- 博客(114)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 数学建模 —— 图与网络（7）
所谓的图，直观地讲就是在平面上n个点，把其中的一些点对用曲线或直线连接起来,不考虑点的位置与连线曲直长短，这样形成一个关系结构就是一个图。记成G=(V,E)，V是以上述点为元素的顶点集，E是以上述连线为元素的边集。 如果各条边都加上方向，则称为有向图，否则称为无向图。如果有的边有方向,有的边无方向,则称为混合图。 如果任两定点间最多有一条边，且每条边的两个端点皆不重合的图,称为简单图。定义 一个图是一个三元组，
2024-06-07 22:24:57
1202
1
原创 STM32 HAL库开发——入门篇（3）：OLED、LCD
HADDR总线可以理解为AHB总线不反转就没有边沿通过ADDSET和DATAST两个参数可以设置FSMC的时间，这个时间看8080时序，即看芯片的要求FSMC产生的时序，要满足下图所示一些的时间要求按下时，电流被手指分走，电流减小电阻屏：p161 35：20 介绍电容屏。
2024-06-04 11:05:34
967
1
原创 数学建模 —— 人工神经网络（6）
BP人工神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一BP网络能学习和存贮大量的输入输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。
2024-06-02 00:18:06
1028
原创 数学建模 —— 数学规划模型（5）
定义：如果线性规划的目标函数或约束函数中含非线性函数，则称之为非线性规划。注意1线性规划与非线性规划区别，若线性规划的最优解存在，则只能在可行域的边界特别是顶点达到，而非线性规划则可能在可行域的任意一点达到；2非线性规划目前没有一般的算法，各方法都有特定的适用范围，解非线性规划问题比解线性规划问题困难很多。
2024-06-02 00:15:09
1084
原创 数学建模 —— 聚类分析（3）
聚类分析根据一批样品的许多观测指标，按照一定的数学公式具体地计算一些样品或一些参数指标的相似程度，把相似的样品或指标归为一类，把不相似的归为一类。在聚类分析中，聚类要素的选择是十分重要的，它直接影响分类结果的准确性和可靠性。而为了使不同量纲，不同取值范围的数据能够放在一起进行比较，在进行聚类分析之前，首先要对聚类要素进行数据处理。
2024-06-02 00:10:42
763
原创 数学建模 —— 层次分析法（2）
人们在对各层元素作比较时，尽管每一层中所用的比较尺度基本一致，但各层之间仍可能有所差异，而这种差异将随着层次总排序的逐渐计算而累加起来，因此需要从模型的总体上来检验这种差异尺度的累积是否显著，检验的过程称为层次总排序的。的不一致程度在容许范围之内，有满意的一致性，通过一致性检验。的单特征根，因而它所对应的特征向量除相差一个常数因子外是唯一的。个因素的相对重要性（或偏好优劣）的认识。对于正矩阵，有一种求特征向量的简易算法（对于准则的相对排序权重的过程称为。（2）求正互反矩阵排序向量的方法。
2024-06-02 00:09:23
1334
原创 数学建模 —— 插值与拟合（1）
plot(x) —— 缺省自变量绘图格式plot(x,y) —— 基本格式，以y(x)的函数关系作出直角坐标图，如果y为n×m的矩阵，则以x为自变量，作出m条曲线plot(x1,y1,x2,y2,…,xn,yn) —— 多条曲线绘图格式plot(x1,y1,选项1,x2,y2, 选项2,…,xn,yn,选项n)——含选项的绘图格式颜色参数颜色线型参数线型标记符号标记b蓝实线圆点g绿点线o圆圈r红-.点划线加号c青--虚线星号m品红x叉号y。
2024-06-01 10:58:51
852
原创 Linux —— MySQL操作（1）
begin开启事务后，未提交，删除的修改命令储存在本地缓存中，会回滚，所以另一终端看没有删除，提交后就会删除如果有误操作还未提交的，可以使用rollback回滚一下，返回刚才的操作；没提交时，出现异常，也会自动回滚。
2024-05-30 15:12:24
237
原创 深度学习21天 —— 卷积神经网络（CNN）：识别验证码（ 第12天）
enumerate(text) 返回了text的 索引和值 给 i 和 c ，idx 为在 char_set 里找到的 c的索引值，所以新构建了一个全0 的二维数组，行数为标签的长度，列数为字符集合 char_set 的长度，转化结果即为，每i行的对应标签名称的第i个值对应的索引为1，其余为0。因此，训练所用的时间是CPU预处理时间和加速器训练时间的总和。text 为 all_label_names 即标签名称的值，假设标签是 677g3，则一次输入进函数 text2vec：6、7、7、g、3。
2024-05-29 18:51:38
1342
原创 OrangePi AIpro 快速上手初体验——接口、样例和目标检测
OrangePi AIpro开发板是香橙派联合华为精心打造的高性能 AI 开发板，其搭载了昇腾 AI 处理器，可提供 8TOPS INT8 的计算能力，内存提供了 8GB 和 16GB两种版本。可以实现图像、视频等多种数据分析与推理计算，可广泛用于教育、机器人、无人机等场景。
2024-05-29 18:46:25
2054
1
原创 Revit——（1）了解Revit基本情况，进行简单操作和设置
选项-用户界面-快捷键-自定义文件-选项：设置保存提醒，默认视图规程图形-临时尺寸标注文字外观：建议12以上构建过滤器：可对相同类别进行分类。
2024-05-17 17:38:01
229
原创 基于MAX78000的手势识别人机交互系统
（项目有点简陋，本来以为时间很长，开头就拿到板子的时候搞了一段时间，中间一直没碰。。。。等到最后发现时间快截止了的时候又和期末考试时间撞一起了，只能匆匆完结。。。模型是基于resnet18进行修改的，只保留了最后修改完的代码（1）要使用不同数据集的话，要在 ai8x-training-data 下里面的路径下存放数据集，并生成txt文件（2）ai8x-training-datasets 下的 gesture.py 文件里修改数据读取路径。
2024-05-17 17:30:22
1076
原创 C++（3） —— 核心编程
/ 函数重载// 可以让函数名相同，提高复用性// 函数重载的满足条件// 1、同一个作用域下// 2、函数名称相同// 3、函数参数类型不同，或者个数不同，或者顺序不同cout
2024-04-14 10:45:46
404
原创 C++（1） —— 基础语法入门
int main()// 数组// 1.数据类型 数组名[ 数组长度 ];// 2.数据类型 数组名[ 数组长度 ] = { 值1，值2 ... };// 3.数据类型 数组名[ ] = { 值1，值2 ... };// 1、数据类型 数组名[ 数组长度 ];int arr[5];// 给数组中的元素进行赋值// 数组元素的下标是从0开始索引的// 访问数组元素i < 5;i++)// 2、数据类型 数组名[ 数组长度 ] = { 值1，值2 ... };
2024-01-15 14:31:00
1673
1
原创 Github仓库使用方式
这是少了一个known_hosts文件，本来密钥文件应该是三个，现在是两个，便报了这样的错误，此时选择 yes回车 之后，便可，同时生成了缺少了的known_hosts文件。，这里会在当前shell中启动一个默认shell，ssh-agent程序会在子shell中运行，在有些linux系统中，默认shell通常为bash，上述命令通常可以直接写成。这两个就是SSH Key的秘钥对，id_rsa是私钥，不能泄露出去，id_rsa.pub是公钥，公钥可以放心地告诉任何人。解决方法：在终端执行。
2024-01-15 14:29:40
1790
原创 VScode远程连接错误:进程试图写入不存在的管道
将绝对文件路径添加到自定义SSH配置文件(C：\Users{用户名}..。进程试图写入不存在的管道。
2023-10-28 23:41:02
1378
2
原创 MAX78000 FTHR 模型搭建与部署
开发环境搭建->AI模型搭建->模型训练->模型量化->模型转换->模型部署但过程中使用的代码都是提供的示例。进入目录检查cuda。
2023-09-17 18:59:49
49
原创 Ubuntu 安装截图软件 flameshot 、微信 electronic-wechat和 minicom
1、去github下载对应deb版本。参考以下两篇文章，但还是安装新版失败。linux安装flameshot。是旧版 0.5.1-2。
2023-09-14 17:39:23
717
原创 深度学习——目标检测（R-CNN、Fast R-CNN、Faster R-CNN）
A svm分类后概率为 0.98，B 概率为 0.86，通过对边界框进行IOU计算，大于我们设定的阈值说明是同一个目标，就把概率低的删掉。这里应该就是二值交叉熵损失，如果是softmax，对于是前景的概率应该也是更大的概率，而不是0.1这种，pi就是目标的概率。[u≥1] 的意思是：当 u 满足 ≥1时，这一项 = 1，当u不满足≥1时，就是对应背景时，这一项 =0。2000个框，每个框都得到4096个特征，把得到的输入svm，得出20个分类的结果。backbone 就是你用于特征提取的主干网络结构。
2023-09-04 23:22:15
156
原创 龙曲良 Tensorflow —— 随机梯度下降（自用）-4
梯度就是所有偏微分一起综合考虑如下图感受梯度，那么梯度如何帮助我们搜索 loss 的最小值呢？也就是把当前的参数值，沿梯度相反的方向行进更新来看一个实例：y 的输出out 是None，因为 y=x*w 没有被包在 tf.GradientTape()但上述的方法只能求解一次，求解完就会自动释放掉相关的资源如果要调用两次的话，就需要调用 persistent 的功能二阶求导：代码：chapter03：TF02-2nd_derivative.py。
2023-07-20 23:55:23
517
原创 STM32 HAL库开发——入门篇（2）：定时器
软件延时过程中，程序就进入延时函数中，无法执行其他程序下图的72，是因为f103的主频是72MHz，这样调用延时肯定是不精准的基本定时器的时钟来源只能是内部时钟通过程序的方式无法直接访问影子寄存器，但可以通过写入arr自动重载寄存器，它再转移到影子寄存器生效，此时ARR寄存器就起到一个缓冲或缓存的作用事件是默认产生；中断和DMA输出是默认不产生，但可以配置产生ARPE位的作用：设置有缓冲作用后，ARR的值要等事件发生后写入影子寄存器；设置没有缓冲作用的话，ARR的值就马上转移到影子寄存器中生效。
2023-06-22 09:52:29
7595
6
原创 STM32 HAL库开发——入门篇（1）
超频时才会达到最高50MHzF1只有输入才选择上下拉，F4、F7、H7输入输出都可以选择上下拉CRL+CRH一共64位，16个 引脚，每个脚4个位控制上拉还是下拉输入模式就要通过ODR寄存器控制后面是F4,F7,H7的总的来说，建议使用BSRR寄存器= RESET)/*按键按下后，触发中断，调用中断服务函数 EXIT4_IRQHandler；然后调用公共处理函数 HAL_GPIO_EXTI_IRQHandler；公共处理函数再调用 callback 函数；
2023-06-07 16:24:03
5315
4
原创 STM32 HAL库开发——基础篇
Flash：存放代码SRAM：内存外设1、STM32片内自带SRAM和FLASH，FLASH是用来存储程序的，SRAM是用来存储程序运行中的中间变量，通常不同型号的STM32的SRAM和FLASH大小是不相同的FLASH存储器又成为闪存，它与EEPROM都是掉电后数据不丢失的存储器，但是FLASH得存储容量都普遍的大于EEPROM，，在存储控制上，最主要的区别是FLASH芯片只能一大片一大片地擦除，而EEPROM可以单个字节擦除。2、SRAM是静态随机存取存储器。
2023-06-04 16:13:31
12456
原创 计算机视觉（4）—— 未有深度学习之前
也就是说对于每个分类器来说，我扔掉的东西就一个不是人脸，不是正例，保留下来的还不确定，就这样的过程叠加若干的，每个分类器也不一样，最后剩下的才是真正的正例。就是画的框就是背景和前景的颜色分布都有了，然后找这些颜色分布找若干个聚类中心，框之外的颜色就是背景，背景也找若干个聚类中心；要做的就是在不断的迭代过程中，框住的颜色里属于背景的就会逐渐被归到框外的聚类中心上，框里面的就仅仅属于自己。梯度每落在20度里面的数量，如果是85度，再70和90度之间，就用插值，到70度是15，到90度是5。
2023-05-10 21:21:49
573
原创 计算机视觉（5）—— 图像分类
优化：用1×1卷积先降维减少计算量，再升维和前面的残差块组合。全连接层参数过多，所以要改进。VGG是大多数的主干模型，Google的可扩展性相对差一点。GAP：全局平均池化。FLOPs这里是指需要的计算量。这里不一定分组卷积就比整个卷积强。在梯度要消失的地方，再次传入。
2023-05-09 21:55:27
515
1
原创 计算机视觉（3）—— 图像特征提取
相差很小，但是DoG计算量小很多，差分高斯就是不同高斯核滤波，相减。其实是在找不同尺度上的特征，小的是在找原图的大特征。斑点就是二阶导数取最大值、最小值的地方。LoG：先高斯，再拉普拉斯。
2023-05-03 15:47:12
362
原创 计算机视觉（2）——图像预处理
图像预处理实际就是一个图像增强的过程：空间域：点运算：就是基于直方图对图像整体的色差进行调整，对一个点颜色进行调整，跟周围或多或少也有点关系形态学运算：腐蚀、膨胀临域运算：每个点跟他周围的点进行比较或一块进行计算把空间域映射到频率域，对于我们这里来说，意义就是快速计算卷积傅里叶变换小波运算。
2023-05-01 15:51:03
4489
原创 uino（thingjs-x）——win10系统安装kafka（需要zookeeper）
这个问题是我在解决问题三途中碰到的，主要是启动 kafka 时改了语句发生的，原来是用的。就是你文件夹的深度太大，减少一点就行，比如 我一开始在。后面去除了 . 或 \ 出现问题二。其他根据上面博客的步骤来就行。系统找不到指定的路径。
2023-03-20 23:28:43
397
原创 龙曲良 Tensorflow —— 神经网络与全连接层（自用）-3
导入的格式是个 numpy 的api，所以可以直接 x.min()，不然 tensor 中是 tf.reduce_min。因为 cifar 大小非常小，所以图片会模糊，真实大小是 [32, 32, 3]x_test，y_test 为测试集：[10k, 32, 32]，[10k, 1]x_test，y_test 为测试集：[10k, 28, 28]，[10k, ]x，y 为训练集：[50k, 32, 32]，[50k, 1]x，y 为训练集：[60k, 28, 28]，[60k, ]
2023-02-14 18:31:57
1279
4
原创 龙曲良 Tensorflow —— tensorflow高级操作（自用）-2
用一个嵌套来生成坐标，（-2，2，5）：从-2到2，间隔5个点，保存到list中，再转换成array格式，但这是用 numpy 实现的，无法用 gpu 加速，无法和tensor深度结合一起。如上，unstack 将 [2,4,35,8] 拆分成了 8个 [2,4,35]，而如果要拆分成2个 [2,4,35,4] 就要用到。要更新的话，首先要把要更新的一部分值取出来更新到底版上，得到A‘，A-A' 就会把要更新的一部分值清零，就是一个 clear 的操作。列的左边添加1行，右边添加1行。
2023-02-12 17:31:17
623
原创 龙曲良 Tensorflow —— tensorflow基础操作（自用）-1
如下，[4， 28， 28， 3]，低于第一个28，我们不直接从A到B取索引，而是单独取其中的第3，27，9，13行，这就是切片indices，就用到了gather的功能，这里是取了4行，gather也就是收集的意思。如果 a，b 的 tensor 的 维度 dimension 不一致，如 [4,16,16,32] 和 [32] 相加，首先要把小维度对齐，左边大右边小，往前延伸插入维度，再把每个维度对齐，把1扩张为4，16。而下一种情况是对学生0的成绩都加5分，就是把每个班级前两个学生的每个科目都加5分。
2023-02-06 22:15:42
865
原创 Tensorflow 基础与实战
也可以编码成维度一样的，如北京就是 [1, 0, 0] ， 其他 [0, 1, 0] ，[0, 0, 1]activity_regularizer：施加在输出上的正则项 (详见API的regularizer)kernel_regularizer：施加在权重w上的正则项 (详见API的regularizer)bias_regularizer：施加在偏置向量b上的正则项 (详见API的regularizer)bias_constraint：施加在偏置b上的约束项 (详见API的constraints)
2023-02-02 22:48:18
1125
原创 Pytorch——anaconda环境下安装GPU版本
在官网查找版本时，我和 .whl 下载网页进行了对比，因为可能有的版本在 .whl 下载网也中没有，所以我找了相对较新且都能下载的。可能没有对应cuda版本的pytorch，所以即使你版本匹配，也可能会装cpu版的，这就导致测试时，永远是。然后我要安装的anaconda环境下，python版本是3.8的，所以我选择下载。这里为什么要直接对 .whl 文件进行下载，因为我之前修改了清华源下载，而。下载完成后我直接把它们放到了我环境的。首先卸载之前安装的 torch。可以看到，我的CUDA 是 11.1版本。
2023-01-28 10:25:22
897
原创 深度学习第四课——目标检测（week 3）
他是一个向量，第一个组件Pc表示是否含有对象，即如果对象属于前三类，则Pc=1；如果是背景，则Pc=0。可以这样理解Pc，他表示被检测对象属于某一分类的概率，背景分类除外，如果检测到对象，就输边界框参数bx，by，bh，bw ，如果Pc=1，则输出c1，c2，c3，表示该对象属于1-3的哪一类训练神经网络的损失函数，其参数为类别Y 和网络输出Y^ ，损失函数可以表示为L（Y^， Y）；这里假设平方误差的损失函数，
2023-01-13 22:44:03
734
西门子离散行业自动化（逻辑算法）六部十层电梯plc程序
2023-11-06
tensorflow-gpu缺少的.dll文件
2023-03-27
stm32hal库中断回调函数
2023-06-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人