LiteOS实战教程

prc曲线 sklearn_机器学习实战教程（十二）：线性回归提高篇之乐高玩具套件二手价预测...

摘要本篇文章讲解线性回归的缩减方法，岭回归以及逐步线性回归，同时熟悉sklearn的岭回归使用方法，对乐高玩具套件的二手价格做出预测。一、前言本篇文章讲解线性回归的缩减方法，岭回归以及逐步线性回归，同时熟悉sklearn的岭回归使用方法，对乐高玩具套件的二手价格做出预测。二、岭回归如果数据的特征比样本点还多应该怎么办？很显然，此时我们不能再使用上文的方法进行计算了，因为矩阵X不是满秩矩阵，非满秩矩
weixin_39902545·2023-01-09 15:40

机器学习实战教程（十一）：线性回归基础篇

一、前言前面的文章介绍了很多分类算法，分类的目标变量是标称型数据，而本文将会对连续型的数据做出预测。主要讲解简单的线性回归和局部加权线性回归，并通过预测鲍鱼年龄的实例进行实战演练。二、什么是回归？回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式。假如你想预测小姐姐男友汽车的功率，可能会这么计算：HorsePower=0.0015*annualSalary-0.99*h
M_Q_T·2023-01-09 15:05

基于STM32F103移植华为LiteOS_任务挂起与恢复_面向对象编程思想之按键状态机

华为LiteOS_任务挂起与恢复_面向对象编程思想之按键状态机因为在做华为LiteOS任务挂起和恢复需要使用到按键去触发任务挂起和恢复动作，因为我就萌发出使用状态机这种架构做一个按键检测触发。
邓家文007·2023-01-09 10:13

基于STM32F103移植华为LiteOS物联网系统

基于STM32F103移植华为LiteOS物联网系统本实验是通过学习野火的《物联网操作系统LiteOS开发实战指南》参考学习的。
邓家文007·2023-01-09 10:42

实战教程vite+vue3.0+ts中如何封装axios？

目前，关于vue中使axios的作为前端和后端接口交互工具的用法文章，网络某博客上数不胜数。因为项目从0到1开始需要基于vite+vue3.0ts中封装axios，所以今天让小编来给大家安排axios整合vite+vue3.0+ts的具体封装步骤。记录一下自己封装步骤，跟着我的步伐，撸起来。。。1、安装axiosnpmiaxios注意：这里的安装命令就是默认安装最新版本的axios2、封装请求错误
一淘模板·2023-01-09 09:40

Windows 11安装Ubuntu 实战教程

windows桌面下直接安装Ubuntu，其实很早就有了，今天装一个玩docker。进入微软商店：进入商店需要微软账号，登录成功后，选择应用搜索Ubuntu。目前有两个版本可以安装，一个是Ubuntu20.04，一个是Ubuntu18.04。我们选择Ubuntu18.04安装。截图是已经下载好了，下载后就自动安装了，跟手机app一样。但是打开Ubuntu后，有如下提示：Installing,thi
Par@ish·2023-01-09 00:52

机器学习实战教程（九）：支持向量机实战篇

一、前言上篇文章讲解的是线性SVM的推导过程以及简化版SMO算法的代码实现。本篇文章将讲解SMO算法的优化方法以及非线性SVM。本文出现的所有代码，均可在我的github上下载，欢迎Follow、Star：点击查看二、SMO算法优化在几百个点组成的小规模数据集上，简化版SMO算法的运行是没有什么问题的，但是在更大的数据集上的运行速度就会变慢。简化版SMO算法的第二个α的选择是随机的，针对这一问题，
M_Q_T·2023-01-07 20:34

机器学习实战教程（十）：提升分类器性能利器-AdaBoost

一、前言前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成为集成方法(ensemblemethod)或者元算法(meta-algorithm)。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同一种算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。本文出现的所有代码和数据集，均可在我的github上下
M_Q_T·2023-01-07 20:34

机器学习实战教程(13篇)

机器学习实战教程(13篇)这些网址非常适合想学习机器学习，却苦于没有项目（尤其缺少数据）的人。无意中看到，给自己做一个记录。
M_Q_T·2023-01-07 19:01

机器学习：机器学习常见的算法分类和算法优缺点汇总

机器学习实战教程(13篇)_M_Q_T的博客-CSDN博客这些网址非常适合想学习机器学习，却苦于没有项目（尤其缺少数据）的人。无意中看到，给自己做一个记录。
M_Q_T·2023-01-07 19:01

MySQL学习笔记（总结）

一、MySQL课程内容对应视频教程：千锋教育JavaWeb基础入门到实战教程，javaSE基础进阶javaweb快速入门教程完整版_哔哩哔哩_bilibili1.1数据库介绍数据库概念术语介绍1.2MySQL
那个bug我写的°·2023-01-07 07:54

基于云开发的微信小程序实战教程（一）

基于云开发的微信小程序实战教程（一）最近刚开发了款小程序，在开发过程中发现，基于云开发的教程资源不是很多，而且很不详细。所以边实战边总结了下云开发的简单教程，希望对你有所帮助。
止喜·2023-01-04 11:15

OceanBase 从0到1数据库内核实战教程学习笔记 - 1.数据库系统概述

今天跟大家分享一下OceanBase社区这边举办的《从0到1数据库内核实战教程》培训系列活动，这个活动的主要目的是给刚入门的同学们提供一个学习和了解数据库内核的机会，并通过活动培养大家对数据库的热情。
阿福Chris·2023-01-03 09:06

【NLP最佳实践】Huggingface Transformers实战教程

HuggingfaceTransformers和鲸链接：https://www.heywhale.com/home/activity/detail/61dd2a3dc238c000186ac330《HuggingfaceTransformers实战教程
致Great·2023-01-02 15:30

全链路追踪神器-Skywalking实战教程

01什么是SkyWalkingSkyWalking是观察性分析平台和应用性能管理系统。提供分布式追踪、服务网格遥测分析、度量聚合和可视化一体化解决方案。架构：02环境搭建安装下载部署1、下载地址：http://skywalking.apache.org/zh/downloads/2、安装下载解压后目录如下：不需要修改配置文件，在bin目录下执行startup.bat或startup.sh即可启动服
爱吃 香菜·2023-01-01 09:18

《自动驾驶中的深度学习模型量化、部署、加速实战》专栏概述 | 实战教程，开放源码

这里主要是针对AI算法落地的模型部署，其中有基于TensorRT的部署、基于OpenCV+CUDA的部署以及基于NCNN的部署，项目包括简单的demo案例、目标检测、语义分割、实例分割、车道线检测以及Transformer等。大家可以参考以下的链接进行学习和指正。#模型部署#1.ResNet50基于TensorRTFP16生成Engnie文件的C++工程ResNet50基于TensorRTFP16
Charmve·2022-12-31 09:28

后端实战教程:如何使用 Node.js 开发 RESTful API 接口（Node.js + Express + Sequelize + MySQL）

使用Node.js开发RESTfulAPI接口后端部分：node.js+Express+Sequelize+MySQL后端部分-node.js+Express+MySQL后端部分后端node.js项目结构安装node.js安装或准备可远程连接的MySQL数据库**创建node.jsApp**配置**ExpressWeb服务器**使用Sequelize连接数据库初始化Sequelize定义Seque
蒋川_卡拉云·2022-12-31 07:38

SpringSecurity+Oauth2.0实战教程

文章目录一、概念介绍1.SpringSecurity介绍2.Oauth2介绍二、实战应用1）SpringSecurity2）SpringSecurity+Oauth2+redis一、概念介绍1.SpringSecurity介绍SpringSecurity是基于Spring框架，提供了一套Web应用安全性的完整解决方案。核心功能主要包括：认证、授权、攻击防护等。其核心就是一组过滤器链。2.Oauth
TTTALK·2022-12-30 12:52

python2安装tensorflow,tensorflow 2.1.0 安装与实战教程(CASIA FACE v5)

1.0tensorflow的安装1.1安装python安装时勾选AddPython3.7toPATH，把python添加到环境变量。1.2安装tensorflow打开命令行，执行pipinstalltensorflow==2.1.0pip会安装tensorflow和一些其他的依赖1.3安装vc++2015-2019redist…tensorflow的另一个依赖(很多tensorflow安装失败的原
衍盛国柱·2022-12-30 01:15

超全SparseR-CNN实战教程

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者‖王浩，3D视觉开发者社区签约作者，毕业于北京航空航天大学，人工智能领域优质创作者，CSDN博客认证专家。编辑‖3D视觉开发者社区1、简介目前，目标检测领域中主流的两大类方法。第一大类是从非Deep时代就被广泛应用的densedetector，例如DPM，YOLO，RetinaNet，FCOS。在densedetector中，大量的obj
Tom Hardy·2022-12-29 17:28

视频教程-基于Servlet+JDBC+Bootstrap+MySQL+AJAX权限管理系统实战教程-Java

基于Servlet+JDBC+Bootstrap+MySQL+AJAX权限管理系统实战教程Java讲师，多年培训经验，曾参与开发过的项目：某省电信ODS系统、电信自助取数系统、CRM客户关系管理系统、环境应急信息系统
weixin_28996193·2022-12-28 18:18

华为总裁办紧急发文！两个鸿蒙别傻傻分不清！

华为正式发布了鸿蒙操作系统，但它没有明确说明的是它其实有两个鸿蒙，这两个鸿蒙事实上是完全不同的：其一是针对物联网和智能手表的鸿蒙，它是基于华为开源的LiteOS；第二个鸿蒙是用于智能手机和平板，它是基于
uxuepai5g·2022-12-28 09:57

【 uniapp - 黑马优购 | 首页】小程序首页全局配置(home、网络请求、轮播图、分类...)

个人主页：小新爱学习.个人WeChat：hmmwx53️系列专栏：️零基础学Java——小白入门必备重识C语言——复习回顾计算机网络体系———深度详讲微信小程序开发——实战开发基于黑马优选的小程序开发实战教程每日一句
小新爱学习.·2022-12-27 21:41

人工神经网络原理与实践,人工神经网络实战教程

深度学习学什么？深度学习主要学的有：神经网络、BP反向传播算法、TensorFlow深度学习工具等。深度学习英文全称为：deeplearning，是机器学习的分支，主要是把人工神经网络当作构架，进而对数据进行表征学习的算法。至今已有数种深度学习框架，如深度神经网络、卷积神经网络和深度置信网络和递归神经网络已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。另
普通网友·2022-12-27 06:28

Tesseract-OCR 和cnocr/cnstd

github.com/tesseract-ocr/tesseract/wiki/APIExample这篇文章介绍了GetComponentImages等基础api的用法Python自动识别图片文字—保姆级OCR实战教程
confiself·2022-12-27 05:32

SpringBoot+Dubbo+Nacos 开发实战教程

本文来写个详细的例子来说下dubbo+nacos+springboot开发实战。本文不会讲述太多的理论的知识，会写一个最简单的例子来说明dubbo如何与nacos整合，快速搭建开发环境。文章目录环境准备dubbo简介Nacos环境准备Nacos与dubbo整合项目管理规范dubbo整合nacos案例创建公共接口模块创建服务提供者模块创建服务消费者模块服务调用测试本文小结环境准备dubbo简介dub
程序员朋哥·2022-12-24 20:28

# Unity 自学与进阶必会目录

六本书Unity5权威讲解Unity3DNGUI实战教程Unity5实战使用C和Unity开发多平台游戏Unity3D人工智能编程Unity官方案例精讲UnityShader入门精要1.Unity5权威讲解
HeartyHu·2022-12-24 18:51

大数据电商数仓分析项目

✨写在前面：强烈推荐给大家一个优秀的人工智能学习网站，内容包括人工智能基础、机器学习、深度学习神经网络等，详细介绍各部分概念及实战教程，通俗易懂，非常适合人工智能领域初学者及研究者学习。
GoAI·2022-12-24 12:30

Pytorch100例 | 用深度学习处理分类问题【实战教程】

PyTorch和TensorFlow库是用于深度学习的两个最常用的Python库。PyTorch是Facebook开发的，而TensorFlow是Google的项目。在本文中，你将看到如何使用PyTorch库来解决分类问题。分类问题属于机器学习问题的范畴，其中给定一组特征，任务是预测离散值。预测肿瘤是否癌变，或者学生是否可能通过考试，是分类问题的一些常见示例。在本文中，我们将根据银行客户的某些特征
K同学啊·2022-12-23 22:15

Pytorch100例 | 用深度学习处理分类问题【实战教程】

PyTorch和TensorFlow库是用于深度学习的两个最常用的Python库。PyTorch是Facebook开发的，而TensorFlow是Google的项目。在本文中，你将看到如何使用PyTorch库来解决分类问题。分类问题属于机器学习问题的范畴，其中给定一组特征，任务是预测离散值。预测肿瘤是否癌变，或者学生是否可能通过考试，是分类问题的一些常见示例。在本文中，我们将根据银行客户的某些特征
明天依旧可好·2022-12-23 18:05

软件测试实战教程系列—接口测试用例和报告模板｜收藏版

文章目录接口测试为什么会如此重要呢？接口测试的必要性获取接口相关信息接口测试的流程接口文档是接口测试的参照，至少包括：接口测试用例设计接口测试用例模板（可根据项目实际情况设计增减）接口测试常见Bug测试WebSevice接口Cookie和Session测试报告模板结语接口测试为什么会如此重要呢？主要是平常的功能点点点，大家水平都一样，是个人都能点，面试时候如果问你平常在公司怎么测试的，你除了说点点
软件测试凡哥·2022-12-23 07:43

目标检测实战教程02-没有GPU，如何训练自己的目标检测算法

没有GPU，如何训练自己的目标检测算法B站视频教学很多初学者想要尝试学习深度学习的时候苦于没有相应的GPU资源，而使用CPU训练任务效率又太低，所以本节内容教大家如何使用在线的免费GPU学习平台，在Aistudio上完成目标检测训练任务。项目地址：fork以后注意修改数据集配置文件内容https://aistudio.baidu.com/aistudio/projectdetail/3795143
为成大道踏平坎坷·2022-12-22 11:16

Redis十分钟进阶实战教程（进阶篇）

上回书说到：零基础入门Redis实战教程（基础篇）文章目录五、Redis.conf详解六、Redis持久化七、Redis发布订阅八、Redis主从复制九、Redis缓存穿透和雪崩五、Redis.conf
qq_46993700·2022-12-22 11:08

目标检测实战教程01-使用labelimg标注目标检测数据集|voc转COCO数据集

目标检测实战教程01-使用labelimg标注目标检测数据集|voc转COCO数据集b站视频演示：B站视频教学对图像进行编号将收集到的图像进行编号方便统一管理，编号代码如下importospath="E
为成大道踏平坎坷·2022-12-22 09:37

新冠稳赢局 | 千锋大前端页面布局适配基础入门到实战教程发布！

“哥？听说现在北京下个楼就能发烧？真的假的？别听他们瞎说，不用下楼……”这个12月注定是个不平凡的12月空气中弥漫着奥密克戎的味道男人女人们拿着试纸战战兢兢看自己是不是两道杠小区里有两个核酸点一个撤了，另一个也撤了北京的问候语也从：核酸了么，你内？改成了：发烧了么，您内？终于进了决赛阶段了这注定是免疫系统的一场高端局免疫系统：给我把温度拉到40℃。毕竟40℃的情况下病毒存活不了多久今天病毒和我必须
·2022-12-20 18:50

机器学习实战教程（五）：朴素贝叶斯实战篇

一、前言上篇文章机器学习实战教程（四）：朴素贝叶斯基础篇_M_Q_T的博客-CSDN博客讲解了朴素贝叶斯的基础知识。
M_Q_T·2022-12-19 14:38

SpringCloud【进阶】04：Ribbon实战教程

1、Ribbon入门介绍SpringCloudRibbon是基于NetflixRibbon实现的一套客户端负载均衡的工具。Ribbon=负载均衡（@LoadBalanced）+RestTemplate调用主要功能是提供客户端的软件负载均衡算法和服务调用。Ribbon客户端组件提供一系列完善的配置项如连接超时，重试等。简单的说，就是在配置文件中列出LoadBalancer(简称LB)后面所有的机器，
廉小雨·2022-12-19 09:40

使用Jenkins优雅部署Java项目【超级详细的实战教程】

环境准备centos7Java1.8Maven3.6.3Docker20.10.17Gitlabgitlab-ce:14.0.5-ce.0Jenkins2.60.3（强烈建议，其他版本有坑）Jenkins相关依赖环境安装Java环境安装虽然我们是采用docker的方式安装Jenkins，所有的依赖镜像都已经打包好了。但是我们在后续使用Jenkins的过程中，会采用Jenkins主机上的Java运行
·2022-12-18 22:00

自定义spring-boot-starter实战教程(保姆级教程)

目录背景一、starter二、自定义starter的注意事项1.Naming2.Configurationkeys3.The“autoconfigure”Module4.StarterModule5.CreatingYourOwnAuto-configuration6.ConditionAnnotations三、开始定义自己的starter1.创建maven工程2.定义配置类3.定义工具类4.定义
代码大师麦克劳瑞·2022-12-18 17:28

Matter实战教程-Silicon Labs EFR32-2-02：Matter over thread系统构建

【源码、文档、软件、硬件、技术交流、技术支持，入口见文末】【所有相关IDE、SDK和例程源码均可从群文件免费获取，免安装，解压即用】持续更新中，欢迎关注！说明：笔者选择的硬件是树莓派4、64GSD卡、MG24brd2601b、MG124162A一、构建MatterHub1.1Image文件烧录从下面的链接下载预构建的Image文件（Image=Ubuntu+OTBR+Chiptool）。从树莓派官
拿破仑940911·2022-12-18 17:53

被网友狂赞的Python项目，非常适合菜鸟练手的实战教程，含泪分享

本书分为4个部分，共15章第1部分“Python开发入门”的重点将放在个人开发上。内容涵盖Python开发过程中必不可少的工具的安装(第1章)，简单的Web应用开发(第2章)以及Python项目的结构与包的创建(第3章)。安装Python安装Mercurial编辑器与辅助开发工具开发Web应用了解Web应用Web应用的开发流程目前明确要开发什么应用实现功能、查看运行情况Python项目的结构与包的
酔清风·2022-12-18 14:52

【转载】OpenCV-Python系列之特征匹配（五十三）

本次教程完全为实战教程，没有相关的算法原理介绍，大家可以轻松一下了。
OpenVINO生态社区·2022-12-16 19:36

新教程之图像分割系列

之前更新了很多有关于目标检测中的Tips和系列实战教程，现在给大家讲解一下计算机视觉中的另一个领域图像分割中的一些原理和实战项目，感兴趣的话，请追下去吧~前言图片分类、目标分割、目标识别、目标检测和目标跟踪
码农的后花园·2022-12-16 13:31

OpenHarmony Liteos_A内核之iperf3移植心得

一、iperf3工作原理iperf3主要的功能是测试基于特定路径的带宽，在客户端和服务器端建立连接（三次握手）后，客户端发送一定大小的数据报并记下发送的时间，或者客户端在一定的时间内发送数据并记下发送的总数据。带宽的大小等于发送的总数据除以发送的总时间。对服务器端来说，在连接建立时间内，接收的总数据除以所花时间即为服务器端所测得的带宽。iperf3测试UDP的性能时，客户端可以指定UDP数据流的速
·2022-12-16 12:36

编程语言-3-谷歌AAB以及华为HarmonyOS和openEuler和四款芯片

参考华为轻量级操作系统LiteOS参考官方科普：一图读懂欧拉开源操作系统1谷歌devblog原文谷歌devblog原文：AndroidAppBundle:GooglePlayusestheappbundletogenerateandoptimizeAPKsfordistributionfordifferentdeviceconfigurationsandlanguages.Thismakesyou
皮皮冰燃·2022-12-15 12:56

层次聚类示例实战教程

聚类是一种机器学习算法，它试图把数据集的观测值分为不同的簇。即相似观测值聚为簇，反之不相似的在不同簇中。聚类属于无监督，它尝试从数据集中发现结构，而不是预测响应变量的值。聚类通常用于市场分析，例如某公司有下列信息：家庭收入家庭人数户主职业距市区距离如果这些是有效信息，聚类可以识别类似家庭可能会购买一定产品或对某类广告响应较好。聚类最常用算法是KMeans，但需要预先设定聚类数量。对应的层次聚类算法
梦想画家·2022-12-14 00:54

Systemd 入门实战教程

我介绍了Systemd的主要命令，今天介绍如何使用它完成一些基本的任务。一、开机启动对于那些支持Systemd的软件，安装的时候，会自动在/usr/lib/systemd/system目录添加一个配置文件。如果你想让该软件开机启动，就执行下面的命令（以httpd.service为例）。$sudosystemctlenablehttpd上面的命令相当于在/etc/systemd/system目录添加
·2022-12-13 18:57

企业级的以图搜图实战——milvus+minio+gradio

今天笔者带来一个企业级的以图搜图的实战教程。其主要目的是学习一下以图搜图如果产品化后，需要用到一些什么样得数据存储，数据检索工具。
王同学死磕技术·2022-12-13 16:39

机器学习实战教程（一）：K-近邻算法

一、简单k-近邻算法1、k-近邻法简介k近邻法(k-nearestneighbor,k-NN)是1967年由CoverT和HartP提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相
M_Q_T·2022-12-13 09:48

机器学习实战教程（二）：决策树基础篇

一、决策树决策树是什么？决策树(decisiontree)是一种基本的分类与回归方法。举个通俗易懂的例子，如下图所示的流程图就是一个决策树，长方形代表判断模块(decisionblock)，椭圆形成代表终止模块(terminatingblock)，表示已经得出结论，可以终止运行。从判断模块引出的左右箭头称作为分支(branch)，它可以达到另一个判断模块或者终止模块。我们还可以这样理解，分类决策树
M_Q_T·2022-12-13 09:48
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他