鸿蒙渊 灵兽经验,给大家一个灵兽升级经验表！

于 2021-06-02 19:02:53 发布
阅读量1.3k 收藏
点赞数 1
文章标签： 鸿蒙渊 灵兽经验

该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

0级升1级所需经验：15

1级升2级所需经验：30，共需经验45

2级升3级所需经验：45，共需经验90

3级升4级所需经验：60，共需经验150

4级升5级所需经验：75，共需经验225

5级升6级所需经验：90，共需经验315

6级升7级所需经验：105，共需经验420

7级升8级所需经验：120，共需经验540

8级升9级所需经验：135，共需经验675

9级升10级所需经验：150，共需经验825

10级升11级所需经验：169，共需经验994

11级升12级所需经验：207，共需经验1201

12级升13级所需经验：247，共需经验1448

13级升14级所需经验：274，共需经验1722

14级升15级所需经验：315，共需经验2037

15级升16级所需经验：358，共需经验2395

16级升17级所需经验：405，共需经验2800

17级升18级所需经验：454，共需经验3254

18级升19级所需经验：505，共需经验3759

19级升20级所需经验：560，共需经验4319

20级升21级所需经验：615，共需经验4934

21级升22级所需经验：678，共需经验5612

22级升23级所需经验：741，共需经验6353

23级升24级所需经验：806 ，共需经验7159

24级升25级所需经验：876 ，共需经验8035

25级升26级所需经验：946 ，共需经验8981

26级升27级所需经验：1021，共需经验10002

27级升28级所需经验：1098，共需经验11100

28级升29级所需经验：1177，共需经验12277

29级升30级所需经验：1260，共需经验13537

30级升31级所需经验：1363，共需经验14900

31级升32级所需经验：1434，共需经验16334

32级升33级所需经验：1525，共需经验17859

33级升34级所需经验：1618，共需经验19477

34级升35级所需经验：1715，共需经验21192

35级升36级所需经验：1815，共需经验23007

36级升37级所需经验：1915，共需经验24922

37级升38级所需经验：2020，共需经验26942

38级升39级所需经验：2125，共需经验29067

39级升40级所需经验：2235，共需经验31302

40级升41级所需经验：2353，共需经验33655

41级升42级所需经验：2460，共需经验36115

42级升43级所需经验：2589，共需经验38704

43级升44级所需经验：2718，共需经验41422

44级升45级所需经验：2838，共需经验44260

45级升46级所需经验：2952，共需经验47212

46级升47级所需经验：3072，共需经验50284

47级升48级所需经验：3226，共需经验53510

48级升49级所需经验：3361，共需经验56871

49级升50级所需经验：3500，共需经验60371

50级升51级所需经验：3639，共需经验64010

51级升52级所需经验：3786，共需经验67796

52级升53级所需经验：3933，共需经验71729

53级升54级所需经验： 4081，共需经验75810

54级升55级所需经验： 4235，共需经验80045

55级升56级所需经验： 4390，共需经验84435

56级升57级所需经验： 4549，共需经验88984

57级升58级所需经验： 4710，共需经验93694

58级升59级所需经验： 4870，共需经验98564

59级升60级所需经验： 5000，共需经验103564

60-100每级5000

100-140每级一万

韩莹莹
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这是开发鸿蒙系统 APP 的教程，本教程是开发一个在鸿蒙运动手表运行的呼吸训练的APP
01-02
2. 计时器：使用HarmonyOS的时间API，创建一个定时器来控制呼吸训练的持续时间和间隔。 3. 用户交互：监听用户的点击事件，如开始、暂停、重置等操作，并相应地更新应用状态。 4. 提示音效：在特定时刻播放声音文件...
鸿蒙渊 灵兽经验,2转灵兽升满级所需经验表详细介绍
weixin_39901412的博客
06-01 235
传奇世界版本升级再给力，灵兽3转成仙超激情。经过2转，传世玩家的灵兽拥有了更强的资质;而经过3转，灵兽成为化形仙兽，拥有更加华丽的外形、更加优秀的属性和更加贴心的功能。完全突破2转灵兽，实现你的修仙精英梦想。200级满经验的2转灵兽，无论普通灵兽还是魂佑灵兽，都可以前往新灵犀仙岛的“灵犀使者”处，进行“3转兽丹化形”，激情成仙，辉煌传世，3转灵兽，耀动中州!2转灵兽升级经验表：0级升1级所需经验：...
鸿蒙渊 灵兽经验,关于灵兽升级所需经验汇总
weixin_39611070的博客
06-01 161
豹子 狮子 麒麟 3种灵兽升级经验基本相同(以豹子举例)丛林豹:零级至一级4点一级至二级8点二级至三级14点三级至四级22点四级至五级36点五级至六级50点六级至七级100点当灵兽为7级时，您可以到死水沼泽驯兽师(68、47)处提交踏云玄铠和兽神水对灵兽进行一转。(丛林豹一转是踏云豹 天狮兽一转是震天狮 麒麟兽一转是圣麒麟)踏云豹:零级至一级 16点一级至二级 32点二级至三级48-56点三级至四...
基于HarmonyOS 4开发的一款新闻类的鸿蒙APP源代码
06-20
基于HarmonyOS 4开发的一款新闻类的鸿蒙APP源代码，代码完整下载即用。 基于HarmonyOS 4开发的一款新闻类的鸿蒙APP源代码，代码完整下载即用。基于HarmonyOS 4开发的一款新闻类的鸿蒙APP源代码，代码完整下载即用...
基于HarmonyOS 4开发的一款刷题的鸿蒙APP源代码
05-04
在本项目中，我们主要关注的是基于HarmonyOS 4构建的一款刷题应用程序的源代码。...同时，它也是一个很好的学习案例，可以帮助开发者快速上手HarmonyOS应用的开发，提高编程技能，适应鸿蒙生态的开发环境。
基于HarmonyOS 开发的一款鸿蒙读书APP项目代码（高分项目）
08-12
基于HarmonyOS 开发的一款鸿蒙读书APP项目代码（高分项目），含有代码注释，新手也可看懂，个人手打98分项目，导师非常认可的高分项目，毕业设计、期末大作业和课程设计高分必看，下载下来，简单部署，就可以使用。...
(基于分水岭算法的粘连目标检测).zip
09-06
1 目标检测的定义 目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务，目标定位和目标分类。首先检测图像中目标的位置（目标定位），然后给出每个目标的具体类别（目标分类）。输出结果是一个边界框（称为Bounding-box，一般形式为(x1,y1,x2,y2)，表示框的左上角坐标和右下角坐标），一个置信度分数（Confidence Score），表示边界框中是否包含检测对象的概率和各个类别的概率（首先得到类别概率，经过Softmax可得到类别标签）。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类：Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段，主要用于生成潜在的目标候选框（Bounding-box proposals）。这个阶段通常使用卷积神经网络（CNN）从输入图像中提取特征，然后通过一些技巧（如选择性搜索）来生成候选框。第二个阶段是分类和位置精修阶段，将第一个阶段生成的候选框输入到另一个 CNN 中进行分类，并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高，缺点是速度相对较慢。 常见Tow stage目标检测算法有：R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值，并利用这些特征值进行目标的分类和定位，不需要生成Region Proposal。这种方法的优点是速度快，因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低，因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有：YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框，对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制，作用是从众多预测边界框中挑选出最具代表性的结果，这样可以加快算法效率，其主要流程如下： 设定一个置信度分数阈值，将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序，选中值最大的框 遍历其余的框，如果和当前框的重叠面积(IOU)大于设定的阈值（一般为0.7），就将框删除（超过设定阈值，认为两个框的里面的物体属于同一个类别） 从未处理的框中继续选一个置信度分数最大的，重复上述过程，直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度，当预测边界框和真实边界框差异很小时，或重叠度很大时，表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度，是评估目标检测模型效果的最重要指标，这个值介于0到1之间，且越大越好。mAP是AP(Average Precision)的平均值，那么首先需要了解AP的概念。想要了解AP的概念，还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值（Confidence Threshold）和IoU阈值（一般设置为0.5，也会衡量0.75以及0.9的mAP值）： 当一个预测边界框被认为是True Positive（TP）时，需要同时满足下面三个条件： Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3，则认为是False Positive（FP）。当对应同一个真值有多个预测结果时，只有最高置信度分数的预测结果被认为是True Positive，其余被认为是False Positive。 Precision和Recall的概念如下图所示： Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值，可以获得多组Precision和Recall，Recall放X轴，Precision放Y轴，可以画出一个Precision-Recall曲线，简称P-R
硕士毕业设计，水稻害虫识别，水稻病害分类，虫情测报灯害虫监测。.zip
09-06
图像识别技术在病虫害检测中的应用是一个快速发展的领域，它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分： 1. **数据收集**：首先需要收集大量的植物图像数据，这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**：对收集到的图像进行处理，以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**：从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**：使用机器学习算法（如支持向量机、随机森林、卷积神经网络等）来训练模型。训练过程中，算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**：在独立的测试集上验证模型的性能，以确保其准确性和泛化能力。 6. **部署和应用**：将训练好的模型部署到实际的病虫害检测系统中，可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**：在实际应用中，系统可以实时接收植物图像，并快速给出病虫害的检测结果。 8. **持续学习**：随着时间的推移，系统可以不断学习新的病虫害样本，以提高其识别能力。 9. **用户界面**：为了方便用户使用，通常会有一个用户友好的界面，显示检测结果，并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害，甚至在早期阶段就能发现问题，从而及时采取措施。此外，它还可以减少对化学农药的依赖，支持可持续农业发展。随着技术的不断进步，图像识别在病虫害检测中的应用将越来越广泛。
基于python3.8部署mjpg-streamer服务器，结合yolov5算法实现目标检测.zip
09-06
1 目标检测的定义 目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务，目标定位和目标分类。首先检测图像中目标的位置（目标定位），然后给出每个目标的具体类别（目标分类）。输出结果是一个边界框（称为Bounding-box，一般形式为(x1,y1,x2,y2)，表示框的左上角坐标和右下角坐标），一个置信度分数（Confidence Score），表示边界框中是否包含检测对象的概率和各个类别的概率（首先得到类别概率，经过Softmax可得到类别标签）。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类：Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段，主要用于生成潜在的目标候选框（Bounding-box proposals）。这个阶段通常使用卷积神经网络（CNN）从输入图像中提取特征，然后通过一些技巧（如选择性搜索）来生成候选框。第二个阶段是分类和位置精修阶段，将第一个阶段生成的候选框输入到另一个 CNN 中进行分类，并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高，缺点是速度相对较慢。 常见Tow stage目标检测算法有：R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值，并利用这些特征值进行目标的分类和定位，不需要生成Region Proposal。这种方法的优点是速度快，因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低，因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有：YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框，对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制，作用是从众多预测边界框中挑选出最具代表性的结果，这样可以加快算法效率，其主要流程如下： 设定一个置信度分数阈值，将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序，选中值最大的框 遍历其余的框，如果和当前框的重叠面积(IOU)大于设定的阈值（一般为0.7），就将框删除（超过设定阈值，认为两个框的里面的物体属于同一个类别） 从未处理的框中继续选一个置信度分数最大的，重复上述过程，直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度，当预测边界框和真实边界框差异很小时，或重叠度很大时，表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度，是评估目标检测模型效果的最重要指标，这个值介于0到1之间，且越大越好。mAP是AP(Average Precision)的平均值，那么首先需要了解AP的概念。想要了解AP的概念，还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值（Confidence Threshold）和IoU阈值（一般设置为0.5，也会衡量0.75以及0.9的mAP值）： 当一个预测边界框被认为是True Positive（TP）时，需要同时满足下面三个条件： Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3，则认为是False Positive（FP）。当对应同一个真值有多个预测结果时，只有最高置信度分数的预测结果被认为是True Positive，其余被认为是False Positive。 Precision和Recall的概念如下图所示： Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值，可以获得多组Precision和Recall，Recall放X轴，Precision放Y轴，可以画出一个Precision-Recall曲线，简称P-R
无人机技术应用资料文档合集14篇.zip
09-06
无人机培训课件：无人机导航技术 无人机技术在管道巡检中的应用 无人机技术在婚礼摄影中的应用 无人机技术的救援应用 无人机技术的消防应用 无人机技术在军队的应用 农业无人机技术应用 无人机技术的创新与应用 无人机行业应用与发展无人机发展 无人机技术在农业中的应用 GIS与无人机技术的协同应用 无人机摄像技术的发展与应用 军事无人机技术的发展与应用 无人机技术与应用 无人机应用无人机技术的市场前景
病虫害检测后端model.zip
09-06
图像识别技术在病虫害检测中的应用是一个快速发展的领域，它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分： 1. **数据收集**：首先需要收集大量的植物图像数据，这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**：对收集到的图像进行处理，以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**：从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**：使用机器学习算法（如支持向量机、随机森林、卷积神经网络等）来训练模型。训练过程中，算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**：在独立的测试集上验证模型的性能，以确保其准确性和泛化能力。 6. **部署和应用**：将训练好的模型部署到实际的病虫害检测系统中，可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**：在实际应用中，系统可以实时接收植物图像，并快速给出病虫害的检测结果。 8. **持续学习**：随着时间的推移，系统可以不断学习新的病虫害样本，以提高其识别能力。 9. **用户界面**：为了方便用户使用，通常会有一个用户友好的界面，显示检测结果，并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害，甚至在早期阶段就能发现问题，从而及时采取措施。此外，它还可以减少对化学农药的依赖，支持可持续农业发展。随着技术的不断进步，图像识别在病虫害检测中的应用将越来越广泛。
8051Proteus仿真c源码用定时器T0查询方式P2口8位控制LED闪烁
09-06
8051Proteus仿真c源码用定时器T0查询方式P2口8位控制LED闪烁提取方式是百度网盘分享地址
8051Proteus仿真c源码用LCD循环右移显示WelcometoChina
09-06
8051Proteus仿真c源码用LCD循环右移显示Welcome to China提取方式是百度网盘分享地址
数字电子技术实验报告+
09-06
数字电子技术实验报告+
基于Android的本地备忘录应用.zip
最新发布
09-06
基于Android的本地备忘录应用 项目简介 这是一个基于Android平台开发的本地备忘录应用，使用Java语言和Android Studio进行开发。该应用提供了用户注册、登录、修改密码、查看备忘录列表、添加备忘录等功能，适合初学者学习和课程设计使用。 项目的主要特性和功能 1. 用户管理 用户注册新用户可以注册账号。 用户登录已注册用户可以登录应用。 修改密码用户可以修改自己的密码。 2. 备忘录管理 查看备忘录列表用户可以查看所有保存的备忘录。 添加备忘录用户可以添加新的备忘录。 编辑备忘录用户可以编辑已有的备忘录。 删除备忘录用户可以通过长按删除备忘录。 3. 数据存储 使用SharedPreferences进行本地数据存储，确保用户数据在应用关闭后依然保留。 4. 测试 提供了单元测试和集成测试，确保应用的稳定性和可靠性。
番茄病虫害知识图谱.zip
09-06
图像识别技术在病虫害检测中的应用是一个快速发展的领域，它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分： 1. **数据收集**：首先需要收集大量的植物图像数据，这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**：对收集到的图像进行处理，以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**：从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**：使用机器学习算法（如支持向量机、随机森林、卷积神经网络等）来训练模型。训练过程中，算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**：在独立的测试集上验证模型的性能，以确保其准确性和泛化能力。 6. **部署和应用**：将训练好的模型部署到实际的病虫害检测系统中，可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**：在实际应用中，系统可以实时接收植物图像，并快速给出病虫害的检测结果。 8. **持续学习**：随着时间的推移，系统可以不断学习新的病虫害样本，以提高其识别能力。 9. **用户界面**：为了方便用户使用，通常会有一个用户友好的界面，显示检测结果，并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害，甚至在早期阶段就能发现问题，从而及时采取措施。此外，它还可以减少对化学农药的依赖，支持可持续农业发展。随着技术的不断进步，图像识别在病虫害检测中的应用将越来越广泛。
2024年高教社杯全国大学生数学建模竞赛赛题A题.zip
09-06
2024年高教社杯全国大学生数学建模竞赛赛题A题.zip2024年高教社杯全国大学生数学建模竞赛赛题A题.zip2024年高教社杯全国大学生数学建模竞赛赛题A题.zip2024年高教社杯全国大学生数学建模竞赛赛题A题.zip2024年高教社杯全国大学生数学建模竞赛赛题A题.zip
java图形图象处理（lw+系统）.zip
09-06
java图形图象处理,包含全量功能源码，及相关文档说明，供大家学习使用！
hello harmonyos!——鸿蒙应用开发从入门到精通 pdf
11-21
《Hello HarmonyOS!——鸿蒙应用开发从入门到精通PDF》是一本关于鸿蒙应用开发的书籍。鸿蒙（HarmonyOS）是华为公司自主研发的一款操作系统，该书主要介绍了如何从入门到精通地进行鸿蒙应用开发。 这本书的内容包括鸿蒙应用开发的基础知识、开发环境的搭建、应用程序的编写和调试等方面。它通过详细的示例和实践案例，帮助读者快速理解和掌握鸿蒙应用开发的关键技能。 在这本书中，读者将学习到如何使用鸿蒙的开发工具和框架，进行界面设计和布局调整，编写业务逻辑和处理用户交互，以及进行数据存储和网络通信等操作。此外，该书还介绍了鸿蒙应用开发的一些高级技巧和最佳实践，帮助读者更加高效地开发出功能强大、用户友好的鸿蒙应用程序。 《Hello HarmonyOS!——鸿蒙应用开发从入门到精通PDF》适合从零开始学习鸿蒙应用开发的初学者，也适合已有一定鸿蒙开发经验的开发者进一步提升技能。通过学习这本书，读者将能够全面了解和掌握鸿蒙应用开发的核心知识和技术，为自己的开发工作提供有力的支持。
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