笔记fft amp ntt

代码大全阅读笔记01

1、开发前期准备相关 需求阶段 在需求阶段,我们需要明确定义用户的需求,这样不仅能够避免与用户的争议,还能够更好地让用户更快地熟悉系统、使用系统; 处于该阶段的错误的解决时间最好接近于发现错误的时间,不然越拖越久,改正错误的代价就会相应的增大; 架构 优秀的软件架构很大程度上与编程语言无关; 架构应 ......
代码 笔记 大全

Programming abstractions in C阅读笔记:p176-p178

《Programming Abstractions In C》学习第59天,p176-p178总结。 一、技术总结 1.addtive sequences tn = tn-1 + tn-2 序列:3, 7, 10, 17, 27, 44, 71, 115, 186, 301, 487, 788, 1 ......
abstractions Programming 笔记 176 178

Cmake 使用笔记

一、目录相关 遍历文件夹(包含子目录) 方法一: macro(SUBDIRLISTINCLUDE result curdir) FILE (GLOB_RECURSE children LIST_DIRECTORIES true RELATIVE ${curdir} "${curdir}/*") se ......
笔记 Cmake

c++对象模型学习笔记

参照大佬的博客学习了一下c++的对象模型: https://www.cnblogs.com/skynet/p/3343726.html 有些思考需要做下记录。 对于有虚函数表的类的对象,它的起始地址处会存储vptr指向虚函数表,在这个虚函数表的前4或8字节中,会存储一个地址值,指向RTTI类型信息 ......
模型 对象 笔记

npm笔记

npm config set cache "D:\nodejs\node_cache" //设置缓存文件夹npm config set prefix "D:\nodejs\node_global" //设置全局模块存放路径 npm install -g cnpm --registry=https:/ ......
笔记 npm

莫比乌斯反演 学习笔记

前置知识 整除分块 把之前写的博客搬过来了 模型 求 \(\large\sum^{n}_ {i=1} \lfloor{\frac{n}{i}}\rfloor\) 假设 \(n\) 等于 10,我们可以列出下表: \(\ i\) 1 2 3 4 5 6 7 8 9 10 \(\frac{10}{i}\ ......
笔记

tar命令的基础使用(笔记)

tar命令的基础使用 tar [选项] [文件] 基本操作 exam: tar -cf archive.tar foo bar # 归档 tar -tvf archive.tar # 列出归档 tar -xf archive.tar # 解包 选项 作用 -c 创建 -t 列出归档内容 -f 指定文 ......
命令 基础 笔记 tar

.net8 AOT笔记

.net8 AOT笔记 近期。net8发布了第一个rc版本,刚好近期在做一些.net6下的一些程序验证,顺带试了下。 以x64为例 系统ubuntu22.4 x64 下载.net8 sdk https://dotnet.microsoft.com/en-us/download/dotnet/than ......
笔记 net8 net AOT

C#学习笔记--逻辑语句(分支和循环)

逻辑语句 条件分支语句 条件分支语句可以让顺序执行的代码逻辑产生分支,满足对应条件地执行对应代码逻辑。 IF语句 //IF语句块 int a=5; if(a>0&&a<15)//注意结尾无分号 { Console.WriteLine("a在0到15之间"); } //if……else结构 if( f ......
分支 语句 逻辑 笔记

矩阵的特征多项式 & 快速矩阵快速幂

定理:相似矩阵特征多项式相同。 证明: \(|\rm PAP^{-1}-\lambda E|\) \(=|\rm PAP^{-1}-\lambda PP^{-1}|\) \(=|\rm (PA-\lambda P)P^{-1}|\) \(=|\rm P(A-P^{-1}\lambda P)P^{-1 ......
矩阵 多项式 特征 amp

堆 【笔记】

一.堆的性质 1.堆是一颗完全二叉树 2.堆的顶端一定是“最大”,最小”的,但是要注意一个点,这里的大和小并不是传统意义下的大和小,它是相对于优先级而言的,当然你也可以把优先级定为传统意义下的大小,但一定要牢记这一点,初学者容易把堆的“大小”直接定义为传统意义下的大小,某些题就不是按数字的大小为优先 ......
笔记

静态区间第 k 小学习笔记

静态区间第 \(k\) 小,强制在线。 设原数组长度为 \(n\) ,值域为 \(V\) 。 首先我们 \(kth\) 转 \(rnk\) ,给定 \((l, r, x)\) ,查询数组 \(a[l \ldots r]\) 中 \(<x\) 的数量,强制在线。 \(rnk\) 做法一 再差分简化一下 ......
区间 静态 小学 笔记

压测笔记一、使用Jemeter对.NET6 WebApi的HelloWorld程序做并发压力测试

转自:https://www.cnblogs.com/fuhua/p/16696237.html 使用Jemeter对.NET6 WebApi 并发压力测试 前言 现在我需要对一个.NET6 WebApi HelloWord程序进行并发性能测试 WebApi运行在局域网IP为192.168.1.16 ......
HelloWorld 压力 Jemeter 笔记 程序

【Python&语义分割】语义分割的原理及常见模型的介绍

语义分割是计算机视觉中的重要任务之一,其目的是将图像中的每个像素分配给特定的类别,从而实现对图像的精细分割。与目标检测不同,语义分割并不需要对物体进行位置和边界框的检测,而是更加注重对图像中每个像素的分类。随着深度学习的兴起,语义分割得到了广泛应用,并在许多领域中取得了显著的成果。本文将详细介绍语义... ......
语义 模型 原理 常见 Python

学习笔记:斜率优化

引入 有时候 我们会遇见一些 dp 式子 \[f_i=\min(f_j+a_i\times b_i)(j\leq i-1) \]这些式子和 \(j\) 没有任何关系 可以前缀处理最小值 \(O(n)\) 快速解决 但是有些式子是这样的 \[f_i=\min(f_j+a_i\times b_j+c_i ......
斜率 笔记

abp.vnext笔记

安装工具 dotnet tool install -g Volo.Abp.Cli --version 6.0 创建项目 abp new TodoApp --version 6.0.0 配置数据库连接 修改TodoApp.DbMigrator和TodoApp.Web项目的appsettings.jso ......
笔记 vnext abp

Vue学习笔记(八):Vue脚手架

Vue脚手架是Vue官方提供的标准化开发工具,使用Vue脚手架(vue-cli)可以快速创建 vue 项目。 1 安装npm¶ 第一步(仅第一次执行): 下载npm,npm(node package manager)是nodejs下的包管理工具,后续下载、管理vue包都得通过npm进行,下载地址如下 ......
脚手架 Vue 笔记

《复盘:对过去的事情做思维演练》读书笔记

复盘是对过去所作的事情进行回顾、反思和探究,找出原因,找到规律,从而指导我们解决问题,帮助我们提升。对于复盘来说,回顾、反思、探究、提升,一个都不能少。 复盘的由来 复盘,原本是围棋中的一个术语。当下完一盘棋之后,要重新再棋盘上走一遍,看看哪些子下的好,哪些子下得不好,哪些地方可以有不同甚至更好的下 ......
思维 事情 笔记

【Python&目标识别】目标检测的原理及常见模型的介绍

目标检测(Object Detection)是计算机视觉领域的一个重要研究方向,其目的是在图像或视频中定位并识别出特定的物体。目标检测模型通常需要同时确定物体的位置和类别。 ......
目标 模型 原理 常见 Python

学习笔记427—Python Keras 报错AttributeError: 'Sequential' object has no attribute 'predict_classes'解决方法

Python Keras 报错AttributeError: 'Sequential' object has no attribute 'predict_classes'解决方法 本文文要介绍Python中,使用 Keras 执行yhat_classes = model.predict_classe ......

学习笔记426—keras中to_categorical函数解析

keras中to_categorical函数解析 1.to_categorical的功能简单来说,to_categorical就是将类别向量转换为二进制(只有0和1)的矩阵类型表示。其表现为将原有的类别向量转换为独热编码的形式。先上代码看一下效果: from keras.utils.np_utils ......

学习笔记425—train_test_split 函数介绍

train_test_split 函数介绍 在机器学习中,我们通常将原始数据按照比例分割为“测试集”和“训练集”,从 sklearn.model_selection 中调用train_test_split 函数 简单用法如下: X_train,X_test, y_train, y_test =skl ......
train_test_split 函数 笔记 train split

【Python&语义分割】Segment Anything(SAM)模型介绍&安装教程

Meta AI 公司的 Segment Anything 模型是一项革命性的技术,该模型能够根据文本指令或图像识别,实现对任意物体的识别和分割。这一模型的推出,将极大地推动计算机视觉领域的发展,并使得图像分割技术进一步普及化 ......
语义 amp Anything 模型 Segment

学习笔记424—%matplotlib inline的作用

%matplotlib inline的作用 %matplotlib inline 是一个魔术命令(magic command),用于在 Jupyter Notebook 或 IPython 环境中显示 matplotlib 图形的内嵌设置。当使用 %matplotlib inline 命令时,它会告 ......
matplotlib 作用 笔记 inline 424

学习笔记423—41.7%年化收益率 人工智能买股可以如此简单

41.7%年化收益率 人工智能买股可以如此简单 学一门知识,充实自我 掌握一项工具,让生活更美好~今天flare老师教大家AI选股,轻松搭建一个年化收益40%的机器学习选股策略 —by flare zhao,转载请注明出处,原创不易,谢谢支持 话不多说,先看策略的最终表现: 2017年12月到201 ......
人工智能 收益率 人工 收益 智能

Asp-Net-Core开发笔记:EFCore统一实体和属性命名风格

Asp-Net-Core开发笔记:EFCore统一实体和属性命名风格 前言# C# 编码规范中,类和属性都是大写驼峰命名风格(PascalCase / UpperCamelCase),而在数据库中我们往往使用小写蛇形命名(snake_case),在默认情况下,EFCore会把原始的类名和属性名直接映 ......
Asp-Net-Core 实体 属性 风格 笔记

并行系统练习题&答案

问题: 以下互连拓扑的优点和缺点是什么:二维网格、二叉树和超立方体。 注意:最好在 MPI 讲座之后做问题 2B;该问题将在那里重复并进行讨论。一些并行机包含具有不同拓扑的多个网络。例如,Blue Gene 有一个具有 3D 网状拓扑的网络和另一个具有树形拓扑的网络。 解释为什么在一台机器上拥有不同 ......
练习题 答案 系统 amp

m基于FPGA的OFDM调制解调系统verilog实现,包括IFFT,FFT以及成型滤波器,包含testbench

1.算法仿真效果 本系统进行了Vivado2019.2平台的开发,测试结果如下 整个OFDM结构如下: 2.算法涉及理论知识概要 正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)是一种多载波调制技术,其基本原理是将高速数据信号分成多个低 ......
滤波器 testbench verilog 系统 FPGA

《Windows PowerShell实战指南 第3版》读书笔记-第1章:背景介绍

脚本只是使用PowerShell的一种方式,学习PowerShell并不一定需要从脚本开始。 为什么要重视PowerShell 使用PowerShell之前: GUI交互方式更简单易学,但效率更低; VBScript对Windows组件的支持不够全面; 使用PowerShell之后: PowerSh ......
PowerShell 实战 背景 Windows 笔记

C# Winform ComboBox使用笔记

ComboBox添加元素 // 添加元素到ComboBox comboBox1.Items.Add("元素1"); comboBox1.Items.Add("元素2"); comboBox1.Items.Add("元素3"); for(int i = 4; i < 6; i++) { comboBo ......
ComboBox Winform 笔记