03 2019 档案

摘要:首先向大家强烈推荐一个在线检测正则表达式的链接:Online regex tester and debugger: PHP, PCRE, Python, Golang, JavaScript +、?、*、{min,max}这四种数量匹配,单独使用时,他们就是贪婪模式(会回溯)。如果在他们后面加上一个 阅读全文
posted @ 2019-03-20 11:33 车路历程 阅读(223) 评论(0) 推荐(0)
摘要:点击进入 阅读全文
posted @ 2019-03-14 22:27 车路历程 阅读(461) 评论(0) 推荐(0)
摘要:点击进入 阅读全文
posted @ 2019-03-14 16:48 车路历程 阅读(69) 评论(0) 推荐(0)
摘要:ValueError: only one element tensors can be converted to Python scalars(pytorch) 没有正确初始化权重和偏置参数 阅读全文
posted @ 2019-03-14 09:46 车路历程 阅读(1719) 评论(0) 推荐(0)
摘要:点阵的内部结构图: 每一列对应为P00~P07,是从最右边向最左边排序的 每一行对应D0~D7,是从最下边向最上边排序的 待更新 阅读全文
posted @ 2019-03-12 08:31 车路历程 阅读(2725) 评论(0) 推荐(0)
摘要:· 为什么会出现__pycache__文件夹?python解释器会将 *.py 脚本文件进行编译,并将编译结果保存到__pycache__目录中。 下次再执行工程时,若解释器发现这个 *.py 脚本没有修改过,就会跳过编译这一步,直接运行以前生成的保存在 __pycache__文件夹里的 *.pyc 阅读全文
posted @ 2019-03-11 22:25 车路历程 阅读(576) 评论(0) 推荐(0)
摘要:1.矩阵乘积 对于多维数组进行np.dot()计算。 2.多维数组按位相乘 注意其中dot乘积对于一维矩阵,也是按着对位相乘得到的。 element-wise的对位相乘实现方式有两种,分别是直接*和用np.multiply 注意:一维数组相乘时,左边视作行向量,右边视作列向量 数组按位相乘时,通常会 阅读全文
posted @ 2019-03-11 22:09 车路历程 阅读(7695) 评论(0) 推荐(0)
摘要:独立按键和矩阵按键: 矩阵按键扫描原理: 方法一、逐行扫描,我们可以通过高四位轮流输出低电平来对矩阵键盘进行扫描,当低四位接收到的数据不全为1的时候,说明有按键按下,然后通过接收到的数据是哪一位为0来判断是哪一个按键被按下。 方法二、行列扫描,我们可以通过高四位全部输出低电平,低四位输出高电平,当接 阅读全文
posted @ 2019-03-11 10:41 车路历程 阅读(6107) 评论(0) 推荐(0)
摘要:作者:Hayz 来源:CSDN 原文:https://blog.csdn.net/qq_38255689/article/details/79779842 版权声明:本文为博主原创文章,转载请附上博文链接! 阅读全文
posted @ 2019-03-10 22:16 车路历程 阅读(112) 评论(0) 推荐(0)
摘要:item(): 该方法把字典中每对key和value组成一个元组,并把这些元组放在列表中返回。 callable(): 函数用于检查一个对象是否是可调用的。如果返回 True,object 仍然可能调用失败;但如果返回 False,调用对象 object 绝对不会成功。 dir(): dir()是P 阅读全文
posted @ 2019-03-10 16:40 车路历程 阅读(113) 评论(0) 推荐(0)
摘要:通过一段时间的学习,冒号通常出现在如下四种情况: 1. line[:, :, 2]:取第一维、第二维和第三维的第三位。取值结果是二维数组(降维了)。 2. line[:, :, 0::4]:取第一维、第二维和第三维按步长为4取值,取值结果还是三维数组(没降维,只是第三维减小了)。 3. line[: 阅读全文
posted @ 2019-03-09 21:41 车路历程 阅读(109) 评论(0) 推荐(0)
摘要:1.起初接触是作为函数的形参:(它可以接收任何的参数) 2.之后接触是在变量之前加一个或两个*: 列表前面加星号作用是将列表解开成两个独立的参数,传入函数; 字典前面加两个星号,是将字典解开成独立的元素作为形参。 3.list前加*:(待更新) 阅读全文
posted @ 2019-03-09 17:55 车路历程 阅读(104) 评论(0) 推荐(0)
摘要:参考PyTorch document和discuss 在PyTorch中,所有的neural network module都是class torch.nn.Module的子类,在Modules中可以包含其它的Modules,以一种树状结构进行嵌套。当需要返回神经网络中的各个模块时,Module.mo 阅读全文
posted @ 2019-03-09 17:33 车路历程 阅读(810) 评论(0) 推荐(0)
摘要:神经网络中的损失计算:点击此处 点击此处 经典网络的加载和初始化: pytorch中自带几种常用的深度学习网络预训练模型,torchvision.models包中包含alexnet、densenet、inception、resnet、squeezenet、vgg等常用网络结构,并且提供了预训练模型, 阅读全文
posted @ 2019-03-09 10:22 车路历程 阅读(854) 评论(0) 推荐(0)
摘要:目标检测中常用到NMS,在faster R-CNN中,每一个bounding box都有一个打分,NMS实现逻辑是: 1,按打分最高到最低将BBox排序 ,例如:A B C D E F 2,A的分数最高,保留。从B-E与A分别求重叠率IoU,假设B、D与A的IoU大于阈值,那么B和D可以认为是重复标 阅读全文
posted @ 2019-03-08 21:02 车路历程 阅读(196) 评论(0) 推荐(0)
摘要:以下为按键的实物图:在按键未按下之前,距离远的两个管脚是相通的,按键按下之后,距离近的的两个管脚是相通的。 独立按键的原理:(准双向IO口就是内部有上拉电阻,P1,P2,P3口都是准双向IO口。P0口没有上拉电阻。) 图1 图2 图3 图1为独立按键的内部电路图,图2为按键按下和放开时的波形图,图3 阅读全文
posted @ 2019-03-08 09:14 车路历程 阅读(1991) 评论(0) 推荐(0)
摘要:数码管动态显示原理:动态显示的特点是将所有数码管的段选并联在一起,有位选控制是哪一位数码管有效。选亮数码管采用动态扫描显示。所谓动态扫描显示即轮流向各位数码管送出字形码和相应的位选,利用发光管的余晖和人眼视觉暂留作用,使人的感觉好像各位数码管同时都在显示。动态显示的亮度比静态显示要差一些,所有在选择 阅读全文
posted @ 2019-03-05 09:02 车路历程 阅读(2133) 评论(0) 推荐(0)
摘要:单片机系统常用的显示器有:发光二极管LED显示器、液晶LCD显示器、TFT液晶显示器等等。LED显示器有两种显示结构:段显示(7段、米字型等)和点阵显示(5x8、8x8点阵等)。 LED数码管根据LED的不同接法可以分为2类:共阴和共阳。 使用LED显示器时,要注意区分这两种不同的接法。为了显示数字 阅读全文
posted @ 2019-03-04 14:43 车路历程 阅读(4117) 评论(0) 推荐(0)
摘要:可参考如下: https://blog.csdn.net/Hansry/article/details/84071316 阅读全文
posted @ 2019-03-04 14:22 车路历程 阅读(156) 评论(0) 推荐(0)
摘要:import numpy as np np.argsort(): 对输入数组进行排序,对于多维数组,axis=0表示行之间比较,也可以说按列排序。axis=1表示列之间比较,也可以说是按行排序。 np.bincount(x, weight): x中只可以有大于等于零的元素数组,weight中可以有非 阅读全文
posted @ 2019-03-04 14:08 车路历程 阅读(255) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False eleme 阅读全文
posted @ 2019-03-03 12:01 车路历程 阅读(8984) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False label 阅读全文
posted @ 2019-03-03 11:50 车路历程 阅读(1561) 评论(0) 推荐(0)
摘要:.txt文件如下: 代码实现: 阅读全文
posted @ 2019-03-02 15:50 车路历程 阅读(418) 评论(0) 推荐(0)
摘要:文件的写入: with(path.txt, 'w') as f:每次执行这行代码时,会首先清除path.txt中的内容,在写入新的内容。 阅读全文
posted @ 2019-03-02 15:37 车路历程 阅读(117) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False eleme 阅读全文
posted @ 2019-03-02 14:40 车路历程 阅读(975) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False label 阅读全文
posted @ 2019-03-02 14:25 车路历程 阅读(396) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False label 阅读全文
posted @ 2019-03-02 12:12 车路历程 阅读(487) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import numpy as np import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_mi 阅读全文
posted @ 2019-03-02 12:04 车路历程 阅读(709) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import numpy as np import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_mi 阅读全文
posted @ 2019-03-02 12:00 车路历程 阅读(2166) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import numpy as np x = np.linspace(1, 10, 10) y = np.sin(x) plt.step(x, y, color="#8dd3c7", where="pre", lw=2) plt.xli 阅读全文
posted @ 2019-03-01 20:53 车路历程 阅读(7563) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np mpl.rcParams["font.sans-serif"] = ["LiSu"] mpl.rcParams["axes.unicode_minu 阅读全文
posted @ 2019-03-01 20:47 车路历程 阅读(2041) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import numpy as np x = np.arange(1, 6, 1) y = [6, 10, 4, 5, 1] y1 = [2, 6, 3, 8, 5] y2 = [3, 4, 5, 6, 2] labels = ["Bl 阅读全文
posted @ 2019-03-01 19:54 车路历程 阅读(2283) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_mi 阅读全文
posted @ 2019-03-01 19:46 车路历程 阅读(18436) 评论(0) 推荐(0)
摘要:图像特征点的应用:相机标定、图像拼接、稠密重建、场景理解。 https://www.cnblogs.com/polly333/p/5416172.html harris角点检测:使用一个固定窗口在图像上进行任意方向上的滑动,比较滑动前与滑动后两种情况,窗口中的像素灰度变化程度,如果存在任意方向上的滑 阅读全文
posted @ 2019-03-01 19:34 车路历程 阅读(300) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = [ 阅读全文
posted @ 2019-03-01 17:00 车路历程 阅读(846) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = [ 阅读全文
posted @ 2019-03-01 16:56 车路历程 阅读(1422) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = [ 阅读全文
posted @ 2019-03-01 16:51 车路历程 阅读(9230) 评论(0) 推荐(1)
摘要:__len__:如果一个类对象表现的像一个列表能够获得自己有多少个元素那样(即调用len()函数),就得调用__len__()函数。 __doc__:该方法将类的描述信息打印出来。注意:在调用的时候不加括号 __call__:该方法是对象后面加括号才会执行。在pytorch中,通过对象后面括号内加入 阅读全文
posted @ 2019-03-01 16:01 车路历程 阅读(160) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = [ 阅读全文
posted @ 2019-03-01 14:31 车路历程 阅读(875) 评论(0) 推荐(0)
摘要:import numpy as np a = list() a.append(list(np.arange(4))) a.append(list(np.arange(5, 7))) b = str(a) b = b.replace('[', '') b = b.replace(']', '') a = list(eval(b)) print(a) 阅读全文
posted @ 2019-03-01 13:59 车路历程 阅读(1726) 评论(0) 推荐(0)
摘要:以上这种方法适用于小型列表,对于大型列表,会花费大量的运算时间。 阅读全文
posted @ 2019-03-01 11:49 车路历程 阅读(353) 评论(0) 推荐(0)
摘要:函数功能:绘制y轴方向或是x轴方向的误差范围。 调用签名:plt.errorbar(x, y, yerr=a, xerr=b) x:数据点的水平位置 y:数据点的垂直位置 yerr:y轴方向的数据点的误差计算方法 xerr:x轴方向的数据点的误差计算方法 代码实现: 阅读全文
posted @ 2019-03-01 08:52 车路历程 阅读(17349) 评论(0) 推荐(0)
摘要:函数功能:绘制箱线图。 调用签名:plt.boxplot(x) x:绘制箱线图的输入数据 代码实现: 阅读全文
posted @ 2019-03-01 08:44 车路历程 阅读(12227) 评论(0) 推荐(0)
摘要:函数功能:绘制离散有序数据。 调用签名:plt.stem(x, y) x:制定棉棒的x轴基线上的位置 y:绘制棉棒的长度 linefmt:棉棒的样式 markerfmt:棉棒末端的样式 basefmt:指定基线的样式 代码实现: 阅读全文
posted @ 2019-03-01 08:26 车路历程 阅读(2234) 评论(0) 推荐(0)