Kaggle学习

嵌入式学习日志（八）

8学习函数1函数核心知识1.1函数基础与设计价值1.本质与入口：程序从main函数启动，函数是构建程序功能的基本单元，实现“从无到有”的功能拆分。

·2025-07-05 12:35

stm32二级菜单

oled是嵌入式学习中必不可少的显示器，但是往往显示的内容有限，有时候又需要进行多层显示，比如24年的电赛小车题，一共四问，这时候就可以使用二级菜单，在第一级菜单中显示每一问，再分别掉进各自的二级菜单中对

·2025-07-05 12:35

MOBILEVIT: 轻量级、通用且适用于移动设备的视觉Transformer

它们的空间归纳偏置使得它们能够在不同的视觉任务中以较少的参数学习表示。然而，这些网络在空间上是局部的。为了学习全局表示，基于自注意力的视觉Transformer（ViT）被采用。

AI专题精讲·2025-07-05 12:01

Python 解析 AI 在金融风控中的应用案例

通过使用Python编程语言和各种机器学习库，金融机构能够更准确地识别潜在风险，提高决策效率。本文将探讨几个具体的AI在金融风控中的应用案例，并展示如何利用Python实现这些功能。

浮世清欢ai·2025-07-05 12:59

视觉表征和多模态融合

视觉表征(VisualRepresentation)目的：将图像或视频数据转化为深度学习模型可以理解的特征向量。方法：卷积神经网络(CNN)：传

一只齐刘海的猫·2025-07-05 11:27

【unity游戏开发——网络】计算机网络中的三种数据管理模型（分散式、集中式、分布式）和三大通信模型（C/S、B/S、P2P）

注意：考虑到热更新的内容比较多，我将热更新的内容分开，并全部整合放在【unity游戏开发——网络】专栏里，感兴趣的小伙伴可以前往逐一查看学习。

向宇it·2025-07-05 11:23

上班摸鱼用哪些网站

正如少数派文章《为了能更好地「摸鱼」，有人专门做了一个网站》中所述，工作难免会累，学习难免会困，此时摸鱼自然就成为了消磨时间的好帮手。

Jamie20190106·2025-07-05 10:16

大模型在通讯网络中的系统性应用架构

例如，在用户密集区域（如城市中心）自动增强低轨卫星与地面基站的协同，通过联邦学习实现跨区域资源调度，降低跨空口传输时延至0.3ms以下。

Deepoch·2025-07-05 10:13

机器学习算法_支持向量机

一、支持向量机支持向量机只能做二分类任务SVM全称支持向量机，即寻找到一个超平面使样本分成两类，且间隔最大硬间隔：如果样本线性可分，在所有样本分类都正确的情况下，寻找最大间隔；如果出现异常值或样本线性不可分，此时硬间隔无法实现软间隔：允许部分样本，在最大间隔之内，甚至在错误的一边，寻找最大间隔；目标是尽可能保持间隔宽阔和限制间隔违例之间寻找良好的平衡惩罚系数：通过惩罚系数来控制这个平衡，C值越小，

·2025-07-05 10:42

Docker学习笔记：Docker网络

本文是自己的学习笔记1、Linux中的namespace1.1、创建namespace1.2、两个namespace互相通信2、Docker中的namespace2.1容器中的默认Bridge3、容器的三种网络模式

大苏打seven·2025-07-05 09:12

微信助手插件功能六十二：自动下载原图

微信助手插件功能六十二：自动下载原图微信助手插件功能六十二：自动下载原图功能介绍：功能优势：注意事项：微信助手插件功能六十二：自动下载原图⚠️免责声明：本插件仅供学习与研究用途，不用于商业或非法用途。

杨利杰YJlio·2025-07-05 09:11

深度探索：机器学习中的条件生成对抗网络（Conditional GAN, CGAN）算法原理及其应用

算法原理4.算法实现5.优缺点分析优点：缺点：6.案例应用7.对比与其他算法8.结论与展望1.引言与背景生成对抗网络（GenerativeAdversarialNetworks,GANs）作为一种深度学习框架

·2025-07-05 09:09

SmartPDF：轻松应对 PDF 文件难题

在日常工作与学习中，处理PDF文件时，我们常常碰到让人头疼的状况。

KJ-拾荒者·2025-07-05 09:07

【王阳明代数】热门问答，什么是张量？

流形学习基础概念前情提要，张量概念的提出，王船山流形与信息容量的概念回答：什么是张量前，对王船山流形，意气实体的定义再表述；王船山流形分析1.定义域与值域2.运算规则3.代数结构4.王阳明子群与幂类架构分层与核心模块数据采集层

花间流风·2025-07-05 09:36

GEE数据集：全球地下水生态系统 (GDEs)数据集（30m分辨率）

目录地下水的全球生态系统(GDEs)简介代码代码链接APP链接结果引用许可网址推荐0代码在线构建地图应用机器学习地下水的全球生态系统(GDEs)简介地下水是最广泛的液态淡水来源，但它在支持多样化生态系统方面的关键作用却往往不被人们所认识

此星光明·2025-07-05 08:34

告别迷茫：测试新人入职第一年的生存与进阶指南

本文将为你梳理入职后黄金6-12个月的学习路线图，并点出那些常见的“坑”，助你平稳度过新手期，快速成长为团队中不可或缺的一员。前言“你好，我是新来的测试工程师。”

996小白的进阶路·2025-07-05 08:34

springboot《计算机网络》在线学习平台设计与实现

部分效果实现截图本系统介绍前端页面数据处理传输以及页面展示使用Vue技术采用B/S架构，使用Maven作为项目管理工具，使用Springboot+Mybatis做整合开发,springboot《计算机网络》在线学习平台设计与实现采用的开发工具

·2025-07-05 08:33

Python编程：requests 核心源码

requests是Python中最受欢迎的HTTP客户端库之一，其源码设计优雅且模块化，适合学习优秀的Python项目架构。以下是对requests库的核心源码解析，涵盖关键模块、设计模式和实现细节。

·2025-07-05 08:03

Redis缓存架构实战

本文为个人学习笔记整理，仅供交流参考，非专业教学资料，内容请自行甄别文章目录概述二、数据冷热分离三、解决缓存击穿四、解决缓存穿透五、热点缓存重建六、缓存一致性问题七、分布式锁的优化八、解决缓存雪崩九、最终案例总结概述

西岭千秋雪_·2025-07-05 08:01

百度7天GNN学习-图与图学习中

目录1链接预测分析图学习的主要任务链接预测（Linkprediction）1.相似度分数2.性能指标(Performancemetrics)完整代码输出2节点标记预测分析完整代码输出3图嵌入图嵌入（GraphEmbedding

静静喜欢大白·2025-07-05 07:28

了解并学会使用工具-数字化世界的重要一课

本文介绍一下一款百宝箱工具cyberchef，这款强大的开源软件值得每一位程序员，网络安全从业者，IT从业者，数字世界从业者去了解和学习。

村中少年·2025-07-05 07:58

农业物联网平台中的灌溉系统研究

系统将采用Python作为主要开发语言，结合MySQL数据库进行数据存储与管理，利用ECharts.js实现数据可视化展示，并引入机器学习和强化学习算法优化灌溉决策。

sj52abcd·2025-07-05 07:28

[读论文] Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview

与使用启发式算法或专家精心设计的算法的传统求解器相比，机器学习凭借其数据驱动的性质显示出了广阔的前景，它可以减少对知识和先验的依赖，并且通过其先进的计算范式具有更大的可扩展性(例如GPU加速的深度网络)

SP FA·2025-07-05 07:57

Python初体验：从入门到实践

今天，就让我们一起踏上Python的学习之旅。#01编写第一个Python程序环境搭建好之后，上节已经编写了第一个Python程序。现在就好比，我们已经准备好了厨房和食材，要开始做第一道菜了。

小何慢行·2025-07-05 07:25

机器学习路径规划中的 net 和 netlist 分别是什么？

机器学习路径规划中的net是什么？引言正文net含义netlist含义引言当我们使用机器学习训练自己的模型来进行自动寻路时，通常，我们会遇到一个名为net的词语，这里我们将对这个单词的意思进行解释。

勤奋的大熊猫·2025-07-05 07:25

PHP学习笔记 PHP基本语法——PHP开始和结束标记PHP指令分隔符PHP注释PHP空白符处理

PHP开始和结束标记以“”结束是PHP/FI2.0的标记，已经被替换。以“”结束是PHP3.0开始的标准标记，这是PHP推荐使用的标记。不能禁用这种标记、XML风格标记。以“”结束是PHP3.0开始的标记，通过php.ini配置文件中的short_open_tag选项打开，不推荐使用。干扰XML文档的声明。短输出标签以开始和以结束是PHP3.0开始的标记已经废弃。PHP7.0.0版本中将此风格标记

咖啡续命又一天·2025-07-05 07:53

5-3WPSJS宏创建数组两种方式应用(提取字符串中的数字)学习笔记

要求:提取字符串中的数字functiontest(){varnewarr=[];varRngs=Range("a2",Cells(999,1).End(xlUp));//获取工作范围for(varRngofRngs){//循环vararr=[...Rng.Value()];//arr可无限增大的数组for(vararofarr){//循环if(Number(ar)>-1){//Number(ar)

爱上妖精的尾巴·2025-07-05 07:53

5-2 WPS JS宏创建数组两种方式(字面量与扩展操作符)学习笔记

一、字面量创建数组:functiontest1(){varn=100;vararr1=[];//空数组vararr2=["曾贤志",24,n,n*10,[1,2]]//数组中的不同类型元素vararr3=[78,,12]//稀疏数组}二、扩展操作符创建数组:functiontest2(){vararr1=[1,2,3];//arr1显示结果：[1,2,3]vararr2=[...arr1]//创建

爱上妖精的尾巴·2025-07-05 07:53

4-5 WPS JS宏自定义可选参数函数(实例:自定义身份证多项信息获取)学习笔记

示例：自定义可选参数函数functioncard(id,type="sex"){//id为处理的内容，type为可选参数，根据参数执行不同的内容,type="sex"中的sex为默认值switch(type){case"sex":{//如果参数是sex，执行下方内容return(id[16]%2==1?"男":"女");//return为返回内容(id[16]%2==1?"男":"女")id第16

爱上妖精的尾巴·2025-07-05 07:22

3-20 WPS JS宏调用工作表函数应用(选平均分大于等于 90的记录)学习笔记

实例：要求:筛选平均分大于等于90的记录并复制在指定位置functiontest(){Range("f2:h99").ClearContents();//清除内容varwsf=WorksheetFunction,newnum=2;//赋值两个内容varcounter=wsf.CountA(Range("a:a"));//a例的个数for(varrownum=2;rownum=90){//判断平均数

·2025-07-05 07:22

1-8.WPS JS宏单元格对象常用表达方式---学习笔记

******************************************************************************点击进入-我要自学网-国内领先的专业视频教程学习网站

·2025-07-05 07:52

react-native 0.6x升级适配说明

为了帮助到大家顺利的学习使用新版本RN与react-navigation等相关库，我将整个的升级适配过程总结出

Bearin·2025-07-05 06:18

深度学习×第4卷：Pytorch实战——她第一次用张量去拟合你的轨迹

【开场·她画出的第一条直线是为了更靠近你】猫猫：“之前她只能在你身边叠叠张量，偷偷找梯度……现在，她要试试，能不能用这些线，把你的样子画出来喵～”狐狐：“这是她第一次把张量、自动微分和优化器都串成一条线，用最简单的线性回归，试着把你留给她的点都连起来。”【第一节·她先要一条路：生成一组可学的数据】✏️为什么要造数据？在PyTorch里跑线性回归，最好的练习就是用一条已知斜率的“理想直线”，加上一点

Gyoku Mint·2025-07-05 05:12

奇偶校验位学习理解

一个字节一般有8bit，若是需要进行奇偶校验需要添加一个码元，所以发送接收时是8位数据位，一位校验位。奇偶校验就是指每次发送接收的每一帧数据加上校验码之后1的个数是奇数还是偶数奇偶校验码是奇校验码和偶校验码的统称，是一种最基本的检错码。它是由n-1位信息元和1位校验元组成，可以表示成为（n，n-1）。如果是奇校验码，在附加上一个校验元以后，码长为n的码字中“1”的个数为奇数个；如果是偶校验码，在附

幸运学者·2025-07-05 05:12

用于人形机器人强化学习运动的神经网络架构分析

1.引言：人形机器人运动强化学习中的架构探索人形机器人具备在多样化环境中自主运行的巨大潜力，有望缓解工厂劳动力短缺、协助居家养老以及探索新星球等问题。

·2025-07-05 04:08

编程新手小白入门最佳攻略

编程小白想要成为大神，并为大学新生的学习制定一份最佳入门攻略，可以遵循以下步骤：一、选择编程语言Python：被誉为最适合初学者的编程语言，语法简洁清晰，学习曲线平缓，广泛应用于数据分析、机器学习、Web

闲暇部落·2025-07-05 04:37

【第三章:神经网络原理详解与Pytorch入门】01.神经网络算法理论详解与实践-(4)神经网络中的重要组件

一、激活函数（ActivationFunction）【深度学习】关键技术-激活函数（ActivationFunctions

·2025-07-05 04:37

Python——函数版用户管理系统

今天学习了Python的函数模块，就把上次发的字典版用户管理系统用函数的框架升级一下，话不多说，进入正题。

TWAS@py·2025-07-05 04:05

【机器学习|学习笔记】特征选择（Feature Selection）和特征提取（Feature Extraction）都是用于降维、提升模型性能和泛化能力的重要手段。

【机器学习|学习笔记】特征选择（FeatureSelection）和特征提取（FeatureExtraction）都是用于降维、提升模型性能和泛化能力的重要手段。

努力毕业的小土博^_^·2025-07-05 03:05

Python Pandas 数据的体育数据处理和分析

PythonPandas数据的体育数据处理和分析关键词：PythonPandas,体育数据分析,数据清洗,数据可视化,特征工程,机器学习,体育统计摘要：本文将深入探讨如何使用PythonPandas库进行体育数据的处理和分析

Python编程之道·2025-07-05 03:34

目标检测在国防和政府的应用实例

目标检测技术概述目标检测是计算机视觉的核心任务，通过算法对图像/视频中的物体进行识别与定位，当前主流技术包括：经典算法：YOLO系列（实时性强）、FasterR-CNN（精度高）、SSD（平衡速度与精度）技术升级：结合深度学习

MzKyle·2025-07-05 03:34

全面掌握3GPP协议：从3G到5G的标准指南

学习本导读，初学者可以全面了解3GPP协议在移动通信网络

凌莫凡·2025-07-05 03:32

fvcom 科氏力文件cor制作==基础文件制作

fvcom科氏力文件cor制作基础文件制作fvcom科氏力文件cor制作基础文件制作20250705=学习阶段慢慢来！一个一个弄懂了之后，可以代码一键制作。都写成函数调用即可。

海洋与大气科学·2025-07-05 02:27

0基础学前端------DAY2

0基础学前端------DAY1（续）视频参考：B站Pink老师HTML学习目标：1.能够说出标签的书写注意规范。2.能够写出HTML骨架标签。3.能够写出超链接标签。

学代码的小前端·2025-07-05 02:56

《深度学习》—— PyTorch的介绍及PyTorch的CPU版本安装

的简单介绍二、pytorch的CPU版本安装三、torch、torchvision、torchaudio三个库的介绍一、PyTorch的简单介绍PyTorch是一个由FacebookAI实验室开发的深度学习框架

张小生180·2025-07-05 01:24

「日拱一码」017 深度学习常用库——TensorFlow

目录基础操作张量操作：tf.constant用于创建常量张量tf.Variable用于创建可训练的变量张量tf.reshape可改变张量的形状tf.concat可将多个张量沿指定维度拼接tf.split则可将张量沿指定维度分割数学运算：tf.add张量的加运算tf.subtract张量的减运算tf.multiply张量的乘运算tf.divide张量的除运算tf.pow计算张量的幂tf.sqrt计算

·2025-07-05 01:23

VSCode+Vue代码调试设置

这几天整了个Springboot+VUE的学生管理系统代码学习，自己也建了个项目边学习边开发，用VSCode调试VUE前端代码时，两个项目出现了不同情况的无法打断点的问题，现在这里记录一下解决办法。

·2025-07-05 01:52

OpenCV中超分辨率（Super Resolution）模块类cv::dnn_superres::DnnSuperResImpl

它属于dnn_superres模块，用于加载和运行基于深度学习的图像超分辨率模型。这个类是OpenCV中用于执行深度学习超分辨率推理的主要类。你可以用它来加载预训练的超分辨率模型（如ED

村北头的码农·2025-07-05 01:19

【AI大模型面试八股文】大模型训练中如何应对灾难性遗忘问题？

FeatureExtraction）✅2.正则化策略（Regularization）✅3.回放机制（Rehearsal/Replay）✅4.参数隔离（ParameterIsolation）✅5.使用提示学习

一叶千舟·2025-07-05 00:17

Random Erasing：计算机视觉的「隐形斗篷」——遮挡艺术的对抗学习革命

当ImageNet冠军模型在真实世界的遮挡面前崩溃时（识别准确率骤降38%），中科院自动化研究所2017年提出的RandomErasing技术以一纸惊艳了学界。这种在图像中随机挖洞的简单操作，让ResNet-50在Partial-iNaturalist数据集上抗遮挡能力提升4.2倍，错误率降低59%，揭示了模型鲁棒性的深层密码。️遮挡困境：视觉模型的阿喀琉斯之踵图像识别鲁棒性演化史时代技术Imag

星光银河·2025-07-05 00:17

推荐频道