- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 6-7 sklearn中的随机梯度下降法
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍改进上一小节代码，封装自己的随机梯度下降法并应用，之后应用sklearn实现随机梯度下降法。
1.2K20发布于 2019-11-13 - 来自专栏前端
学习通高效学习教程
点击获取后点击添加扩展可能有打不开或者打开后不是此画面的，可以直接跳到获取这一步 二.安装脚本 这里直接使用大佬已经写好的脚本https://gaoxiaobang.vip/111607.html安装好后可以打开学习通或智慧职教有些课程有大量的题
1K00编辑于 2025-08-15 - 来自专栏布衣者博客
LeetCode-题库-刷题(6-7)
将一个给定字符串 s 根据给定的行数 numRows ，以从上往下、从左到右进行 Z 字形排列。 具体题目链接
41820发布于 2021-09-07 - 来自专栏iOS面试
iOS 面试策略之算法基础6-7节
之前介绍了最简单的搜索法：二分搜索。虽然它的算法复杂度非常低只有 O(logn)，但使用起来也有局限：只有在输入是排序的情况下才能使用。这次讲解两个更复杂的搜索算法:
83030发布于 2021-04-22 - 来自专栏python3
笨办法学Python - 习题6-7:
目录 1、习题 6: 字符串(string) 和文本 2、加分习题： 3、我的答案 4、习题总结 5、习题 7: 更多打印 6、习题总结 1、习题 6: 字符串(string) 和文本 学习目标：了解字符串的定义 5、习题 7: 更多打印 学习目标：熟练掌握字符串的格式化输出，这节主要是练习为主。 习题七中的练习代码是： #! 6、习题总结 习题7主要是回顾了之前学习的知识点，包括print操作，字符数串的格式化输出等。
68310发布于 2020-02-10 - 来自专栏布衣者博客
python项目-学习通剩余作业
目前问题 1.当短时间内多次请求会造成学习通403拒绝请求，导致无法获取到作业或考试。 自己正好要学python就想自己练练手也写一个，因此我就需要完成一部分知识的学习才能开始： 1.抓包：尝试去抓取学习通app的包，用更少的请求去获取到链接。其中原作者也采用该方式。 3.查询端和服务端要分离开：因为从原作者中的文章中表示，学习通会对请求多或异常的ip进行封ip，后续也从自己同学的服务器了解到了，他原本用服务器爬取学习通，最后导致ip被封。 项目及免责 项目目前部署在自己的服务器上：链接为：学习通剩余作业 免责： 1.本站不记录、不保存学习通密码及cookie,全部保存在你的本地浏览器上，使用时才会调用。 使用地址：学习通剩余作业
2.2K30发布于 2021-09-07 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：中级难度（6-7）
2025年的中级难度（难度系数6-7）题目综合考察了选手的算法设计、数据结构应用、数学建模和问题分析能力。本文将深入解析2025年中级难度的IO竞赛题目，帮助选手们突破瓶颈，提升解题能力。 难度进阶路径: 入门(1-3) → 基础(4-5) → 中级(6-7) → 高级(8-10) 难度系数 考察重点 核心知识点 学习目标 6-7 高级算法、数据结构综合应用 高级动态规划、图论、数论、几何 8题） ├── 第四章：中级难度题目解题策略 └── 第五章：综合能力提升建议 第一章：2025年IO竞赛中级难度题目概述 根据2025年NOI修订版大纲，中级难度（CSP-S提高）的知识点难度系数为6- 解题策略: 问题分析 → 模型建立 → 算法选择 → 代码实现 → 测试优化 第五章：综合能力提升建议 对于想要在IO竞赛中取得好成绩的选手，以下是一些综合能力提升的建议： 系统学习：系统地学习各种算法和数据结构 学习交流：与其他选手交流学习经验，分享解题思路，拓宽视野。 关注前沿：关注算法和数据结构的最新发展，学习新的解题方法和技巧。
23710编辑于 2025-11-13 - 来自专栏张俊红
机器学习通识篇知识分享
机器学习定义 机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。 机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
65110编辑于 2022-07-19 - 来自专栏全栈程序员必看
高通msm8937的BLSP学习
Peripheral (BLSP)，低速接口的总线访问模块 (3) QUP：Qualcomm Universal Peripheral，高通统一的外设 2.Msm8937 BLSP BLSP是高通对于低速接口的一种管理方式 status register in the peripheral core allows software to distinguish between interrupt sources 参考： 高通无人机 8074 BLSP接口说明 http://huaqianlee.github.io/2016/04/27/Uav/Qualcomm-uav-blsp-port/ 高通APQ8074 spi 接口配置 https
2.1K20编辑于 2022-11-04 - 来自专栏折影轻梦
学习通加Anki光速逃离挂科
学习通加Anki光速逃离挂科 2021年11月26日 216 字 大概 1 分钟 为了防止挂科，写了个脚本，可以将你的超星学习通里的作业数据、随堂练习导出成为 Csv 文件，方便导入 Anki 背题 Anki Anki让记忆更轻松 - ankichina 二 下载 Anki 选择题模板 anki 选择题❤️猪猪.apkg 模版下载 下载 感谢 @GJade 提供的模板 下载后双击即可导入模板 三 导出学习通作业 、随堂练习数据 安装油猴或脚本猫 油猴脚本安装 “超星 To Csv” 脚本 https://scriptcat.org/script-show-page/219 打开学习通作业或随堂练习页面，点击“下载题目数据
1.3K30发布于 2021-11-29 - 来自专栏linjinhe的专栏
设计数据密集型应用（6-7）：分片、事务
随着业务发展，用户数量、商品数量、订单数量都在持续增长，数据库的负载越来越高。我们开始对数据库进行垂直拆分（垂直分片），把这三张表拆到三个数据库，而业务代码改改数据库的配置就好。
73250发布于 2020-04-02 - 来自专栏算法与编程之美
Python|自动化实现学习通登录
前言 最近小编在学习python自动化处理网页，因为一直在使用学习通，因此写了一个python自动化网页登录学习通的简单程序，因为才入门，不足之处希望读者能够提出。 from selenium import webdriver class Webdriver: def main(self): user = input('请输入学习通账号 :') password = input('请输入学习通密码:') global wb # 申明全局变量防止Chrome浏览器运行时闪退 wb ) # 定位点击登录 if __name__ == '__main__': s = Webdriver() s.main() 我们启动程序输入账号和密码就可以直接登录超星学习通的个人空间 总结 体验下来就是selenium模块就是用程序去模仿人去对网页的操纵，例如输入，鼠标点击，等操作，如果结合爬虫等数据挖掘的话，会起到很好的作用；在后续的学习中，我会去尝试写一个学习通自动签到的程序，希望这篇文章对读者有所帮助
1.6K20发布于 2020-09-24 - 来自专栏Android Camera开发
Android 高通Camx架构学习 - 第1章
关于高通Camx架构介绍的文章目前还是凤毛麟角，我会尽自己能力尽可能讲多点，讲的通俗明白点~ 这篇文章分下面几点来展开： 1）Camx整体架构图； 2）Camx基本组件及其概念； 3）Camx代码目录结构 ; 一、Camx整体架构图 目前Android主流的机型,采用高通芯片的，使用的基本都是camx架构。 从上图我们可以看到，在hal层，高通是结合自己的芯片硬件，添加了一层逻辑，这层逻辑高通内部命名为camx架构。 下面我们来看下高通camx架构上，camera数据流向大体上是怎样的？ ?
2.8K30发布于 2021-04-30 - 来自专栏壳屋栏博客专栏
超星学习通自动签到接口搭建PHP版
PHP 版超星学习用自动签到，支持多用户签到，二次开发便捷！ 运行环境PHP 7.3测试通过，理应 及以上都能够使用 登录方式： 支持手机号码登录，暂时不支持学号登陆！
2.2K20编辑于 2022-06-09 - 来自专栏数据派THU
机器学习通识篇知识分享
机器学习定义 机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。 机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
99120编辑于 2022-07-04 - 来自专栏Android Camera开发
高通CamX框架学习系列:Bring Up Actuator
这篇文章主要介绍在高通平台的CamX框架里面，如何去点亮摄像头马达，需要修改哪些相关的文件。 一、大体浏览 先来个整体的浏览，看下涉及到需要修改哪些目录下的文件。 proprietary/chi-cdk/oem/qcom/actuator 这个目录下，我们需要添加个dw9714v_actuator.xml的文件，如果sersor 用的马达型号高通源码已经有了，那直接用高通原始的配置就可以了 clock-rates = <24000000>; }; }; 复制代码 ---- 本人从事Android Camera相关开发已有5年 目前在深圳上班 欢迎大家关注我的微信公众号“小驰笔记” 大家一起学习交流
3.6K30发布于 2021-04-19 - 来自专栏大数据文摘
机器学习通识篇知识分享
机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 监督学习 监督学习（Supervised Learning）是从有标签的训练数据中学习模型，然后对某个给定的新数据利用模型预测它的标签。如果分类标签精确度越高，则学习模型准确度越高，预测结果越精确。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
75010编辑于 2022-07-06 - 来自专栏全栈程序员必看
高通mdp_高通骁龙6150
引言 样机上电之后如何自动选择合适的网络进行附着，如何对选择的小区确实是否可以驻守，本文将以高通平台为例，讲述从识别SIM开始，到注册到合适的小区这整个流程。 架构 LTE协议栈基本分为NAS（Non-Access-stratum），AS(Access-stratum)，PHY，在高通平台中的基本架构如下图： 其中 Call manager 为上层
2K20编辑于 2022-11-08 - 来自专栏大数据学习与分享
Spark通识
在说Spark之前，笔者在这里向对Spark感兴趣的小伙伴们建议，想要了解、学习、使用好Spark，Spark的官网是一个很好的工具，几乎能满足你大部分需求。 同时，建议学习一下scala语言，主要基于两点： Spark是scala语言编写的，要想学好Spark必须研读分析它的源码，当然其他技术也不例外 用scala语言编写Spark程序相对于用Java更方便 是基于微批处理来处理数据的，即使Structured Streaming在实时方面作了一定优化，但就目前而言，相对于Flink、Storm，Spark的流式处理准备确实准实时处理 MLlib 用于机器学习 ： 快 实现DAG执行引擎，基于内存迭代式计算处理数据，Spark可以将数据分析过程的中间结果保存在内存中，从而不需要反复的从外部存储系统中读写数据，相较于mapreduce能更好地适用于机器学习和数据挖掘和等需要迭代运算的场景 ；支持多种高级算子（目前有80多种），使用户可以快速构建不同应用；支持scala、python等shell交互式查询 通用 Spark强调一站式解决方案，集批处理、流处理、交互式查询、机器学习及图计算于一体
92800发布于 2020-06-26 - 来自专栏图像处理与模式识别研究所
高通滤波
cols=img.shape crow,ccol=int(rows/2),int(cols/2)#计算中心位置坐标 fshift[crow-30:crow+30,ccol-30:ccol+30]=0#高通滤波 ') plt.subplot(122) plt.imshow(iimg,cmap='gray') plt.title('iimg') plt.axis('off') plt.show() 算法：高通滤波将傅里叶变换结果图像中的低频分量值都替换为 0，即屏蔽低频信号，只保留高频信号，实现高通滤波。 首先将图像进行傅里叶变换，得到其频域图像 然后在频域内将低频分量的值处理为0，实现高通滤波 最后，对图像进行逆傅里叶变换，得到恢复的原始图像
1K20编辑于 2022-05-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号