weixin_46489969的博客

答：则P3M1 b00100000(P37P36P35P34P33P32P31P30) ->0x20，P3M0 b0010 0000 ->0x20。如果把P30、P31、P32、P33、P34、P36、P37配置成准双向口，则M0、M1配置为0。0、1、2、3、4、5、6、7、8、9、A、B、C、D、E、F（不区分大小写）0、1、2、3、4、5、6、7、8、9、A、B、C、D、E、F（不区分大小写）十六进制的使用场景: 单片机寄存器的配置、与运算，或运算等。P3M0和P3M1配置IO模式。

单片机就是一个集成电路芯片，是一个采用超大规模集成电路技术将具有数据处理能力的CPU，存储器，IO端口，定时器等功能集成到一个硅片上，具有小而完整的微型计算机系统。就是将复杂的计算机系统 进行裁剪，然后封装起来，可以实现一定功能的微型小电脑。单片机就是可以经过二次的硬件和软件开发，实现不同的功能，满足不同需求的芯片（非官方）

这篇文章提出方法解决罕见疾病分类问题。使用 ISIC 2018 skin lesion 分类数据集验证模型，每个类别仅展示5个样本训练，该模型可以快速的在未见过的类别上达到 83.3% 的分类准确率。他们提出了一个有困难意识的元学习模型，可以在期间动态监控学习任务的重要性。

2、解决UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 0: illegal multibyte sequence问题。1、解决Python报错UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 658: illegal multibyte。

​单选20道，多选10道，编程2道。

双光融合是“微光+热像仪”双通道，即可见光通道以及红外光通道二合一。它同时运用红外、微光技术使之在不同的波长进行成像，同步探测目标的二维几何空间与一维光谱信息，然后利用一定的图像处理算法对多波段图像进行分析处理，充分利用各种信道中的有用信息合成图像。多应用在双光融合的测温热像仪，一般会配合平台软件使用。可见光通道可以展现目标实时的动态，作用等同于摄像头；红外光通道可以展示测温结果，以热像图的方式来展示现场温差以及温度数值。这样，避免了单一热像设备或者人员现场拍摄图像模糊不清，需要去问题点现场再次查看的弊端，

视频检测通常处理思路。

同义替换生词同义替换生词同义替换生词同义替换生词。

nn.dropout 每次将 p 元素设置为 0，剩下的元素乘以 1/(1-p)eval()模式不进行dropout使用方法如下：

one to one：图像分类 image classificationone to many：看图说话 image captioningmany to one：情感分析 sentiment classification/音乐分类many to many：机器翻译 senquence to sequencemany to many：语言模型/NER tagging结构：只有输入x和隐藏状态h递归，RNN是一个链式结构，每个时间片使用的是相同的参数。以序列（sequence）为输入，在序列的演进方向递归在时间

LSTM生成字符级文本

从Word2Vec到FastTextWord2Vec在深度学习中的应⽤⽂本⽣成（Word2Vec + RNN/LSTM）⽂本分类（Word2Vec + CNN）文本生成神经网络：一堆公式组成的非线性回归模型普通神经网络[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5L4DEtMn-1653990033441)(E:/A%20wangdanxu/%E6%9D%82%E7%89%A9/typore/image-20220531162244167.png)]带记

李沐深度学习课程预测宝可梦的战斗力RegressionMarket Forecast——预测明天股价如何？self-driving car——预测方向盘角度Recommendation——购买可能性（推荐系统）f(x(宝可梦))=y  ′  CP  after  evolution  ′f(x(宝可梦))=y\;'\;CP\;after\;evolution\;'f(x(宝可梦))=y′CPafterevolution′xcp:进化前战斗力、xs:物种、xhp:生命值、xw:重量、xh

bag of words + 随机森林（有标签数据）import osimport reimport numpy as npimport pandas as pdfrom bs4 import BeautifulSoupfrom sklearn.feature_extraction.text import CountVectorizerfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.metrics impor

Word2VEec理论基础NLP常见任务自动摘要指代消解（小明放学了，妈妈去接【他】）机器翻译（小心地滑->Slide carefully）词性标注（heat(v.) water(n.) in(p.) a(det.) pot(n.)）分词（中文日文等） 大水沟/很/难/过主题识别文本分类NLP处理方法传统：基于规则现代：基于统计机器学习HMM，CRF，SVM，LDA，CNN …“规则”隐含在模型参数里图像是原始数据，但是自然语言是人的智慧的结晶，所以利用机器学