墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
900+累计阅读
906平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
Python插件：https://docs.qgis.org/3.10/en/docs/pyqgis_developer_cookbook/
C++插件开发（嵌入式）：dll如何编译和加载https://github.com/ranchodeluxe/qgis_cpp_plugin_cookbook
QGIS和ArcGIS对比：
QGIS是免费开源的，而且功能越来越强大。
Python开发：https://qgis.org/pyqgis/3.10/
C++开发：https://qgis.org/api/3.10/
以上四种开发方式：
qgis-python:遍历QGIS Python编程手册
QGIS Python食谱 另一本流产的通书？ 我们将会看到。 这次是，第二版（ISBN：9-781-787-124-837）。 要求 该书于2017年编写。当时，使用的版本为： Python 2.7.x（基于第21页的屏幕截图）。 QGIS 2.18.0（在背面陈述。） 但是，当我在2020年在Ubuntu 16.04上完成此工作时，我将使用： Python 3.8.2（手动从Ubuntu PPA安装） QGIS 2.8.6（从Ubuntu存储库中，不要问我为什么要早一些。） 内置的QGIS Python控制台使用Python 2.7.12
PyQGIS开发者手册-完整版（持续更新中）
GitHub Pages：PyQGIS-Developer-Cookbook-cn QQ交流群：726289179
PyQGIS developer cookbook_2.8
PyQGIS developer cookbook_2.8 是release2.8的
PyQGisCookbook--简介(二)
简介 本文档既可以作为教程，也可以作为参考指南。尽管它没有列出所有可能的用例，但是应该对主要功能进行了很好的概述。 Python控制台中的脚本 Python插件 QGIS启动时运行Python代码 startup.py文件 PYQGIS_STARTUP环境变量 Python应用程序 在独立脚本中使用PyQGIS...
QGIS-3.10-PyQGISDeveloperCookbook-zh_Hans.pdf
QGIS中文文档
PyQGIS developer cookbook
描绘怎么利用python 语言对QGIS进行二次开发，是一本很好的参考书籍。
PyQGIS开发 2 Qt开发入门
QGIS在安装后已经配套了Qt Designer，可以在开始菜单 -> QGIS -> Qt Designer for QGIS点击运行程序，或者在QGIS安装目录/bin/qgis-designer.bat(或qgis-ltr-designer.bat)点击运行。
QGIS2.Cookbook.2016.4.pdf
QGIS2.Cookbook.2016.4.pdf
1. pyqgis介绍
本文介绍了PyQGIS的使用场景及其在QGIS Desktop中的多种应用方式，包括在Python控制台中执行命令、创建和使用插件、启动时自动运行Python代码、创建处理算法、在表达式中使用函数以及基于QGIS API创建自定义应用程序。文章重点展示了如何基于PyQGIS API创建一个简单的自定义应用程序“HelloPyQGis”，通过PyQt5实现窗口程序，并调用QGIS的API获取版本信息。示例代码展示了如何构建一个基本的GUI应用程序，并展示了PyQGIS与PyQt5的结合使用。
CentOS 7 离线升级 OpenSSH 9.9p2 保姆级教程（含依赖包下载与常见报错解决）
本文提供了一份详尽的CentOS 7系统离线升级OpenSSH至9.9p2版本的完整教程。针对无外网环境，重点讲解了依赖包（尤其是OpenSSL 3.x）的离线下载与编译部署，并深入解决了编译过程中常见的“libcrypto.so缺失”等动态库链接错误。教程涵盖从环境准备、源码编译、服务配置到系统集成的全流程，最后还提供了关键的回滚方案与应急预案，是运维人员在内网环境中进行安全加固的实用指南。
2022年TI杯模拟电⼦系统设计专题邀请赛——李萨如图形演示装置
本次装置主要是对输入的正弦信号进行频率变换，并将原输入正弦信号作为 X 轴信号、变换后的正弦信号作为 Y 轴信号，绘制李萨如图形。采用 EK-TM4C123GXL 板卡作为主控；频率变换采用“锁向环+计数器”实现 1-5 倍频的频率变换控制；李萨如图形采用两个 AD通道采集原输入的正弦信号作为 X 轴信号和频率变换后的正弦信号作为 Y 轴信号，绘制李萨如图形。
探索PyQGIS开发者实战指南：开启地理信息处理之旅
探索PyQGIS开发者实战指南：开启地理信息处理之旅 PyQGIS是QGIS（Quantum GIS）的Python API，它允许开发者以编程方式操作和扩展这个强大的开源地理信息系统。是一个详细的资源，专为想要利用PyQGIS进行地理数据分析和应用开发的程序员打造。 项目简介 这个项目是一个中文版的PyQGIS开发手册，它是基于原版的PyQGIS Developer Cookbook翻译的。旨在...
ArduPilot移植到自定义硬件：完整指南
详解如何将ArduPilot成功移植到自定义硬件平台，涵盖环境搭建、代码配置与调试技巧。无论是初学者还是进阶开发者，都能快速掌握ArduPilot在不同硬件上的适配方法，提升开发效率。
PyQGisCookbook--身份验证基础架构(十五)
身份验证基础架构 简介 词汇表 QgsAuthManager的入口点 初始化管理器并设置主密码 用新的身份验证配置入口填充验证数据库 可用的身份验证方法 构建验证 使用QgsPkiBundle管理PKI捆绑包 从验证数据中删除条目 QgsAu...
Mask2former自定义数据集实现滑坡语义分割
先介绍一下这次用的数据集：Bijie Landslide Dataset，是武汉大学在Triplesat卫星上裁剪的数据集，包含770张滑坡（image、mask、dem、边界坐标txt）和2003张非滑坡数据（dem、image）。直接在ade20k修改，按照路径和设置将预处理数据放好，该步骤很快就能结束，打开的图片是全黑的，因为0和1在图片上肉眼较难区分。bijie的数据集可以直接使用，接下去的步骤是1、预处理数据。配置文件修改训练类别和训练类型，由于我们分割的是滑坡，所以进行语义分割。
Synopsys SpyGlass 进行 RTL 功耗估计
通过上述脚本，您可以使用 Synopsys SpyGlass 对纯 RTL 代码和带有 FSDB 波形的 RTL 代码进行功耗估计，并支持将 SDC 文件转换为 SGDC 文件。
QGIS插件式开发（三）---插件开发
本篇文章着重讲述插件开发的主要流程，揭开QGIS插件式开发的真面目，正所谓万事开头难，掌握了第一步，后面就可以把主要精力放在功能开发上，而不必再为怎么加载插件、__init__()函数的功能是什么等问题所困扰。 一、自动创建 自动创建很简单，比较适合对QGIS插件开发有一定了解的人，而对于初学者并不是一种很好很好的方式，现有的自动创建的方法主要有两种：QGIS Plugin Creator和P
CentOS8静默安装Oracle11.2.0.1
背景 新安装oracle，用静默安装方式就不需要安装图形界面了，省时省力。 前期准备工作与图形化安装一样，如创建用户|用户组、环境变量、内核参数、创建目录等. 可参考图形化安装，链接：https://blog.youkuaiyun.com/heroicpoem/article/details/104229369 环境 平台 版本 操作系统 centOS 8 Oracle 11gR2 1.响应文件 响应文件的内容就是图形化安装时手工设置的选项内容。 解压后，database/response/db
QGIS Python插件开发环境搭建--QGIS3.34.11+PyCharm
使用pyCharm打开自己的插件目录，例如：C:\Users\Administrator\AppData\Roaming\QGIS\QGIS3\profiles\default\python\plugins\myplugin。我的插件目录为（仅供参考）：C:\Users\Administrator\AppData\Roaming\QGIS\QGIS3\profiles\default\python\plugins。选择插件模板，默认选择第一个，设置插件添加到哪个菜单下，这里默认添加在“
RK3568项目(四)--uboot启动流程之启动模式选择
本章接着上面，接着来分析uboot启动流程，设计vendor、按键、驱动模式的选择等
RK3568 上C图像camera图像采集应用实例（二）
本文探索rk3568上实现C语言的 通过C v4l2 接口 采集图像 ，刷屏控制 drm的显示camera图像中 实现camera preview 预览 的实践和探索。
QGIS 开发初级《构建插件工程》
新建QGIS 插件工程
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
【亲测免费】 Python Cookbook 第3版 中文版
Python Cookbook 第3版 中文版 【下载地址】PythonCookbook第3版中文版分享 Python Cookbook 第3版 中文版欢迎来到PythonCookbook第3版中文版资源页面 项目地址: http...
jdk-8u144-linux-x64.tar.gz.
该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
PyQGIS开发者手册-1 引言
目录 1 引言 1.1 在Python控制台中编写脚本 1.2 Python插件 1.3 QGIS启动时运行Python代码 1.3.1 startup.py文件 1.3.2 PYQGIS_STARTUP环境变量 1.4 Python应用程序 1.4.1 在独立脚本中使用PyQGIS 1.4.2 在自定义应用程序中使用PyQGIS 1.4.3 运行自定义应用程序 1.5 有关...
文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况
主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。
Qgis python开发教程（一）Introduction
最近工作中用到Qgis开发，找了网上一圈，关于python的开发很少，最后找到官方API，官方API很不错，但是英文难免麻烦一些，自己尝试翻译出来并实践一下，以备自己后续的学习。（并非逐字逐句翻译，就是把自己认为重点的地方记录摘要，水平有限，多多指教）官方API：https://docs.qgis.org/testing/en/docs/pyqgis_developer_cookbook/intr...
PyQGisCookbook--表达式，过滤和计算值(十二)
如果您不在pyqgis控制台，需要导入以下模块： from qgis.core import ( edit, QgsExpression, QgsExpressionContext, QgsFeature, QgsFeatureRequest, QgsField, QgsFields, QgsVectorLayer, QgsPoin...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
8174
扫一扫
