wxWidgets自学笔记

深度学习自学笔记六：深层神经网络

一、深层神经网络概述深层神经网络（DeepNeuralNetworks，DNN）是一种机器学习模型，由多个神经网络层组成。与传统的浅层神经网络相比，深层神经网络具有更多的隐藏层，使其能够进行更复杂、更抽象的特征学习和表示。添加图片注释，不超过140字（可选）深层神经网络的核心思想是通过反向传播算法来优化网络参数，以最小化预测输出与真实值之间的误差。每个隐藏层接收前一层的输出，并使用非线性激活函数对
ironmao·2023-09-25 02:16

深度学习自学笔记八：深度学习的实践（二）

一、归一化输入归一化输入指的是将输入数据进行标准化处理，使其具有零均值和单位方差。这种预处理操作可以有效地改善模型的收敛速度、稳定性和性能。常见的归一化方法包括：1.Z-score标准化：也称为标准化或零均值归一化，将数据按照特征维度进行中心化和缩放，使得数据的均值为0，标准差为1。对于样本x，Z-score标准化的计算公式如下：z=(x-mean)/std其中，mean表示特征的均值，std表示
ironmao·2023-09-25 02:16

深度学习自学笔记七：深度学习的实践（一）

一、训练、验证、测试集在机器学习和深度学习中，我们通常将数据集分为训练集（TrainingSet）、验证集（ValidationSet）和测试集（TestSet）。每个数据集都有不同的用途和目标。1.训练集：训练集是用于模型参数的学习和训练的数据集。通过在训练集上反复迭代进行前向传播和反向传播，模型可以逐渐调整权重和偏置，从而学习到输入特征与输出之间的关系。训练集应该是最大的数据集，以便模型能够充
ironmao·2023-09-25 02:44

深度学习自学笔记一：神经网络和深度学习

神经网络是一种模拟人脑神经元之间相互连接的计算模型，它由多个节点（或称为神经元）组成，并通过调整节点之间的连接权重来学习和处理数据。深度学习则是指利用深层次的神经网络进行学习和建模的机器学习方法。假设有一个数据集，它包含了六栋房子的信息。你知道房屋的面积是多少平方米，并且知道房屋价格。这时，想要拟合一个根据房屋面积预测房价的函数。如果你对线性回归很熟悉，则可能会用这些数据拟合一条直线。但你可能也发
ironmao·2023-09-24 06:00

stm32（F103c8t6）自学笔记@阿布君

学习过程中的注意点：1.注意头文件和C文件的包含关系，C文件自身应包含自身的H头文件以及用到的外部头文件，而自身头文件只需包含头文件需要用到的资源文件即可。参考文献：http://t.csdn.cn/o2GmL1.认识STM32**1.简介**2.命名规则**3.系统结构**4.引脚&功能注释：红色表示：与电源相关蓝色是最小系统相关的引脚绿色是IO口、功能口S代表电源、I代表输入、O代表输出、IO
@阿布君·2023-09-24 06:24

OpenCV自学笔记17. 基于SVM和神经网络的车牌识别（一）

基于SVM和神经网络的车牌识别（一）本系列文章参考自《深入理解OpenCV实用计算机视觉项目解析》仅作学习用途图像预处理本篇用到的测试图片为：Step1.首先，读入并显示图像，代码如下：stringin="images/2715DTZ.jpg";Matimage=imread(in,IMREAD_GRAYSCALE);//IMREAD_GRAYSCALE的值就是0if(image.empty())
两鬓已不能斑白·2023-09-23 21:25

深度学习自学笔记四：浅层神经网络（一）

一、神经网络概述神经网络是一种模仿人脑神经系统结构和功能的计算模型。它由大量相互连接的人工神经元组成，并通过这些神经元之间的信息传递来进行计算和学习。神经网络的基本组成单元是神经元，也称为节点或单元。每个神经元接收来自其他神经元的输入，并根据这些输入产生一个输出。神经元之间的连接权重决定了信息在网络中的传递方式和强度。神经网络通常被组织成层次结构，由输入层、隐藏层和输出层组成。输入层接收外部输入数
ironmao·2023-09-23 21:24

深度学习自学笔记二：逻辑回归和梯度下降法

目录一、逻辑回归二、逻辑回归的代价函数三、梯度下降法一、逻辑回归逻辑回归是一种常用的二分类算法，用于将输入数据映射到一个概率输出，表示为属于某个类别的概率。它基于线性回归模型，并使用了sigmoid函数作为激活函数。假设我们有一个二分类问题，其中输入特征为x，对应的样本标签为y（0或1）。逻辑回归的目标是根据输入特征x预测样本标签y的概率。逻辑回归模型可以表示为：z=w*x+b其中，w是权重向量，
ironmao·2023-09-23 21:54

深度学习自学笔记三：向量化逻辑回归和Python中的广播

目录一、向量化二：向量化逻辑回归三、Python中的广播一、向量化向量化（Vectorization）是一种优化技术，可以在机器学习和数值计算中加快代码的执行速度。它的核心思想是使用矩阵和向量运算，而不是显式地循环处理每个元素。在传统的循环实现中，我们需要通过迭代逐个处理数组或矩阵中的元素。这种方式可能会导致代码运行缓慢，特别是在处理大规模数据时。而向量化技术能够将循环操作转化为对整个数组或矩阵进
ironmao·2023-09-23 21:54

OpenCV自学笔记二十三：K近邻算法

K近邻算法（K-NearestNeighbors，简称KNN）是一种常用的监督学习算法，可以用于分类和回归问题。在OpenCV中，KNN算法有相应的函数实现，主要包含在ml模块中。KNN算法的原理很简单，它基于样本之间的距离来进行分类或回归。对于分类问题，KNN算法将未知样本与训练集中的样本逐个比较距离，并选择距离最近的K个邻居样本，根据这K个邻居样本的标签进行投票，将未知样本归类为票数最多的标签
ironmao·2023-09-23 21:22

【网络安全】黑客自学笔记

1️⃣前言作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟知己知彼，才能百战百胜。计算机各领域的知识水平决定你渗透水平的上限【1】比如：你编程水平高，那你在代码审计的时候就会比别人强，写出的漏洞利用工具就会比别人的好用；【2】比如：你数据库知识水平高，那你在进行SQL注入攻击的时候，你就可以写出更多更好的SQL注入语句，能绕过别人绕不过的WAF；【3】比如：你网络水平高，那你在内网渗透的时候就
中国红客99代传人·2023-09-23 17:04

JAVA自学笔记，面向对象编程。

面向对象编程大家都知道Java是一门面向对象编程的语言，那么什么是面向对象，它又是怎么兴起的呢？在程序开发初期，人们使用结构化开发语言，但随着软件的规模越来越庞大，结构化语言的弊端也逐渐暴露出来，开发周期被无休止地拖延，产品的质量也不尽如人意，结构化语言已经不再适合当前的软件开发。这时人们开始讲另一种开发思想引入程序中，即面向对象的开发思想。面向对象思想是人类最自然的一种思考方式，它将所有预处理的
醒悟。·2023-09-23 17:22

OpenCV自学笔记二十五：K均值聚类

在OpenCV中，K均值聚类（K-meansClustering）算法的实现包含在ml模块中。K均值聚类是一种无监督学习算法，用于将数据集划分为K个类别。K均值聚类的原理很简单，它首先随机选择K个初始聚类中心，然后迭代地执行以下步骤：将每个数据点分配给离它最近的聚类中心所属的类别，并更新聚类中心为属于该类别的数据点的均值。重复此过程直到聚类中心不再发生变化或达到预定的迭代次数。在OpenCV中，K
ironmao·2023-09-23 05:34

OpenCV自学笔记二十二：绘图及交互

一、绘图基础下面是关于OpenCV绘图基础函数的说明和举例：1.cv2.line()：绘制直线cv2.line(img,pt1,pt2,color,thickness,lineType)-img:需要绘制直线的图像。-pt1:直线起始点坐标。-pt2:直线结束点坐标。-color:直线颜色，可以是BGR格式的元组（如(255,0,0)表示蓝色）。-thickness:直线的粗细，默认值为1。-li
ironmao·2023-09-23 05:34

OpenCV自学笔记二十四：支持向量机

在OpenCV中，支持向量机（SupportVectorMachine，简称SVM）算法的实现包含在ml模块中。SVM是一种常用的监督学习算法，主要用于分类问题。SVM的原理：通过在特征空间中找到一个最优超平面，将不同类别的样本分开。该超平面被定义为使得两个类别的间隔最大化的决策边界，而且只有少数样本点处于边界上，这些样本点被称为支持向量。对于线性可分的数据集，可以使用线性SVM进行分类；对于线性
ironmao·2023-09-23 05:33

OpenCV自学笔记二十六：人脸检测

目录一、人脸检测二、LBPH人脸识别三、EigenFaces人脸识别四、Fisherfaces人脸识别一、人脸检测在OpenCV中，人脸检测是一个常见的计算机视觉任务，可以通过Haar级联分类器来实现。Haar级联分类器是一种基于机器学习的目标检测方法，利用Haar特征和级联分类器进行人脸检测。Haar特征是一种基于图像局部区域的特征描述符，它通过计算图像中不同位置和尺度的矩形区域的像素差值和来表
ironmao·2023-09-23 05:28

OpenCV自学笔记九：阈值处理

1.阈值处理（Thresholding）：阈值处理是一种图像分割的方法，它根据像素灰度值与设定的阈值进行比较，将像素分为两个类别（例如黑白、前景背景等）。阈值处理可以用于目标检测、图像增强等应用。在OpenCV中，常用的阈值处理函数是`cv2.threshold()`。2.threshold函数：`cv2.threshold(src,thresh,maxval,type[,dst])`是OpenC
ironmao·2023-09-22 22:45

OpenCV自学笔记十一：形态学操作（一）

目录1、腐蚀2、膨胀3、通用形态学函数4、开运算5、闭运算1、腐蚀腐蚀（Erosion）是数字图像处理中的一种形态学操作，用于消除图像中边界附近的细小区域或缩小对象的大小。腐蚀操作通过卷积输入图像与结构元素（也称为腐蚀核）来实现。腐蚀操作可以用来消除图像中的细小噪声、填充物体内部的孔洞以及缩小物体的大小。它基于局部区域的最小值，并使区域中的亮度值逐渐减小。以下是一个使用OpenCV库实现腐蚀操作的
ironmao·2023-09-22 22:45

OpenCV自学笔记十四：

目录1、PyrDown函数及使用2、PyrUp函数及使用3、拉普拉斯金字塔图像金字塔是一种多尺度表示图像的方法，它通过构建图像的不同分辨率层级来捕捉图像中的细节和整体结构。图像金字塔可以用于许多计算机视觉任务，例如图像融合、目标检测和特征匹配等。图像金字塔主要有两种类型：高斯金字塔和拉普拉斯金字塔。1、PyrDown函数及使用PyrDown函数是OpenCV中用于图像降采样的函数，它可以将图像的尺
ironmao·2023-09-22 19:56

OpenCV自学笔记十六：直方图处理

在OpenCV中，直方图（Histogram）是用于表示图像中像素强度分布的一种统计工具。它可以帮助我们了解图像的亮度、对比度、色彩分布等信息。OpenCV提供了一个函数`cv2.calcHist()`，用于计算图像的直方图。该函数接受图像数组和一些参数，例如要计算的通道数、区间的数量等。它返回一个表示直方图的一维数组。OpenCV中的直方图可以有不同类型，包括灰度直方图和彩色直方图。1.灰度直方
ironmao·2023-09-22 13:50

matlab 平均梯度,OpenCV 自学笔记33. 计算图像的均值、标准差和平均梯度

OpenCV自学笔记33.计算图像的均值、标准差和平均梯度均值、标准差和平均梯度是验证图像质量的常用指标。
您身边的武器小店·2023-09-22 11:48

OpenCV自学笔记27. Hough变换：检测直线和圆

Hough变换：检测直线和圆前言：Hough变换是一种在图像中寻找直线和圆的方法。我在实际的项目中，使用到了Hough变换检测圆，效果不错，所以写一篇文章，学习Hough变换的原理，并阅读Hough变换的源码，看看OpenCV是如何实现Hough变换的。Hough变换比较难理解，尤其是圆变换的部分，另外我写的也未必清楚，所以记录下来仅做学习、参考之用。本文的结构如下：1、Hough变换如何检测出直
两鬓已不能斑白·2023-09-22 11:17

【opencv自学笔记】12下：边缘提取 cany

1、高斯模糊2、灰度转换3、计算梯度4、非最大信号抑制5、高低阈值输出二值图像#-*-coding:utf-8-*-"""canny边缘提取1、高斯模糊2、灰度转换3、计算梯度4、非最大信号抑制5、高低阈值输出二值图像@author:LNP"""importcv2ascvimportnumpyasnpdefedge_demo(image):blur=cv.GaussianBlur(image,(3
lnplnp_·2023-09-22 11:14

OpenCV自学笔记十三：图像梯度

目录1、Sobel算子及函数使用2、Scharr算子及函数使用3、Lapiacian算子及函数使用1、Sobel算子及函数使用Sobel算子是一种常用于图像边缘检测的算法，它利用了图像中像素灰度值的变化来寻找边缘。在OpenCV中，可以使用函数cv2.Sobel()来实现Sobel算子的功能。下面是一个示例代码，展示了如何使用Sobel算子进行图像边缘检测：importcv2importnumpy
ironmao·2023-09-22 11:42

OpenCV自学笔记八：几何变换

1.缩放（Scale）：缩放是指改变图像的尺寸大小。在OpenCV中，可以使用`cv2.resize()`函数来实现图像的缩放操作。该函数接受源图像、目标图像大小以及插值方法作为参数。示例代码：importcv2#读取图像image=cv2.imread('input.jpg')#缩放图像resized_image=cv2.resize(image,(800,600))#显示图像cv2.imsho
ironmao·2023-09-22 11:37

网络工程师自学笔记

第1章交换技术主要内容：1、线路交换2、分组交换3、帧中继交换4、信元交换一、线路交换1、线路交换进行通信：是指在两个站之间有一个实际的物理连接，这种连接是结点之间线路的连接序列。2、线路通信三种状态：线路建立、数据传送、线路拆除3、线路交换缺点：典型的用户/主机数据连接状态，在大部分的时间内线路是空闲的，因而用线路交换方法实现数据连接效率低下；为连接提供的数据速率是固定的，因而连接起来的两个设备
yeomanry·2023-09-22 11:02

OpenCV 自学笔记30. 简单轮廓匹配的小例子

简单轮廓匹配的小例子先用一个小例子入门：OpenCV中提供了几个与轮廓相关的函数：findContours()：从二值图像中寻找轮廓drawContours()：绘制轮廓matchShape()：使用Hu矩进行轮廓匹配下面是一个使用这些函数的小例子，测试图片为：test3_c.jpg如下：test4_c.jpg如下：测试代码main.cpp如下：#include#includeusingnames
两鬓已不能斑白·2023-09-22 09:21

【网络安全】黑客自学笔记

1️⃣前言作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟知己知彼，才能百战百胜。计算机各领域的知识水平决定你渗透水平的上限【1】比如：你编程水平高，那你在代码审计的时候就会比别人强，写出的漏洞利用工具就会比别人的好用；【2】比如：你数据库知识水平高，那你在进行SQL注入攻击的时候，你就可以写出更多更好的SQL注入语句，能绕过别人绕不过的WAF；【3】比如：你网络水平高，那你在内网渗透的时候就
网安六百·2023-09-22 09:51

网络安全（黑客）自学笔记

前言作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟知己知彼，才能百战百胜。计算机各领域的知识水平决定你渗透水平的上限。【1】比如：你编程水平高，那你在代码审计的时候就会比别人强，写出的漏洞利用工具就会比别人的好用；【2】比如：你数据库知识水平高，那你在进行SQL注入攻击的时候，你就可以写出更多更好的SQL注入语句，能绕过别人绕不过的WAF；【3】比如：你网络水平高，那你在内网渗透的时候就可以
网安六百·2023-09-22 09:50

自学笔记：python+opencv针对蓝色来进行简单的车牌定位

自学笔记：python+opencv针对蓝色来进行简单的车牌定位图像处理的自学之路车牌定位看了几个其他人的文章，综合选取了几个方法凑在一起。
狂热的蜗牛·2023-09-22 09:19

OpenCV自学笔记十五：图像轮廓

目录1、查找并绘制轮廓2、矩特征3、Hu矩4、轮廓拟合5、凸包1、查找并绘制轮廓在OpenCV中，可以使用`cv2.findContours()`函数来查找图像中的轮廓，并使用`cv2.drawContours()`函数将轮廓绘制到图像上。下面是一个示例代码：importcv2#读取图像并转换为灰度图像image=cv2.imread('image.jpg')gray=cv2.cvtColor(i
ironmao·2023-09-22 09:43

OpenCV自学笔记十：图像平滑处理

目录1.均值滤波（MeanFilter）：2.方框滤波（BoxFilter）：3.高斯滤波（GaussianFilter）：4.中值滤波（MedianFilter）：5.双边滤波（BilateralFilter）：6.2D卷积原理：1.均值滤波（MeanFilter）：均值滤波（MeanFilter）是一种常用的图像滤波方法，用于降低图像中的噪声。其原理是将图像中每个像素的值替换为它周围邻域内像素
ironmao·2023-09-22 07:26

wxwidgets学习系列

wxwidgets学习系列https://blog.csdn.net/wyansai/article/details/51171225
练习生_y·2023-09-22 07:36

OpenCV自学笔记十二：形态操作（二）

目录1、礼帽运算2、黑帽运算3、核运算1、礼帽运算礼帽运算常用于去除图像中的噪声、增强图像边缘等应用场景。它通过先进行开运算（Opening）操作，然后用原始图像减去开运算结果得到。下面是使用OpenCV进行礼帽运算的示例代码：importcv2importnumpyasnp#加载图像image=cv2.imread('image.jpg',0)#以灰度模式加载图像#定义结构元素（可以是矩形、椭圆
ironmao·2023-09-22 06:23

OpenCV自学笔记十四：Canny边缘检测

Canny边缘检测是一种经典的图像边缘检测算法，具有以下几个步骤：1.噪声抑制：首先对图像进行平滑处理，以去除图像中的噪声。常用的方法是应用高斯滤波器。2.计算梯度：通过对平滑后的图像应用Sobel算子（或其他梯度算子），计算图像的梯度幅值和梯度方向。梯度表示了图像灰度变化的强度和方向。3.非极大值抑制：根据梯度方向，对图像的梯度幅值进行非极大值抑制。这一步骤会沿着梯度方向上的局部最大值保留边缘，
ironmao·2023-09-22 06:23

ROS自学笔记八：Gazebo

用钢铁意志，成就不平凡人生。上期我们学习了Rvizhttps://blog.csdn.net/m0_71721954/article/details/131591101这期我们讲一下Gazebo目录Gazebo简介安装并启动gazebo使用roslaunch启动gazebo熟悉Gazebo界面主菜单栏工具栏world、insert和layers面板Gazebo简介Gazebo是一款开源的多机器人仿
ironmao·2023-09-22 05:39

OpenCV自学笔记十九：霍夫变换

目录1、霍夫直线变换2、霍夫圆环变换1、霍夫直线变换霍夫直线变换（HoughLineTransform）是一种用于在图像中检测直线的技术。它能够从图像中提取出直线的参数，例如直线的斜率和截距。霍夫直线变换的基本原理是在参数空间中累加直线的交点。对于每个图像中的边缘点，它们代表了可能的直线候选。通过对这些候选直线进行计数，可以找到在参数空间中累积计数最高的直线，从而得到图像中的直线。示例：下面是一个
ironmao·2023-09-22 05:39

OpenCV自学笔记二十：图像分割和提取

1、用分水岭算法实现图像分割与提取分水岭算法是一种经典的图像分割算法，用于将图像中的前景和背景进行分离。它基于图像中的灰度值和梯度信息来确定边界，并通过填充区域将图像分割成多个连通的区域。以下是分水岭算法的基本原理：1.预处理：首先对输入图像进行预处理操作，例如灰度化、平滑滤波和边缘检测等，以便更好地捕捉图像的特征。2.计算梯度图：根据图像的梯度信息，生成一个梯度图像，用于表示图像中不同区域的边缘
ironmao·2023-09-22 05:39

Python自学笔记二：Linux 上下载和安装 Python

用钢铁意志，成就不平凡人生。上期我们学习了windows下载并安装Pythonhttps://mp.csdn.net/mp_blog/creation/editor/130959185这期我们学习在Linux上下载和安装Python，可以按照以下步骤进行：1.打开终端（Terminal），输入以下命令以更新软件包列表：sudoaptupdat2.安装Python。如果您希望安装最新版本的Pytho
ironmao·2023-09-22 05:09

ROS自学笔记七：Rviz简介

用钢铁意志，成就不平凡人生。这期我们讲一下Rviz目录Rviz简介安装和启动Rviz熟悉Rviz界面菜单栏Displays面板View面板鼠标控制rviz顶端工具栏功能选项介绍Rviz简介RViz（RobotVisualization）是一个用于可视化机器人系统的开源工具，用于显示和调试机器人的传感器数据、状态信息和运动规划等。它是ROS（RobotOperatingSystem）的一部分，是RO
ironmao·2023-09-22 05:09

ROS自学笔记十：环境配置

用钢铁意志，成就不平凡人生。上期我们学习了创建并构建ROS功能包这期我们讲一下环境配置要创建和构建ROS功能包，你可以按照以下步骤进行操作：要配置ROS环境，请按照以下步骤进行操作：1.安装ROS：根据你的操作系统，选择合适版本的ROS进行安装。可以参考ROS官方文档获取相关安装指南。2.设置ROS环境变量：在终端中打开一个新的窗口或会话，并执行以下命令来设置ROS环境变量。source/opt/
ironmao·2023-09-22 05:09

OpenCV自学笔记十八：模板匹配

模板匹配是一种在图像中寻找指定模式的方法。OpenCV库提供了用于模板匹配的函数，可以帮助我们在图像中定位和识别特定的模式。下面是模板匹配的基础原理和一个示例：模板匹配通过在待匹配图像上滑动一个固定大小的模板图像，并计算模板与图像之间的相似度来寻找匹配位置。相似度通常使用相关性或差异度量来衡量。在滑动过程中，当相似度达到最大值或阈值时，认为找到了一个匹配。下面是一个使用OpenCV进行模板匹配的示
ironmao·2023-09-22 05:09

OpenCV自学笔记十七：傅里叶变换

1、Numpy实现傅里叶变换傅里叶变换（FourierTransform）是一种将信号从时域转换到频域的数学变换。它将一个连续或离散的时域信号分解为一组正弦和余弦函数的复合。在Python中，可以使用NumPy库来实现傅里叶变换。具体步骤如下：1.导入NumPy库：importnumpyasnp2.准备输入信号数据，可以是离散的时间序列数据或连续的函数。假设我们有一个离散的信号`x`，包含N个采样
ironmao·2023-09-22 05:03

OpenCV自学笔记二十一：视频处理

一、VideoCapture类在OpenCV中，`VideoCapture`类提供了一系列函数来读取和控制视频流。以下是一些常用的`VideoCapture`类函数说明：1.`isOpened()`：检查视频是否成功打开。返回一个布尔值，True表示成功打开，False表示未成功打开。2.`open(filenameordevice)`：打开视频文件或设备（如摄像头）。参数可以是视频文件名，也可以
ironmao·2023-09-22 05:03

【网络安全】黑客自学笔记

1️⃣前言作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟知己知彼，才能百战百胜。计算机各领域的知识水平决定你渗透水平的上限【1】比如：你编程水平高，那你在代码审计的时候就会比别人强，写出的漏洞利用工具就会比别人的好用；【2】比如：你数据库知识水平高，那你在进行SQL注入攻击的时候，你就可以写出更多更好的SQL注入语句，能绕过别人绕不过的WAF；【3】比如：你网络水平高，那你在内网渗透的时候就
工程款啥时候才能下来·2023-09-22 04:42

【网络安全】黑客自学笔记

1️⃣前言作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟知己知彼，才能百战百胜。计算机各领域的知识水平决定你渗透水平的上限【1】比如：你编程水平高，那你在代码审计的时候就会比别人强，写出的漏洞利用工具就会比别人的好用；【2】比如：你数据库知识水平高，那你在进行SQL注入攻击的时候，你就可以写出更多更好的SQL注入语句，能绕过别人绕不过的WAF；【3】比如：你网络水平高，那你在内网渗透的时候就
网安白菜菜·2023-09-21 22:21

机器学习自学笔记 2018-09-17

结构化机器学习项目第一周1.1正交化所谓正交化就是你在设计自己项目的时候，要为自己设计只能改变项目某一块特性同时绝对不会改变其他部分的特性，这样的策略才有助于你之后在某时项目效果不如自己期望时你可以有秩序的一个一个调参而不会相互干扰，最后才有可能排查出问题，从而解决问题。1.2单实数评估指标你在尝试一个新的想法时往往会和过去的算法做比较，但一个算法呈现出来的参数往往又不止一个，比如对于一个分类器而
为三十谋·2023-09-21 19:15

【C++自学笔记】STL-list的深度剖析及模拟实现（源码）

一、list的介绍及使用1、list的介绍list是可以在常数范围内在任意位置进行插入和删除的序列式容器，并且该容器可以前后双向迭代；list底层时双向链表结构，双向链表中每个元素存储在互不想关的独立节点中，在节点中通过指针指向其前一个元素和后一个元素；list和forward_list非常相似，主要不同在于forward_list是单链表，只能朝前迭代，已让其简单高效；与其他的序列式容器相比较，
_ClivenZ·2023-09-21 17:03

MIPI的DSI接口(协议/时序/时钟计算) DPHY/CPHY

接口文章目录参考链接总述接口定义DSI分层物理层：通道管理层协议层应用层DSI支持的液晶类型DSI液晶屏的三种传输模式结语参考链接[笔记分享][Display]MIPI协议之DSIMIPI_DSI协议简要介绍别人的MIPI自学笔记
cy413026·2023-09-21 04:47

【网络安全】黑客自学笔记

1️⃣前言作为一个合格的网络安全工程师，应该做到攻守兼备，毕竟知己知彼，才能百战百胜。计算机各领域的知识水平决定你渗透水平的上限【1】比如：你编程水平高，那你在代码审计的时候就会比别人强，写出的漏洞利用工具就会比别人的好用；【2】比如：你数据库知识水平高，那你在进行SQL注入攻击的时候，你就可以写出更多更好的SQL注入语句，能绕过别人绕不过的WAF；【3】比如：你网络水平高，那你在内网渗透的时候就
先行者3·2023-09-20 23:22
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他