日啖荔枝三百颗....俺嘀娘啊

最新推荐文章于 2019-05-10 18:52:05 发布
最新推荐文章于 2019-05-10 18:52:05 发布
阅读量323 收藏
点赞数
文章标签： google
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/softstars/article/details/1996808
版权
周五晚，Huhu在msn上，绘声又绘色嘀，向我描述了一种名为“南山糯米糍”的神秘荔枝品种。
 
好不容易熬到天亮，口水巴巴嘀跑到家乐福，一圈寻觅之后，发现并没有所谓的"糯米糍"，倒是有两种大个荔枝，一种红珊珊，甚是好看，一种绿黄色，甚是丑陋，然其价格，却超红色的一倍。
 
本着一份价钱一份货的古典派思路，偶抓了5斤绿黄色某品种荔枝，颠颠的跑回家。
 
进门，吧唧坐在沙发上，准备开动。
 
如果说，这个世界上，会有那么个人，在我开心的时候，一定会出现，并与我分享。
 
那他，一定是，牧牧转世。
 
毛绒绒的大脑袋照例从眼前缓缓升起.........
 
看不到眼睛，不过滴答着口水的舌头，早已说明了一切。
 
突然想起孙燕姿，渴望无极限广告中的那张大嘴.......
 
牧牧：呼呼呼...
Me:   干嘛干嘛!
牧牧: 呼呼呼...
Me:   不许看!
牧牧: 呼呼呼...
Me:   再看咬你哦!
牧牧: 汪汪汪！！
Me:   .........
 
.......算袅.........
 
牧牧一颗来 我一颗
我一颗来 牧牧一颗
我一颗
我一颗
我一颗
我一颗
我一颗
我一颗
.....
汪汪汪！！
@$#^^^##
 
不知不觉，5斤荔枝Over...
 
心满意足ing...
 
古人云：日啖荔枝三百颗，不辞常做岭南人～～
果真有道理呀～～
 
哪知，第二天早上，艰难起床，突然发觉嘴巴的规格似乎比平日尺寸更加宽广了些
 
跑到镜子面前一看，咳咳......
 
肿胀通红的牙龈，像是十里南京路上璀璨的霓虹灯一般，烁烁发亮～～
 
呆滞中，右手边，毛绒绒的大脑袋再次缓缓升起，瘪着大嘴，同样呆滞的看着镜子.....
 
天......
 
上网google了下，屏幕上赫然写着 ”一颗荔枝三把火....大量食用可导致口腔溃疡，牙龈肿痛“
 
.....原来古人云：日啖荔枝三百颗，不辞常做岭南人。是因为嘴巴肿了回不去。
 
古人诚可恨，一点都不德艺双馨！
怎么着也得加个备注呀：”日啖荔枝三百颗（小心上火），不辞常做岭南人“
 
唉，也好，肿胀着脸，只好躲在家里。
 
最近文债欠了许多，别人欠债是欠专栏，欠特稿。
我欠，是论本来欠，一本小说，两本专业书。
 
oh....god......
 
老老实实赶活儿吧....


Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=764643


softstars
关注
荔枝混合云网实践分享共30页.pdf.zip
11-09
荔枝混合云网实践分享共30页.pdf.zip
水面垃圾数据集（Lyh一颗大荔枝毕设）.zip
09-10
这个数据集由"Lyh一颗大荔枝"创建，可能是其毕业设计的一部分。数据集包含两部分核心内容：图片和对应的标注信息。 一、图片部分 这部分是数据集的核心，由一系列关于水面垃圾的图像组成。这些图片可能来源于各种...
玩转RT-Thread之荔枝派Nano(全志F1C100S) 新手上路
热门推荐
燕十三的物联网之旅
04-07 4万+
玩转RT-Thread之荔枝派Nano(全志F1C100S)一、新手上路--作者：燕十三(flyingcys)  blog:http://blog.csdn.net/flyingcys--荔枝派nano/RTT非官方群：711174828在此感谢RT-Thread官方成员@uestczyh222提供的荔枝派Nano内核移植、rttbootloader文件、rtota等一系列工具。挖坑/填坑网htt...
1.荔枝派 zero(全志V3S)-编译及SD烧录
Jun626的博客
05-10 1万+
上面是我创建的群聊，欢迎新朋友的加入。 之前买了个荔枝派，全志的A3S芯片。折腾了两天，写一下编译和SD烧录的过程。 目录 1.直接烧录镜像文件 2.uboot编译 3.kernel编译 4.rootfs编译 5.烧录 6.串口登录 1.直接烧录镜像文件 百度到了一堆的资料，下面是网盘链接 链接：https://pan.baidu.com/s/1x75Uqnxl6bmBC...
荔枝派NANO-MS.04.0169.pdf
07-04
根据提供的文件信息，我们将对标题《荔枝派NANO-MS.04.0169.pdf》和描述《荔枝派NANO-MS.04.0169.pdf》中涉及的知识点进行详细阐述。 ### 知识点解析 #### 1. 荔枝派Nano的尺寸与设计理念 文件中提到的荔枝派Nano...
荔枝栽培技术规程.pdf
09-27
3. 文档中未出现的“荔枝”二字，但由于文件标题和描述都是围绕“荔枝栽培技术规程”，因此这些数字和单位很有可能是与荔枝栽培技术相关。 结合这些信息，我们可以大致推断出以下可能的荔枝栽培技术规程的知识点： ...
《南州六月荔枝丹》.ppt
10-28
列数字，如“直径三四厘米，重十多克到二十多克”，准确地表述了荔枝的大小；此外，还通过引用资料，如介绍荔枝的产地、品种、移植历史，增加了文章的权威性和可信度。 文章的说明顺序主要分为两种：一是空间顺序，...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
jQuery.print.js deferred
07-22
在`jQuery.print.js`中，可以使用`deferred`对象来处理打印操作的异步回调。通过使用`deferred`对象，您可以在打印完成后执行其他操作。 以下是一个示例代码： ```javascript // 导入jQuery.print.js插件 // 打印操作 var printDeferred; $("#printButton").click(function() { // 创建一个deferred对象 printDeferred = $.Deferred(); // 执行打印操作 $("selector").print({ // 在打印完成后的回调函数 afterPrint: function() { // 打印完成后解析deferred对象 printDeferred.resolve(); } }); }); // 打印完成后执行其他操作 printDeferred.done(function() { // 打印完成后的操作 }); ``` 在上面的示例中，我们首先导入了`jQuery.print.js`插件。然后，在点击打印按钮时，我们创建了一个`deferred`对象 `printDeferred`。在打印操作中，我们使用`afterPrint`回调函数来解析 `printDeferred` 对象，表示打印完成。最后，我们使用 `done` 方法来监听 `printDeferred` 对象的解析状态，在解析完成后执行其他操作。 请注意，使用 `deferred` 对象需要确保 `printDeferred.resolve()` 方法在合适的时机被调用，以标识打印操作的完成。具体的使用方法可能会根据 `jQuery.print.js` 插件的版本和配置而有所不同，请参考插件的文档或示例代码来进行具体操作。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值