visitors Hits
ChatGPT是由OpenAI训练的一款大型语言模型，能够和你进行任何领域的对话。
国内中文版
它能够生成类似于人类写作的文本。您只需要给出提示或提出问题，它就可以生成你想要的东西。
在此页面中，您将找到可与 ChatGPT 一起使用的各种提示。
只需按照README.md文件中的提示输入即可
2023-05-09
ChatGPT应用实战-企业微信应用
基于ChatGPT的企业微信聊天应用，通过 OpenAI 接口生成对话内容，使用 wechatpy 实现企业微信应用号消息的接收和回复。已实现的特性如下：
文本对话： 接收发送给应用号的企业微信消息，使用ChatGPT生成回复内容，完成自动回复
上下文记忆：支持多轮对话记忆，且为每个好友维护独立的上下会话
2023-05-06
计算机毕设-基于java电影院订票选座系统
运行环境
JDK版本：1.7
IDE工具：eclipse
tomcat:7.0
数据库：mysql
编程语言：java
详细技术：HTML+CSS+JS+JSP+JAVA+JSP+MYSQL
主要功能
用户端： 用户登录注册系统，用户查看电影详情，用户购买电影票，并且进行选座，生成电影票订单，在线留言，个人资料修改等。
管理员端： 管理员管理会员，管理电影，查看用户生成订单，销量管理，留言管理，电影分类管理。
2023-05-09
网页设计作业-2018秋季学期
XMH：登陆（login.html） 注册（register.html） 教程页(tutorial.html)
XSJ：意见反馈(feedback.html) 所有讨论(discuss.html) 讨论详情(discuss_list.html)
LYZ：主页(index.html) 商品详情页(detail.html) 所有商品(market.html) 404(404.html)
YSQ：购物袋（bag.html） 购物确认（confirm.html） 查看订单（orders.html）
QQ ：关于我们(about.html) 钱包（wallet.html）
XJJ：答辩视频 文档
title命名规则：
模块名称-PIXEL SHOP，如：登陆-PIXEL SHOP
修改：
手机版功能名称
右下角图标按需求添加
2023-05-09
人工智能-检测恶意URL代码
介绍
机器学习逻辑回归算法 or 深度学习CNN神经网络检测恶意URL
用法
具体样本文件和带检测文件设置见代码
# 逻辑回归算法
python3 train.py # 模型保存为pmml格式
python3 train_pickle.py # 模型保存为pickle格式
# CNN神经网络
python3 tf_cnn.py
2023-05-04
ChatGPT使用方法-api使用
chatgpt-api使用方法
chatgpt的使用方法,包含发送和接受的参数说明,用来练习,让小白也能学会调用chatgpt的api 具体参考
2023-05-06
预测模型-通用型高考作文题目预测模型 v1.0
EssayTopicPredict是基于无监督学习、模式识别与NLP领域的最新模型所构建的生成式考试题目AI框架，目前第一版finetune模型针对高考作文，可以有效生成符合人类认知的文章题目
2023-05-04
数据集-与医学影像相关
本项目的目标是整理一个医学影像方向数据集的列表，提供每个数据集的基本信息，并在License允许的前提下提供不限速下载。如果您想使用的数据集不在列表中我们可以提供免费代下。项目按照数据集模态或关注的器官分类。当前共收录约 20 个方向的 80+ 个数据集
医学影像数据集众多多且专业性强，众人拾柴火焰高！如果您使用过列表中没有的数据集，或发现列表中的信息有任何疏漏，我们非常希望您可以参与项目建设。
2023-05-04
ChatGPT的原理分析
GPT1~GPT4 Openai
2018 Improving language understanding by generative pre-training - 这篇论文介绍了另一个流行的预训练模型，也就是被后人所熟知的 GPT-1。
2019 Language models are unsupervised multitask learners - 这篇论文引入了 GPT-2。
2020 Language Models are Few-Shot Learners - 这篇论文引入了 GPT-3。
2022 Training lanquage models to follow instructions with human feedback - 这篇论文提出了一种 RLHF 的方式
2023 GPT-4 technical report
2022 Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2023-05-01
北航计算机学院 计算机课程设计
0 项目名称： 部件及状态机设计(Logisim)
课下测试（PW）：搭建CRC校试密码计算电路，ALU，正则表达式匹配
上课测试（PT）: Logisim完成部件及FSM设计
P1 项目名称：部件及状态机设计(Verilog-HDL)
课下测试（PW）: 现实分离器，ALU，格雷码计算机，合法表达式认识别
上课测试（PT）: Verilog-HDL完成部件及FSM设计
P2 项目名称：汇编语言
课下测试（PW）: 阵乘法、排列、回文串判断
上课测验（PT）：选题+编程题
P3 项目名称：Logisim开发单周期CPU
课下测试（PW）：完成支持7条指令的一周期CPU设计
上课测试（PT）：新增加指令
P4 项目名称：Verilog开发单周期CPU
课下测试（PW）：完成支持7条指令的一周期CPU设计
上课测试（PT）：新增加指令
P5 项目名称：Verilog开发流水线CPU(1)
课下测试（PW）：完成支持10指令流水线CPU设计
上课测试（PT）：流水线工程化方法
2023-04-27
员工管理系统源码，增删改查
员工
jsp+servlet+javaBean构成的MVC
员工、部门的增删改查、主页等
ssh
开发环境
窗口7
eclipse：Mars.2 Release (4.5.2)（插件：springsource-tool,hibernatetools-Update)
MySQL 5.5.1
Tocat7.0
框架版本
Spring3.2.5
Struts2.3.24
休眠3.0
实际功能
员工的增删改查
部门的增删改查
SpringMVC
框架版本
Spring4.3.4
SpringMvc4.3.4
休眠4.3.11
实际功能
员工的增删改查
2023-04-27
自动播放视频javascript
自动播放视频javascript
为Index of/路由器制作的一款html，javascript, ajxa的静态视频视频播放器，自动获取路径，自动播放下一集，历史记录
2023-04-27
计算机课程设计作业,检测图像中的行人目标并跟踪
计算机视觉课程设计作业，检测图像中的行人目标并跟踪。
检测方法和 Dalal 2005 年的论文相同，使用了 HOG 特征和 SVM 进行行人目标的检测。
跟踪方法使用卡尔曼滤波器，建立了行人的简单线路运动模型，进行预测，现实检测——跟踪框架。
2023-04-27
qt停车场管理系统，可直接使用
qt停车场管理系统Qt实现停车场管理软件
入库、出库、导航
Qt mysql操作
Qt 解析tiled生成的xml文件，并绘制图片
Qt 绘图
Qsql, QSqlDatabase, QtXml, QVector ,QImage, QPrinter ....
环境
ubuntu + mysql
Todo
install qt 5.3
install mysql 5
import sql file
run
2023-04-27
Linux-基于python实现的linux后台日志监控小项目
一到周末，公司总是会让我们人肉监控服务器状态(因为技术还没到互联网层公司的技术,没有自动化---例如工具Ansible之类的，ε=(´ο｀*)))唉) 所以，我觉得这种东西如果可以实现一个远程自动化的监控工具是再好不过了，周末可以省下大把时间去浪
2023-08-05
yolov论文-复杂字符干扰场景下铁路集装箱箱号快速定位方法研究
针对铁路集装箱箱号快速定位由于存在复杂的字符干扰，采用图像识别方法存在定位速度慢、精度低的问题，
文中提出一种基于改进 YOLOv3 的集装箱箱号定位算法，该算法将主干网络替换为 EfficientNetv2 轻型网络，并根据数据特点改进了损失函数，利用规整通道剪枝实现了模型剪枝，增加了 SPPF 模块。实验结果表明：基于改进的 YOLOv3 算法模型大小仅有 18.6 MB，相比 YOLOv3 模型而言减小了 92%；定位准确率为 97.4%，定位精度较 YOLOv3 提升了 3.1%，同时能达到21.3 ms的定位速度。相较于 YOLOv3和 YOLOv3⁃Tiny模型，该模型更加适用于铁路集装箱箱号的快速智能识别。
2023-06-01
yolov论文-基于YOLOv5算法的名优茶采摘机器人
课题组设计了一款基
于YOLOv5算法的名优茶智能采摘机器人，主要包括数据获取单元、服务器、控制单元、电机驱动器等部分。首先，通过数
据获取单元获取设定区域的名优茶及其三维坐标，并将其上传至服务器；其次，服务器通过图像识别算法识别图像内是否为
可采摘的名优茶，再将位置信息转换为坐标信息并上传至控制单元；再次，控制单元将坐标信息转换为PWM信号，并传给电
机驱动器；最后，根据PWM信号控制滑台向多轴进行移动，并在信号指示位置控制机械手进行名优茶的采摘和收集
2023-06-01
yolov论文-基于改进的YOLOv射线探伤缺陷检测方法
针对铝合金焊缝缺陷为小目标, 原 YOLOv4 模型检测召回率低下这一问题, 文中提出了改进型模型 YOLOv4-cs1, 通过改进
残差块堆叠方式及改变不同卷积的激活函数, 并且去除 PANet 网络中的下采样层保留边缘信息, 提升模型检测效果。 在此基础上继
而改进残差块, 在第 3 个与第 4 个残差块后分别加入改进后的 SPP 模块, 从而获得 YOLOv4-cs2 模型。 试验证明, YOLOv4-cs1 模
型与 YOLOv4-cs2 模型在气孔及夹渣 2 种缺陷的召回率较 YOLOv4 分别提高了 28. 9%, 16. 6%与 45%, 25. 2%, 2 种模型 mAP 值分
别为 85. 79%与 87. 5%, 与 YOLOv4 模型的相比, 分别提高了 0. 98%与 2. 69%
2023-06-01
yolov论文-改进YOLOv5s的复杂交通场景路侧目标检测算法
针对传统路侧目标检测模型存在的对于行人、非机动车、受遮挡车辆等小目标检测精度低以及模型体积过大的问题，提出了一种基于改进 YOLOv5s 的路侧目标检测模型。首先，使用 EIoU Loss 替换原始的 CIoU Loss 作为目标边界框的回归损失函数，在加快预测框回归损失函数收敛速度同时提升了预测框的回归预测精度；其次，使用轻量级的通用上采样算子 CARAFE 替换原始的最近邻插值上采样模块，减少了上采样过程中特征信息的损失；然后，在原始的三尺度检测层的基础上新添加一层检测尺度更小的目标检测分支，并
提出了一种高效的解耦预测头对不同尺度的检测层进行解耦，进一步提升模型对于小目标的检测能力；最后，对改进后的模型进行通道剪枝，剪除对于检测效果影响不大的冗余通道，降低模型体积，使得模型更加适用于资源受限条件下的路侧目标检测任务。通过路侧目标检测数据集 DAIR-V2X-I 的实验结果表明，相较于原始 YOLOv5s 算法，改进后的算法在模型体积减小 5.7MB 的基础上，mAP50、mAP50:95 分别提高了 2.5%和3.8%，达到了 90.3%、67.7%，检测速度也明显提升
2023-05-26
yolov论文-改进 YOLOv5s 的细胞培养板分类识别方法研究
针对传统生物实验室自动化程度低、效率低的问题，提出一种基于 YOLOv5s 的细胞培养板分类识别算法—YOLOv5s-tiny。首先通过多尺度同态滤波颜色恢复算法对输入端图像进行预处理，提高了图像的成像效果；在考虑实验场景的情况下对小目标的检测层进行剪枝；使用深度可分离卷积代替普通卷积，减少了模型的参数量，提高了运算速度；采用距离交互比损失函数及软化非极大值抑制算法，加快了收敛速度，提高了边界框的准确率；加入卷积块注意力机制，解决了检测过程中局部遮挡和漏检问题；最后，使用 YOLOv5s-tiny 算法对细胞培养板进行实验。通过与原始 YOLOv5s 算法比较，验证该算法能快速、准确的对细胞培养板进行分类识别，准确率和召回率分别提高了 4.5%和 1.4%，提高了生物实验室的工作效率。
2023-05-26
yolov论文-基于YOLOv5s的水下生物识别算法研究
针对水下生物识别存在的精度较低、漏检率高的问题，提出一种基于改进 YOLOv5s 的水下生物识别算法YOLOv5s-CE。 首先将自动色彩均衡算法 ACE 作用于水下图像，提升水下生物图像的对比度，消除色偏；同时在 YOLOv5s网络模型的 Backbone 部分嵌入 CA 注意力模块，增强网络对目标特征提取能力；改进损失函数，达到保留有利特征和提高收敛速度的目的。 实验结果表明，改进后的 YOLOv5s-CE 的平均精度提高了 3.9%，可以满足对水下生物实时检测的要求。
2023-05-26
yolov论文-基于yolov5 的水表字轮读数自动识别方法
基于水表公司内实地采集的一批检定水表数据集，通过数据增强扩增数据集，标注表盘和字轮框数据集并训练模型，实现水表表盘区域和字轮区域定位；标注水表机械字轮的半字符的数据集，在 ＰｙＴｏｒｃｈ 框架下搭建 ＹＯＬＯｖ５ 算法环境，采用 ＹＯＬＯｖ５ｓ
网络模型进行训练。 实验结果表明，该方法的字轮数字识别训练模型的 ｍＡＰ＠ ０．５ ∶０．９５ 值达到 ０．９５，字轮字符识别的整体准确率达到 ９３．８５％，与模板匹配方法相比准确率提高了 ５．５８％，其中半字符识别准确率提高了 ９．１５％，有效解决了水表字轮半字符识别错误率高的问题，在水表等仪表读数的自动化改造方面具有一定的应用价值。
2023-05-26
yolov论文-基于改进YOLOv5s和图像融合合的笼养鸡死鸡检测方法研究
【目的】针对规模化养殖环境下死鸡巡检自动化程度低、人工巡检费时费力等问题，提出一种基于图像配准融合算法和改进 YOLOv5s 的死鸡检测方法。【方法】为提高死鸡目标特征的显著性，利用 SURF 算法结合 RANSAC 算法实现热红外与可见光图像的特征点匹配，采用仿射变换模型得到配准图像，使用小波变换实现图像的分解重构，从而得到最终的配准融合图像；为降低背景信息对死鸡目标检测的干扰，提升模型对鸡只遮挡情况的检测效果，以 YOLOv5s 目标检测算法为基础，通过加入 SE 注意力模块，将 CIoU_Loss 和 DIoU_NMS 运用于原模型，构成改进后的 YOLOv5s-SE 模型。【结果】配准融合后的图像与源图像的相关系数平均值达到 0.86，体现了良好的配准融合效果；模型在融合图像上的检测准确率以及平均精度均值均高于可见光图像和红外图像，改进后的 YOLOv5s-SE 相较于原始 YOLOv5s 在融合数据集上的检测准确率提升了 3.3%，达到了 97.7%。【结论】改进后的 YOLOv5s-SE 保证了应有检测速度的同时，提升了目标检测的精度，可满足实际生产中要求
2023-05-26
日常工作中的使用的python脚本
##本项目为日常工作中的使用的python脚本
###1. ssh_thread.py 是一个批量执行命令的脚本，支持直接执行ssh命令及文件传输，支持多线程
###2. check_ping.py 多进程检测ping，并取值
###3. check_ip138.py 通过ip138检测IP（域名）归属地
###4. vps_baidu.py 使用baidupan备份VPS
2023-05-23
fpga-Verilog 以太网组件
用于千兆位、10G 和 25G 数据包处理（8 位和 64 位数据路径）的以太网相关组件的集合。包括用于处理以太网帧以及 IP、UDP 和 ARP 的模块以及用于构建完整 UDP/IP 堆栈的组件。包括用于千兆位和 10G/25G 的 MAC 模块、一个 10G/25G PCS/PMA PHY 模块和一个 10G/25G 组合 MAC/PCS/PMA 模块。包括各种 PTP 相关组件，用于实现需要精确时间同步的系统。还包括利用cocotbext-eth的完整 cocotb 测试平台。
仅对于 IP 和 ARP 支持，请使用ip_complete(1G) 或ip_complete_64 (10G/25G)。
对于 UDP、IP 和 ARP 支持，请使用udp_complete(1G) 或udp_complete_64 (10G/25G)。
……………………………………
文件内有详细说明，较为齐全的以太网文件
2023-05-14
python爬虫-基于Python的网络爬虫的设计与实现
本文主要针对基于Python的网络爬虫系统的设计与实现展开探究与讨论。系统采用Python做爬虫语言，采用beautifulsoup库进行数据爬虫，数据处理请求连接采用Resquests多线程方式进行URL处理。首先使用Python中的Scrapy框架定向抓取股票信息，通过定向URL爬取股票信息并存入数据库，最后通过数据可视化的形式对爬虫数据进行呈现。
2023-05-18
xilinx的fpga pynq/zedboard 加速YOLOv2的demo
根据对YOLOv2网络的分析，除路由层外，大部分层都是串行处理的。路由层可以通过预先设置一个特定的地址来实现。
从加速器的角度来看，需要做的工作就是按顺序与内存进行交互（读取内存数据，处理数据，然后写回内存数据）。由于输入和输出的数据量非常大，为了重用数据和减少内存访问次数，总是采用循环平铺技术，将卷积循环R、C、M、N平铺到Tr、Tc、Tm、Tn[8] .
文件中有详细说明和相关论文参考
2023-05-14
用于在 FPGA 上进行图像处理的开源处理库
FIL是一个开源的FPGA图像处理库，已经包含了很多有用的操作，正在更新中。所有的操作都被封装到IPCores中，当然它们遵循相同的标准化接口，而且它们中的每一个都可以工作在piplines-mode和req-ack模式。
FIL是一个FPGA平台的开源的图像处理库，已经有了很多常用操作，并且在不断更新中。这些操作被以IP核的形式进行了封装，随同一种规范化的接口，同时具备流动水线和请求响应两种使用模式。
当然，所有的IPCores都有自己的软件仿真、功能仿真和测试板载，相同的文件夹结构和界面可以方便用户进行仿真和测试。
IPCores just support xilinx vivado now.
大部分分IP都拥有自己的软件仿真、功能仿真和板上测试，并具有相同的文件结构和接口，能够足够让使用者很方方便进行测试和仿真。目前IP格式只
支持Xilinx 的 Vivado 套件，不排除未来会向 Quartus 搬运的可能性。
2023-05-14
Zynq FPGA 上的 Rocket 芯片
我们的系统将允许您在支持的 Zynq FPGA 上实例化的火箭核心上运行 RISC-V 二进制文件。本节将概述所涉及的所有部分的堆栈，并通过代理概述文档的其余部分。从 RISC-V 二进制文件自上而下到开发系统：
目标应用程序（RISC-V 二进制文件）将在火箭芯片运行的任何内核之上运行。由riscv-gcc或riscv-llvm编译。
RISC-V Kernel（代理内核或RISC-V Linux）运行在火箭芯片之上。代理内核非常轻量级，设计用于与 Newlib 链接的单个二进制文件，而 RISC-V Linux 适用于其他一切。
Rocket Chip（具有 L1 指令和数据缓存的火箭核心）在 FPGA 上实例化。它的许多结构通常会映射到各种硬块，包括 BRAM 和 DSP 片。它通过 AXI 与 Zynq 上的主机 ARM 内核通信。
前端服务器( riscv-fesvr ) 在主机 ARM 内核上运行，并为在 FPGA 上运行的火箭芯片提供接口（通过 AXI 连接）。
文件内有详细说明
2023-05-14
基于赛灵思的FPGA 支持 10-100Gbit/s 的 TCP/IP、RoCEv2、UDP/IP 的可扩展网络堆栈
赛灵思 Vivado 2019.1
cmake 3.0 或更高版本
支持的板
赛灵思VC709
赛灵思VCU118
阿尔法数据ADM-PCIE-7V3
文件内有详细说明
2023-05-14
基于多项技术的amb预算管理系统
预算管理系统
本项目依赖nodejs + react + mobx + mongodb
数据库连接配置 可在/server/model/index.ts中配置数据库连接，也可使环境变量 MONGOOSE_URI 配置数据库连接
为了开发方便，本项目在window对象中增加了rootStore属性，可以在大多数文件中直接使用 window.rootStore 或 rootStore
2023-05-11
酒店客房管理系统-java
酒店客房管理系统
HotelManage是一款酒店客房管理系统 。
界面功能端庄、大气，适用于各种大型中型以及小型的宾馆酒店使用。
功能
在网站上进行房间的预定、退订
在网站上进行房间的状态查看、问题反馈
在桌面上有宾客登记、退房结算、营业记录等功能
在桌面上有补交押金、房态查询、客房管理，还有营业记录导出等
更多未介绍功能请在程序中体验
技术
采用C#\Winform开发的C\S系统
采用C#\ASP.NET开发的B\S系统
采用MD5对数据加密
数据库选用SQLServer
采用bootstrap、jQuery对界面进行美化
对数据进行Excel的导出
2023-05-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人