简易 笔记sqlite qt

前言 图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。图像分类在许多领域都有着广泛的应用，如：安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类， ......

Shellcode初探[1]: 什么是shellcode? 用chatGPT构造简易shellcode from：https://blog.restkhz.com/post/glance-at-shellcode-1 前言 我可能又要开一个系列文, 希望这次不要太监了.最近正在重新自学一些比较二进制 ......

一、概述 使用QSettings存储从服务器获取到的token。 二、代码示例 CacheUtils.h #pragma once #include <QObject> #include <QSettings> #include <QString> class CacheUtils : public ......

场景 Winform中使用Websocket4Net实现Websocket客户端并定时存储接收数据到SQLite中： https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/135359035 Winform中操作Sqlite数据增删改查、 ......

一、安装详细步骤 点击下一步Qt是一个跨平台的 C++ 开发库，主要用来开发图形用户界面（Graphical User Interface，GUI）程序，当然也可以开发不带界面的命令行（Command User Interface，CUI）程序。 Qt 支持的操作系统有很多，例如通用操作系统 Win ......

《Vue.js从入门到项目实战》 孙鑫v-bind用于响应式地更新HTML属性，v-on用于监听DOM事件,变量需要引号引起来v-if是彻底没有v-的命令需要把变量用引号引起来，插值{{}}则不需要v-if和v-for在同一个元素上使用时，v-if优先级高于v-for，意味着v-if不能访问v-fo ......

一、概述 封装一个HttpUtils工具类，此列封装了Qt的Http请求。总共封装了两个方法Get和Post方法。 二、代码示例 1.工具类：HttpUtils.h/HttpUtils.cpp #pragma once #include <QObject> #include <QJsonObject ......

一、获取Linux-qt版本 选择国内的下载渠道，更快 将这个复制到ubuntu-18.04 自定义的一个目录 二、linux安装qt 在这个目录下执行命令： kali@ubuntu~: sudo 777 chmod qt-opensource-linux-x64-5.12.8.run kali@u ......

小傅哥网站：https://bugstack.cn/md/develop/design-pattern/2020-06-11-%E9%87%8D%E5%AD%A6%20Java%20%E8%AE%BE%E8%AE%A1%E6%A8%A1%E5%BC%8F%E3%80%8A%E5%AE%9E%E6%8 ......

前言 这里实际上涉及到了挺多有关有关理论的东西，可以详细看一下paddle的官方文档。不过我这里不过多的谈有关理论的东西。 【低层视觉】低层视觉中常见的卷积核汇总 图像处理中常用的卷积核 在代码中，我们实际上是用不同的卷积核来造成不同的影响，我这里也是paddle中对于卷积核的几个比较简单的应用。 ......

引言 在现代软件开发中，实时数据的可视化处理是一个常见的需求。Qt Charts 提供了一系列工具，不仅可以实时更新图表，还能展示多种类型的数据。本文将通过一个示例来介绍如何在 Qt 应用程序中使用 Qt Charts 创建实时更新的图表，并探讨继承自 QAbstractAxis 和 QAbstra ......

DSU on tree 通常用来解决不带修树上子树问题。 主要思想： 剖分。 先搜轻儿子，记录轻儿子子树的答案，删去轻儿子的贡献。 搜重儿子，记录重儿子子树的答案，保留重儿子的贡献。 回溯，重新搜轻儿子，把轻儿子子树的贡献加上，构成本子树的答案。 CF600E Lomsat gelral #incl ......

ARC157 A. XXYYX 观察一些性质。注意到 \(\texttt{XY}\) 和 \(\texttt{YX}\) 会产生当且仅当 \(\texttt{X}\) 和 \(\texttt{Y}\) 的连续段交错，因此 \(|b-c|=1\)。然后特判掉 \(a\neq 0,b=0,c=0,d\n ......

一、功能简介 1. 数据库可使用sqlite、mssql、mysql等 2. 管理员账号不管控，其余账号进行权限管控（左侧菜单，表单按钮） 二、操作界面 1. 管理员账号登陆后，左侧菜单栏自动添加 “菜单管理” ，菜单选择 Menu / Button 2. 角色分配权限 3. 用户绑定角色 4. 游 ......

域名 因为访问网站时，很难记住对应网站的IP地址，所以使用域名来代替IP地址，使用户更加方便的访问网站。 DNS服务器的作用就是将IP地址与域名进行映射，使用户可通过域名得到到对应的IP，然后进行访问。 域名从右到左依次为顶级域名（一级域名）、二级域名、三级域名、四级域名、等等(通常域名层级不超过三 ......

场景 SpringBoot+Vue整合WebSocket实现前后端消息推送： https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/114392573 上面实现ws推送数据流程后，需要在windows上使用ws客户端定时记录收到的数据到文 ......

学习Python时做的笔记，主要参考： B站小飞有点东西：https://space.bilibili.com/1803865534 董付国老师的《Python程序设计》教材 第一章、Python概述 1.1 扩展库安装方法（了解即可） 使用pip命令安装扩展库。 在cmd命令行中输入pip，回车后 ......

一、概述、 编写一个登录界面，输入用户名及密码，点击登录按钮，调用登录接口发起网络请求。并拿到登录成功后的token值。如下图： 二、代码示例，主要内容都加了注释，不过多解释。这里没有封装直接在widget中发起网络请求及设置参数是为了更加方便的查看。方便学习，后面会把封装好的get和Post请求贴 ......

前言： 因项目需要，需要使用Qt连接MySQL数据库。程序编写电脑上使用的是Win10 64位系统，程序运行电脑上使用的是Win7 32位系统。 一、下载及安装MySQL5.7 1、地址：MySQL官网 点击DOWNLOADS 2、点击MySQL Community(GPL) Downloads 3 ......

这篇笔记我是在学习Linux过程中的笔记，参考自： B站韩顺平老师的课程Linux 黑马程序员的《Linux系统管理与自动化运维》教材 第一章 文件目录结构 一、基本介绍 Linux 的文件系统是采用级层式的树状目录结构，在此结构中的最上层是根目录“/ ”，然后在此目录下再创建其他的目录。 记住一句 ......

1 引言 Qt 中的 qCompress() 和 qUncompress() 函数来进行 QByteAarray 的压缩和解压操作。这些函数提供了方便的方式来对字节数组进行压缩和解压缩，无需处理底层的压缩算法和细节。但是在使用过程中有时候会遇到一些棘手的问题，例如下面这个例子: 2 错误案例 下面是 ......

转载文章：大模型所需 GPU 内存笔记 引言 在运行大型模型时，不仅需要考虑计算能力，还需要关注所用内存和 GPU 的适配情况。这不仅影响 GPU 推理大型模型的能力，还决定了在训练集群中总可用的 GPU 内存，从而影响能够训练的模型规模。 大模型推理的内存计算只需考虑模型权重即可。 大模型训练的内 ......

一、前言 通过音柱控件实时展示当前播放的声音产生的振幅的大小，得益于音频播放组件内置了音频振幅的计算，可以动态开启和关闭，开启后会对发送过来的要播放的声音数据，进行运算得到当前这个音频数据的振幅，类似于分贝，分贝越大，听到的声音越大，振幅越大。在如何摆放音柱控件这个问题上，考虑过多种方案，比如一开始 ......

这篇文章是十月份第一篇阅读笔记，阅读书籍是《构建之法》 第一章 概论 在这一章中，作者为我们介绍了一些关于软件工程的基本知识。 ①软件=程序+软件工程：正是因为对软件开发活动（构建管理、源代码管理、软件设计、软件测试、项目管理）相关的内容的完成，才能完成把整个程序转化成为一个可用的软件的过程。 扩展 ......

前言 我们之前不是说了有关梯度下降公式的事嘛，就是那个 这样梯度下降公式涉及两个问题，一是梯度下降的策略，二是涉及到参数的选择，如果我们选择固定步长的时候，就会发现我们求的值一直在最小值左右震荡，很难选择到我们期望的值。 假设上图中，x0为我们期望的极小值，yB = xA - yA'xA的时候，xB ......

前言 我们之前用的是均方差作为我们神经网络的损失函数评估值，但是我们对于结果，比如给定你一张应该是0的照片，它识别成了6，这个时候这个均方差表达了什么特别的含义吗？显然你识别成6并不代表它比识别成1的情况误差更大。 所以说我们需要一种全新的方式，基于概率的方案来对结果进行规范。也就是我们说的交叉熵损 ......

本文首发于公众号：Hunter后端 原文链接：Python笔记二之多线程 这一篇笔记介绍一下在 Python 中使用多线程。 注意：以下的操作都是在 Python 3.8 版本中试验，不同版本可能有不同之处，需要注意。 本篇笔记目录如下： 概念 多线程的使用示例 daemon run() 线程对象的 ......

$X$代表随机变量，$x$是具体的值。 规定：连续型随机变量取任意指定值的概率为$0$，即：$P(X=a)=0$ 概率密度函数$f(x)$ 某个邻域内概率的变化快慢。概率密度函数的值是概率的变化率，概率密度函数的面积才是概率。 于是可以得知$(a,b]$的概率：$P(a<X\le b)=\int_a ......

用途：主要用来解决不能写出解析解的、但有可微目标函数、约束条件的问题求解。 步骤： 获得初始解 基于初始解获得当前位置的梯度——找改进迭代方向 邻域内目标函数变化约等于步长*(梯度与实际改变向量的内积)。如沿梯度方向改变则约等于步长*梯度的二范数。梯度点乘改变向量可用于判断改变是增大还是缩小目标函数 ......

第一次看《代码大全》的时候，收获并不大。当第二次在项目中，应用到代码大全的知识。Debug的时候、重构代码的时候，写伪代码的时候，将代码写在一个个的子程序中的时候。似乎对书中的知识理解的透彻很多。 将代码写在子程序的另外一个好处是，有时候你会发现以前没有发现过的事物的本质。——>你对程序理解的更加透 ......