蛮三-CSDN博客

原创手把手理解C++20协程的编译实现

考虑下面的协程代码#include <iostream>#include <coroutine>using namespace std;class Resumable{};Resumable func() { cout << "hello"; co_await std::suspend_always(); cout << " world";}int main(){ }编译报错...

2021-05-09 16:29:26 719

原创快速排序

#include <random>#include <iostream>#include <string>#include <vector>using namespace std;void quick_sort(int ar[], int l, int r){ // check if(r <= l) return; if(r - l == 1) { if(ar[l] > ar[r])

2021-05-08 22:11:12 182 1

环境ubuntu20GCC10.2Python3.8问题描述运行client程序，通过TCP连接到server上client向server发送用户输入，server将输入按原样返回。当用户键入‘q’时，client主动断开连接。当用户键入‘quit’时，server主动断开连接。程序平稳运行。服务器代码内含部分个人封装，接口规范参考python中的select和socket模块#include <sys/fcntl.h>#include <sys/socket

2021-05-08 12:19:11 238

原创 Task04：线性代数

Numpy之于线性代数我看过最好的线性代数教程，莫过于：3Blue1Brown，吐血推荐。想要认真吃透线性代数，刷完《线性代数及其应用》所有练习题就够了。正片开始！矩阵和向量积一直以来矩阵相乘我用的都是np.matmul(x, y)，今天才发现居然x.dot(y)也能做这件事，开心。另外，在一维情况下和矩阵情况下的乘法是不一样的：用matrix.A可以快速将mat转为ndarray类型矩阵特征值与特征向量对于一个N∗NN*NN∗N满秩方阵，总能有 NNN 个值 λ\lambdaλ 和向

2020-11-14 11:28:01 1540

原创 Task03：Numpy进阶

这次同样用到了iris数据集数据集在群文件里，可以直接导入：根据 sepallength 列对数据集进行排序在iris中找到最常见的petal length这里应该是答案错了在iris的 petalwidth中查找第一次出现的值大于1.0的位置将数组a中大于30的值替换为30，小于10的值替换为10获取给定数组a中前5个最大值的位置a = np.random.uniform(1, 50, 20)计算给定数组中每行的最大值a = np.random.randint

2020-11-09 12:54:05 957 2

原创 Task02：Numpy常用函数

本次用到了鸢尾花数据集首先导入数据集from sklearn import datasetsiris = datasets.load_iris()print(dir(iris))print(iris.feature_names)Out:['DESCR', 'data', 'feature_names', 'filename', 'frame', 'target', 'target_names']['sepal length (cm)', 'sepal width (cm)', 'peta

2020-11-06 12:30:44 386

原创 Task01：Numpy基础

练习作业开发环境Python版本IDE3.8.2Spyder4创建0~1的数组创建一个元素全为True的 3×3 数组。从arr中提取所有奇数将arr中的偶数元素替换为0将 arr 中的所有偶数元素替换为0，而不改变arr同上将 arr转换为2行的2维数组垂直堆叠数组a和数组ba = np.arange(10).reshape([2, -1])b = np.repeat(1, 10).reshape([2, -1])同上，

2020-11-02 10:33:03 1238

原创决策树与分类预测

基本原理优点：具有解释性缺点：特别容易过拟合手工做一个决策树这里不能直接用pip安装graphviz，参考这篇文章可以解决.最终得到结果：（这个库真的蛮6的，我之前都是用matplotlib硬搞）基于企鹅数据集的决策树实战这里需要手动下载一下：## 特征与标签组合的散点可视化sns.pairplot(data=data, diag_kind='hist', hue= 'Species')plt.show()'''为了方便我们将标签转化为数字 'Adeli

2020-08-23 17:54:12 370

原创逻辑回归之鸢尾花分类

导入基本库## 基础函数库import numpy as np ## 导入画图库import matplotlib.pyplot as pltimport seaborn as sns## 导入逻辑回归模型函数from sklearn.linear_model import LogisticRegression鸢尾花的各个特征如下表所示：导入数据集到pandas##我们利用sklearn中自带的iris数据作为数据载入，并利用Pandas转化为DataFrame格式from

2020-08-20 09:38:05 4362

原创从零实现Django Model字段

动态属性编程学习资源本次学习目标学习主题第一个例子第二个例子第三个例子第四个例子Django Model 字段参考学习资源本次学习目标搞清楚Django的模型字段是如何实现的？Django里常常有这样的代码：class MyModel(models.Model): name = models.CharField(verbose_name='姓名', max_length=10) age = models.PositiveIntegerField(verbose_name='年龄')像Ch

2020-08-05 12:19:08 295

原创树莓派从开箱到平衡车

准备材料树莓派zero w 及以上、内存卡16G及以上、读卡器、电脑下载系统推荐直接在官网下载，如果嫌慢可以用迅雷，亲测复制链接后下载可达到8MB/S，分分钟下完。下载完以后解压，会得到可烧录的img文件（下图我下载了俩系统，只用一个就好）把内存卡插入读卡器连接到电脑上下载Win32DiskImager，选择系统镜像文件，并点击写入内存卡配置wifi和ssh参考这篇文章，这里不赘述插电启动这时使用电脑进入路由器管理窗口（192.168.1.1），查看连接，即可看见树莓派。ss

2020-06-30 14:11:59 574

原创傅里叶变换最简推导——信号与系统全盘整理（1）

如何阅读要求熟练掌握线性代数、高数写作原因学的太广，隔一段时间就忘。疫情期间笔记放在了学校，没法复习，思考了一下不如放在网上，方便你我他。预备知识1.明白什么是正交2. 明白什么是函数的正交3. 知道函数域【cos(nx), sin(nx)】在(-Π，Π)上正交4. 指导函数域【exp(jnx)】在(-Π，Π)上正交推导过程首先从泰勒级数引出正交基通过以上基础知识，推导傅里叶变换公式最后给出傅里叶变换的一些性质：时域频域f(x)f(x)f(x)F(jw)

2020-06-10 19:37:42 3446

原创监控系统简介

内容布局：首先像说明书一样介绍都有哪些功能。之后介绍各部分具体技术及数据监控端在树莓派上运行，提供了简单的web界面。使用方法和家用路由器类似：在指定ip登录 --> 配置摄像头 or 查看使用日志可配置/ 查看项：摄像头配置：摄像头连接日志：特别提供摄像头所支持的所有API说明（由django-rest_framework自动生成）：API线上试运行结果：可...

2020-04-03 22:01:24 846

原创给郝东写的条形码识别

用了一下午时间，清洗出了条形码图片中的数据Python代码环境：opencv-pythonnumpymatplotlibpytorch (只是用来调试时绘图的，可以不用)import osimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport timeimport torch as...

2020-03-11 21:56:02 261

原创 pytorch在FashionMNIST上应用GoogLeNet

首先贴出GoogLeNet的实现import osimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport timeimport torch as tcimport torchvision as tvfrom torch import nn, optimfrom torchvision i...

2020-03-09 22:48:47 326

原创 MYSQL zip版安装与创建用户并授权教程

官网下载ZIP包下载链接解压到自己想安装的文件夹刚刚解压的未安装文件应该没有data目录控制台初始化该目录内用管理员打开cmd，./mysqld.exe -installnet start mysql./mysqld.exe --initialize --console得到如下输出：这个就是默认root用户密码，需要登陆后修改为自己的密码如果你不小心关了这个，也没关系，...

2020-03-08 17:10:54 172

原创给郝东写的在vs2019上配置opencv的教程

s.b team-viewer 用不了，只能写个破教程了reference：https://blog.csdn.net/qq_41175905/article/details/805604291. 解压opencv到自己想安装的目录我解压到了这里2.配置环境变量目的是让任何程序能在运行时找到opencv的动态库3.配置vs先新建一个空项目，配置项目属性1. 添加头文件...

2020-03-07 17:20:05 175

原创使用pytorch实现RNN

资源及教程来自伯禹教育先写一个简易的实现import sysimport reimport osimport timeimport torch as tcimport numpy as npimport torchvision as tvimport torchvision.transforms as transformsfrom torch import nn, optim...

2020-02-29 11:20:16 694

原创博客推荐系统

目的：用户进入博客以后，会在底部推荐相似文章技术：目的技术手段html转文本bs4.BeautifulSoup(html, “html.parser”).get_text()中文分词jieba.cut(text, use_paddle=True)构建词频表pandasSVD、稀疏矩阵numpy实现demo的截图：上述代码输出了推荐的...

2020-02-25 19:30:03 2896 4

原创 torch神经网络学习（二）——资源来自DataWhale

卷积层此卷积非彼卷积，实际上为二维信号的互相关运算，使用scipy.signal.correlate(x, kernel, ‘valid’)进行运算from util_pkg import *from scipy import signalimport torchfrom torch import nnclass Conv2D(nn.Module): def __init_...

2020-02-18 19:40:42 164

原创在DataWhale学习pytorch

Torch入门强烈建议先看Tutorials再跟课程, 我是小白, 直接看课程直接一脸蒙蔽第一个例子:计算方法:通过如上的计算, 就可以得到该网络的输出.那么, 神经网络是怎么训练的呢?第二个例子:这里用到了backprop, 如下所述.反向传播算法为了简单易懂, 我画了个图片, 总体用到的就是高数中的链式求导法则, 具体观看顺序如图中所标注的序号算这个题我用了差...

2020-02-14 21:20:33 196

原创第一次在DataWhale学习torch的博客记录

这一次学习的是线性回归, 算法是softmax, 有点像加强版的逻辑回归我一直在本地写notebook,但是突然发现要求是要写在博客上.没办法,先凑一个链接吧, 之后再好好写!支持DataWhale!...

2020-02-12 21:03:38 90

转载转载自datawhale

机器学习损失函数0-1损失函数 L(y,f(x))={0,y = f(x) 1,y ≠ f(x) L(y,f(x)) = \begin{cases} 0, & \text{y = f(x)} \ 1, & \text{y $\neq$ f(x)} \end{cases} L(y,f(x))={0,y = f(...

2020-01-12 20:54:23 106

原创调幅与解调

目的已知信号在[0, 10] seconds内的波形请将其调幅后再输出思路同步调制常数增益 A+原始信号 x(t)载波 Cos(ws*t)x调制信号 y(t)同步解调载波 Cos(ws*t)x调制信号 y(t)低通滤波器解调信号 w(t)实现采样# 获取原始信号# x(t)# fp = 1024# T = 8 secondsf_ = e...

2019-12-15 13:19:05 1929

原创公益创新

目的校园教育资源交易平台功能免费获取 / 捐献本校教材二手书交易、元器件交流阻力没人用（较少有人买书，很少有人关注关于校园买卖二手书的平台）优势交易足够即时，当下买，能达到当下就有，立即可取到手实行主要难点是推行，所以我想的实施的路径就是先推行，再完善。推行我加了一个校园互助群，我觉得他们推行的就很成功，200人群，每天都是99+，我有任何校园里的事情不懂或...

2019-11-03 22:41:56 187

原创学生信息管理表的构建和Pandas的使用

原始信息下面是三个学生的已知信息cjh = pd.Series({ 'name' : 'cjh', 'birth' : 11.19, })hd = pd.Series({ 'name' : 'hd', 'birth' : 9.19, })zy = pd.Series({ ...

2019-10-30 13:17:09 521

原创泰坦尼克号Python数据分析

环境Spyder3参考书籍Python数据分析及应用泰坦尼克号数据集链接：https://pan.baidu.com/s/10y2SRH7Ry_W3CZC3s8PHWw提取码：s128复制这段内容后打开百度网盘手机App，操作更方便哦导入必要的库import numpy as npimport pandas as pdpandas读取数据到DataFramedatase...

2019-10-28 18:05:27 5459

原创 C++高级操作

代码原则class用于封装对变量的直接处理操作namespace 用于封装功能模块, 以及该功能模块里的拓展函数file 用于区分编译边界, 一个模块里可能会有好几个编译边界这个很难说清楚就地构造函数(C++11)先分配好内存, 再运行构造函数, 最后以移动构造函数的方式把值传递回去template <typename _T, typename ...Arg>_T ...

2019-10-20 10:54:14 231

原创 HTTP实战中学习

请求一个网页命令行敲入$ curl -v -I hdcjh.xyz意思是仅显示请求头和响应头requestHEAD / HTTP/1.1Host: hdcjh.xyzUser-Agent: curl/7.58.0 Accept: */* responseHTTP/1.1 200 OKServer: nginx/1.10.3 (Ubuntu)Date: Fri, 11 Oc...

2019-10-11 17:18:53 346

原创各种小工具的配置

配置Git的 public keyssh-keygen -t rsa -b 2048 -C "dusty-cjh@qq.com" # 生成 public keyssh-agent -s # 检查代理状态ssh-add ~/.ssh/id_rsa # 添加刚刚生成的公钥cat ~/.ssh/id_rsa.pub # 打印公钥内容# 复制刚刚打印的内容到 git hub上去, title随...

2019-10-10 13:38:59 265

原创简易视频推流方法

目的写一个专门用于视频编码的线程, 包含从摄像头获取流和编码.每当完成一帧的视频编码, 就等待主线程拿走这一帧, 主线程拿走以后又立即开始下一帧的获取和编码.接口:VideoStreamopen(config)close()get() -> BuffergetConfig() -> Config基本原理以下demo用到了 asio#include <as...

2019-10-06 15:11:43 2815

原创一篇搞定ASIO

跟着官方例子走第一部分 timer异步timer#include <asio.hpp>#include <iostream>using namespace std;using namespace asio;void print(const error_code &err){ cout << "Hello Wolrd" &lt...

2019-10-03 15:45:53 4320 1

原创 Boost.Python 使用方法

hello worldhttps://www.boost.org/doc/libs/1_71_0/libs/python/doc/html/tutorial/tutorial/exposing.html按照这里的写完以后编译用下面的方法:#!/bin/bash# 模块名称必须和 .so 库一致!!!module_name=$1g++ -shared -fPIC -o $module_...

2019-10-03 11:16:59 332

原创实时监控协议

目的快速开发一个实时视频监控的 Camera 端因此这里写文章的目的是明确需求应用场景实时视频监控、动态捕捉摄像头原理基于RUDP的数据流，在树莓派4b上使用OpeCV的 VideoCapture 获取视频帧，压缩为 jpg 格式以后发送到对端。当对端为控制服务器时，保存图像及时间戳，当用户从 web 访问时，推送 jpg 图像给浏览器并刷新控制服务器原理使用 Django 开发...

2019-10-01 20:10:03 599

转载 ckeditr5 README.md

CKEditor 5 [外链图片转存失败(img-5GF1Tsng-1562216716351)(https://img.shields.io/twitter/url/http/shields.io.svg?style=social)][外链图片转存失败(img-DmAynX91-1562216716352)(https://badge.fury.io/js/ckeditor5.svg)][外...

2019-07-04 13:05:53 294

转载 FFmpeg文件IO

官方示例鉴于之前写的代码在重装了系统之后全丢了，以后就保存到博客里吧代码#include <QDebug>#include <QCoreApplication>#include <stdio.h>#include "protocol/test.h"#include "protocol/socket.h"extern "C" {#include ...

2019-05-10 10:54:04 165

原创我的监控数据流协议——F5协议

F5协议特点数据单向、短时间记忆、低带宽、高可靠内容仿照wma格式名称大小 (byte)作用F51 (值为0xf5)协议标识id2包 IDsize2包大小type1包类型data*数据（为[size][data]类型）字段介绍f5值永远为0xf5，用于对协议的识别type作用按位从低到高的顺序解析...

2019-05-06 16:52:51 1106

转载基于物联网的视频系统的实现

赛题名称: 基于物联网的视频系统的实现组类： A 本科及以上赛题简介：介绍整个赛题的思路和整体要求视频监控系统在各行各业得到广泛的应用。但是由于视频对网络带宽要求比较高，限制了视频系统在某些网络条件苛刻环境的 > 应用。物联网采用的网络媒体，一般具有带宽窄，网络连接不安定的特点。很难满足通用视频监控系统对网络的要求。本课题的目标> 是实现物联网环境下的视频监控解决方案，面...

2019-05-06 15:48:51 2331 2

原创 Channels安装配置

Channels安装配置遇到的问题遇到的问题总是提示No Module Named ‘win32api’，于是下了一个，成功解决问题

2019-04-27 13:02:23 2004

转载 MarkDown基本语法

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...

2019-04-19 00:14:51 74

YOLOv2_wrapper.pdf

以下是论文的序：大概意思就是说用YOLOv2检测了9000种分类 We introduce YOLO9000, a state-of-the-art, real-time object detection system that can detect over 9000 object categories. First we propose various improvements to the YOLO detection method, both novel and drawn from prior work. The improved model, YOLOv2, is state-of-the-art on standard detection tasks like PASCAL VOC and COCO. Using a novel, multi-scale training method the same YOLOv2 model can run at varying sizes, offering an easy tradeoff between speed and accuracy. At 67 FPS, YOLOv2 gets 76.8 mAP on VOC 2007. At 40 FPS, YOLOv2 gets 78.6 mAP, outperforming state-of-the-art methods like Faster RCNN with ResNet and SSD while still running significantly faster. Finally we propose a method to jointly train on object detection and classification. Using this method we train YOLO9000 simultaneously on the COCO detection dataset and the ImageNet classification dataset. Our joint training allows YOLO9000 to predict detections for object classes that don’t have labelled detection data. We validate our approach on the ImageNet detection task. YOLO9000 gets 19.7 mAP on the ImageNet detection validation set despite only having detection data for 44 of the 200 classes. On the 156 classes not in COCO, YOLO9000 gets 16.0 mAP. But YOLO can detect more than just 200 classes; it predicts detections for more than 9000 different object categories. And it still runs in real-time

2020-03-10

YOLOv1.pdf

以下是论文的序： We present YOLO, a new approach to object detection. Prior work on object detection repurposes classifiers to perform detection. Instead, we frame object detection as a regression problem to spatially separated bounding boxes and associated class probabilities. A single neural network predicts bounding boxes and class probabilities directly from full images in one evaluation. Since the whole detection pipeline is a single network, it can be optimized end-to-end directly on detection performance. Our unified architecture is extremely fast. Our base YOLO model processes images in real-time at 45 frames per second. A smaller version of the network, Fast YOLO, processes an astounding 155 frames per second while still achieving double the mAP of other real-time detectors. Compared to state-of-the-art detection systems, YOLO makes more localization errors but is less likely to predict false positives on background. Finally, YOLO learns very general representations of objects. It outperforms other detection methods, including DPM and R-CNN, when generalizing from natural images to other domains like artwork

2020-03-09

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人