从入职到现在的 开发总结

一、             如果没有文档,什么也不要做。如果没有结果,什么也不要做。循序渐进,不准有断层(连续完整)
二、             第一原则:“需求”是什么?在极短的时间内有极大的进步(效率)
三、             循序渐进对每一个字进行反问与推敲(细节)
四、      基础要扎实,难点要拆分,条目清晰。变成自己的,影响更多的人(回馈)
五、             看看问题出在了哪?看看谁在破坏规矩?紧盯抓
六、             回到零点,研究事物的本源(人工智能)
使用内外部晶振,不清楚先问一下。在烧程序的本子上做好记录备查。
烧完图片,拨掉跳线
 程序更新,替换时备份老文件。
做程序要写文件  (程序的步骤,流程,验证,确认,问题解决,关键技术,等:从开始到结束,一切与项目有关有价值的信息)
示波器用市电供电
看不见的地方,只放一层控制器。
 对偏差与错误的重视(预防,检查,应对措施)  ,特别是细节
 没有特别说明,只有WK5B、WK5C烧程序加eeprom
每月8号或8号前交文档
注意验证(是否与程序设计一致)与确认(无论怎么操作,都不会影响原设计功能)
文档填写说明
1、 任务文档在做项目之前填写
2、 一定要日期,分步骤完成期限日期,做完程序后的程序及相关文档目录路径
3、 其它文档(1.说明书 2.技术实现文档 3.测试报告(必须纸质) 4.确认报告(必须纸质)),在项目开始的时候,就把它们订在一起。
重要的程序放到D:中
可能是电路问题,焊接的问题。不太可能是芯片工艺问题
作业指导书
对于3个以上共用的程序必须放在子程序目录中,并且设为只读属性。
对子程序中的文件更改时必须填写更改记录,并且备份原文件。更改后要设为只读属性。
当对子程序的内容更改但更改不适用于其它程序时,要将此程序复制到当前目录使用和更改。
下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画和过渡特性(如`transition`和`animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁和治理决策。 • 计算机视觉研究:支持实例分割算法的研究和优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力和鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员和开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小黄人软件

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值