No.1-JavaSE自学笔记

C语言笔记-15-资源操作-内存映射

C语言笔记-15-资源操作-内存映射文章目录C语言笔记-15-资源操作-内存映射前言一、概述二、mmap文件或设备映射到内存二、munmap解除文件或设备映射到内存总结前言自学笔记，没有历史知识铺垫（省略百度部分
宝全哥哥·2022-12-05 21:46

深度学习+pytorch自学笔记（一）——PyTorch基础

背景本人目前为大四学生，已被清华大学拟录取。由于研究生目前初定的方向会涉及到深度学习的内容，导师说会利用pytorch进行缺陷检测等，涉及精密测量、先进制造等相关领域。因此，于毕业论文差不多初步完成之际开始自学。为了便于知识的整理，因此打算将每一次的学习内容，整理成笔记，方便自己查看巩固，以及其他志同道合的朋友参考查阅。编译器为PyCharm，参考书籍为软件工程朋友推荐的《动手学深度学习(pyto
子非鱼icon·2022-12-04 21:35

Python爬虫自学笔记（三）动态网页爬取

现在很多网站用的是动态网页加载技术，这时候用前面的request库和BS4库就不能解决问题了，需要用新的办法。打开网页，按F12或者右键弹出菜单里选择“检查”，右侧会打开开发者工具。这里有一排菜单，最左边的是Element，显示的是网页的源代码，如果在这里能直接找到所需要爬取的内容，就说明这是静态页面，可以用request库和BeautifulSoup4库的工具爬取所需内容。如果这里找不到所需内容
阿尔法羊·2022-12-03 02:24

AI-机器学习-自学笔记（四）K邻算法（KNN）

K邻算法（k-NearestNeighbor）是最常用也是最简单的机器学习算法之一。关于该算法正式的表述是：如果一个样本在特征空间中的K个最相似（特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别的样本的特性。通俗点说，就是近朱者赤近墨者黑，你周围的狐朋狗友多数属于哪一类人，你大概率也属于这一类人。具体说就是，找到跟你关系最近的K个朋友，看看他们是哪一类人（喜
阿尔法羊·2022-12-03 02:24

AI-机器学习-自学笔记（一）机器学习概述

机器学习（MachineLearning,ML）是一门多领域的交叉学科涉及概率论、统计学、线性代数、算法等多门学科它专门研究计算机如何模拟和学习人的行为，以获取新的知识或技能，重新组织已有的知识结构使之不断完善自身的性能。AI(人工智能)、深度学习、机器学习都是经常会使用到的概念，那么这些概念之间有什么关系呢？看下图，一目了然。机器学习的分类：机器学习的算法分为两大类：监督学习和无监督学习监督学习
阿尔法羊·2022-12-01 10:51

编程自学笔记

一、Java1.安装1.1在Windows上安装Java//去【[官网下载]()】Windows64位的软件包//配置JAVA_HOMEJAVA_HOME="安装地址"//在path中配置JAVA_HOME%JAVA_HOME%\\bin//测试java--version1.2在Macm1上安装java//去【[官网下载]()】专属Macm1的软件包//在多个版本间进行切换//1.创建.bash_
明月虽好，春风不许！·2022-12-01 10:36

入门力扣自学笔记207 C++ （题目编号：1758）

1758.生成交替二进制字符串的最少操作数题目：给你一个仅由字符'0'和'1'组成的字符串s。一步操作中，你可以将任一'0'变成'1'，或者将'1'变成'0'。交替字符串定义为：如果字符串中不存在相邻两个字符相等的情况，那么该字符串就是交替字符串。例如，字符串"010"是交替字符串，而字符串"0100"不是。返回使s变成交替字符串所需的最少操作数。示例1：输入：s="0100"输出：1解释：如果将
DK_Sorhic·2022-12-01 09:49

自学笔记——利用python开展Neo4j图数据库知识图谱构建和统计分析

入门小白自学笔记，请高手勿喷。一、任务：统计近6年与专业相关的社科基金，并构建知识图谱。二、所用软件：pycharm、neo4j三、步骤：在全国哲学社会科学工作室官网查询近6年公
qq_38268526·2022-11-30 07:35

基于python的openCV自学笔记（二）——Sobel、Scharr、laplacian、Canny边缘、金字塔、轮廓检测、模板匹配和直方图

大四毕业后的这个暑假正式开始学习openCV参考教程：唐宇迪老师：https://www.bilibili.com/video/BV1tb4y1C7j71.图像梯度-Sobel算子dst=cv2.Sobel(src,ddepth,dx,dy,ksize)ddepth：图像的深度,通常是-1dx和dy分别表示水平和竖直方向ksize:是Sobel算子的大小demo1:importcv2img=cv2
子非鱼icon·2022-11-29 23:32

David Silver强化学习公开课自学笔记——Lec3动态规划

本笔记摘自知乎博主旺财的搬砖历险记和叶强，仅用于自学1.动态规划介绍（1）定义Dynamic：sequentialortemporalcomponenttotheproblem.Programming：optimisinga“problem”动态：该问题的时间或序列部分规划：优化一个策略，与线性规划不同动态规划是解决复杂问题的一个方法把复杂问题分解问子问题求解子问题通过整合子问题的解得到整个问题的
Angel濠梁之上·2022-11-29 18:34

David Silver强化学习公开课自学笔记——Lec2马尔科夫决策过程

本笔记摘自知乎博主旺财的搬砖历险记和叶强，仅用于自学0.数学规范大写字母表示随机变量：S,A,RS,A,RS,A,R等小写字母表示具体的值：s,a,rs,a,rs,a,r等空心字母表示统计运算符：E,P\mathbb{E},\mathbb{P}E,P等花体字母表示集合或函数：S,A,P\mathcal{S},\mathcal{A},\mathcal{P}S,A,P等1.马尔科夫过程（1）MDPs的
Angel濠梁之上·2022-11-29 18:33

David Silver强化学习公开课自学笔记——Lec1强化学习简介

本笔记摘自知乎博主旺财的搬砖历险记和叶强，仅用于自学1.背景介绍（1）背景强化学习是多学科多领域交叉的产物，本质是解决决策问题，即学会自动决策，在各个领域体现不同，但都归结为人类如何且为什么能做出最优决策：计算机科学领域体现为机器学习算法工程领域体现为决定序列行为来进行最优控制在神经科学领域体现为理解人类大脑做出决策，主要研究反馈系统在心理学领域研究动物如何做出决策、动物的行为由什么导致在经济学领
Angel濠梁之上·2022-11-29 18:15

pytorch自学笔记——实战 Kaggle 比赛：预测房价

importhashlibimportosimporttarfileimportzipfileimportrequests#这一段是用来下载数据集的————不用看DATA_HUB=dict()DATA_URL='http://d2l-data.s3-accelerate.amazonaws.com/'defdownload(name,cache_dir=os.path.join('..','dat
还是那个狗蛋·2022-11-28 17:01

基于 Java 机器学习自学笔记 （第71-73天：BP神经网络）

注意：本篇为50天后的Java自学笔记扩充，内容不再是基础数据结构内容而是机器学习中的各种经典算法。这部分博客更侧重于笔记以方便自己的理解，自我知识的输出明显减少，若有错误欢迎指正！
LTA_ALBlack·2022-11-28 08:19

RNN自学笔记

视频来源：链接优点：有代码一、序列模型1.1、序列数据举例：a、音乐，语言，文本和视频是连续的b、大地震发生后，很可能会有几次较小的余震c、人的互动是连续的d、预测明天的股票要比填补昨天以实的股价更困难（炒股是炒预期）#：图片是空间的，语言是时序的。1.2、统计工具（x1,x2,...xt)~p(x)情况1：数据是图片，那么x1,x2,...xt就是一个个像素点，它们在空间上满足某种关系的概率是p
还是那个狗蛋·2022-11-28 05:21

吴恩达神经网络和深度学习课程自学笔记（十二）之人脸识别

人脸识别和神经风格转换一、什么是人脸识别？首先，让我们了解一下人脸识别的一些术语。主要是人脸验证（faceverification）和人脸识别（facerecognition）。人脸验证问题：如果你有一张输入图片，以及某人的ID或者是名字，这个系统要做的是，验证输入图片是否是这个人。有时候也被称作1对1问题。人脸识别问题：而人脸识别问题比人脸验证问题难很多。验证系统是一对一，而识别系统是一对多，对
To_1_oT·2022-11-28 00:56

吴恩达神经网络和深度学习课程自学笔记（十一）之目标检测

目标检测一、目标定位不仅是识别出汽车，还要判断他的在图中的具体位置。一个输入图片，我们先通过卷积判断了它是汽车，而要定位，我们可以让神经网络多输出几个单元，输出一个边界框，也就是4个数字（bx,by,bh,bw)，即被检测对象的参数化表示。约定一些符号表示：左上角坐标为（0，0），右下角为（1，1），物体中心点坐标为（bx,by)，边框高度为bh，宽度为bw。（本例子中，bx=0.5,by=0.7
To_1_oT·2022-11-25 20:45

斯坦福CS229机器学习笔记-Lecture8- SVM支持向量机 之核方法 + 软间隔 + SMO 算法

作者：teeyohuang邮箱：[email protected]本文系原创，供交流学习使用，转载请注明出处，谢谢声明：此系列博文根据斯坦福CS229课程，吴恩达主讲所写，为本人自学笔记，写成博客分享出来博文中部分图片和公式都来源于
Teeyohuang·2022-11-25 17:06

Yolov5自学笔记之一--从入门到入狱，功能强大不要乱用（实现yolov5的基本功能使用流程及训练自己的数据集）

1、下载安装前提是安装好Anaconda3和pytorch等一大堆AI学习相关环境1.1、下载YOLO5源码Yolov5Github地址：https://github.com/ultralytics/yolov5自己的网盘地址：链接：https://pan.baidu.com/s/1fY_JVs5LiZ428aOdv0BEJQ提取码：ig02--来自百度网盘超级会员V3的分享1.2、下载Yolov
阿尔法羊·2022-11-25 16:29

深度学习课程自学笔记整理(二)——一些自己总结记录的结论和小tips等

笔记一：吴恩达深度学习课程自学笔记整理(一)深度学习的实践层面Train/Dev/Testsets只有训练集和测试集：七三分有验证集且总数量不多：六二二分有验证集且总数量很多-
yan_nLiiiiii·2022-11-24 11:45

ML6自学笔记

集成算法实战集成算法工具包：http://ml-ensemble.com/集成算法的思想X数据通过不同的数据处理可以变成X1，X2，通过不同的处理算法f可以得到不同的结果pi，最后平均成最终的结果P。导包预处理数据importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt%matplotlibinline###Importdata#随机种
十九岁的花季少女·2022-11-23 16:17

深度学习——自学笔记2

在回顾深度学习相关知识的时候参考链接博客，将自己遗忘的知识点进行整理归纳。Train/Dev(验证集）/TestSets没有Testsets也是没有问题的。Testsets的目标主要是进行无偏估计。我们可以通过Trainsets训练不同的算法模型，分别在Devsets(测试不同算法的表现)上进行验证，根据结果选择最好的算法模型。这样也是可以的，不需要再进行无偏估计了。如果只有Trainsets和D
秋男不吃牛肉豆制品牛奶小麦·2022-11-23 12:54

STM32自学笔记-7-CAN总线通信

STM32F103有1个CAN控制器，可以配合逻辑分析仪来测试CAN和PC的通信。在此之前先学习一下CAN的基础知识。CAN控制器根据两根线上的电位差来判断总线电平。总线电平分为显性电平(0)，CAN_H和CAN_L之差为2.5V左右；隐性电平(1)，二者必居其一。而隐性电平对应逻辑1CAN_H和CAN_L之差为0V。发送方通过使总线电平发生变化，将消息发送给接收方。在总线上显性电平具有优先权，只
raulcy·2022-11-22 04:44

韩顺平 Java集合 自学笔记(Java30天基础)

韩顺平Java集合自学笔记Java集合集合的理解和好处数组的不足之处集合的好处Collection接口实现类的特点Collection接口的遍历形式使用迭代器Iterator(迭代器)迭代器的执行原理Itrator
心向阳光的天域·2022-11-22 02:59

【计算机三级嵌入式】考试自学笔记（四）——I/O接口与设备、典型嵌入式处理芯片：S3C2410以及嵌入式系统的外部通信接口

目录I/O接口及常用的I/O设备通用I/O接口GPIO集成电路互联总线接口I2C串行外设接口SPI串行异步通信接口UART通用串行总线USB简单的输入设备ARM内核典型嵌入式处理芯片S3C2410S3C2410的时钟及电源管理组件中断控制器以及中断控制S3C2410串行异步通信接口UARTS3C2410的I2C总线接口看门狗定时器嵌入式系统外部通信接口基于UART的RS-232/485接口CAN总
Vulcan_Q·2022-11-21 20:57

【计算机三级嵌入式】考试自学笔记（三）——嵌入式系统硬件组成、嵌入式处理芯片以及存储器介绍

嵌入式系统硬件组成嵌入式最小硬件组成典型嵌入式应用系统硬件组成嵌入式处理芯片ARM的AMBA总线体系结构及标准基于ARM内核的嵌入式芯片的硬件组成嵌入式处理芯片的选型嵌入式系统的存储器存储器层次结构存储器的分类存储器主要性能指标片内存储器片外存储器外部存储设备常考知识点：嵌入式最小硬件组成嵌入式处理芯片嵌入式系统的存储器I/O接口及常用I/O设备ARM内核典型嵌入式处理芯片嵌入式系统外部通信接口嵌
Vulcan_Q·2022-11-21 20:57

Pytorch 自学笔记（自用）

第三章nlp自学系列笔记文章目录第三章nlp自学系列笔记文本预处理基础方法一、jieba的使用二、中英文分词工具hanlp三.命名实体识别（NER）1.使用hanlp进行命名实体识别使用jieba进行中文词性标注四.文本张量的表示方法4.1one-hot编码4.2使用fasttext工具实现word2vec1.训练词向量2.模型超参数设定3.模型效果检验4.模型保存与重加载4.3wordEmbed
warm_body·2022-11-21 13:50

ROS2自学笔记：机器视觉基础

机器视觉是对图像进行识别和处理的技术。一般分为采集图像，分析图像，和输出结果。采集过程即为把光信号转换为数字信号，一般依靠光源和相机。分析过程即为特征提取，标记等操作，最后转化为输出的机器人动作或可视化显示。安装ros2相机标准节点，该节点读取摄像头信息并发布图像，支持各种类型的usb相机sudoaptinstallros-humble-usb-cam启动相机节点ros2runusb_camusb
Raine_Yang·2022-11-21 06:25

matlab中sim函数_【V-REP自学笔记（七）】Matlab/Python远程控制

【导读】在这一系列的V-REP自学笔记中，我们定了一个小目标，完成一个Demo。
weixin_39613637·2022-11-20 23:42

傅里叶变换的Python实现 自学笔记（二）画图篇 离散傅里叶变换DFT 零基础入门（最详细的从Python的角度而非数学角度了解傅里叶变换）

关键词：复数正弦波，离散傅里叶变换概述傅里叶变换，是把信号从时间域变换到频率域，进而研究信号的频谱结构和变化规律。上一篇文章中，我们讨论了Python、正弦波、复数。本篇文章中，我们继续用Python中的numpy+matplotlab的方式来实现复数正弦波和离散傅里叶变换。注：我一共写3篇文章，去学习/记录傅里叶变换的Python实现，提供一部分Python代码和一些数学上的思维过程，这是第二篇
一只有点酸的程序员·2022-11-20 19:00

Formal Languages and Compilers 笔记&教程 第一章 有限自动机与正则语言 (Finite Automata and Regular Languages)

FormalLanguagesandCompilers(形式语言和编译器)的自学笔记兼学习教程。笔记作者介绍：大爽歌,b站小UP主，编程1对1辅导老师。
大爽歌·2022-11-20 17:44

深度学习+pytorch自学笔记（三）——线性回归

参考书籍《动手学深度学习(pytorch版），参考网址为：https://tangshusen.me/Dive-into-DL-PyTorch/#/请大家也多多支持这一个很好用的平台~大部分内容为书中内容，也有部分自己实验和添加的内容，如涉及侵权，会进行删除。正文——线性回归一、概念线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。二
子非鱼icon·2022-11-19 08:35

AlexNet-Pytorch自学笔记

目录一、网络模型1.1torch.nn.Conv2d()二维卷积1.1.1参数1.1.2输入输出1.2torch.nn.ReLU()激活函数1.3torch.nn.MaxPool2d()最大池化层1.3.1参数1.3.2输入输出1.4torch.nn.Flatten()&torch.nn.Dropout()1.4.1Flatten参数1.4.2Dropout参数1.5torch.nn.Linear
当场开摆·2022-11-19 07:44

Pytorch 自学笔记（自用）

第二章构造神经网络*一、torch.Tensor/torch.function是什么？Tensor是核心类，要进行反向传播，直接调用.backward()。自动计算所有的梯度，累加进属性.grad中终止Tensor在计算图中的追踪回溯，执行.detach()也可采用代码块的方式withtorch.no_grad():,适用于对模进行预测的时候，不需要计算梯度二、使用步骤代码如下（示例）：x1=to
warm_body·2022-11-19 07:33

pytorch学习笔记(七)---网络模型的使用修改、保存以及加载

本篇自学笔记来自于b站《PyTorch深度学习快速入门教程（绝对通俗易懂！）
橘春十三99·2022-11-19 07:27

pytorch学习笔记(八)---完整的模型训练和验证套路

本篇自学笔记来自于b站《PyTorch深度学习快速入门教程（绝对通俗易懂！）
橘春十三99·2022-11-19 07:27

机器学习之Kmeans算法（自学笔记）

文章目录一，有监督学习与无监督学习二，Kmeans算法（一）Kmeans算法原理（二）Kmeans算法步骤（三）Kmeans的优化三，Kmeans优缺点四，例题一，有监督学习与无监督学习有监督学习：有监督学习我们接触过很多，例如线性回归模型，我们给模型一个x，会得到一个与之对应的y^\hat{y}y^，目的是使我们所得到的结果与真实结果y越接近越好。无监督学习：有很多数据并没有给定x所对应的真实结
zhi金——金小亮·2022-11-19 06:55

医学案例统计分析与SAS应用--自学笔记

目录第二章医学研究设计与SAS实现科研设计思路样本含量估计实验设计科研设计的sas实现完全随机设计随机区组设计析因设计关系型研究第三章统计描述与SAS分析统计描述及sas命令简介定量资料的统计描述分类资料的统计描述第四章定量资料的SAS统计分析定量资料常用统计方法t检验方差分析秩和检验多重检验正态性检验把握度的计算定量资料的分析思路析因设计资料配对设计资料随机区组资料多指标的组间比较第五章分类资料
兔小包包·2022-11-19 06:46

opencv自学笔记之人脸检测、分类

目录前言人脸检测人脸分类前言本文记录opencv人脸检测、分类的简单操作。人脸检测参考blog:https://blog.csdn.net/xingchenbingbuyu/article/details/51105159这里采用opencv训练好的haar分类器进行正面人脸及眼睛部位的检测，也可以采用其他分类器，或者自己训练分类器。Haar特征分类器就是一个XML文件，该文件中会描述人体各个部位
骇浪涛·2022-11-14 10:47

ROS自学笔记：创建工作空间和功能包

工作空间：src：代码空间，存储编写的源码，配置文件，launch文件等build：编译空间，存储编译中间文件，一般用不上devel：开发空间，存储编译好文件install：安装空间，存储编译好文件注：devel和install里面内容有所重复，这是ROS设计时的一个缺陷。在ROS2里devel空间被完全放弃创建工作空间：1创建文件夹catkin_ws（名称可更换）及下面的src（名称不可更换）s
Raine_Yang·2022-11-14 10:47

ROS自学笔记：命令行工具使用

启动ROSMasterroscore注：我这里使用无图形界面树莓派作为主机，电脑使用putty连接树莓派。可以使用putty开多个终端，一个在上面跑roscore，其他的用于ros操作。rosnode节点rosnodelist打开节点列表rosnodeinfo显示节点信息，包括其相关话题发布，订阅，和服务rostopic话题rostopiclist打开话题列表rostopicpubnametype
Raine_Yang·2022-11-14 10:46

ROS自学笔记：基本概念

节点1执行具体任务的可执行文件2不同节点可分布式运行在不同设备上，可以使用不同编程语言3节点不可重名节点管理器（ROSMaster）1为节点提供命名和注册服务2记录话题和服务通信，辅助节点相互查找，连接3提供参数服务器注：ROS里通信使用广播模型，因此包含ROSMaster这样一个总管理服务器。这一点和ROS2里的DDS模型有很大区别话题1单向异步通信机制2使用发布者/订阅者模型，同一话题发布者和
Raine_Yang·2022-11-14 10:16

彩色图像，像素的逻辑运算（opencv4）

opencv4自学笔记首先，明白一点：两个图像像素的逻辑运算，是一一对应的，一幅图像每个像素与另一幅图像对应位置的像素进行逻辑运算。
一口俩鸡蛋·2022-11-10 09:21

基于python的openCV自学笔记（四）——遗漏知识点补充

本篇补充暑假学opencv遗漏的相关知识点参考链接：https://www.bilibili.com/video/BV1Fo4y1d7JL?from=search&seid=17628666680714675884&spm_id_from=333.337.0.0一、图像的基本操作1.1图像上绘制图形绘制直线cv.line(img,start,end,color,thickness)参数：img:要
子非鱼icon·2022-11-08 19:29

【计算机视觉与深度学习北邮鲁鹏】自学笔记

目录第1章前言第2章图像分类1.什么是图像分类任务？2.图像分类任务的难点？3.基于规则的方法是否可行？4.什么是数据驱动的图像分类范式？1）图像表示a）像素表示b）全局特征表示c）局部特征表示2）分类器3）损失函数4）优化算法5.常用的评价指标第3章线性分类器1.基本介绍1）数据集2）图像类型3）图像表示5）什么是线性分类器6）举例说明2.细节理解1）权值向量2）如何衡量分类器对当前样本的效果好
活泼开朗ENFP萨摩耶·2022-11-05 14:12

【代码随想录】【LeetCode】自学笔记 11 - 动态规划

DP简介动态规划，英文：DynamicProgramming，简称DP，如果某一问题有很多重叠子问题，使用动态规划是最有效的。动规一定是由前一个状态推导出来的，而贪心是局部直接选最优的。动态规划五步曲：数组定义：确定dp数组（dptable）以及下标的含义递推公式：确定递推公式初始化：dp数组如何初始化遍历顺序：确定遍历顺序举例推导：举例推导dp数组DP问题如何DEBUG：写动规题目，代码出问题很
咚咚咔的粉思·2022-11-03 20:17

统计学习方法——感知机（自学笔记）

感知机是二类分类的线性分类模型。输入——实例特征向量；输出——实例类别，取+1，-1二值。用于求误分类的损失最小化，利用了梯度下降法定义如下图感知机模型如下图：感知机模型用于二分类，从图来理解定义就是wx+b=0这条直线将实例分为两个部分，这里用来sign函数，取值±1.wx+b构成了超平面，也可以这么理解2d——线；3d——面感知机的学习策略线性可分性也就是说能正确分在超平面两侧就是线性可分，不
zhangmnh·2022-11-01 14:55

机器学习之支持向量机SVM（自学笔记）

文章目录一，概念二，SVM原理（一）原理介绍（二）宽松条件下的SVM（三）支持向量三，SVM的目标优化函数四,核方法一，概念支持向量机（SVM）：主要应用于二分类问题，是一种有监督的学习。其基本思想是在特征空间中寻找最大的分隔超平面使得数据得到准确的分类。二，SVM原理（一）原理介绍如图所示，如果想将黑色的点和白色的点分开，最好的选择是H3这条线，其余的线都不能将两类点分开。如果H3这条直线的方程
zhi金——金小亮·2022-10-30 02:02

动手学习深度学习-跟李沐学AI-自学笔记(2)

一、PyTorch神经网络基础1.模型构造本应在jupytor里实现，现在还在跑模型，因此先在此记录一下1.1层和块#多层感知机importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFnet=nn.Sequential(nn.Linear(20,256),nn.ReLU(),nn.Linear(256,10))#Sequential定义
一天的大太阳·2022-10-24 18:21

机器学习-西瓜书、南瓜书第五章

以下为参考链接导图：西瓜书自学笔记分享第五章-知乎参考：西瓜书自学笔记分享第五章-知乎
GoAI·2022-10-24 18:47
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他