课程学习

01_ARM学习准备工作

01_ARM学习准备工作 熟悉Tiny210开发 ARM9 - 2410 ARM11 - 6410 CortexA8 - Tiny210 CortexA15 ... 1. 开始进入到真正的嵌入式阶段 1.1. 理解一下我们要学的内容 启动过程 1、上电 2、从BIOS里读引导信息 3、bootloa ......
ARM 01

直播学习:ssti模板注入漏洞

本次的课程的内容为: 1.ssti漏洞原理 2.ssti漏洞分析 3.ssti漏洞实战 12月16日晚20:00,我们不见不散~ ......
漏洞 模板 ssti

【项目学习】谷粒商城学习记录7 - 认证服务

【项目学习】谷粒商城学习记录7 - 认证服务 一、环境搭建 & 准备工作 1. 创建新模块 2. 配置依赖 pom.xml文件 引入common模块,排除gulimall-common包的mybatis-plus 将模块添加到注册中心 添加配置信息 添加服务发现注解 启动类添加远程调用注解 @Ena ......
谷粒 认证服务 商城 项目

【Python】人工智能-机器学习——不调库手撕深度网络分类问题

怎么用python手撕一个深度神经网络来解决分类问题?要求不调用其他核心库如tf,sk等,只用numpy、pandas库?这篇文章会告诉你答案!! ......
人工智能 人工 深度 机器 智能

php深化学习(二)

为了提高一定效率,我需要一些工具的工具 比如composer,vscode,phpstudy,宝塔控制面板 composer:是php 专门管理包工具。安装看https://docs.phpcomposer.com/00-intro.html教程就行。 composer 不光是管理工具,还能自动构建 ......
php

Python 学习笔记

Python 学习笔记 1、Python脚本 1.1脚本.py hello.py #code:utf-8 # 以下空一行 import os # 以下空两行 print(os.getcwd()) print('欢迎大家') print('来到python世界')`# 最后也要空一行 虽然空行对程序的 ......
笔记 Python

Rong晔大佬教程学习(5):ALU单元设计

之前我们提到,alu一共有两个输入,通过前几章的指令部分,我们可以发现有以下四种情况: 注意:虽然上面有四种情况,但由于本项目的U型指令只实现了lui,也就是立即数左移12位,所以把这一类归为寄存器和立即数,而不是第四种立即数和pc,这个是auipc指令实现的功能。所以下面代码中一共只有三种情况。 ......
单元 教程 Rong ALU

【Python】人工智能-机器学习——不调库手撕贝叶斯分类问题

1. 作业内容描述 1.1 背景 数据集大小150 该数据有4个属性,分别如下 Sepal.Length:花萼长度(cm) Sepal.Width:花萼宽度单位(cm) Petal.Length:花瓣长度(cm) Petal.Width:花瓣宽度(cm) category:类别(Iris Setos ......
人工智能 人工 机器 智能 Python

miniconda学习

安装minicondaminiconda可以到它的官网https://docs.conda.io/en/latest/miniconda.html下载,也可以在清华大学提供的镜像站点(地址如下)下载,速度很快。https://mirrors.tuna.tsinghua.edu.cn/anaconda ......
miniconda

Rong晔大佬教程学习(4):寄存器堆和立即数扩展

在第一节的设计结构图中,我们可以看到,ctrl.v模块译码后,就可以得到我们实际运算所需要的数据,有两种:1.寄存器值,通过译码后得到的地址在寄存器堆中读出;2.立即数值,在译码后进行扩展得到的完整的立即数值。 首先来看寄存器堆,一共有32个寄存器: 接口名称表示每个寄存器的功能,本章暂不涉及。特别 ......
寄存器 教程 Rong

深度学习3D网络---PointNet++

PointNet++ 地址:http://stanford.edu/~rqi/pointnet2/ 1.两者主要不同点 考虑到PointNet特征提取时只考虑单点,不能很好的表示局部结构 ==> PointNet++引入了sampling & grouping,考虑局部领域特征 PointNet中g ......
深度 PointNet 网络

深度学习笔记4:在卷积基上添加数据增强代码块和分类器

特征提取的另一种方式是将原有模型与一个新的密集分类器相连接,以构建一个新的模型,然后对整个模型进行端到端的训练。这种方法在输入数据上进行整体训练,使模型能够更好地适应数据特性并提取更有效的特征。通过这种方式,模型的性能可以得到进一步提高,同时也能更好地捕捉到数据中的复杂模式。 冻结卷积基 from ......
卷积 深度 代码 笔记 数据

cri-docker的学习和了解-番外

cri-docker的学习和了解-番外 前言 因为已经有足足两年多没再详细接触K8S了. 然后利用两个晚上搭建了IPV6 SingleStack的K8S单机版 中间一直使用的docker的方式学习和工作 然后有段时间研究过 containerd和buildkit 但是感觉先入为主的力量还是非常强大. ......
cri-docker docker cri

2023-2024-1 20232421邓锴 《网络空间安全导论》 第5周学习总结

教材学习总结 思维导图 教材学习中的问题和解决问题 问题1: 问题1解决办法: 问题2: 问题2解决办法: 问题3: 问题3解决办法: 基于AI的学习 思考 参考资料 《网络空间安全导论》 ......
导论 20232421 网络 空间 2023

无人机卫星地图深度学习定位

CMU & ICRA22 UAV俯瞰视觉定位竞赛冠军技术方案分享|军事科学院 ......
无人机 卫星 深度 地图

Linux 学习笔记

Linux的常用命令1.终端命令格式命令格式:command [-options] [parameter]说明:command :命令名,相应功能的英文单词或者单词的缩写[-options] :选项,可以用来对命令进行控制,也可省略[parameter]:传给命令的参数,可以是零个、一个或者多个绝对 ......
笔记 Linux

【学习笔记】transformer 简札

高铁心血来潮逼着自己把这个模型的结构看了一遍,不写下来会忘掉的 Encoder 输入是词向量。 word vector -> [(multihead) self-attention -> forward ]×n-> layer normalization self attention 就是 qkv矩 ......
transformer 笔记

【Avalonia】Avalonia的学习笔记以及与WPF的不同点

1.axaml中引用命名空间 xmlns:model="using:IDataTemplateSample.Models" 2.Grid支持行列的简化写法 <Grid RowDefinitions="Auto, Auto, *" ColumnDefinitions="Auto, *"/> 3.Dat ......
Avalonia 不同点 笔记 WPF

机器学习-线性回归-多项式升维-07

目录1. 为什么要升维2 代码实现3, 总结 1. 为什么要升维 升维的目的是为了去解决欠拟合的问题的,也就是为了提高模型的准确率为目的的,因为当维度不够时,说白了就是对于预测结果考虑的因素少的话,肯定不能准确的计算出模型。 在做升维的时候,最常见的手段就是将已知维度进行相乘来构建新的维度,如下图所 ......
多项式 线性 机器 07

C++学习笔记九:值,常量,常表达式和常初始化

1. 值: Literal: Data that is directly represented in code without going through some other variable stored in memory. 值: 直接在代码中表示的数据,无需通过内存中存储的其他变量。值不在 ......
常量 表达式 笔记

verilog学习笔记1

第一课的学习任务是: ①搞清楚常用语法,重点是赋值方式这部分,对应实际电路和实现的思路 ②能够写出ppt里的简单程序 ③会使用modelsim软件、编写testbench,验证自己的代码 一、数据流建模 1、连续赋值语句 格式是assign a = xxx;被赋值的变量必须是wire类型 语句定义了 ......
verilog 笔记

学习总结

访问控制功能是确保系统资源安全的重要手段。在后端搭建中,访问控制功能主要包括以下几个方面: 1. 用户认证:验证用户的身份,确保只有合法用户才能访问受保护的资源。通常包括用户名和密码的校验,或者使用第三方认证服务(如OAuth2)进行认证。 2. 角色认证:在用户认证通过后,根据用户的角色进行权限验 ......

SpringBoot——学习笔记

目录 1 SpringBoot工程主要组成部分 2 SpringBoot 2.x.x 要求 Spring 5版本;Spring 5 要求 JDK 1.8; 3 SpringBoot——Helloword 3.1 创建工程 可能出现的报错 1 SpringBoot工程主要组成部分:主启动类(必须有)、 ......
SpringBoot 笔记

基于ARM64的Qemu/KVM学习环境搭建2

在基于ARM64的Qemu/KVM学习环境搭建中介绍了搭建环境的方法。 使用新的Qemu版本:qemu-8.0.0 #!/bin/bash ../configure --prefix=`pwd` \ --target-list=x86_64-softmmu,aarch64-softmmu \ --e ......
环境 Qemu ARM KVM 64

css学习笔记

CSS(层叠样式表)是一种用于描述网页样式和布局的语言。它使得我们可以通过选择器和属性来控制网页的外观。以下是一些CSS的基本概念: 选择器:选择器用于选择要应用样式的元素。常见的选择器有标签选择器(如 p、h1)、类选择器(如 .class-name)和ID选择器(如 #id-name)等。选择器 ......
笔记 css

SM4算法学习

简介 SM4算法是我国商用密码标准,其前身是SMS4算法。SM4算法是一个分组加密算法,分组长度和密钥长度均128bit。SM4算法使用32轮的非线性迭代结构。SM4在最后一轮非线性迭代之后加上了一个反序变换,因此SM4中只要解密密钥是加密密钥的逆序,它的解密算法与加密算法就可以保持一致。 SM4算 ......
算法 SM4 SM

Rong晔大佬教程学习(3):取译码

在讲解指令译码之前,我们首先需要了解指令,如下图所示,ARM、MIPS、RISCV-v指令集同属于RISC指令集(精简指令集),特别注意的是,相同的一条指令在不同的ISA中译码得到的结果是不同的,这也很好理解,比如“nihao”在拼音中可以翻译为“你好”,就是打招呼的意思,但在英文中这甚至不是一个单 ......
译码 教程 Rong

基于AlexNet深度学习网络的智能垃圾分类系统matlab仿真

1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 基于AlexNet深度学习网络的智能垃圾分类系统是一种利用深度学习技术,对垃圾图像进行分类的系统。下面将详细介绍这种系统的原理和数学公式。 3.1、基于AlexNet深度学习网络的智能垃圾分类系统概述 基于Ale ......
学习网络 深度 垃圾 AlexNet 智能

Jmeter性能测试学习笔记

转自https://www.cnblogs.com/yoyoma0355/p/14658807.html jmeter定时器:https://blog.csdn.net/u013258415/article/details/78321288 性能测试的概念和公式:https://www.cnblog ......
性能 笔记 Jmeter

Solidity基本语法学习5

文档: https://solidity-by-example.org/ 视频教程: https://www.youtube.com/watch?v=xv9OmztShIw&list=PLO5VPQH6OWdVQwpQfw9rZ67O6Pjfo6q-p 说明 Payable 声明payable的fu ......
语法 Solidity
共12620篇  :37/421页 首页上一页37下一页尾页