图像处理 图像 数字 笔记

题目：54. 替换数字 我的感悟： 过于简单，我有点不敢相信 理解难点： 代码难点： 总结概括： 本质要理解这个数字是如何判断的 用ord("0")算出字符0的ASCII码再和9的ASCII码对比 str1 = input() ans = "" for ss in str1: if ord("0") ......

三、乐理 3.2 拍、小节、乐句、数拍 拍——乐曲在时间维度上的最小单位 EDM常用：4分音符为一拍，4拍为1节（4/4拍） 1个乐句=8个小节 1个乐段=若干乐段 【在rekordbox中的表示】 粗白竖线=小节线 细灰竖线=拍线 波形图上方数字=第4节.第1拍 【数拍（打拍子）】 以一个小节（4 ......

前言 上一节大概讲了一下LeNet的内容，这一章就直接来用，实际上用一下LeNet来进行训练和分类试试。 调用的数据集： https://aistudio.baidu.com/datasetdetail/19065 说明： 如今近视已经成为困扰人们健康的一项全球性负担，在近视人群中，有超过35%的人 ......

一、简介 项目部署是指将软件、应用程序或系统从开发环境转移到目标环境的过程。在项目开发完成后，为了让其能够在实际运行环境中正常工作，需要将项目部署到生产环境或目标环境中。这个过程通常涉及将项目的源代码、数据库、配置文件和其他必要的资源复制到目标服务器或设备，并进行必要的安装、配置和测试工作，确保项目 ......

docker 安装nacos 1. docker pull nacos/nacos-server 创建mysql 数据库： 2、挂载目录，用于映射到容器，目录按自己的情况创建 mkdir -p /mydata/nacos/logs/ #新建logs目录mkdir -p /mydata/nacos/i ......

VMWare虚拟机处理器数量与每个处理器内核数量概念，以及分配CPU资源详解概念CPU的物理核心和超线程CPU的睿频机制总结概念 处理器数量：虚拟机上的CPU个数（上图中的插槽数，是机器主板上CPU的个数，并非CPU的物理核心数）每个处理器的内核数量：每个虚拟的CPU有几个内核（可以看到虚拟机内部并 ......

图像识别的技术前沿在于人工智能（AI）与机器学习（ML）的融合。这种融合使得图像识别系统能够从大量数据中自动学习并识别出各种模式，从而在复杂和动态的环境中实现更高的准确性和鲁棒性。 机器学习在图像识别中发挥着越来越重要的作用。传统的图像识别方法通常依赖于手工制作的特征提取和特征匹配，而机器学习则通过 ......

前言 驱动作为桥梁，用户层调用预定义名称的系统函数与系统内核交互，而用户层与系统层不能直接进行数据传递，进行本篇主要就是理解清楚驱动如何让用户编程来实现与内核的数据交互传递。 温故知新 设备节点是应用层（用户层）与内核层交互； 使用预先的结构体进行操作，如系统open函数对应了驱动中文件操作及的op ......

在处理3D图像或点云数据时，可能会遇到一些异常点，这些点可能是由于噪声、错误的测量或其他因素造成的。这些异常点可能会对图像分析和处理的准确性产生负面影响。为了提高数据质量，通常需要通过滤波算法来去除这些异常点。以下是几种常见的3D点云数据去噪和滤波方法：统计滤波器（StatisticalOutlie ......

宝塔Windows面板是提升运维效率的服务器管理软件，最新面板仅支持Windows Server 2008 R2/2012/2016/2019/2022，64位系统（中文简体） 使用说明书：https://www.kancloud.cn/wzznb/btpanel/2190775 安装面板 打开宝塔 ......

【功能码】 01 读输出线圈 02 读输入线圈 03 读保持寄存器 04 读输入寄存器 05 写单线圈 06 写单寄存器 0F 写多线圈 10H 写多寄存器 【存储区】 区号 名称 读、写 地址范围 0区 输出线圈 可读可写(bool) 00001-09999 1区 输入线圈 只读(bool) 10 ......

字符串和文本处理 字符串方法 字符串判断 方法 描述 isalnum() 是否全是数字 isalpha() 是否全是字母 isdigit() 是否全是数字 islower() 是否全是小写 isupper() 是否全是大写 isspace() 是否包含空格 istitle() 是否是标题化的（以大写 ......

1、了解专用模型和通用大模型，以及书生浦语大模型开源历程、轻量级、中量级以及重量级三种不同大模型系列，和其他大模型的性能对比。 2、了解从模型到应用的主要步骤以及书生大模型各步骤采取的主要技术，如训练数据，预训练、微调、开源评测体系等。 3、现有的疑问：书生中量级的使用商业成本以及具体功能性能表现， ......

项目中使用vue-contextmenujs库时，打包报错如下 依赖包含es6语法，UglifyJs不识别，需要babel-loader处理，打包配置如下 ......

经常有人问伟哥，笔记本电脑该如何选购。其实很简单，一是看预算，二是到某东看预算范围内的热销电脑，闭眼选就是。笔记本现在也是消费品了，没那么多讲究。 当然，如果要显得你自己更加专业或更加有逼格一点，那，在笔记本选购中，要注意两点：CPU和硬盘。 硬盘很好说，现在这时代，一定是固态硬盘了，固态硬盘容量越 ......

笔者近期在将 bmp 图像格式图像转为 raw 过程中遇到了一些问题，主要是 fwrite 在写入矩阵时的元素顺序问题。要想保证存储后的 raw 图像能够正常的用 ps 打开，需要将元素按正确的顺序存储。 Matlab 中 fwrite 在写入矩阵时是列优先的，也就是先写入第 1 列，再第 2 列， ......

一、新建python虚拟环境 python -m venv demovenv 二、配置pip源 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 在cmd窗口运行上述命令后会在 C:\Users\9211 ......

本文于2016年5月份完成，发布在个人博客网站上。 考虑个人博客因某种原因无法修复，于是在博客园安家，之前发布的文章逐步搬迁过来。 按照如下配置（适用于Tomcat 7.0.x），为Tomcat启用了HTTPS协议，用户访问站点时是否就安全了呢？ <!-- HTTP通道，跳转至8443端口 --> ......

1. 地域经济歧视（redlining） 1.1. 问题 1.1.1. 贫穷和不公与美国黑人的高死亡率是否有关 1.1.2. 缺少好的学校、现代化的卫生设施、安全的工作场所和医疗保险是否会导致黑人在更年轻的年龄死亡 1.2. 黑人只是一个庞大的同类群体，而没有把黑人按照不同的地理、社会或经济群体进行 ......

基础介绍 首先至少会点html,css基础知识再来学，微信开发者工具打开，创建一个js开发基础模板的项目，它的目录如下：wxml就是html，wxss就是css，app开头的就是页面进来首先加载的配置，project.config.json就是一些配置设置，就是详情的本地设置的代码。 推荐学习方式： ......

EXCEL表格中向上取整数的公式 1、打开EXCEL表格，在表格中输入数据。 2、在计算单元格内输入函数公式“=ROUNDUP(B16/40,0)”，第二个参数0，即是往上舍入取整数。 3、按下回车，表格里计算的数据全部向上舍入取整数。 ......

反转字符串 经典双指针法 头尾交换 反转字符串2 难点在于模拟题目设定的条件 一开始不明白怎么模拟 后来看了一行标准源码 就明白了 设定步长就可以了 然后对迭代器位置进行约束 替换数字 本题为acm模式 也是一道双指针解题 注意这道题需要扩容之后 从后往前填充 免去了从前往后填充时需要移动元素 单词 ......

本次阅读的是《构建之法》 第五章 团队和流程 5.2 软件团队的模式 主治医师模式、明星模式、社区模式、业余剧团模式、秘密团队、特工团队、交响乐团模式、爵士乐模式、功能团队模式、官僚模式 5.3 开发流程 ①写了再改模式 ②瀑布模型（Waterfall Model） 是一个项目开发架构，开发过程是通 ......

大模型在ChatGPT发布之后，成为今年最热的话题与研究方向，也有人把今年称为AI元年 通用大模型 书生·浦语大模型 开源历程 书生·浦语大模型系列 性能 从模型到应用 针对上述的步骤中所用到的不同技术，提供了不同的开源框架 数据 预训练 微调 评测 OpenCompass 部署 智能体 Lagen ......

在192.168.1.206 上执行 ssh -fN -D 0.0.0.0:8888 root@192.168.1.207 将报文转发到207 在207 上设置ssh 允许动态转发 vim /etc/ssh/sshd_config 确保以下行没有注释（没有 "#" 符号），或者将其添加进去： All ......

在正式开始前，我必须要交代一下，我写这些博客的原因：主要是想记录和梳理一下自己如何学习数字IC这个我也许余身都要从事的行业，如果能给读者带来帮助，那便是更好不过的事情了。 作为一个经历过千万人高考，百万人考研的人来说，学习并不是一件轻松的事，更可能算的上幸苦，得益于我们的教育系统，我成为了一个半吊子 ......

本笔记基于吴恩达深度学习deeplearning.ai课程 第二周：神经网络的编程基础 神经网络的训练过程可以分为前向传播和反向传播两个独立的部分 2.1 二分类(Binary Classification) 所谓二分类问题，可以参照以下例子 假如你有一张图片作为输入，比如这只猫，如果识别这张图 片 ......

CMake 学习笔记 CMake 已经是 C++ 构建系统的事实标准。 主要是对小彭老师的 C++ 视频课程中 CMake 相关部分的一些笔记和整理，视频链接如下 学 C++ 从 CMake 学起 现代 CMake 高级教程 包含视频中的代码和 PPT 的仓库见以下链接 https://github ......

进程和线程:进程和线程都是一个时间段的描述，是CPU工作时间段的描述，不过是颗粒大小不同.进程就是包换上下文切换的程序执行时间总和 = CPU加载上下文+CPU执行+CPU保存上下文.线程是共享了进程的上下文环境的更为细小的CPU时间段。 判别式模型和生成式模型: 判别式模型直接学习决策函数f(X) ......

《算法之美》这本书为我打开了计算机科学和算法设计的奇妙大门，引领我走进了一个充满智慧和创造力的世界。在这本书中，作者讲述了许多关于算法的精妙之处，让我对计算机科学有了更深层次的理解。首先，书中深入浅出地介绍了各种算法的原理和应用，以生动的例子和清晰的解释，使得那些抽象的概念变得具体而易懂。通过分析不 ......