当前位置: 首页 > news >正文

机器学习/人工智能 实验二:图像特征自动学习方法实践与分析

写在前面

参考的是https://zh.d2l.ai/index.html

一、实验目的与要求

(1)利用基于深度学习的特征自动学习方法完成图像特征提取的实验方案的设计。
(2)编程并利用相关软件完成实验测试,得到实验结果。
(3)通过对实验数据的分析、整理,得出实验结论,培养学生创新思维和编写实验报告的能力,以及处理一般工程设计技术问题的初步能力及实事求是的科学态度。
(4)利用实验更加直观、方便和易于操作的优势,提高学生学习兴趣,让学生自主发挥设计和实施实验发挥出学生潜在的积极性和创造性。

二、实验内容

(1)采用已经学过的深度特征提取方法,如卷积神经网络( CNN )等实现图像特征提取和学习的任务。
(2)分析比较深度学习方法的优缺点。

三、实验设备与环境

Windows11系统、Anaconda3、Pycharm Community、Jupyter Notebook、Scikit-learn库、TensorFlow深度学习框架、Pytorch深度学习框架

四、设计正文

(包括分析与设计思路、各模块流程图以及带注释的主要算法源码,若有改进或者创新,请描述清楚,并在实验结果分析中对比改进前后的结果并进行分析)

4.1 分析与设计思路

卷积神经网络是含有卷积层的神经网络,常用来处理图像数据。
卷积运算用星号表示。卷积的第一个参数为输入,第二个参数被称为核函数。输出为特征映射。将一张二维的图像III作为输入,用一个二维的核KKK,则:
S(i,j)=(I∗K)(i,j)=∑m∑nI(m,n)K(i−m,j−n)S(i,j)=(I\ast K)(i,j)=\sum_m\sum_n I(m,n)K(i-m,j-n) S(i,j)=(IK)(i,j)=mnI(m,n)K(im,jn)
实际上,在深度学习领域的“卷积”都是指互相关运算。二维卷积层输出的二维数组可以看做输入在空间维度上某一级的表征(特征图)。假设输入的形状是nh∗nwn_h*n_wnhnw,卷积核窗口形状是kh∗kwk_h*k_wkhkw,在步长为1的情况下,则输出形状是(nh−kh+1)(nw−kw+1)(n_h-k_h+1)(n_w-k_w+1)(nhkh+1)(nwkw+1)
填充(padding)是指在输入高和宽的两侧填充元素(0元素)。如果在高的两侧填充php_hph行,在宽的两侧填充pwp_wpw列,则输出形状将变成:
(nh−kh+ph+1)(nw−kw+pw+1)(n_h-k_h+p_h+1)(n_w-k_w+p_w+1) (nhkh+ph+1)(nwkw+pw+1)
使用更大的步长时,若高上步长shs_hsh,宽上步长sws_wsw,则输出形状为:
⌊(nh−kh+ph+1)/sh⌋⌊(nw−kw+pw+1)/sw⌋\lfloor (n_h-k_h+p_h+1)/s_h\rfloor\lfloor(n_w-k_w+p_w+1)/s_w\rfloor ⌊(nhkh+ph+1)/sh⌊(nwkw+pw+1)/sw
对于彩色图像,可以有多个输入通道和多个输出通道。在做互相关运算时,每个输出通道上的结果由卷积核在该输出通道上的核数组与整个输入数组计算而来。
同卷积层一样,池化层每次对输入数据有一个固定形状窗口(池化窗口)。不同于卷积层内计算输入和核的互相关性,池化层直接计算池化窗口内元素的最大值或平均值。同卷积层一样,池化层也可以在输入的高和宽的两侧填充并调整窗口的移动步幅改变输出形状。在处理多通道输入数据时,池化层对每个输入通道分别池化,而不像卷积层那样将各通道输入按通道相加。所以池化层输出通道数和输入通道数相等。
在本次实验中,使用经典的LeNet卷积神经网络。LeNet分为卷积层块和全连接层块两个部分。卷积层块的基本单位是卷积层后接最大池化层。卷积层用来识别图像里的空间模式如线条或物体局部,之后的最大池化层用来降低卷积层对位置的敏感性。卷积层块由两个这样的基本单位重复堆叠构成,在卷积层块中每个卷积层使用5*5的窗口,并在输出上使用sigmoid激活函数。第一个卷积层输出通道数为6,第二个卷积层输出通道数增加到16。卷积层和两个最大池化层窗口均为2*2,且步长为2。所以池化窗口每次滑动所覆盖区域互不重叠。在将卷积层块的输出送入全连接层块前,全连接层块会将小批量中每个样本变平。全连接层输入性状将变成二维,第一维是小批量中的样本,第二维是每个样本变平后的向量表示,且向量长度为通道宽的积。全连接层块含3个全连接层,输出个数分别是120、84、10,其中10位输出的类别个数。
LeNet卷积神经网络的整体流程如下:
在这里插入图片描述
在本次实验中,使用经典的Fashion-MNIST数据集进行测试。

4.2 主要算法源码

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
import torch
from torch import nn
from d2l import torch as d2l
net = nn.Sequential(nn.Conv2d(1, 6, kernel_size=5, padding=2), nn.Sigmoid(),#卷积nn.AvgPool2d(kernel_size=2, stride=2),#平均池化nn.Conv2d(6, 16, kernel_size=5), nn.Sigmoid(),#卷积nn.AvgPool2d(kernel_size=2, stride=2),#平均池化nn.Flatten(),#展平nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),#全连接nn.Linear(120, 84), nn.Sigmoid(),#全连接nn.Linear(84, 10))#全连接
X = torch.rand(size=(1, 1, 28, 28), dtype=torch.float32)#随机初始化种子
for layer in net:X = layer(X)print(layer.__class__.__name__,'output shape: \t',X.shape)
batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size=batch_size)#读取训练集并batch
def evaluate_accuracy_gpu(net, data_iter, device=None): #@save"""使用GPU计算模型在数据集上的精度"""if isinstance(net, nn.Module):net.eval()  # 设置为评估模式if not device:device = next(iter(net.parameters())).device# 正确预测的数量,总预测的数量metric = d2l.Accumulator(2)with torch.no_grad():for X, y in data_iter:if isinstance(X, list):# BERT微调X = [x.to(device) for x in X]else:X = X.to(device)y = y.to(device)metric.add(d2l.accuracy(net(X), y), y.numel())return metric[0] / metric[1]#计算accuracy
#@save
def train_ch6(net, train_iter, test_iter, num_epochs, lr, device):"""用GPU训练模型(在第六章定义)"""def init_weights(m):if type(m) == nn.Linear or type(m) == nn.Conv2d:nn.init.xavier_uniform_(m.weight)net.apply(init_weights)print('training on', device)net.to(device)optimizer = torch.optim.SGD(net.parameters(), lr=lr)#LR优化器loss = nn.CrossEntropyLoss()#交叉熵损失函数animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs],legend=['train loss', 'train acc', 'test acc'])timer, num_batches = d2l.Timer(), len(train_iter)for epoch in range(num_epochs):# 训练损失之和,训练准确率之和,样本数metric = d2l.Accumulator(3)net.train()for i, (X, y) in enumerate(train_iter):timer.start()optimizer.zero_grad()X, y = X.to(device), y.to(device)y_hat = net(X)l = loss(y_hat, y)l.backward()optimizer.step()with torch.no_grad():metric.add(l * X.shape[0], d2l.accuracy(y_hat, y), X.shape[0])timer.stop()train_l = metric[0] / metric[2]train_acc = metric[1] / metric[2]if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:animator.add(epoch + (i + 1) / num_batches,(train_l, train_acc, None))test_acc = evaluate_accuracy_gpu(net, test_iter)animator.add(epoch + 1, (None, None, test_acc))#展示曲线animator.show()print(f'loss {train_l:.3f}, train acc {train_acc:.3f}, 'f'test acc {test_acc:.3f}')print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec 'f'on {str(device)}')
lr, num_epochs = 0.9, 10
train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

五、实验结果及分析

程序输出数据如下

Conv2d output shape: 	 torch.Size([1, 6, 28, 28])
Sigmoid output shape: 	 torch.Size([1, 6, 28, 28])
AvgPool2d output shape: 	 torch.Size([1, 6, 14, 14])
Conv2d output shape: 	 torch.Size([1, 16, 10, 10])
Sigmoid output shape: 	 torch.Size([1, 16, 10, 10])
AvgPool2d output shape: 	 torch.Size([1, 16, 5, 5])
Flatten output shape: 	 torch.Size([1, 400])
Linear output shape: 	 torch.Size([1, 120])
Sigmoid output shape: 	 torch.Size([1, 120])
Linear output shape: 	 torch.Size([1, 84])
Sigmoid output shape: 	 torch.Size([1, 84])
Linear output shape: 	 torch.Size([1, 10])
training on cpu
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 350x250 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
<Figure size 1920x951 with 1 Axes>
loss 0.460, train acc 0.829, test acc 0.812
5569.6 examples/sec on cpu

可以看到,正确地建立了经典的LeNet模型,在cpu上进行训练,最终结果为交叉熵函数loss为0.460。在训练集上准确率为0.829,测试集上准确率为0.812。在cpu上训练,每一秒只能运行5569.6个训练数据。
Epoch了10次,Loss函数、训练集准确率、测试集准确率变化曲线如下图所示。
在这里插入图片描述

六、总结及进一步改进设想

(主要总结本实验的不足以及进一步改进的设想)
总结:在本次实验中,使用了经典的基于CNN的LeNet算法,实现了对图片自动的特征提取与分类。深度学习的特点是存在一个甚至多个隐藏层(Hidden Layers)。
所以,深度学习比起传统机器学习方法的优点是:有隐藏层,能自动学习并完成特征提取任务,对于图像、自然语言、语音等非结构化的数据集,能够自动进行特征提取而不需要我们手动地构造相关特征,完成比一个简单的Sigmoid/Softmax函数更多的学习任务。比起简单的多层感知机、神经网络,卷积神经网络能够保留输入形状的特征,将统一卷积核与不同位置的输入重复计算,避免隐藏层权重参数尺寸过大。在结果上,测试的精度比起传统机器学习算法也有一定提升。
然而,深度学习方法也有缺点。深度学习需要消耗大量的内存、运算资源、时间进行训练。
本实验存在一定不足之处,需要进一步改进。由于在安装Pytorch与TensorFlow深度学习框架时,安装成了cpu版本的而不是gpu版本的,所以在笔记本电脑上只能epoch较少次数且每个epoch都需要很长的耗时。因此,需要安装gpu版本,以更高效地学习深度学习,完成深度学习实验。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.exyb.cn/news/show-4505800.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈,一经查实,立即删除!

人脸融合java_java实现人脸融合

【实例简介】腾讯优图中的人脸融合&#xff0c;就是把自己的照片和军装照等各种模板照片融合&#xff0c;我在这个项目上补上了代码实现&#xff0c;测试可用&#xff0c;下载可以直接运行【实例截图】【核心代码】java_sdk-master└── java_sdk-master├── README.md├──…...

代码随想录算法训练营第十七天二叉树 java : . 110.平衡二叉树 257.二叉树的所有路径 404.左叶子之和

文章目录前言Leetcode 110.平衡二叉树题目讲解思路Leetcode 257. 二叉树的所有路径题目讲解这道题涉及到了回溯Leetcode 404.左叶子之和题目讲解总结前言 选择一个简单的理念&#xff0c;矢志不渝地去执行&#xff08;Take one simple idea and take it seriously 递归三部曲…...

一份好的商业计划书该怎么写

一、商业计划书是创业者找VC/PE的敲门砖 •据统计投资人平均每天收到50-100份BP&#xff0c;而只有5-8份会受到重视 •投资人阅读每份商业计划书平均时间为3分44秒 •商业计划书平均长度19.2页&#xff0c;建议不超过20页 •商业计划书撰写建议使用PPT&#xff08;节省投资人时…...

:C语言I博客作业08

这个作业属于哪个课程2021秋C语言_中南林涉外社区-CSDN社区云这个作业要求在哪里2021秋C语言_中南林涉外社区-CSDN社区云这个作业的目标学号C语言学号20218568 1. PTA作业 1.1 &#xff08;题目名称&#xff09;&#xff1a; 本题要求编写程序&#xff0c;输出给定正整数M和N…...

人脸融合技术

传统的图像融合方法&#xff1a;https://blog.csdn.net/weixin_42512684/article/details/108423845 传统的人脸融合分为三步&#xff1a; 1.特征点提取 2.三角剖分 3.像素融合 三角剖分 Delaunay :最大化最小角&#xff0c;避免瘦三角形 Delaunay剖分是一种三角剖分的标准&…...

算法编程题总结(一)

1.小美的送花线路小美是美团的一名鲜花快递员&#xff0c;鲜花是一种保质期非常短的商品&#xff0c;所以需要尽快送到客户手中&#xff0c;公司对于骑手的一个要求就是要规划送花的线路&#xff0c;使得骑手送完所有订单走的路程尽可能少。(骑手开始派送时带走了所有需要派送的…...

关于书面辞职报告和试用期离职

原文&#xff1a;http://zhidao.baidu.com/question/334026583.html 关于书面辞职报告和试用期离职 2011-10-25 17:59jiushijay2011 | 来自手机知道 | 分类&#xff1a;法律 |浏览17096次我目前试用期内&#xff0c;想离职&#xff0c;主管说现在手头没人一个月才能走&#xff…...

LVGL8.1笔记1--显示移植(2022-0515)

LVGL8.1笔记1--显示移植前言一、移植前准备二、LVGL-8.1目录简介主要用的的内容examples文件夹内容介绍src文件夹内容介绍lv_conf_template.h文件内容介绍三、开始移植1. 编译准备好的带屏幕显示的keil工程2. 添加LVGL-8.1到工程中3. API接口移植&#xff08;重点&#xff09;4…...

android xml属性,android中解析XML androidxml属性大全

【android中解析XML androidxml属性大全】Android中有哪几种解析xml的类&#xff0c;官方推荐哪种?以及它们的原理和区别&#xff0c;达内android培训技术专家整理。方式一&#xff1a;DOM解析优点&#xff1a;1、XML树在内存中完整存储&#xff0c;因此可以直接修改其数据和结…...

我的2022

我的2022高考结束的暑假前言高考结束编程的引路人学校生活差点放弃蓝桥杯报名寒假期间摆烂的假期卷王结束我的摆烂假期23年计划寄语&#x1f389;welcome&#x1f389; ✒️博主介绍&#xff1a;一名大一的智能制造专业学生&#xff0c;在学习C/C的路上会越走越远&#xff0c;后…...

c 语言编程框架_使用此框架选择您的下一种编程语言

c 语言编程框架Human capital is our greatest asset.人力资本是我们最大的财富。 Like financial capital, the all-powerful force of compound growth means that a small difference in the rate of skill acquisition can lead to massive differences in career outcome…...

Arduino UNO驱动DS1307数字实时时钟RTC

DS1307时钟模块简介 DS1307是一款低功耗&#xff0c;具有56字节非失性RAM的全BCD码时钟日历实时时钟芯片&#xff0c;地址和数据通过两线双向的串行总线的传输&#xff0c;芯片可以提供秒&#xff0c;分&#xff0c;小时等信息&#xff0c;每一个月的天数能自动调整。并且有闰…...

lvgl v8.3移植及组件使用

前言 最近在学习lvgl&#xff0c;网上的教程主要有韦东山和正点原子他们两家有做&#xff0c;我手上只有野火的开发板&#xff0c;但野火他们没做这个教程&#xff0c;不过问题不大&#xff0c;其实随便一个带屏幕的开发板就可以&#xff0c;移植过程都是差不多的&#xff0c;…...

Spark 内存管理

一、堆内和堆外内存规划 作为一个JVM 进程&#xff0c;Executor 的内存管理建立在JVM的内存管理之上&#xff0c;Spark对 JVM的堆内&#xff08;On-heap&#xff09;空间进行了更为详细的分配&#xff0c;以充分利用内存。同时&#xff0c;Spark引入了堆外&#xff08;Off-hea…...

PHP 限制输出内容的字数

2019独角兽企业重金招聘Python工程师标准>>> 一、contentWordNumLimit($content, $maxWordNum) 1 作用描述&#xff1a;内容格式化(英文单双引号替换为中文&#xff0c;回车换行替换为html中的br标签&#xff0c;\n替换为空格)&#xff0c; 限制输出内容的字数&…...

分享网站到其他社区

新浪微博 : <html xmlns:wb"http://open.weibo.com/wb"> <script src"http://tjs.sjs.sinajs.cn/open/api/js/wb.js" type"text/javascript" charset"utf-8"></script> <wb:share-button addition"numbe…...

云康集团通过聆讯:8个月营收超10亿 期内利润2.7亿

雷递网 雷建平 2月21日报道云康集团有限公司&#xff08;简称&#xff1a;“云康集团”&#xff09;日前通过港交所上市聆讯&#xff0c;预计近期上市。2020年以前&#xff0c;云康集团是亏损的&#xff0c;疫情发生后&#xff0c;让云康集团实现收入暴增&#xff0c;同时&…...

设计模式(一)-单例模式

本文章是转载自用&#xff0c;详细请参考原创作者&#xff0c;内容更加丰富&#xff1a;https://blog.csdn.net/weixin_41949328/article/details/107296517 什么是单例模式 单例模式&#xff08;Singleton Pattern&#xff09;是 Java 中最简单的设计模式之一。这种类型的设计…...

WSL_02 WSL配置强大的 zsh

文章目录1 ZSH简介2 安装zsh2.1 准备阶段2 基础安装3 zsh更换主题3.1 使用vscode 打开 .zshrc4 自定义支持插件4.1 修改配置5 安装第三方插件autosuggestion5. 1 下载参考1 ZSH简介 zsh是Linux命令行界面&#xff0c;可以为帮助我们自定义配置命令行窗口&#xff0c;并且具有许…...

线程池必须是单例模式

线程池一定要在合理的单例模式下才有效&#xff0c;工作中我发现有些同学将线程池的创建方法放在services方法里面去创建线程池&#xff0c;这是不可以的&#xff0c;因为每当这个方法被调用的时候不是创建多少个线程的问题了&#xff0c;而是创建出来了一大堆线程池&#xff0…...

c语言小练pintia1-10

1.这道超级简单的题目没有任何输入。你只需要把这句很重要的话 —— “Im gonna WIN!”——连续输出三遍就可以了。注意每遍占一行&#xff0c;除了每行的回车不能有任何多余字符。#include <stdio.h>int main() {printf("Im gonna WIN!\nIm gonna WIN!\nIm gonna W…...

SRS为何加入木兰社区孵化?

凌云时刻SRS正式加入木兰开源社区孵化&#xff0c;我想很多朋友只是大概知道木兰社区是国家级的开源社区&#xff0c;是一件很值得荣耀的事情&#xff0c;其他的事情可能就了解不多了。这次和大家分享下我对这个事情的理解和思考&#xff0c;如果有疑问欢迎评论区留言&#xff…...

[附源码]Python计算机毕业设计-高校人事管理系统Django(程序+LW)

该项目含有源码、文档、程序、数据库、配套开发软件、软件安装教程 项目运行 环境配置&#xff1a; Pychram社区版 python3.7.7 Mysql5.7 HBuilderXlist pipNavicat11Djangonodejs。 项目技术&#xff1a; django python Vue 等等组成&#xff0c;B/S模式 pychram管理等…...

群、环、域——群

群环域 群 原群 Magma 原群是一种基本的代数结构&#xff0c;只要满足两元素作二元运算得到新元素仍属于该集合&#xff0c;即满足封闭性&#xff08;closure&#xff09;。 一言以蔽之&#xff0c;原群是运算具有 封闭性 的集合。即&#xff0c;GG→GG\times G\to GGG→G.…...

Spring为什么默认是单例模式?

单例bean与原型bean的区别&#xff1a; 如果一个bean被声明为单例的时候&#xff0c;在处理多次请求的时候在spring容器里只实例化出一个bean&#xff0c;后续的请求都公用这个对象&#xff0c;这个对象会保存在一个map里面。当有请求来的时候会先从缓存&#xff08;map&#…...

【二次开发】如何使用C#进行CATIA二次开发

1. 引言 由于项目需要&#xff0c;最近搜集整理了一些关于CATIA二次开发的资料&#xff0c;貌似国内对于CATIA二次开发需求不大&#xff0c;相关资料比较有限&#xff0c;因此刚开始遇到了不少问题&#xff0c;通过分析网上的一些示例&#xff0c;以及结合CATIA的宏录制功能生…...

线程安全的单例模式

单例模式&#xff0c;即我们只允许一个类有且仅有一个实例对外提供服务。通常为了性能考虑&#xff0c;单例模式会以懒加载的形式创建&#xff0c;也即单例中的懒汉模式&#xff0c;与之相对的当然就是单例的饿汉模式&#xff1a;不管用不用&#xff0c;我可以先给你创建出来。…...

什么是单例模式,懒汉式和饿汉式使用方式

什么是单例模式&#xff0c;单例模式解决的问题 单例 听这个名字就知道是单着的&#xff0c;唯一的&#xff0c;例&#xff1a;就是实例 单例合起来就是这个类在整个系统中值能有一个实例对象可被获取和使用的代码模式&#xff0c;就称之为单例模式。 单例模式怎样来操作&#…...

vue 记住密码下次自动登录

<span><input type"checkBox" name"adviceCheck" id"adviceCheck" :checked"pasChecked" click"changeChecked" hidden/><label for"adviceCheck" class"advice">下次自动登录</l…...

java的一些基础知识(引用BlogJava 落花飞雪)

java的一些基础知识&#xff08;引用BlogJava 落花飞雪&#xff09; 《Practical Java》笔记 1. 声明是什么? String s "Hello world!"; 许多人都做过这样的事情&#xff0c;但是&#xff0c;我们到底声明了什么&#xff1f;回答通常是&#xff1a;一个Strin…...

10月书讯(下)| 双节同庆,读书正当时

8天小长假&#xff0c;正是读书好时节又到上新季&#xff0c;读书与休假更配哦10月书讯&#xff08;下&#xff09;请查收1/19《现代操作系统&#xff1a;原理与实现》操作系统和系统安全领域国际知名学者上海交通大学陈海波教授作品作者&#xff1a;陈海波 夏虞斌 等书号&…...

关于如何在sql语句like通配符后面写select语句

今天遇到一个需求&#xff0c;需要查出选择的区域下所有的子区域数据&#xff0c;就在想如何在like通配符后面写select语句&#xff0c;最后写出来了&#xff0c;截个图以备查询...

高速高精度半导体运动台设计

不管是晶圆制造设备如光刻机、刻蚀机等&#xff0c;还是半导体后端封装设备&#xff0c;如固晶机、焊线机等&#xff0c;XY 运动平台都是这些设备的核心部件&#xff0c;运动平台的性能决定着设备的性能。 高速高精运动平台&#xff0c;其最大特点就是高速度、高加速度和高精度…...

【手写 Vue2.x 源码】第二十六篇 - 数组依赖收集的实现

一&#xff0c;前言 上篇&#xff0c;主要介绍了数组依赖收集的原理 本篇&#xff0c;数组依赖收集的实现 二&#xff0c;对象依赖收集的总结 {}.dep > watcher 目前&#xff0c;“对象本身”和“对象中的每一个属性”都拥有一个 dep 属性&#xff0c;用于做依赖收集 此…...

ansible学习笔记4

ansible 1.按照要求定义以下变量。&#xff08;可以在多个位置下定义实现相应操作即可&#xff09; | 变量名 | 值 | | --------- | ------- | | file_name | newfile | | user_name | devops | | pk_name | httpd | 2.编写任务模块在node1和node2主机中根据以上变量值创…...

iOS开发 获取手机型号

1.导入头文件#import "sys/utsname.h"2.获取原理&#xff1a;获取当前设备的型号标识符&#xff0c;根据型号标识符对应的手机型号来判断当前设备型号。 型号标识符与手机型号的对应关系见&#xff1a;https://www.theiphonewiki.com/wiki/Models#iPhone3.代码实例&a…...

Java中什么是单例模式

单例模式又叫做 Singleton模式&#xff0c;指的是一个类&#xff0c;在一个JVM里&#xff0c;只有一个实例存在。 1.饿汉式单例模式 通过私有化其构造方法&#xff0c;使得外部无法通过new 得到新的实例。 举个例子&#xff1a; LOL里有一个怪叫大龙GiantDragon&#xff0c;只…...

无胁科技-TVD每日漏洞情报-2022-12-15

漏洞名称:PowerShell 远程代码执行漏洞 漏洞级别:严重 漏洞编号:CVE-2022-41076;CNNVD-202212-3016 相关涉及:Microsoft Windows 漏洞状态:未定义 参考链接:https://tvd.wuthreat.com/#/listDetail?TVD_IDTVD-2022-25797 漏洞名称:Windows 安全套接字隧道协议 (SSTP) 远程代码…...

ora-01756 secureCRT

遭遇问题 secureCRT 登录数据库主机&#xff0c;sqlplus 里面执行sql 语句。 由于sql 语句包含中文&#xff0c;sqlplus 报错 ORA-01756: quoted string not properly terminated 解决方案 secureCRT &#xff1a;点击 options ->session options 这里把 UTF-8 改成 Defa…...

关于博客记录的内容

正如苏东坡所言&#xff0c;故书不厌百回读&#xff0c;熟读深思子自知&#xff0c;一些书需要反复咀嚼&#xff0c;才能感觉到它的真实味道。今天开通博客&#xff0c;主要是记录所看的书的经典内容&#xff0c;当然&#xff0c;只是看书最多是学会装逼&#xff0c;只有实践才…...

chrome浏览器下载加速

进入“chrome://flags/”页面&#xff0c;搜索到“Parallel downloading”一项后&#xff0c;将其“Enabled”即可。...

BI项目1 酒店相关

概览&#xff1a; 从来源抽取数据&#xff08;用kettle&#xff09;&#xff0c;&#xff08;ODS&#xff09;存储到数据仓库&#xff0c; 对数据整合&#xff08;先放在DW层&#xff09;&#xff0c;整合成两类表&#xff0c;事实表&#xff0c;维度表。 然后可能再整合到 DM层…...

TIOBE 9 月编程语言:C++ 突起、Java 流行度下降

整理 | 郑丽媛出品 | CSDN&#xff08;ID&#xff1a;CSDNnews&#xff09;编程语言社区 TIOBE 最新发布了 9 月编程语言排行榜。自从今年5月被C语言超越后&#xff0c;Java就一直位列第2&#xff0c;久久无法突破&#xff0c;市场份额也在逐月降低&#xff0c;本月的市场占比相…...

Android之EditText输入框限制表情的输入

代码如下&#xff1a; public class ContainsEmojiEditText extends EditText { // 输入表情前的光标位置 private int cursorPos; // 输入表情前EditText中的文本 private String inputAfterText; // 是否重置了EditText的内容 private boolean rese…...

华为手机锁屏下拉怎么设置_华为手机怎么设置会滚动的锁屏文字?设置步骤超简单,一看就会...

小米手机设置锁屏滚动文字是通过自定义运营商名称来实现的&#xff0c;但是华为手机并不能自定义运营商名称&#xff0c;大部分华为手机只能选择显示或不显示运营商名称。那么问题来了&#xff0c;华为手机要怎么操作才能让锁屏文字滚动起来呢&#xff1f;按照下面的操作步骤去…...

什么是单例模式?单例模式的举例

什么是单例模式? Java中单例模式是一种常见的设计模式&#xff0c;单例模式的写法有好几种&#xff0c;这里主要介绍懒汉式单例、饿汉式单例. 特点&#xff1a; 1.单例类只能有一个实例. 2.单例类必须自己创建自己的唯一实例. 3.单例类的构造器必须是私有&#xff0c;不…...

代数结构:群、环、域、模、线性空间、格

群 定义 设GGG是非空集合&#xff0c;代数结构(G,∘)(G,\circ)(G,∘)叫做群&#xff0c;如果GGG上的二元运算∘\circ∘满足 结合律&#xff1a;(a∘b)∘ca∘(b∘c)(a \circ b) \circ c a \circ (b \circ c)(a∘b)∘ca∘(b∘c)单位元&#xff1a;e∘gg∘ege \circ g g \cir…...

小程序如何做成html的滚动字幕,如何在手机上制作滚动字幕?

unit Unit1;interfaceusesWindows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,Dialogs, ExtCtrls, StdCtrls, ComCtrls, CommCtrl;typeTForm1 class(TForm)ListView1: TListView;ListView2: TListView;Label1: TLabel;Label2: TLabel;procedure For...

程序员学习能力提升三要素

IT技术的发展日新月异&#xff0c;新技术层出不穷&#xff0c;具有良好的学习能力&#xff0c;能及时获取新知识、随时补充和丰富自己&#xff0c;已成为程序员职业发展的核心竞争力。本文中&#xff0c;作者结合多年的学习经验总结出了提高程序员学习能力的三个要点。 众所周知…...

广东工业大学计算机学院书记,计算机学院召开2018年工作总结大会

单 位&#xff1a;计算机学院2019年1月8日上午&#xff0c;计算机学院在工学一号馆216会议室召开了学年工作总结大会。会议由学院陈平华副院长主持。会上&#xff0c;郭维喜书记对过去一学年学院各项工作给予了肯定&#xff0c;并从党的建设、意识形态工作、思想宣传工作、师德…...

五大移动GPU厂商

《谁能笑傲江湖&#xff1f;移动处理器门派那些事儿》一文中我们把2012年的移动处理器的厂商做了一番介绍&#xff0c;并按照各自的属性给划分了门派。既然把他们称为江湖门派&#xff0c;那么每一个门派总要有自己的绝活。移动处理器厂商中CPU基本都是源自ARM&#xff0c;同架…...

什么是单例模式?为什么要用单例模式?实现的几种方式?

Python 中的单例模式单例模式 单例模式&#xff08;Singleton Pattern&#xff09;是一种常用的软件设计模式&#xff0c;该模式的主要目的是确保某一个类只有一个实例存在。当你希望在整个系统中&#xff0c;某个类只能出现一个实例时&#xff0c;单例对象就能派上用场。 比如…...

软件定义汽车技术体系研究

当今&#xff0c;智能汽车已成为全球汽车产业的战略发展方向&#xff0c;汽车技术与工程核心逐渐从传统硬件层面转移到软件层面&#xff0c;软件定义汽车成为未来汽车发展的重要趋势。本文中通过对比分析传统汽车与软件定义汽车&#xff0c;提出软件定义汽车整车开发、整车物理…...

Ubuntu如何备份和恢复系统 - 落花往事的日志 - 网易博客

在 使用Ubuntu之前&#xff0c;相信很多人都有过使用Windows系统的经历。如果你备份过Windows系统&#xff0c;那么你一定记忆犹新&#xff1a;首先需要找到一个备份工 具(通常都是私有软件)&#xff0c;然后重启电脑进入备份工具提供的软件环境&#xff0c;在这里备份或者恢复…...

CAD如何快速转换为PDF

工作中有时候不免需要将CAD文档转换PDF格式&#xff0c;这样更方便传阅和查看&#xff0c;那么怎么将CAD转换为PDF格式了&#xff0c;下面小编就一起带大家来看看吧。 1、首先打开电脑网页&#xff0c;搜索“speedpdf”在下拉的页面中选择转换器网页&#xff0c;工具中选择“C…...

唯有爱和勇气不可辜负 《无双争霸战》删档计费测试明日开启

备受期待的3D魔幻仙侠手游《无双争霸战》&#xff0c;终于将在11月28日上午10点&#xff0c;于安卓平台及联运渠道火热开启删档计费测试啦&#xff01;在测试期间&#xff0c;不仅有萌逗神宠陪你勇闯天涯&#xff0c;大爱与勇气也将始终伴你同行。百变时装、华丽翅膀、炫酷坐骑…...

单例模式的几种形式

单例模式 概述 单例模式是一种非常简单的设计模式之一&#xff0c;当我们使用的对象要在全局唯一时就需要用到该模式&#xff0c;以保证对象的唯一性。除此之外&#xff0c;还能避免反复的实例化对象&#xff0c;减少内存开销。 单例模式的有如下几种 饿汉式 public class H…...

建议收藏:模拟版图高频面试题,直通面试,Offer抢先拿!

模拟板图工程师在行业内是个神奇的存在&#xff0c;**“零基础的门槛”、“岗位需求量大”、“高就业薪资”**模拟版图工程师成为了行业宠儿&#xff0c;促使很多人跨行也想要跳槽到这个岗位&#xff0c;之前有和大家分享过&#xff1a; 模拟版图太难学&#xff1f;领模拟版图…...

考研英语不熟悉的词义(List16-List20)

文章目录考研英语不熟悉的词义&#xff08;List16-List23&#xff09;List 16&#xff08;48个&#xff09;List 17&#xff08;41个&#xff09;List 18&#xff08;42个&#xff09;List 19&#xff08;36个&#xff09;List 20&#xff08;43个&#xff09;考研英语不熟悉的…...

linux 终端命令字体大小,如何实现更改Linux终端字体的种类和大小

本文译自&#xff1a;“How To Change Linux Console Font Type And Size”译者&#xff1a;开源视界校对&#xff1a;OpenView原文及本文遵循&#xff1a;CC BY-NC 4.0协议如果你拥有图形桌面环境&#xff0c;则很容易更改文本字体类型及其大小。那么&#xff0c;你如何在没有…...

Python将文件夹中的照片按名字与Excel中的数据对应并排序,重命名

Python将文件夹中的照片按名字与Excel中的数据对应并排序&#xff0c;重命名 文件夹中是人的照片&#xff0c;照片名是人名&#xff0c;格式是任意图片格式。 目标是按照Excel中表“st”的顺序将他们重新排序&#xff0c;通过重命名来表现排序的结果。 代码如下&#xff1a;…...

java excel 函数的使用方法_Java开发之Excel函数VLOOKUP的使用技巧

前言Excel是我们日常办公或者开发中比较常见一款办公软件&#xff0c;因为其方便性&#xff0c;大大被人们所青睐。最近在做中图分类法时遇到了一个难题&#xff0c;那就是已知Excel中存储着中图分类法的名称和中图分类号以及每个中图分类号的父级分类号&#xff0c;如何根据这…...

离散数学——图论中图的同构的应用

我选择图的同构这块知识点&#xff0c;首先图的同构可以形象的说&#xff0c;若图的结点可以任意挪动位置&#xff0c;而边是完全弹性的&#xff0c;只要在不拉断的条件下&#xff0c;一个图可以变形为另一个图&#xff0c;那么称这两个图同构。 同构是在数学对象之间定义的一…...

轻量级深度学习网络概览

调研了一下最近的一些轻量级网络&#xff0c;列举并简单介绍各个网络的设计思路 PVANET 2016年1月在arxiv网站第一次提交 文章地址&#xff1a;https://arxiv.org/abs/1608.08021 代码链接&#xff1a;https://github.com/sanghoon/pva-faster-rcnn 文章目的是减少网络计算量…...

深度学习入门 之 Matplotlib学习笔记(二)

上一篇笔记我们主要学习的是在一个figure里画图&#xff0c;很多情况下我们可能需要在一个窗口中分区域画几个图像&#xff0c;那么该如何实现呢~ 目录 一、 sublplot多合一显示 二、 subplot分格显示 2.1 subplot2grid 2.2 gridspec 2.3 easy to define structure 三、…...

matlab读取txt,excel文件数据,图中图,局部放大

matlab读取txt文件方式1&#xff08;缺点&#xff1a;文件名固定&#xff09;&#xff1a;使用magnify.m小工具获取局部图形&#xff08;附件有点击打开链接&#xff09; matlab测试demo如下&#xff1a; filename F:\matlab document\data.txt; %要读取的txt文件名(两列数据…...

mysql语句执行顺序

SQL语句执行顺序&#xff1a;FROM、ON 、JOIN、WHERE、GROUP BY、AGG_FUNC、WITH、HAVING、SELECT、UNION、DISTINCT 、ORDER BY、LIMIT。 在实际执行过程中&#xff0c;每个步骤都会为下一个步骤生成一个虚拟表&#xff0c;这个虚拟表将作为下一个执行步骤的数据。 1、FROM&…...

阿里云服务器安装图形界面

为了自动化流程安装图形界面&#xff0c;我的服务器是Centos7 1、yum安装gnome图形界面 yum groupinstall “GNOME Desktop” -y 2、安装远程桌面服务端 yum -y install tigervnc-server -y 3、启动远程桌面服务端(将桌面服务绑定到5903端口) vncserver :3 4、阿里控制台放开59…...

研究亥姆霍兹线圈轴线磁场分布(2)

【实验目的】 1.测量圆形线圈中轴线上的磁感应强度; 2.测量亥姆霍兹线圈中轴线上的磁场分布; 3.了解亥姆霍兹线圈磁场的特点以及磁场叠加原理; 4.学习使用霍尔效应法测量磁场。 【实验原理】 磁场起源于电荷的运动&#xff0c;通常用磁感应强度B(包括方向和大小)表述磁场…...

研究亥姆霍兹线圈轴线磁场分布(3)

【实验目的】 1.测量圆线圈轴线上的磁感应强度; 2.测量亥姆霍兹线圈轴线上的磁场分布; 3.了解亥姆霍兹线圈磁场的特点以及磁场叠加原理; 4.学习使用霍尔效应法测量磁场。 【实验原理】 磁场起源于电荷的运动&#xff0c;通常用磁感应强度B(包括方向和大小)表述磁场性质&am…...

Unidbg模拟执行某段子so实操教程(二) LoadSo对比

一、目标 上篇文章里面&#xff0c;我们跑出来的结果有点不对头&#xff0c;多个一个 ABC。 这次我们试试用 LoadSo的方式来排查下问题。 参考&#xff1a; [借鸡生蛋之SandHook的使用(一)] 二、步骤 我们先用Android Studio 4.0 来编译一个so 打开AS&#xff0c;然后用向…...

乌隆他尼皇家大学举办第48届泰国大学生运动会新闻发布会

乌隆他尼皇家大学新闻发布会准备-举办泰国第48届大学生运动会“Dok Jan Ban Chiang Games” 2022 年 7 月 22 日上午 9 点 30 分&#xff0c;在语言和计算机中心大楼的会议室&#xff0c;乌隆他尼皇家大学Danuch Tanthoddit博士&#xff0c;高等教育、科学、研究和创新部 (TSU…...

《高级无线网络—4G技术》——1.5参考文献

本节书摘来自异步社区《高级无线网络—4G技术》一书中的第1章&#xff0c;第1.5节,作者&#xff1a; 【芬】Savo G. Glisic 更多章节内容可以访问云栖社区“异步社区”公众号查看。 1.5参考文献 [1] M. Mouly and M.-B. Pautet. The GSM System for Mobile Communications. Pal…...

[转]用76种语言说“我爱你”

爱的最高境界是经得起平淡的流年。 英 语&#xff1a;i love you 法 语&#xff1a;je t’aime,je t’adore 德 语&#xff1a;ich liebe dich 希 腊语&#xff1a;s’agapo 犹 太语&#xff1a;ani ohev otach(male o* **male),ani ohevet otcha (male o* **male) 匈 牙 利&am…...

清迈府Chiang Mai

清迈府Chiang Mai概述清迈是泰国的第二大城市&#xff0c;是泰国北部的政治、经济和文化的中心&#xff0c;其发达程度仅次于曼谷。市区风景秀丽&#xff0c;遍植花草&#xff0c;尤以玫瑰花最著名&#xff0c;有“北京玫瑰”的雅号。 清迈的自然环境十分优美&#xff0c;临近…...

用76种语言说“我爱你”(zt)

不记得看了什么电视是说到这三个字顺手找了一下这76种用76种语言说“我爱你” “我爱你”这三个字很容易就说出口了&#xff0c;靠着激情、靠着欲望&#xff0c;我们站在心爱的人面前&#xff0c;带着“怦怦”的心跳说&#xff1a;“我爱你”。这三个字即是承诺也是烙印&#x…...

这次的深夜食堂来到了清迈,只为寻找那些…

2019独角兽企业重金招聘Python工程师标准>>> Casa Diverso 清迈最为著名的意大利餐厅 坐落在清迈古城西南边的Casa Diverso是清迈现在口碑最好的意大利餐厅。这里有着优雅又有情调的用餐环境、口耳相传的美食以及热情周到的服务&#xff0c;每一个来到这里的人都能拥…...

模拟QQ登录

2018-10-28 15:54:38 开始写 1 import javax.swing.JFrame;2 import javax.swing.JPanel;3 import javax.swing.border.EmptyBorder;4 import javax.swing.JLabel;5 import javax.swing.JOptionPane;6 7 import java.awt.Font;8 import javax.swing.JTextField;9 import javax.…...

Linux服务器后门检测RKHunter及被***后处理思路

前言rootkit是Linux平台下最常见的一种木马后门工具&#xff0c;它主要通过替换系统文件来达到***和和隐蔽的目的&#xff0c;这种木马比普通木马后门更加危险和隐蔽&#xff0c;普通的检测工具和检查手段很难发现这种木马。rootkit***能力极强&#xff0c;对系统的危害很大&am…...

Shell 编程进阶(一)

条件判断 if 语法格式&#xff1a; 单分支 if 判断条件;then条件为真的分支代码 fi 双分支 if 判断条件;then条件为真的分支代码 else条件为假的分支代码 fi 多分支 if 判断条件1;then条件为真的分支代码elif 判断条件2;then条件为真的分支代码elif 判断条件3;then条件为真的分…...

2017-2018 ACM-ICPC, NEERC, Southern Subregional Contest (Online Mirror, ACM-ICPC Rules, Teams Prefer

先把代码扔上来E. Field of Wonderstime limit per test3 secondsmemory limit per test256 megabytesinputstandard inputoutputstandard outputPolycarpus takes part in the "Field of Wonders" TV show. The participants of the show have to guess a hidden wo…...

使用JFileChooser实现在指定文件夹下批量添加根据“数字型样式”或“非数字型样式”命令的文件夹...

2018-11-05 20:57:00开始写 Folder.java类 1 import javax.swing.JFrame;2 import javax.swing.JPanel;3 import javax.swing.border.EmptyBorder;4 import javax.swing.JLabel;5 import javax.swing.JOptionPane;6 7 import java.awt.Font;8 import javax.swing.JTextField;9 …...

FILE文件删除操作(删除指定文件夹下所有文件和文件夹包括子文件夹下所有文件和文件夹),就是删除所有...

2018-11-05 19:42:08开始写 选择 删除 1.FileUtils.java类 1 import java.io.File;//导入包2 import java.util.List;//导入包3 4 public class FileUtils {5 // 删除文件夹下所有文件6 public static void deleteFiles(File rootFile) { //参数是根文件夹7 i…...

Linux服务器后门检测RKHunter及被攻击后处理思路

前言 rootkit是Linux平台下最常见的一种木马后门工具&#xff0c;它主要通过替换系统文件来达到入侵和和隐蔽的目的&#xff0c;这种木马比普通木马后门更加危险和隐蔽&#xff0c;普通的检测工具和检查手段很难发现这种木马。rootkit攻击能力极强&#xff0c;对系统的危害很大…...

全球绿色建筑的 10 个最酷的例子

全球变暖和气候变化&#xff0c;是我们日常生活中需要解决的社会问题。从减少塑料的使用到尽量减少汽车的使用&#xff0c;因为它会导致化石燃料的燃烧&#xff0c;每个人都必须具有社会意识&#xff0c;以减轻全球变暖的影响。 在这种情况下&#xff0c;我们为世界十大绿色建…...

[语音信号处理]实时语音显示系统和语音活性检测VAD[MATLAB实现]

Background: Fundamental frequency is a basic feature of speech signal. Nowadays, it has been widely used to in both research and practical use. With fundamental frequency, we get another criterion for speaker identification. Also, in musical instrument m...

cf----2019-11-06(Quadcopter Competition, Almost Identity Permutations,Lost in Transliteration)

世上只有一种英雄主义&#xff0c;就是在认清生活真相之后依然热爱生活。 Polycarp takes part in a quadcopter competition. According to the rules a flying robot should: start the race from some point of a field,go around the flag,close cycle returning back to t…...

商品期货跨期套利实战笔记

合约对&#xff1a;IC2301&IC2302 价差计算 前-后&#xff08;6082-6079.8&#xff09; 做多价差开仓&#xff08;预期价差变大&#xff09; 买2301&#xff08;前&#xff09; 卖2302&#xff08;后&#xff09; 做空价差开仓&#xff08;预期价差变小&#xff09;&…...

java directstore_Java ExtDirectStoreResult類代碼示例

本文整理匯總了Java中ch.ralscha.extdirectspring.bean.ExtDirectStoreResult類的典型用法代碼示例。如果您正苦於以下問題&#xff1a;Java ExtDirectStoreResult類的具體用法&#xff1f;Java ExtDirectStoreResult怎麽用&#xff1f;Java ExtDirectStoreResult使用的例子&am…...

根据数字型样式或非数字型样式创建文件夹

2018-10-31 17:14:17 开始写 数字型 非数字型 1 import javax.swing.JFrame;2 import javax.swing.JPanel;3 import javax.swing.border.EmptyBorder;4 import javax.swing.JLabel;5 import javax.swing.JOptionPane;6 7 import java.awt.Font;8 import javax.swing.JTextFiel…...

Pandas对Excel操作数据常用方法

一、读取不同sheet中的数据 #!/usr/bin/env python #-*- coding:utf-8 -*- import pandas as pd from pprint import pprint filename "运营平台商品清单模板_新版0712.xlsx" df pd.read_excel(filename,encodingutf8,sheet_name商品类目) #指定sheet的名称&…...

计算机三模块试题,2016年职称计算机考试模块EXCEL预测试题(3)

1、Excel 2003工作表最多有————列。(C)A、16 B、255 C、256 D、10242、在Excel 2003中&#xff0c;关于打开工作簿&#xff0c;下列叙述错误的是——-。(D)A、所包含的工作表一同打开B、不管同一个工作簿中包含多少个工作表&#xff0c;当前活动工作表只有一个C、用鼠标单击…...

python pandas处理excel 统计数据_Python通过pandas操作excel常用功能

1.导入数据源#导入相关库import pandas as pdimport numpy as npimport osfrom pandas import DataFrame,Seriesimport redf pd.read_csv(rE:\work\daima\python\forestfires.csv) #打开文件2.数据基本处理1)查看列名和数据类型print(df.columns) #查看列名print(df.dtypes) #查…...

职称计算机excel考前,2016年职称计算机考试Excel考前预测试题及答案4

1、在Excel 2003中,下列属于算术运算符的是——-(C)。A、 B、$ C、% D、&2、在Excel 2003中,下列不属于比较运算符的是——-(B)A、> B、>< C、< D、3、在Excel 2003中,下列不属于单元格引用符的是————。(B)A、&#xff1a; B、; C、空格 D、&#xff0c;4、…...

北京科技大学计算机实践报告,北京科技大学计算机实践报告-Excel 练习.doc

北京科技大学计算机实践报告-Excel 练习启动中文Excel 2000有哪几种常用方法&#xff1f;为中文Excel 2000创建桌面图标&#xff0c;然后通过桌面图标启动中文Excel 2000Excel的启动常用以下几种方法&#xff1a;①由“开始”→“程序”→“Microsoft Excel”。②双击桌面上的E…...

Qt奇怪报错总结

Qt奇怪报错总结导言sogoupinyin\Components\程序异常结束。原来&#xff1a;修正后&#xff1a;0x00007FF96FF3B922 (ig9icd64.dll)处(位于 ZTKJ_V3.exe 中)引发的异常: 0xC0000005: 读取位置 0xFFFFFFFFFFFFFFFF 时发生访问冲突。注意导言 整理了下在qtweight转qml项目时的一…...

Windows下基于VS2019|Opencv4.2.0|CUDA10.0|YOLOv4-gpu版本的部署、测试、封装以及出现的问题

一、安装VS2019 由于我只需要用到C相关功能&#xff0c;所以只勾选了C那个选项&#xff0c;右侧【安装详细信息】那栏中默认就好了&#xff0c;安装路径可以修改&#xff0c;默认安装在C盘。 如果以后有其他需求需要安装其他的&#xff0c;可以之打开Visual Studio Installer&…...

Python 学习笔记——入门

文章目录〇、Python 是什么一、推荐的教程二、这篇学习笔记适合什么人三、环境1. 操作系统对于 Windows对于 Ubuntu对于其他操作系统2. Python对于 Windows安装步骤1. 下载2. 安装测试是否成功安装退出 Python对于 Windows 应用商店用户对于 Ubuntu四、第一个 Python 程序Q &am…...

Git操作学习笔记

根据廖雪峰老师git教程学习整理 这里需要辨析一下概念。Github是代码托管平台&#xff0c;是协作的工具;而Git是版本控制工具。Git不需要联网&#xff0c;在本机就可以使用 集中式版本控制系统与分布式版本控制系统 SVN是集中式的版本控制系统&#xff0c;而Git是分布式版本控制…...

学习笔记之VoIP基本原理与应用

整理日期&#xff1a; 2005年12月7日 VoIP基本原理与应用 概述 1995年以色列VocalTec公司所推出的Internet Phone&#xff0c;不但是VoIP网络电话的开端&#xff0c;也揭开了电信IP化的序幕。人们从此不但可以享受到更便宜、甚至完全免费的通话及多媒体增值服务&#xff0c;…...

Python 机器学习有关机器学习工具包(Numpy、Theano、Caffe等)安装汇总

我的系统配置win7 64 ,自带的python版本为2.7.11后来发现却是32位的&#xff0c;没有GPU所以就没安装CUDA。 要点&#xff1a; 使用pip安装&#xff1a; 下载链接&#xff1a;https://pypi.python.org/pypi/pip#downloads 安装教程&#xff1a;http://www.tuicool.com/arti…...

【C++】类和对象【下篇】--初始化列表,static成员,友元,内部类,匿名对象

文章目录一、再谈构造函数1.构造函数体赋值2.初始化列表1.概念2.特性二、隐式类型转换1.概念2.构造函数的类型转换3.explict关键字4.类型转换的意义三、Static成员1.概念2.static成员变量3.static成员函数四、友元1.友元函数2.友元类五、内部类六、匿名对象七、拷贝对象时的一些…...

【Unity3D】二、制作滚球游戏学习Unity3D(下)

上一篇文章&#xff1a;https://blog.csdn.net/qq_38962621/article/details/86930742 创建碰撞小立方体 新建Cube 我们在游戏场地中加入一些旋转的小方块儿&#xff0c;然后由球来碰撞这些小方块儿&#xff0c;碰撞之后就加一定的分数。 很简单地&#xff0c;创建一个Cube&…...

计算机名更改后重启名称又变回来了,修改主机DNS重启后又恢复,奇怪了.

修改主机DNS重启后又恢复&#xff0c;奇怪了.(2011-08-23 02:54:34)标签&#xff1a;杂谈修改主机DNS重启后又恢复&#xff0c;奇怪了.今天在虚拟机上重新安装了linux&#xff0c;但是很奇怪&#xff0c;每次机器打开&#xff0c;主机变形金刚玩具ip地址修改了&#xff0c;但是…...

为什么我的win10内存占用过高——开机70+%?

很奇怪为什么最近我电脑的内存占用总是高得出奇&#xff0c;开机就70%了&#xff0c;开几个网页就接近90%了。于是就用任务管理器看了一下&#xff0c;感觉也没有很占内存的应用&#xff0c;但毕竟是感觉。然后用tasklist命令查看并输出了各个程序的内存占用, tasklist > m…...

Python学习之路(Win7)之简明python教程

遇到Python是因为opencv3.1的dnn的训练部分要用到caffe&#xff0c;而caffe配置中有一个就是需要Python&#xff0c;因为google下的caffe读的数据是leveldb或lmdb&#xff0c;所以如果是一个特征矩阵的话&#xff0c;就要先用python转化为这两种格式。。。另一个是看到《机器学…...

Python学习之路(Win7)之Python核心编程

首先下载这本python核心编程的电子书http://download.csdn.net/detail/maodouzi/1570294 然后安装pythonwin一路“下一步” 安装好之后 我的是在python目录的\Lib\site-packages\pythonwin下可以看到pythonwin.exe是一个很卡哇伊的恐龙图标 我把它拖到桌面 方便以后打开哈哈好可…...

Chrome扩展程序(插件),用你开发的脚本在浏览器上随心所欲

Chrome扩展程序&#xff08;插件&#xff09;&#xff0c;用你开发的脚本在浏览器上随心所欲Chrome插件的文件结构Hello_World编写利用JavaScript实现Hello Everything灵活运用浏览器的存储storageoptions_Page基本用法电脑发通知 - Notifications的应用普通界面右键菜单 - con…...

计算机消极影响英语作文,大学英语作文:电脑游戏的危害

The Harm of Computer GamesNow more and more students always spend plenty of their time playing computer games. Some of them can even play from morning to night. How terrible it is!现在越来越多的学生总是花很多时间来玩电脑游戏。有些甚至可以从早玩到晚玩。这是…...

[Trie树] 统计英文文本中单词出现的个数 - C语言实现 - 考虑数字、英文

原文链接&#xff1a;https://www.yuque.com/cppdev/algo/gp3sw8 【英文文本】 However, after reaching the shore there are plenty of challenges waiting for him."The biggest challenge now is learning to walk again! My biggest fear when I was coming out of t…...

从信封到附言,英文书信写作指南

英文书信和中文书信的写作有那些不同呢&#xff1f; 信封(Envelop) 与中文信封相反&#xff0c;英文信封上收信人的地址和姓名写在信封的中间&#xff0c;发信人的地址和姓名写在信封的左上角&#xff0c;或信封背面。 英文书信的地址应从小写到大&#xff0c;先写门牌号码&…...

promentheus的组件有_四级考试写作:书信类话题范文模板

名师讲座冲刺备考书信开头段&#xff1a;1.告知对方你的身份(假如对方不认识你)Dear Sir or Madam:/ Mr.Promentheus,a)I was a student at your college, enrolled in Philosophy Department.b)I am a …… at your……c)I am a …… at your college, enrolled in the …… c…...

英文书信常用语:经过验证,很实用~

商业英文书信常用结束语Closing Phrases & Sentences Generally Used in Business Letters&#xff08;1&#xff09;我们盼望于近日内接获回信&#xff0c;等。1. We hope to receive your favour at an early date. 2. We hope to be favoured with a reply with the lea…...

日常书信英语

PLS be informed that above! Thank you! 以上请知悉&#xff0c;谢谢&#xff01; The contract is inside annex oh, please note to check!!!!! 合同在附件里面哦&#xff0c;请注意查收&#xff01; goes smooth进展顺利...

外贸业务员英文书信模板

主动跟新买家建立联糸 Dear Mr. Jones: We understand from your information posted on Alibaba.com that you are in the market for textiles. We would like to take this opportunity to introduce our company and products, with the hope that we may work w…...

英语书信技巧

A. 文法上 1.切忌主客不分或模糊. 例子: Deciding to rescind the earlier estimate, our report was updated to include ,000 for new equipment.” 应改为 Deciding to rescind our earlier estimate, we have updated our report to include ,000 for new equipment. (We…...

vue3中常用的指令之v-bind和v-on

一、v-bind指令 一个vue2和vue3之间的不同之处&#xff1a;Vue2中template模板中只能有一个根元素&#xff0c;但是在Vue3中允许template中有多个元素。 1.v-bind的绑定基本属性 某些属性也希望是动态绑定的&#xff0c;比如动态绑定a元素中的href属性。 v-bind可以绑定一个…...

渔业养殖远程监控系统解决方案

传统的水产养殖依靠养殖者的经验进行观察&#xff0c;信息不准确&#xff0c;调控不及时&#xff0c;养殖规模扩大难&#xff0c;人工成本高。除此之外传统水产养殖以个户居多&#xff0c;生产管理方式粗放&#xff0c;个体生产能力不足&#xff0c;养殖产品的品质难以保障。 …...

latex 中手写l的输入方法

\partial 后面的 ℓ\ellℓ 的输入方法 \ell ℓ\ellℓ...

在线latex的一些操作

1.导出自己的项目 参考链接1 2.上传自己的项目 参考链接2 &#xff08;1&#xff09;创建新项目->上传项目 &#xff08;2&#xff09;将自己的文件夹压缩成.zip格式后&#xff0c;拖动上传或选择文件上传 3.将文档放在特定文件夹下 参考链接2 您的项目->勾选项目框…...

【web开发网页制作】Html+Css网页制作关于我的家乡(6页面)【附源码下载】

【写在前面】之前学生时代自己也做了不少页面&#xff0c;现在毕业后也希望能慢慢的分享出来给大家&#xff0c;希望能给刚接触web开发的你带来一些启发。其实关于网页制作&#xff0c;没有大家想象中的那么难&#xff0c;接下来给大家详细介绍一下如何实现网页的制作&#xff…...

大数据之Hive SQL题库-初级

第一章环境准备1.1 建表语句hive>-- 创建学生表 DROP TABLE IF EXISTS student; create table if not exists student_info(stu_id string COMMENT 学生id,stu_name string COMMENT 学生姓名,birthday string COMMENT 出生日期,sex string COMMENT 性别 ) row format delim…...

百元蓝牙降噪耳机哪个比较好?平价不踩雷的降噪蓝牙耳机评测

​目前最流行热门的3C数码好物&#xff0c;必然是降噪蓝牙耳机&#xff01;在大街上、公交和地铁上都可以看到很多用户都佩戴着蓝牙耳机&#xff0c;并且具有降噪功能的蓝牙耳机更受欢迎。下面我来分享几款平价又不踩雷的降噪蓝牙耳机给大家&#xff0c;希望大家都能找到心仪那…...

Win11的两个实用技巧系列之电脑磁盘分区的方法、任务栏点击网络声音图标无反应怎么办

Win11怎么把C盘分成几个盘?Win11电脑磁盘分区的方法近期有用户刚给电脑安装了新的Win11系统&#xff0c;在后续的使用中&#xff0c;发现电脑磁盘只有一个C盘,需要分盘&#xff0c;如何分呢&#xff1f;本文就为大家带来了详细的分盘教程&#xff0c;需要的朋友一起看看吧Win1…...

如何基于Security框架兼容多套用户密码加密方式

一、说明 当已上线的系统存在使用其他的加密方式加密的密码数据&#xff0c;并且密码 不可逆 时&#xff0c;而新的数据采用了其他的加密方式&#xff0c;则需要同时兼容多种加密方式的密码校验。 例如下列几种情况&#xff1a; 旧系统用户的密码采用了 MD5 的加密方式&…...

python:数据结构内容(1)

文章目录壹、元组定义1、创建元组2、访问元组中数据3、元组的连接4、删除元组5、常用的元组函数贰、列表定义1、创建列表2、访问列表3、列表赋值4、删除元素5、列表中的操作方法引言&#xff1a;为了在计算机程序中表示现实世界中更加复杂的数据&#xff0c;python除了提供数字…...

Lazada各大跨境站点,lazada商品详情 API 返回值说明

item_get-lazada商品详情 公共参数 名称类型必须描述keyString是 调用key&#xff08;必须以GET方式拼接在URL中&#xff09; 注册Key和secret测试 secretString是调用密钥api_nameString是API接口名称&#xff08;包括在请求地址中&#xff09;[item_search,item_get,item_s…...

【iOS】—— ARC学习

ARC 文章目录ARC内存管理的思考方式自己生成的对象自己持有非自己生成的对象&#xff0c;自己也能持有不再需要自己持有的对象时释放无法释放非自己持有的对象所有权修饰符在什么时候会用到weak和strong&#xff1f;__unsafe_unretained__autoreleasing__autoreleasing的应用场…...

onethink 字段插件 多图上传 UploadImages

多图上传插件&#xff0c;先上效果图该插件和之前的一个UploadImages 插件命名一样只不过功能不一样&#xff0c;所以不能同时使用,如果知道怎么改插件那就当我上面没说哈。功能列表&#xff1a;多图上传&#xff0c;删除&#xff0c;拖拽排序&#xff0c;自定义增加字段添加扩…...

东风最高降9万,一场卖车焦虑背后的“定价权”争夺

文|智能相对论作者|leo陈3月&#xff0c;“东风系”汽车湖北大降价&#xff0c;猛地刺激了消费者和同行。“门店里东风雪铁龙车型全部爆单&#xff0c;没有办法再接新订单&#xff0c;因为没有车交&#xff0c;其他车型倒是还有少量现车。”湖北某家东风门店的销售这样说&#…...

RabbitMQ学习(一)中间件技术、消息队列协议、持久化、分发策略、高可用与高可靠、入门与安装、角色分类

中间件技术与分布式架构 分布式中间件 消息中间件 类型&#xff1a;ActiveMQ、RabbitMQ、Kafka、RocketMQ 场景&#xff1a;消息中间件监控数据 、异步数据传输场景、流量削峰、任务调度、海量数据同步、分布式事务、日志管理、大数据分析与传递、数据的分发与异步处理 协议…...

GBase 8c GDCA培训认证【环境准备、安装】

1. 环境准备 相关配置要求如下&#xff1a; 配置&#xff1a;内存16G以上&#xff08;最好16G&#xff09;&#xff0c;硬盘 20G以上&#xff0c;固定IP地址和mac地址&#xff1b;镜像包&#xff08;Centos7.9&#xff09;下载&#xff0c;root 账户密码6个1&#xff1a;11111…...

java总结--线程

什么是线程、什么是进程 进程是程序运行和资源分配的基本单位&#xff0c;一个程序至少有一个进程&#xff0c;一个进程至少有一个线程。进程在执行过程中拥有独立的内存单元&#xff0c;而多个线程共享内存资源&#xff0c;减少切换次数&#xff0c;从而效率更高。 线程是进程…...

计算机网络中---重要相似基础的概念

目录 TCP和UDPhttp和https网段和网关端到端和点到点流量控制和拥塞控制单工、半双工和全双工虚电路服务和数据报服务CSMA / CD和CSMA / CA电路交换、报文、分组交换频分复用、时分、波分、码分复用TCP和UDP 这是传输层为了支持不断增多的应用层协议而提供的两种协议,主要是为…...

神经网络之反向传播算法(自适应学习率调整算法Adadelta)

文章目录自适应学习率调整算法&#xff08;Adadelta&#xff09;1、算法原理2、算法实现2.1 训练过程2.2 测试过程及结果3、参考源码及数据集自适应学习率调整算法&#xff08;Adadelta&#xff09; 自适应学习率调整算法&#xff08;Adadelta&#xff09;可以视作是自适应梯度…...

使用TensorFlow Serving进行模型的部署和客户端推理

目的&#xff1a;在一个server端使用TensorFlow框架对模型进行训练和保存模型文件后用TensorFlow Serving进行部署&#xff0c;使得能在客户端上传输入数据后得到server端返回的结果&#xff0c;实现远程调用的效果。环境&#xff1a;操作系统&#xff1a; ubuntu 20.04.1当然可…...

Android异步消息机制

一、异步消息处理机制Handler Android中的异步消息处理主要由4个部分组成&#xff1a;Message、Handler、MessageQueue和Looper。 Message Message是在线程之间传递的消息&#xff0c;它可以在内部携带少量的信息&#xff0c;用于在不同线程之间传递数据。如Message的what字段…...

【id:10】【20分】B. 三串合一(指针与字符数组)

题目描述 输入三个字符串&#xff0c;通过指针读取各个字符串的子串&#xff08;子串是指字符串中连续的一小部分&#xff09;&#xff0c;把它们合并成一个新字符串 要求&#xff1a; 1. 三个字符串的创建和输入可以使用数组&#xff0c;也可以不用 2. 输入后&#xff0c;根…...

GoJS 2.3 Crack

GoJS 2.3 新的 SVG 渲染上下文 GoJS 通常将图渲染到 HTML 画布&#xff0c;并提供将图场景导出到 图像格式和 SVG。在 GoJS 2.3 中&#xff0c;该库现在支持在 添加到默认画布上下文中。视觉上应该没有变化&#xff0c;性能会 使用默认画布上下文时速度更快&#xff0c;但 SVG…...

数据结构 -- 线性表:定长顺序表和不定长顺序表的代码和实现

一、顺序表 概念&#xff1a; 是一种线性结构&#xff08;1对1的关系&#xff09;&#xff0c;每一个数据元素都有一个前驱&#xff08;除了第一个元素&#xff09;和一个后继&#xff08;除了最后一个元素&#xff09; 在逻辑上数据元素都是连续的&#xff0c;在物理存储上数…...

面试了8家软件公司测试岗位,面试题大盘点,我真的尽力了

包含的模块&#xff1a;本文分为十九个模块&#xff0c;分别是&#xff1a;软件测试 基础、liunx、MySQL、web测试、接口测试、APP测试 、管理工具、Python、性能测试、selenium、lordrunner、计算机网络、组成原理、数据结构与算法、逻辑题、人力资源需要的可以看文末获取方式…...

JavaScript专题之惰性函数

参考原文&#xff1a;JavaScript专题之惰性函数 需求 我们现在需要写一个 foo 函数&#xff0c;这个函数返回首次调用时的 Date 对象&#xff0c;注意是首次。 解决一&#xff1a;普通方法 var t; function foo() {if (t) return t;t new Date()return t; }问题有两个&…...

Android本地关键代码安全处理

一、背景 最近在做代码安全方面的工作&#xff0c;发现一些关键信息如&#xff1a;密钥、加密策略等直接写死在项目代码中&#xff0c;存在代码安全隐患。本文档提供一种示例&#xff1a;把关键信息&#xff0c;保存在native层&#xff1b;并对安装包关联信息进行校验&#xf…...

Phoenix简介_安装部署_以及连接使用---大数据之Hbase工作笔记0035

我们之前都是用hbase的api的jar包来执行操作的hbase,但是不方便因为语法,太复杂了,提供的api也很麻烦,操作很不友好,Phoenix是凤凰的意思,可以让操作像mysql一样简单,写就可以了 可以看到Phoenix的介绍 上面是官网可以看下 然后看一下如何安装,可以看...

2020-复习

2020-复习一、程序设计二、操作系统三、计算机网络一、程序设计 1.编写一个函数实现十进制向二进制转换的功能,函数的输入为一个十进制数,输出为一个二进制数,如输入37,输出为100101 #include <stdio.h> // 编写一个函数实现十进制向二进制转换的功能,函数的输入为一个…...

Vue2项目总结-电商后台管理系统

Vue2项目总结-电商后台管理系统 去年做的项目&#xff0c;拖了很久&#xff0c;总算是打起精力去做这个项目的总结&#xff0c;并对Vue2的相关知识进行回顾与复习 各个功能模块如果有过多重复冗杂的部分&#xff0c;将会抽取部分值得记录复习的地方进行记录 一&#xff1a;项目…...

M1/M2 Pro VMware Fusion虚拟机安装Win11教程(超详细)

前言 最近换了新电脑 —— M2 Pro&#xff0c;属于是结束了二十多年的Windows生涯了。但是有些东西又必须在Windows系统上去搞。 比如 易语言开发、运行一些exe的软件等等&#xff0c;没办法&#xff0c;搞个虚拟机&#xff0c;装个Win11吧。 下面进入正题&#xff1a; 一、安装…...

记一次Excel模板导出功能

前言 这篇文章是要记载在开发过程中实现:使用自己定义的excel模板文件,将list数据填入模板文件中。 说明 这里只记录了一些功能要点和使用时要注意的地方!!! 详细 引入依赖 这里使用的是easypoi来实现这个功能,先引入依赖包,版本是4.1.2<dependency><group…...

Internet基础

目录Internet1、MAC地址2、IP地址&#xff08;1&#xff09;IP地址定义&#xff08;2&#xff09;IP地址分类&#xff08;3&#xff09;IP地址组成&#xff08;4&#xff09;IP地址的计算①子网数&#xff0c;主机数的计算②网络地址和广播地址的计算3、DNS和URL&#xff08;1&…...

day11-函数总结

Function Effect 在实现某个功能对应的代码的时候&#xff0c;如果将实现功能对应的函数放到函数中&#xff0c;那么下一次再需要这个功能的时候&#xff0c;就可以不用再写这个功能对应的代码了&#xff0c;而是直接调用这个功能对应的函数 def sum_range(num):sum1 0for x…...

python中dumps、dump、load、loads的区别

根据序列化和反序列的特性 loads&#xff1a; 是将string转换为dictdumps&#xff1a; 是将dict转换为stringload&#xff1a; 是将里json格式字符串转化为dict&#xff0c;读取文件dump&#xff1a; 是将dict类型转换为json格式字符串&#xff0c;存入文件 一、相同点 dump…...

CSS基础之盒模型

盒模型 简介 ​在CSS中&#xff0c;元素都是被一个个的盒子&#xff08;box&#xff09;包围着&#xff0c;理解这些盒子的基本原理&#xff0c;是我们使用CSS实现准确布局&#xff0c;处理元素排列的关键。在CSS中有 块级盒子、内联盒子 两种&#xff0c;它们在页面流和元素…...

2023系统分析师---项目管理

一、项目管理 一、基本概念 范围管理&#xff1a;确定项目的边界&#xff0c;即那些工作是项目应该做的&#xff0c;那些工作不应该包括在项目中范围定义的输入包括&#xff1a;项目章程、项目范围管理计划、批准的变更申请、组织过程资产WBS的作用包括&#xff1a;便于估算、…...

go-zero学习 — 基础

go-zero学习 — 基础1 参考2 goctl 相关命令整理2.1 .api生成swagger的命令2.2 .api生成api模块的命令2.3 .proto生成rpc模块的命令2.4 sql文件生成model的命令2.5 docker启动swagger的命令3 架构图4 go-zero环境搭建4.1 注意事项4.2 go-zero 需要安装的组件4.3 方式 14.4 方式…...

【算法】退火算法+背包问题 python

目录一、概念二、算法的优点三、基本流程和公式四、例题python代码已知背包的装载量为 c10&#xff0c;现有 n5 个物品&#xff0c;它们的重量和价值分别是 (2, 3, 5, 1, 4) 和 (2, 5, 8, 3, 6)。试使用模拟退火算法求解该背包问题。python 代码一、概念 模拟退火算法采用类似…...

算法高频函数

目录 fixed&#xff08;&#xff09; setprecision() setw() swap() sort&#xff08;&#xff09; subsrt() atoi() 将不定时更新 fixed&#xff08;&#xff09; 消除浮点数的科学计数法 只要出现了fixed&#xff0c;则后面都是以fixed输出。 用定点表示法表示浮点…...

PCIE时钟解说

接上篇文章《clock oscillator,generator,buffer选型杂谈》&#xff0c;今天我们来说下PCIE时钟的要求&#xff1a; 首先先看下PCIE架构组件&#xff1a;下图中主要包括了CPU&#xff08;ROOT COMPLEX&#xff09;&#xff0c;PCIE SWITCH&#xff0c;BUFFER以及一些PCIE ENDP…...

从0开始学python -64

Python urllib -1 Python urllib 库用于操作网页 URL&#xff0c;并对网页的内容进行抓取处理。 本文主要介绍 Python3 的 urllib。 urllib 包 包含以下几个模块&#xff1a; urllib.request - 打开和读取 URL。urllib.error - 包含 urllib.request 抛出的异常。urllib.par…...

[前端笔记036]vue2之ajax配置

前言 本笔记参考视频&#xff0c;尚硅谷:BV1Zy4y1K7SH p96 - p104 vue脚手架配置代理服务器&#xff1a; 方法一&#xff1a;在vue.config.js中添加如下配置&#xff1a; devServer:{proxy:"http://localhost:5000" }优点&#xff1a;配置简单&#xff0c;请求资…...

Activity学习——安卓第二次作业

作业要求&#xff1a; 在第一个Activity通过两个EditText分别输入学号和姓名&#xff0c;然后通过数据传递&#xff0c;在第二个Activity上显示出刚才输入的学号和姓名。 布局要求用约束布局实现。 Activity的启动和结束 从当前页面跳到新页面&#xff0c;跳转代码如下&…...

python正则化

一、re模块简介聊到Python正则表达式的支持&#xff0c;首先肯定会想到re库&#xff0c;这是一个Python处理文本的标准库。标准库的意思表示这是一个Python内置模块&#xff0c;不需要额外下载&#xff0c;目前Python内置模块大概有300个。可以在这里查看Python所有的内置模块&…...

week13周报

一.动态规划走楼梯2难点&#xff1a;不能连续走三次两级台阶如何表示思路&#xff1a;可以用二维数组f[i][j],i表示当前台阶数&#xff0c;j表示已经连续走了j次二级台阶了转移方程&#xff1a;f[i2][j1]f[i2][j1]f[i][j] 当j&#xff01;2时&#xff0c;我们可以选择走二级台阶…...

Mybatis使用Oracle数据库主键自增

一、关于mysql和oracle主键自增 我们知道在mysql中主键设置为int类型&#xff0c;然后设置AUTO_INCREMENT&#xff0c;则在插入数据的时候mapper中的sql文件是可以不写主键这个字段&#xff0c;数据库就会自动补全一个自增的主键值&#xff0c;但是在oracle中没有AUTO_…...

音视频技术开发周刊 | 285

每周一期&#xff0c;纵览音视频技术领域的干货。新闻投稿&#xff1a;contributelivevideostack.com。GPT-4 Office全家桶发布谷歌前脚刚宣布AI工具整合进Workspace&#xff0c;微软后脚就急匆匆召开了发布会&#xff0c;人狠话不多地祭出了办公软件王炸——Microsoft 365 Cop…...

具备人脸识别功能的多目标在线实时行为检测(yolov5+deepsort+slowfast)

文章目录前言配置项人脸识别配置多目标行为检测配置人脸识别模块采集模块人脸存储模块识别模块目标行为检测模块非在线实时检测在线实时检测结合人脸识别总结前言 这里先声明一下本项目是基于https://github.com/wufan-tb/yolo_slowfast 做的一个二次开发&#xff0c;也就是进…...

你绝对不知道的 SpringBoot 的外部化配置特性!

作为 Java 程序员&#xff0c;相信大家都知道&#xff0c;我们日常的 SpringBoot 项目会有一个配置文件 application.properties 文件。 里面会配置很多参数&#xff0c;例如服务的端口等&#xff0c;这些都只是默认值&#xff0c;在不改变配置文件里面内容的情况下&#xff0c…...

《2023大型企业财务数智化白皮书》:大型企业财务数智化建设应用架构

2023年3月16日&#xff0c;用友在北京国家会计学院举办“智能会计价值财务”2023企业数智化财务创新峰会 北京站。会上&#xff0c;用友《大型企业财务数智化白皮书》重磅发布&#xff0c;其核心观点之一中强调&#xff0c;大型企业财务数智化建设应遵循“1-1-7”体系&#xff…...

JAVA进阶 —— 动态代理

目录 一、什么是动态代理&#xff1f; 二、如何为Java对象创建代理对象&#xff1f; 三、两种常见的动态代理方式 1. 基于接口的动态代理 2. 基于类的动态代理 一、什么是动态代理&#xff1f; 在原有代码上加入新的功能该如何操作呢&#xff1f; 我们可以采用 侵入式修改…...

TCP报文和UDP报文

TCP报文 TCP&#xff08;Transmission Control Protocol&#xff09;是一种面向连接的、可靠的传输协议&#xff0c;用于在网络中传输数据。TCP报文段是TCP协议的基本单位&#xff0c;它主要由以下字段组成&#xff1a;20个字节 源端口号&#xff08;16 bits&#xff09;和目…...

【ChatGPT】教你搭建多任务模型

ChatGPT教你搭建多任务模型 You: tell me what’s your version of gpt ? ChatGPT: As an AI language model developed by OpenAI, I am based on the GPT (Generative Pretrained Transformer) architecture. However, my version is known as GPT-3.5, which is an updat…...

【微信小程序】-- 案例 - 自定义 tabBar(四十六)

&#x1f48c; 所属专栏&#xff1a;【微信小程序开发教程】 &#x1f600; 作  者&#xff1a;我是夜阑的狗&#x1f436; &#x1f680; 个人简介&#xff1a;一个正在努力学技术的CV工程师&#xff0c;专注基础和实战分享 &#xff0c;欢迎咨询&#xff01; &…...

人工智能多模态方向学习笔记Attention and Tell

简介 Attention and Tell&#xff08;通常缩写为“Attn-Tell”&#xff09;是一种机器学习算法&#xff0c;用于自然语言处理任务&#xff0c;如文本摘要和问答。 该算法由两个主要组件组成&#xff1a;注意力机制和解码器。注意力机制用于识别输入序列的重要部分&#xff0c…...

ESP8266-NodeMCU开发板-------开发板介绍(1)

目录 认识ESP8266-NodeMCU开发板​编辑 GPIO编号与NodeMCU开发板引脚名的区别&#xff1a; ESP8266 GPIO编号与NodeMCU开发板引脚名的对应关系 可用引脚 电压电流限制 特殊引脚情况说明 上拉电阻/下拉电阻 模拟输入 通讯 认识ESP8266-NodeMCU开发板 初识NodeMCU开发板 (第1章-第…...

蓝桥杯算法全集之完全背包问题(动态规划算法)

一、概念定义有 N 种物品和一个容量是 V 的背包&#xff0c;每种物品都有无限件可用。第 i种物品的体积是 vi&#xff0c;价值是 wi。求解将哪些物品装入背包&#xff0c;可使这些物品的总体积不超过背包容量&#xff0c;且总价值最大。输出最大价值。用下面这个图来分别动态规…...

Servlet:利用Response实现重定向及其与请求转发的区别与实例展示

目录 一、创建RedirectServlet类 二、注册Srevlet&#xff08;在web.xml中&#xff09; 三、重定向和请求转发的区别 四、重定向实例应用——登录界面 1、打开index.jsp设计登录页面 2、创建RequestTest类 3、注册servlet 4、在webapp文件夹下新建一个success.jsp文件 …...

leetcode 2111 使数组K递增的最少操作次数

给你一个下标从 0 开始包含 n 个正整数的数组 arr &#xff0c;和一个正整数 k 。 如果对于每个满足 k < i < n-1 的下标 i &#xff0c;都有 arr[i-k] < arr[i] &#xff0c;那么我们称 arr 是 K 递增 的。 比方说&#xff0c;arr [4, 1, 5, 2, 6, 2] 对于 k 2 是…...

(数字图像处理MATLAB+Python)第一章:绪论

文章目录一&#xff1a;图像的基本概念&#xff08;1&#xff09;视觉与图像A&#xff1a;视觉B&#xff1a;图像&#xff08;2&#xff09;图像的表示A&#xff1a;函数表示B&#xff1a;模拟图像C&#xff1a;数字图像二&#xff1a;数字图像处理&#xff08;1&#xff09;数…...

【3.20】BFS算法、操作系统进程管理(整理)、Java并发面试题

BFS BFS出现的常见场景是&#xff1a;让你在一幅「图」中找到从起点 start 到终点 target 的最近距离&#xff0c;这个例子听起来很枯燥&#xff0c;但是 BFS 算法问题其实都是在干这个事儿。 BFS框架&#xff1a; // 计算从起点 start 到终点 target 的最近距离 int BFS(No…...

【服务器数据恢复】使用碎片拼接方法恢复SQL Server数据库的数据恢复案例

服务器数据恢复环境&#xff1a; 某公司一台DELL服务器&#xff0c;作为WEB服务器使用&#xff0c;安装的Windows Server操作系统&#xff0c;配置了SQL Server数据库&#xff1b; 采用了Xen Server虚拟化系统&#xff1b; 底层是通过raid卡&#xff0c;用4块STAT硬盘搭建的RAI…...

VBA提高篇_ 31 VBA调用正则表达式_RegExp.Pattern/Global/Execute(s)/Replace(s,r)

文章目录1.VBScript处理正则的对象:2.创建对象: CreateObject("")3. 查找步骤RegExp.Pattern/Global/Execute(s)3.1 RegExp.Pattern--> 设置正则3.2 RegExp.Global--> 设置全局查找3.3 RegExp.Execute(s)--> 执行查找4.查找结果4.1 Matchs4.2 ()分组的高级应…...