正则 表达式 模块and
模块与包
模块与包 （一）模块 （一）模块介绍 （1）什么是模块 在Python中，一个py文件就是一个模块，文件名为xxx.py模块名则是xxx,导入模块可以引用模块中已经写好的功能。 如果把开发程序比喻成制造一台电脑 编写模块就像是在制造电脑的零部件 准备好零部件后，剩下的工作就是按照逻辑把它们组装到一起 ......
random模块
random模块 （一）导入模块 import random （二）随机小数 默认区间的小数 random.random（）默认为0-1直接 指定区间的小数 random.uniform（）可以指定起始结束参数 （1）默认区间的小数 random.random #随机生成默认区间内的小数 print ......
os模块
os模块 （一）文件操作（os） __file__是指当前文件 （二）文件路径相关（path） （1）获取当前文件路径（abspath） #获取当前文件路径abspath # print(os.path.abspath(__file__))#D:\old boy\python\python28基础\ ......
json模块
json模块 （一）序列化和反序列化 （1）什么是序列化 将原本的字典、列表等内容转换成一个字符串的过程就叫做序列化。 （2）为什么要序列化 给另外一段程序使用，那我们怎么给？ 现在我们能想到的方法就是存在文件里 然后另一个 python 程序再从文件里读出来。 但是我们都知道 对于文件来说是没有字 ......
hashlib模块
hashlib模块 （一）什么是摘要算法 Python的hashlib提供了常见的摘要算法 如MD5 SHA1等等。 摘要算法又称哈希算法、散列算法。 它通过一个函数，把任意长度的数据转换为一个长度固定的数据串（通常用16进制的字符串表示）。 摘要算法就是通过摘要函数f()对任意长度的数据data计 ......
理解ROS2的坐标转换模块tf2
0 概述 tf2是ROS的核心库之一，它记录了所有坐标系的转换关系，包括动态坐标转换tf，和静态坐标转换tf_static； 首先，介绍tf2库（即，geometry2）编译/调试环境的搭建步骤；然后，介绍部分的类图结构，和调用时序； 1 搭建ROS2的编译环境 参考：http://docs.ros ......
高等数值分析（高性能计算，并行计算） (Parallel and High Performance Computing)
https://github.com/OpenMP https://math.ecnu.edu.cn/~jypan/Teaching/ParaComp/ Parallel and High Performance Computing(高等数值分析（高性能计算，并行计算)) 基本信息： 教材：本课程主 ......
vscode通过正则表达式，批量查询与替换
步骤： 1. 找到相应的文件，ctrl+F 2. 输入想要查询的内容对应的正则，比如，想要清除 所有的 “path: '/list/detail',” path:(\s)*(.+)\n\s+ //替换以“path:”开头的一行 注释：并不需要 ^或 $符号。 翻译 搜索 复制 ......
放歌一曲 田震《执着》的歌词表达了一种对爱情的执着和坚定
田震 – 执着 (原版) – 歌曲的含义 这首《执着》的歌词表达了一种对爱情的执着和坚定。 每个夜晚的孤独和黄昏的等候，都是为了追寻那份无限的温柔。 在面对爱人时，却又不敢直视对方的双眸，背后隐藏了多少泪水和哀愁，这种内心的挣扎和矛盾感让人感同身受。 但是，即使时空转变，世界改变，歌词中的主人公仍然 ......
【Python】python re模块判断密码的条件
判断密码长度最少8位, 且应为数字、字母和特殊符号中至少2类的组合 import re def check_password_func(password): # 长度至少为8位，且应为数字、字母和特殊符号中至少2类的组合 match1 = bool(re.search(r'\d+', passwor ......
BOSHIDA DC电源模块的安装和使用步骤是什么？
BOSHIDA DC电源模块的安装和使用步骤是什么？ 安装和使用DC电源模块的步骤如下： 1. 确定模块的电源需求：查阅模块的规格和说明书，确定所需的输入电压范围和输出电流能力。 2. 配置电源线：根据电源模块的输入要求，选择合适的电源线。确保电源线具备足够的额定电流和正确的接线方式。 3. 连接电 ......
Build Secure Web Services With SOAP Headers and Extensions
原文如下： https://www.developer.com/microsoft/dotnet/build-secure-web-services-with-soap-headers-and-extensions/ 摘录我最想要的Extensions部分 <%@ WebService Langua ......
神经网络优化篇：详解正则化（Regularization）
正则化 深度学习可能存在过拟合问题——高方差，有两个解决方法，一个是正则化，另一个是准备更多的数据，这是非常可靠的方法，但可能无法时时刻刻准备足够多的训练数据或者获取更多数据的成本很高，但正则化通常有助于避免过拟合或减少的网络误差。 如果怀疑神经网络过度拟合了数据，即存在高方差问题，那么最先想到的方 ......
Omkar and Akmar 题解
题意：有一个 \(n\) 个点的环，以及两个人。每个人可以向环中任意一个位置放置一个 \(A\) 或者 \(B\)，但是相邻的位置不能相同，不能行动者输。问最终的局面有多少种。 一个结论是：后手必胜。 证明：最终肯定不可能出现两个连续的空格，否则一定可以在其中一个上填 \(A\) 或 \(B\)。所 ......
Animals and Puzzle 题解
原题链接：CF713D 题意：给定一个 \(n\times m\) 的地图 \(a\)，\(a_{i}\) 为 \(0\) 或 \(1\)。有 \(t\) 次询问，每次询问给定一个矩形，求出这个矩形中最大的由 \(1\) 构成的正方形的边长是多少。 首先考虑预处理出 \(d_{i,j}\) 表示以 ......
B. Swap and Delete
原题链接 反思 要明确每个变量的含义！！！ 读题 1.取一对01置换，或者删掉一个元素，使得经过若干次改变后的序列\(t\)，和\(s\)的前\(|t|\)项元素各不相同。求问最少要删掉几个元素？ 一些事实的思考 1.对于一个给定的序列\(a\)，和另一个 “0的个数”与“1的个数”均相同，但是排列 ......
正则表达式相关。示例：包含a和b，包含a不包含b
普通字符 普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。 非打印字符 非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列： 字符描述 \cx 匹配由x指明的控制字符。例如， \cM 匹配一个 Con ......
《CLIP：Connecting text and images》论文学习
一、Abstract 尽管深度学习已经彻底改革了计算机视觉领域，但当前的深度学习视觉方案方法存在几个主要问题： 高质量的视觉数据集，制作过程耗时且成本高昂，同时只包含了有限范围的视觉概念 标准的深度学习视觉模型（例如ImageNet、ResNet）擅长完成单一任务，且只能完成一个任务，需要投入巨大的 ......
Git：submodule子模块操作
一、子模块添加 git submodule add <url> <path> git submodule add https://github.com/../.git themes/MeiFixIt 二、子模块更新 git submodule update --remote --merge 三、下载 ......
【GD32307E-START】06 ST7735 SPI-LCD显示模块移植
软硬件平台 GD32F307E-START Board开发板 GCC Makefile 1.8寸TFTLCD 分辨率128*160 驱动IC ST7735S 接口定义 序号 引脚标号 说明 1 GND 接地 2 VCC 5V/3.3V电源输入 3 SCK SPI总线时钟信号 4 SDA SPI总线写 ......
Git：submodule子模块操作
一、子模块添加 git submodule add <url> <path> git submodule add https://github.com/../.git themes/MeiFixIt 二、子模块更新 git submodule update --remote --merge 三、下载 ......
BIgdataAIML-IBM-A neural networks deep dive - An introduction to neural networks and their programming
https://developer.ibm.com/articles/cc-cognitive-neural-networks-deep-dive/ By M. Tim Jones, Published July 23, 2017 Neural networks have been around f ......
BigdataAIML-ML-Models for machine learning Explore the ideas behind machine learning models and some key algorithms used for each
最好的机器学习教程系列：https://developer.ibm.com/articles/cc-models-machine-learning/ By M. Tim Jones, Published December 4, 2017 Models for machine learning Alg ......
Squeeze-and-Excitation Networks：SENet，早期cv中粗糙的注意力
Squeeze-and-Excitation Networks * Authors: [[Jie Hu]], [[Li Shen]], [[Samuel Albanie]], [[Gang Sun]], [[Enhua Wu]] Local library 初读印象 comment:: (SENet ......
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network * Authors: [[Wenzhe Shi]], [[Jose Caballer ......
Python实现模块热加载
为什么需要热加载 在某些情况，你可能不希望关闭Python进程并重新打开，或者你无法重新启动Python，这时候就需要实现实时修改代码实时生效，而不用重新启动Python 在我的需求下，这个功能非常重要，我将Python注入到了其他进程，并作为一个线程运行。如果我想关闭Python，要么杀死Pyth ......
ABP模块的测试项目从默认的Microsoft SQL Server替换成MySQL
1、替换项目引用2、重新生成解决方案3、删除Migrations4、模块的引用替换成：AbpEntityFrameworkCoreMySQLModule5、命名空间替换成：Volo.Abp.EntityFrameworkCore.MySQL;6、ConfigureServices中的修改替换成：Us ......
（15-418） Project 1: Exploring Multi-Core and SIMD Parallelism
Program 1: Parallel Fractal Generation Using Threads 加速比与线程数并不成正比： thread nums serial thread speedup 1 395.95 395.234 1.00x 2 394.42 201.087 1.96x 4 3 ......