洛屿的小站

本文章面向初学者问题：对C语言中的相应字符和单词用法不理解 初学者第一次接触到的程序大都是打印hello world 123456#include <stdio.h>int main() { printf("Hello World!\n"); return 0;} 作为初学者，面对代码中的include、int、main、printf，大部分人是不懂为什么用这些东西就可以做到打印hello world的效果的。 先了解两个概念：关键字 和 预处理 什么是关键字？ 在C/C++中，我们常说到的关键字就是用于编程的一些具有特殊作用的词语 以下内容，详情请看各分块所给的链接详解 数据类型关键字 详情情看：C/C++数据类型关键字详解 | www.drluo.top char：声明字符型变量或函数 short: 声明短整型变量或函数 int： 声明整型变量或函数 float：声明单精度浮点型变量或函数 double：声明双精度浮点型变量或函数 long：声明长整型变量或函数（实际声明长整型会使用long long） sign ...

爱来自ZZULI❤drluo 本项目旨在编写一个以 C 语言为基础框架的程序，实现对药品数据的相关管理操作（增、删、改、查、统计）。 统由六大主模块和三大辅助模块构成： 六大主模块： 登录/注册模块：界面化的登录/注册操作，具有相关登录提示功能。 药品添加模块：用户可直接向相应文本框种输入药品数据，具备相关错误检查和处理机制，可防止无效药品信息的输入。 药品删除模块：数据表格与删除按钮的结合，鼠标移动到相关删除按钮时，表格会进行高亮，用户可通过点击删除按钮来直接进行删除操作。 药品修改模块：类似于药品删除模块，数据表格与修改按钮相结合，用户仅需通过点击修改按钮即可修改所选内容。 药品查询模块：数据完备的查询方法，用户可以选择性的给出查询内容，对用户所给内容进行全表的模糊匹配后，给出查询结果。 药品统计模块：具备多种统计方法（按药品名称排序、按药品制造商排序、按药品生产日期排序、按药品保质期排序、按药品库存量排序），用户仅需点击相关按钮，通过程序的快排函数，以最快速度给出相关统计结果。 三大辅助模块： 按钮模块：基于easyx模块实现，通 ...

实现如下，代码解释以注释的方式呈现 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310410510610710810911011111211311411511611711811912012112212312412512612712812913013113213313413513613713813914014114214314414514614714814915015115215315415515615715815916016116216316416516616716816917017117217317417517617717817918018118218318418518618718818919019119219319419519 ...

波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“Hello World”。和大家对房价的普遍认知相同，波士顿地区的房价受诸多因素影响。该数据集统计了13种可能影响房价的因素和该类型房屋的均价，期望构建一个基于13个因素进行房价预测的模型，如 下图所示。 对于预测问题，可以根据预测输出的类型是连续的实数值，还是离散的标签，区分为回归任务和分类任务。因为房价是一个连续值，所以房价预测显然是一个回归任务。下面我们尝试用最简单的线性回归模型解决这个问题，并用神经网络来实现这个模型。 线性回归模型 假设房价和各影响因素之间能够用线性关系来描述： $$ y = \sum_{j=1}^M w_jx_j + b (公式1) $$ 模型的求解即是通过数据拟合出每个$w_j$和$b$。其中，$w_j$和$b$分别表示该线性模型的权重和偏置。一维情况下，$w_j$ 和 $b$ 是直线的斜率和截距。 线性回归模型使用均方误差作为损失函数（Loss），用以衡量预测房价和真实房价的差异，公式如下（其中$\widehat Y_i$为预测值 $Y_i$为实际值）： $$ s = \frac{1}{n}\ ...

C++easy库 加载动画 easyx库本身并没有给出gif的加载函数，所以我们需要通过另一种方式实现gif的“播放” 通过将gif图提取出相应关键帧，然后对关键帧进行逐帧播放 以下是代码示例 123456789101112131415161718192021222324252627282930313233343536373839#include <graphics.h>#include <conio.h>#include <stdio.h>#include <iostream>IMAGE images[92];//92张关键帧bool isLoaded = 0;void loadImg() { wchar_t filename[20]; for (int i = 0; i < 92; i++) { //这里我是将原有的gif图拆分为了92张关键帧 wsprintf(filename, _T("../gif/%d.png"), i + 1); ...

FZ3A Q：在程序make阶段，出现了串口库库文件缺失导致的函数定义未被实现的报错： A：安装相关串口库，以下是相关文件 libserial-dev_1.0.0-4_arm64.deb libserial1_1.0.0-4_arm64.deb gcc-10-base_10-20200411-0ubuntu1_arm64.deb libgcc-s1_10-20200411-0ubuntu1_arm64.deb libc6_2.27-3ubuntu1_arm64.deb libgccjit-7-dev_7.5.0-6ubuntu2_arm64.deb gcc-7-base_7.5.0-6ubuntu2_arm64.deb libgcc-7-dev_7.5.0-6ubuntu2_arm64.deb libasan4_7.5.0-6ubuntu2_arm64.deb libubsan0_7.5.0-6ubuntu2_arm64.deb 以上文件存在依赖关系，顺序已经忘了，请自行尝试。 并修改CMakeList.txt文件，加入： set(SERIAL_LIBRARY “/usr/li ...

你需要注意的是： ​ 此文章仅为ChatGpt的回答，是本人用于理解paddle相应模块而CV过来的，并不一定具有实际效益 一种可行的Predict.py 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182import argparseimport osimport cv2import numpy as npimport paddlefrom paddle.vision.transforms import Compose, Normalizefrom paddledet.utils.logger import setup_loggerfrom paddledet.models.detectors import YOLOv3from paddledet.datasets.builder import build_datasetf ...

此文章以python的搭建为例 一、安装Anaconda https://www.anaconda.com 注意勾选All User 这里最好是勾选第一个选项，其目的是将anaconda添加到系统变量中，这样我们可以直接通过cmd调用conda，更加方便 然后你就可以使用anaconda来设置不同的环境 比如这里我们建一个专门用于Paddle的环境(控制台输入) conda create -n PaddleDetection python==3.7创建PaddleDetection环境，并要求其为python3.7版本 conda activate PaddleDetection进入所创建的PaddleDetection环境中  当目录左侧有（xxxxx）显示时，就表明你已进入该环境，可以基于该环境进行操作，pip install / pip uninstall的操作也只会影响该环境 注意：当左侧显示(base)时，这是默认环境 二、安装CUDA 你的显卡必须是NVDIA显卡！！！ 你可 ...

注意：本说明并没有详细谈及各参数的调整 对于多卡训练，只需要将python tools/trainxxxx改为： python -m paddle.distributed.launch --selected_gpus 0,1,2,3 tools/trainxxxxxx 其中0,1,2,3参数是因为有4张卡，若是两张卡训练，此处应写0,1 你可以通过nvidia-smi查询显卡数量 以百度飞浆推出的PaddleDetection目标检测开发套件为例 项目架构 这是其Github项目文件 我们将要用到的基本架构如下： 对于数据集 其中，car_train是我们自己的数据集，这里的数据集格式为VOC JPEGImages存放所有数据集图片，Annotations中存放所有标注文件 你可以通过labelimg软件进行数据的标注 当我们有了这样的数据集后，就可以准备进行模型训练了 模型训练前的准备 我们这里使用的是yolov3模型，你可以在克隆下来的PaddleDetection的：PaddleDetection/configs/中找到它 但是可以发现，在这些yml中，没有我们 ...

GMD09601-0.96OLED显示屏 驱动芯片：SSD1306 支持接口：SPI/IIC 分辨率：128*64 接口定义 GND：电源地 VDD：电源正（3.3V ~ 5V） SCK：时钟线 SDA：数据线 RES：复位线 DC：数据/命令 CS：片选 对于096 OLED屏幕接线 F207 GND 电源地 VCC 电源正（3.3～5V） D0(SCL) SCK管脚 D1(SDA) MOSI管脚 RES(RST) 用来复位（低电平复位） DC(D/C) 数据和命令控制管脚 1表示数据 0表示命令 CS(NSS) 片选管脚 1234567GND -> GNDVCC -> 3V3D0 -> PA5D1 -> PA7RES -> PA4DC -> PA6CS -> NONE