weixin_43112462的博客

原创 image_transport::ImageTransport::ImageTransport(ros::NodeHandle const&)’未定义的引用

未定义引用

原创 [rosbuild] rospack found package “ORB_SLAM2_PointMap_SegNetM” at “”, but the current directory is

[rosbuild] rospack found package “ORB_SLAM2_PointMap_SegNetM” at “”, but the current directory is

原创 catkin 创建工作区

工作区

原创 ubuntu18.04 opencv3.4.3 安装

opencv安装

原创 JSP连接数库

本章节假设您已经对JDBC有一定的了解。在开始学习JSP数据库访问前，请确保JDBC环境已经正确配置。开启tomcat服务器与mysql首先，让我们按照下面的步骤来创建一个简单的表并插入几条简单的记录：创建表在数据库中创建一个Employees表，步骤如下：步骤1：打开CMD，然后进入数据库安装目录：C:\>C:\>cd Program Files\MySQL\binC:\Program Files\MySQL\bin>步骤2：C:\Program Files\My

原创 JSP学习笔记

第八章 JSP中使用数据库启动root 用户8.1.3 MySQL客户端管理工具使用Navicat

原创 JSP学习笔记

第三章 Tag文件和Tag标记Tag文件时一种特殊的文本文件，JSP文件类似，可以被JSP页面动态加载调用，实现代码的复用（但用户不能够通过该Tag文件所在的Web服务目录直接访问Tag文件）。

原创 JSP学习笔记

第二章1 JSP 页面的基本结构2 Java程序片3 JSP指令标记4 JSP动作标记难点2.1 JSP页面的基本结构一个JSP页面可有5钟元素组合而成：1）普通的HTML标记和Javascript标记2）JSP标记，如指令标记、动作标记。3）变量和方法的声明4）Java程序片5）Java表达式...

原创 JSP开发环境安装

安装java，设置环境变量安装tomcat，设置环境变量

原创 阅读野火stm32代码思考

在野火mini板蜂鸣器例程中遇到这样的几个宏定义：#define BEEP_GPIO_PORT GPIOC #define BEEP_GPIO_CLK RCC_APB2Periph_GPIOC #define BEEP_GPIO_PIN GPIO_Pin_1 此程序段在bsp_beep.h头文件中，通过查看GPIOC、RCC_APB2Periph_GPIOC、GPIO_Pin_1，发现他们分别定义在stm32f10x.h、

原创 stm32标准库

1-汇编编写的启动文件startup_stm32f10x_md.s:设置堆栈指针、设置PC指针、初始化中断向量表、配置系统时钟、对用C库函数_main最终去到C的世界2-时钟配置文件system_stm32f10x.c：把外部时钟HSE=8M，经过PLL倍频为72M。3-外设相关的stm32f10x.h：实现了内核之外的外设的寄存器映射xxx：GPIO、USRAT、I2C、SPI、FSMCstm32f10x_xx.c：外设的驱动函数库文件stm32f10x_xx.h：存放外设的初始化结构体，

原创 stm32基础知识

stm32主要由内核和片上外设组成。与电脑相比，内核就当于cpu，外设相当于主板、内存、显卡、硬盘。片上外设有GPIO、USART、I2C、SPI。

原创 stm32时钟

原创 static关键字作用

对于变量：局部变量在局部变量之前加上关键字static，局部变量就被定义成为一个局部静态变量。1）内存中的位置：静态存储区2）初始化：局部的静态变量只能被初始化一次，下一次的运算依据是上一次的结果值。3）作用域：作用域仍为局部作用域，当定义它的函数或者语句块结束的时候，作用域随之结束。注：当static用来修饰局部变量的时候，它就改变了局部变量的存储位置（从原来的栈中存放改为静态存储区）及其生命周期（局部静态变量在离开作用域之后，并没有被销毁，而是仍然驻留在内存当中，直到程序结束，只不过我们不能

原创 经典排序算法c++实现（直接插入排序、冒泡排序、快速排序）

1、直接插入排序：依次将每个元素插入到一个有序的序列中去，如下图所示。有序区为已经排好的元素，无序区为未排序的元素。从a[i+1]开始，将元素插入有序区。2、冒泡排序：顾名思意使最小的元素像气泡一样逐渐漂浮上来。算法从最右边的元素开始，与漂浮方向的元素进行比较，寻找无序区最小元素。待一趟排序结束，最小元素交换至无序区最左端。3、快速排序：基本原理是选择数组中的某个元素作为基准（一般选取第一个元素），经过一趟排序后，使得比基准小的元素都在基准的左边，基准大的元素都在基准右边。之后对基准的左右子序列再重

原创 rolabelimg的安装与使用

1、下载源码并解压github源码：https://github.com/cgvict/roLabelImg2、安装相关的依赖库conda create -n rolabel36 python=3.6activate rolabel36 pip install pyqt5-toolspip install lxml3、资源目录下输入pyrcc5 -o resources.py r...

原创 剑指offer面试题52 两个链表的第一个公共节点

题目描述：输入两个链表，找出它们的第一个公共节点。注意公共节点指的是具有相同地址的两个节点。解题思路1 双栈法将链表的节点依次压入至两个不同的栈中，再同时出栈，最后一个地址相同的节点则为公共节点。2 链表拼接法如图所示，A，A’分别为拼接前与拼接后的链表，此时设定两个指针pa与pb，分别从A’，B’开始遍历。在代码中不需要将两个链表进行拼接，当pa指针为空时，将它重新指向B链表的头指...

原创 剑指offer面试题36 二叉搜索树与双向链表

题目描述：输入一棵二叉搜索树，将该二叉搜索树转换成一个排序的循环双向链表。要求不能创建任何新的节点，只能调整树中节点指针的指向。解题思路：题目要求得到排序的链表，所以中序遍历二叉搜索树。在遍历的过程中进行节点的左右连接。代码class Solution {public: Node* treeToDoublyList(Node* root) { if(!root)...

原创 剑指offer面试题35 复杂链表的复制

题目描述：请实现 copyRandomList 函数，复制一个复杂链表。在复杂链表中，每个节点除了有一个 next 指针指向下一个节点，还有一个 random 指针指向链表中的任意节点或者 null。解题思路：1 哈希表第一步复制原始链表上的每个节点N，由此创建复制节点N‘，同时将<N，N’>对放到一个哈希表中。第二步利用已生成的哈希表对复制节点N‘进行连接。利用空间换取时间，...

原创 剑指offer面试题54 二叉搜索树的第k大节点

题目描述：给定一棵二叉搜索树，找出其中第k大的节点。解题思路：从二叉搜索树的定义可知，对二叉搜索树进行中序遍历就可以得到一个按关键字从大到小的一个递增有序序列，通过其递增序列获得第k大节点。代码class Solution {public: int kthLargest(TreeNode* root, int k) { int res = 0;//先进行中序遍历...

原创 剑指offer面试题68 - I 二叉搜索树的最近公共祖先

题目描述：给定一个二叉搜索树, 找到该树中两个指定节点的最近公共祖先。解题思路：利用二叉搜索树的特性：若任一节点的左子树非空，则左子树中的所有节点值都小于根节点的值；若任一节点的右子树非空，则右子树中所有节点值都大于根节点的值。因此从二叉搜索树的根节点开始遍历，将根节点值和开始输入的两个节点值比较，1、如果当前节点值在开始输入的两个节点值之间，则当前节点为最近的公共祖先；2、如果当前节点...

原创 Pytorch中tensor的索引

Pytorch中tensor的索引引言分类概述例子1、0维索引2、1维索引3、2维索引参考引言做了一段时间的目标检测，在这个过程中也复现了不少经典的检测网络，例如，faster-rcnn，yolov3，retinanet等等。在学习，消化别人代码的过程中，经常会遇到一个多维的tensor来索引另一个多维的tensor这种种类似的情况，而我对索引的概念还停留在a[0]，a[0,:]，a[0,…]...

转载 python中的argparse模块(参数解析)

import argparseparse = argparse.ArgumentParser()parse.add_argument("a", help="params means")parse.add_argument("-C", "--gc", default="count")parse.add_argument("--ga", help="params means ga",dest=...

原创 词袋模型（bag of words，BOW)

#1前言

原创 torch.nn.Embedding理解

看官方的文档之后，自己的理解，供以后学习之用。输入的batch为2，每个batch有4个索引input = torch.tensor([[1,2,4,5],[4,3,2,9]])字典中包含的词有10个，每个3维embedding_matrix = torch.rand(10, 3)F.embedding(input, embedding_matrix)tensor([[[ 0.8...