新博客正式启用，请访问http://www.dalei.org，如果需要友链，留言即可。。。

最新推荐文章于 2021-11-11 10:47:18 发布
最新推荐文章于 2021-11-11 10:47:18 发布 · 216 阅读 · 0

新博客正式启用，访问地址为http://www.dalei.org ，若需要友链，可留言。

新博客正式启用，请访问http://www.dalei.org，如果需要友链，留言即可。。。

python爬虫基础项目 --爬取百度页面
D_wart的博客
12-18 527
#1.导包 import requests #2.确定url base_url = 'https://www.baidu.com/' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.79 Sa...
python爬虫基础项目 -- 爬取新浪新闻
D_wart的博客
12-18 471
import requests base_url = 'https://search.sina.com.cn/?' headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.79 Safari/537....
docker
weixin_41238665的博客
12-12 2万+
安装docker [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jZSrMR1a-1607762393595)(C:\Users\mr.chen\AppData\Roaming\Typora\typora-user-images\1605364846284.png)] [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uTt7HSEX-1607762393596)(C:\Users\mr.chen\AppData\Roaming\Typora\.
node.js 史上最详细 (博主持续更新)
qq_40860137的博客
06-27 1万+
1、node.js介绍 诞生于2009年，它不是一门语言也不是一门框架，它是基于Google V8引擎的JavaScript运行时环境，同时结合Libuv拓展了JavaScript功能，使之支持IO，fs等语言才有的特性，使得JavaScript能够同时具有DOM操作（浏览器）和I/O，文件读写、操作数据库等能力。 应用：淘宝双十一、去哪儿网PC端核心业务；前端工具 VScode、webpack等具有Node.js开发 node的包管理工具npm成为世界中开源包管理中最大的生态、功能强大。 2.特点
java $.post,$.post怎么取得返回值
weixin_42481708的博客
03-13 1243
$.post如何取得返回值？我在JSP里有个提交如下：$.post("/ServiceAction/com.velcro.base.test.action.CreateWfAction?action=create",{taskid:taskid,itemtype:itemtype,dalei:dalei,xiaolei:xiaolei,renwuming:renwuming,zhixingbume...
git丢弃本地改动文件时提示“error: path “file_paht“ is unmerged”的解决方案
大雷
11-11 1万+
背景 git管理应用过程中遇到这样一个问题。发现之前提交的一版方案有问题，但是它暂时处在一个dev分支，master分支为我这边的生产分支。因此想着在dev分支上直接修复之后push回dev后再测。但是发现这个问题不容易那么快的解决，于是就把这部分修复内容单独提了一个新的独立分支来解决这个问题。 后来在这个新的分支上排查出问题后发现只需要一行代码就能解决这个问题，但是这个分支的改动在排查过程中过于剧烈，不忍重整。于是就想着直接丢弃这个分支（删除本地以及远程的这个分支）切...
python爬虫 ---爬取网易云歌手信息
D_wart的博客
12-21 1026
import requests from lxml import etree def get_text(list_): if list_: return list_[0] return '' def get_xpath(url): headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 6.1; ...
清华大学中文语音识别数据 THCHS30
Chatopera
08-01 8743
本文对转载内容有更改，不代表原作者 目录简介作者联系人数据文件data_thchs30datatrain,dev,testlm_wordlm_phonetest-noiseresourceresource/dict/lexicon.txtresource/dict/lexiconp.txtresource/dict/extra_questions.txtresource/dict/nonsilence_phones.txtresource/dict/optional_silence.txtresourc.
newsgroup_txt
热门推荐
weixin_44714173的博客
07-29 5万+
Why is the mirror of journey to the West useless to monkey king? |||0 First couplet: one night spring breeze to go, how to the second couplet? |||0 What do relatives say makes you most disgusted? |||0 The second couplet: three mountains and five mountains
写一个实现语音识别的代码禁止使用API接口必须包含的功能有：分帧加窗、特征提取、端点检测 必须有GUI界面，使用深度学习算法。以下为数据集的README.txt文件内容 Overview This is the data part of the THCHS30 2015 acoustic data & scripts dataset. The dataset is described in more detail in the paper THCHS-30 : A Free Chinese Speech Corpus by Dong Wang, Xuewei Zhang. A paper (if it can be called a paper) 13 years ago regarding the database: Dong Wang, Dalei Wu, Xiaoyan Zhu, TCMSD: A new Chinese Continuous Speech Database, International Conference on Chinese Computing (ICCC’01), 2001, Singapore. The layout of this data pack is the following: data *.wav audio data ``*.wav.trn`` transcriptions {train,dev,test} contain symlinks into the data directory for both audio and transcription files. Contents of these directories define the train/dev/test split of the data. {lm_word} word.3gram.lm trigram LM based on word lexicon.txt lexicon based on word {lm_phone} phone.3gram.lm trigram LM based on phone lexicon.txt lexicon based on phone README.TXT this file Data statistics Statistics for the data are as follows: =========== ========== ========== =========== **dataset** **audio** **#sents** **#words** =========== ========== ========== =========== train 25 10.000 198,252 dev 2:14 893 17,743 test 6:15 2,495 49,085 =========== ========== ========== =========== Authors Dong Wang Xuewei Zhang Zhiyong Zhang Contactor Dong Wang, Xuewei Zhang, Zhiyong Zhang wangdong99@mails.tsinghua.edu.cn zxw@cslt.riit.tsinghua.edu.cn zhangzy@cslt.riit.tsinghua.edu.cn CSLT, Tsinghua University ROOM1-303, BLDG FIT Tsinghua University http://cslt.org http://cslt.riit.tsinghua.edu.cn
05-31
首先，我得理清楚每个步骤需要做什么。首先，分帧加窗。语音信号是非平稳的，分帧加窗是为了处理成短时平稳的信号。通常会用汉明窗，帧长25ms，帧移10ms。这部分需要处理音频文件的读取，分帧，加窗操作。然后，特征...
Overview ======== This is the *data part* of the `THCHS30 2015` acoustic data & scripts dataset. The dataset is described in more detail in the paper ``THCHS-30 : A Free Chinese Speech Corpus`` by Dong Wang, Xuewei Zhang. A paper (if it can be called a paper) 13 years ago regarding the database: Dong Wang, Dalei Wu, Xiaoyan Zhu, ``TCMSD: A new Chinese Continuous Speech Database``, International Conference on Chinese Computing (ICCC'01), 2001, Singapore. The layout of this data pack is the following: ``data`` ``*.wav`` audio data ``*.wav.trn`` transcriptions ``{train,dev,test}`` contain symlinks into the ``data`` directory for both audio and transcription files. Contents of these directories define the train/dev/test split of the data. ``{lm_word}`` ``word.3gram.lm`` trigram LM based on word ``lexicon.txt`` lexicon based on word ``{lm_phone}`` ``phone.3gram.lm`` trigram LM based on phone ``lexicon.txt`` lexicon based on phone ``README.TXT`` this file Data statistics =============== Statistics for the data are as follows: =========== ========== ========== =========== **dataset** **audio** **#sents** **#words** =========== ========== ========== =========== train 25 10.000 198,252 dev 2:14 893 17,743 test 6:15 2,495 49,085 =========== ========== ========== =========== Authors ======= - Dong Wang - Xuewei Zhang - Zhiyong Zhang Contactor ========= Dong Wang, Xuewei Zhang, Zhiyong Zhang wangdong99@mails.tsinghua.edu.cn zxw@cslt.riit.tsinghua.edu.cn zhangzy@cslt.riit.tsinghua.edu.cn CSLT, Tsinghua University ROOM1-303, BLDG FIT Tsinghua University http://cslt.org http://cslt.riit.tsinghua.edu.cn 这是数据集README.txt文件内容，有什么需要对代码进行修改的吗
05-31
- 如果需要使用语言模型进行解码或后处理，可以考虑加载这些文件。 5. **数据统计信息**： - 训练集包含 10,000 个样本，验证集包含 893 个样本，测试集包含 2,495 个样本。 - 需要确保代码能够正确处理这些样本...
【嵌入式AIoT】系统架构与轻量化模型部署：面向智能家居与工业监测的边缘智能终端实战设计
12-21
内容概要：本文系统介绍了嵌入式AIoT应用场景的实战方法与实践路径，涵盖从场景选择、系统架构设计到AI模型部署、通信与数据管理的全流程。重点阐述了嵌入式系统与人工智能、物联网技术的融合，强调在资源受限环境下实现感知、分析与决策一体化的智能终端系统。文章详细解析了感知层、边缘计算层和云端服务层的协同机制，突出边缘侧数据处理与轻量化AI模型优化的重要性，并倡导以实际需求为导向，避免“为AI而AI”的设计误区。同时，强调系统稳定性、远程维护和长期运行能力的建设。; 适合人群：具备嵌入式系统基础、物联网或AI相关背景，有一定开发经验的工程师或工作1-3年的技术研发人员；适用于希望深入理解AIoT系统集成与实战落地的学习者。; 使用场景及目标：①智能家居、工业监测、智慧农业等分布式智能系统开发；②在算力、功耗受限的嵌入式设备上实现AI推理与边缘智能；③构建高效、可靠、可维护的端云协同AIoT系统。; 阅读建议：建议结合实际硬件平台进行项目化学习，边学边练，重点关注系统架构设计、模型优化与通信协议选型，注重整体系统思维的培养，而非仅关注单一技术点。
基于Python 的UART 文件传输工具
12-21
基于Python 的UART 文件传输工具，基于Pyside6的GUI界面
C# 基于 Onnx 与 P2PNet 的人群检测与计数系统源码实现
12-21
基于C#编程语言与Onnx运行时环境，本文档详细阐述了一种利用P2PNet架构实现人群密度估计与个体计数的技术方案。该方案通过解析预训练模型，实现了对图像或视频流中人群分布的精准检测，并提供了可靠的计数功能。核心内容包括模型加载与推理流程的完整实现、数据处理管道的构建以及性能优化策略的探讨。本文旨在为相关领域的开发人员提供一个清晰、可复现的参考实现，着重于工程实践的严谨性与代码模块的可用性。所有实现代码均经过结构化组织与详细注释，以确保其易于理解与集成。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
Theoretical Machine Learning Notes (Princeton COS511)
12-21
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结（summarization） 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签，可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
食堂线上预约点餐系统_一个基于现代Web技术构建的面向学校企业及园区食堂的综合性数字化餐饮服务平台_该系统旨在通过线上化流程彻底革新传统食堂就餐模式_核心功能模块包括用户端小程序.zip
12-21
食堂线上预约点餐系统_一个基于现代Web技术构建的面向学校企业及园区食堂的综合性数字化餐饮服务平台_该系统旨在通过线上化流程彻底革新传统食堂就餐模式_核心功能模块包括用户端小程序.zip
Unity STL文件读取插件：pb_Stl-master
12-21
Unity STL文件导入工具 该工具为Unity引擎提供标准STL格式三维模型文件的导入功能，支持二进制与ASCII两种编码格式的解析。通过集成此插件，开发者可直接在Unity编辑器中加载由各类CAD软件或三维扫描设备生成的STL模型文件，无需借助第三方转换软件进行格式预处理。 核心特性包括： 1. 完整几何数据解析：精确读取顶点坐标、法线向量及三角面片拓扑关系 2. 自适应材质分配：根据模型几何特征自动生成并配置基础材质球 3. 内存优化机制：采用流式加载技术处理大型STL文件，避免编辑器卡顿 4. 坐标系统转换：自动校正不同三维软件坐标系差异，确保模型方向一致性 技术实现层面，插件通过托管DLL封装了经过优化的STL解析算法，在保证读取精度的同时维持了较高执行效率。导入后的模型将自动生成标准网格组件，支持Unity光照系统、碰撞体生成及导航网格烘焙等后续处理流程。 该工具适用于机械设计展示、三维打印预览、工业仿真等需要频繁交换CAD数据的开发场景，显著简化了从工程设计到实时渲染的工作流程。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
（60页PPT）某省市某省市集活动策划方案63.pptx
12-21
（60页PPT）某省市某省市集活动策划方案63.pptx
基于SpringBoot+Vue与微信小程序的单店铺/多店铺商城系统
最新发布
12-21
本系统采用微信小程序作为前端交互界面，结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建，形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营，亦兼容多商户入驻的平台模式，具备高度的灵活性与扩展性。 在技术实现上，后端以Java语言为核心，依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务；管理后台采用Vue.js进行开发，实现了直观高效的操作界面；前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作，功能链路完整闭环，已通过严格测试与优化，符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖，不仅包含商品展示、交易流程、订单处理等核心电商功能，还集成了会员管理、营销工具、数据统计等辅助模块，能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理，同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性，遵循企业级开发标准，确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言，这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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