- 博客(56)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 linux centos7 配置anaconda，Python3.8和vscode
linux centos7 配置anaconda，Python3.8和vscode
2022-12-04 11:22:35
1056
原创 细致分析及解决：STM32CUBEMX报错 xxx but MDK-ARM V5.27 project generation have a problem以及keil的device not found
细致分析及解决：STM32CUBEMX报错 xxx but MDK-ARM V5.27 project generation have a problem以及keil的device not found
2022-05-22 13:47:30
6484
2
原创 Proteus存储器读写数字并在数码管显示
先写入数字45：将右边开关打开，左边logicstate两个都置0（上边的0是打开了存储器，左边的0是写入模式的打开）先断开存储器（上边的logicstate置1），再断开开关（置OFF）先把左边的logicstate置1，即读出模式再把上边的置0，即打开存储器按下暂停后可进入debug模式查看地址...
2022-05-07 20:49:43
1697
原创 proteus 问题--解决创建项目、打开项目：Error opening VSM Studio project STM32F401VE，无法查看Source Code,无法创建硬件项目
问题描述原因：安装软件的路径有中文删掉所有东西后，重新下载即可创建新项目，点击New Project选择GCC for ARM这个配置项（也可以进入后在配置）
2022-05-06 17:28:56
7038
3
原创 最快速解决‘django-admin‘ 不是内部或外部命令，也不是可运行的程序 或批处理文件
首先找到说明我们的django下载成功了但因为环境变量的问题，无法实现这个django-admin命令故我们在pycharm的终端里操作输入：django-admin startproject newpro即可创建django项目了
2022-05-02 13:44:51
3334
原创 数据标准化-Normalization
数据处理之 数据归一化数据标准化（归一化）-Normalization来自百度百科的解释：数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性。通俗的说就是把所有的数据“按比例”增大缩小到某个范围归一化就是把范围限制在0~11、min-max标准化(Min-maxno
2022-04-28 22:25:26
1518
原创 python自动化脚本查找百度
from selenium import webdriver#实例化Chrome浏览器对象driver=webdriver.Chrome()#准备urlurl='http://www.baidu.com'# 访问driver.get(url)#最大化窗口（默认不是最大化）#driver.maximize_window()# 找到输入框 （kw后面会具体解释，还有下面具体的标签）shuru=driver.find_element_by_id('kw')# 在输入框中放我们想搜的字符串s
2022-04-26 19:40:12
2566
原创 添加CSS的方式
添加CSS的几种方式1.外部样式表css放在.css文件里html文件中使用<link>标签进行引用//css文件：.box{color: green;}<!DOCTYPE html><html lang="en"><head> <title>Document</title> <link rel="stylesheet" href="./style.css"></head><
2022-04-25 23:14:54
1719
原创 ARM启动过程实验调试
ARM启动过程实验调试一．前述概要1.ARM的含义首先指的是一家公司，全球领先的半导体知识产权(IP)提供商，ARM设计了大量高性价比、耗能低的RISC处理器、相关技术及软件。其次，ARM指的也是一门技术，具有性能高、成本低和能耗省的特点。在智能机、平板电脑、嵌入控制、多媒体数字等处理器领域拥有主导地位；另外，ARM还是一类微型处理器的统称，其微型处理器包含多个系列，每个系列各自的特点和应用领域。2.ARM芯片任何一款ARM芯片主要由两大部分组成：ARM内核 ，外设 。ARM内核： ...
2022-04-18 23:05:30
1507
1
原创 MDK5软件安装
MDK5软件使用说明文档一、MDK5软件安装说明1.双击图标进行安装2.进入安装界面——点击Next（下一步）3.选中同意软件使用条约，点击Next（下一步）4.选择安装路径（以D盘Keil_V5为例）——点击Next（下一步）5.填写用户名(First name)与邮箱(E-Mail)，（任意填写，以bkrc为例）——点击Next（下一步）6.正在安装——等待安装进度条完成7.去掉对勾，安装完成——点击Finish（完成）8.添加器件库安装包——双Keil
2022-04-15 00:01:31
5923
原创 配置vue脚手架
这里我们需要用到`npm` 命令npm是nodejs的一个子内容，所以要使用npm，就一定要先安装nodejs。正常去官网安装即可输入`node -v` 查看是否安装成功
2022-04-12 14:13:36
631
原创 图论基础知识
graph：邻接矩阵（adjacency）:adjacency=[ [0,1,1,0,0,0], [1,0,1,1,0,0], [1,1,0,1,1,0], [0,1,1,0,1,1], [0,0,1,1,0,0], [0,0,0,1,0,0] ]度 （degree）：无向图的度： A：2；B：3有向图：分为入度和出度连通图和非连通图最短路
2022-02-03 23:56:07
1878
2
原创 BFS,DFS python实现
def DFS(graph,s): """ :param graph: 输入的图 :param s: BFS的起始点 :return: NONE """
2022-01-24 21:16:58
647
原创 neo4j修改节点(包括属性，关系）
将 “傅式级数” 这个节点删除，并把 ”单位冲激序列的傅里叶变换“ 这个节点 指向 ”傅氏级数“ 这个节点match (r) where id(r)=76247 detach delete rmatch (p:KnowledgeBlock{name:'单位冲激序列的傅里叶变换'}),(m:AlignmentObject{name:'傅氏级数'}) create (p)-[r:hasPartOf]->(m)...
2021-11-14 19:37:38
6351
原创 图形数据库neo4j 的 基本操作
查询操作：1.查询整个图形数据库match(n) return n;2.查询具有特殊属性的节点match(n{name:'xxxx'}) #这个{}类似与json里的 所以查询到属性也可以这样return n; #{}里面写要查询的属性3.查询指定label的节点match(n:course) return n;4.关系查询Cypher语言规定，关系分为三种：（1）符号“–”，表示有关系，忽略关系的类型和方向；（2）符号“–>”表示有方向的关系（3）符号“&l
2021-11-14 18:54:15
1941
原创 超详细：通过neo4j构建数电知识图谱
将neo4j -> 连接mysqlCALL apoc.load.jdbc()创建节点ranker代表课程id,name代表该学科名称create (n:course { name: '数字电路与逻辑设计',ranker:'4' }) return n;建立课程下面的一级目录—既每章的标题首先是创建node：CALL apoc.load.jdbc( 'jdbc:mysql://10.112.48.129/knowledgePoint_PPT?user=*填写你的账号*&
2021-11-01 17:08:28
1923
9
原创 LeNet 5 pytorch实现
import torch.nn as nnimport torchfrom torchinfo import summary#img is 32*32*1data=torch.ones(size=(10,1,32,32))class LeNet_5(nn.Module): def __init__(self): #定义神经网络所需的全部元素 super().__init__() self.conv1=nn.Conv2d(1,6,5) #32+2pa.
2021-10-23 22:29:08
354
原创 VGG-19架构 pytorch实现
import torchimport torch.nn as nnfrom torchinfo import summaryclass VGG19(nn.Module): def __init__(self): super().__init__() self.conv1=nn.Conv2d(3,64,kernel_size=3,padding=1) self.conv2=nn.Conv2d(64,64,kernel_size=3,padding.
2021-10-23 22:24:52
1837
原创 python处理实验数据（物理实验）
处理这些实验数据，并画图表示关系from matplotlib import pyplotimport numpyimport mathe=math.e # loge那个e# x=[-6.0,-4.0,-2.0,0.26,1.17,2.84,3.18,3.32,3.56,3.71,3.82,3.93,4.02,4.11,4.19]# y=[-3.5,-1.4,-0.7,0.22,1.02,4.0,7.0,10,20,30,40,50,60,70,80]x1=[900,491,307,2
2021-10-21 17:32:25
1554
原创 偏差和方差
偏差（Bias）反映的是模型在样本上的输出与真实值之间的误差，即模型本身的精准度方差（Variance）反映的是模型每一次输出结果与模型输出期望之间的误差，即模型的稳定性。高偏差导致欠拟合（underfitting）高方差导致过拟合（overfitting）直白说就是：bias是偏差，偏置，强调偏离，模型的预测值和真实数据离得老远，离谱的拟合结果，就是欠拟合而方差则是输出的值互相离得老远，逐渐离谱，就是把数据全拟合上了，但是曲线贼离谱复杂，就是过拟合...
2021-08-10 15:57:50
82
原创 线性回归regression
线性回归 （linear regression）基于几个简单的假设：首先，假设自变量 x 和因变量 y 之间的关系是线性的，即 y 可以表示为 x 中元素的加权和，通常允许包含观测值的一些噪声；其次，假设任何噪声都比较正常，如噪声遵循正态分布。线性模型损失函数梯度下降（gradient descent）通过不断地在损失函数递减的方向上更新参数来降低误差。但有时时间成本太大故采用小批量随机梯度下降（minibatch stochastic gradient descent）
2021-08-04 19:21:49
248
原创 自动求导及实现
自动求导在我们计算 y 关于 x 的梯度之前，我们需要一个地方来存储梯度。 重要的是，我们不会在每次对一个参数求导时都分配新的内存。import torch#创建变量x并为其分配一个初始值。、x=torch.arange(4.0,requires_grad=True)print(x)print(x.grad)#x是一个长度为4的向量，计算x和x的内积，得到了我们赋值给y的标量输出y=2*torch.dot(x,x)print(y)#接下来，我们可以通过调用反向传播函数来自动计算y关于
2021-08-04 12:06:16
381
原创 深度学习数据处理与代数基础
torch数据处理1.标量scalar即0阶张量import torchx=torch.tensor([3.0])y=torch.tensor([4.0])print(x+y)print(x*y)2.向量 vector（一阶张量）即标量值组成的列表并将这些标量值称为向量的元素(elements) 或分量（components）向量的长度通常称为向量的维度（dimension）x=torch.arange(4)print(x)print(len(x))print(x.shape
2021-08-02 17:26:42
395
原创 unity学习-for VR project 02
最左上的一排是工具栏，分别移动，缩放，方向，pivot是模型中心，center是模型（组）重心creat material可以改变地板的颜色renderer 是渲染器collider 是碰撞检测器一些参数albedo 反射率 后面的就是调色metallic 金属质感度 搭配smoothness 调质感碰撞检测轴分离定理（SAT)人物建模–精细 --renderer （好看）人物简单线条建模 --简单 --collider （好检测是否碰撞）使用unity游.
2021-07-16 22:56:18
114
原创 unity学习-for VR project 01
下载unity->激活许可证->创建新的项目进入创建一个C#脚本，准备编程有人相爱，有人夜里看海，有人现在还在下载VS（没下载C#和unity插件的得接着下）然后到这一步就可以编程了
2021-07-15 00:06:51
109
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人