一.实验目的: 了解掌握OpenGL程序的光照与材质,能正确使用光源与材质函数设置所需的绘制效果。 二.实验内容: (1)下载并运行Nate Robin教学程序包中的lightmaterial程序,试验不同的光照与材质系数; (2)运行示范代码1,了解光照与材质函数使用。 三.实验原理: 为在场景中增加光照,需要执行以下步骤: (1) 设置一个或多个光源,设定它的有关属性; (2) 选择一种光照模型; (3) 设置物体的材料属性。 实验提高 在实验5太阳系模型的基础上,尝试为其增加光照与材质效果,如图A.5(b)所示。 ? ? (a)太阳系模型 (b)增加光照后的效果
---- 二、组件 ★Raspberry Pi 3主板*1 ★树莓派电源*1 ★40P软排线*1 ★倾斜传感器模块*1 ★双色LED模块*1 ★面包板*1 ★跳线若干 三、实验原理 ? 倾斜传感器实验原理图 在倾斜开关中球以不同的倾斜角度移动,以制造触发电路。倾斜开关模块使用双向传导的球形倾斜开关。当它向一侧倾斜时,只要倾斜度和力满足条件开关就会通电,从而输出低电平信号。 四、实验步骤 第1步:连接电路,该实验与实验6(轻触开关按键实验)相同。这里激光模块的实物与模块原理图的端口名称不一致,我们按照实物的端口名称来连接。 倾斜开关实验 ? 倾斜开关实验实物连接图 第2步:这次编程有两个函数要注意,是关于输入的高级应用。
在之前的公众号我们介绍了谷歌足球环境(Google Research Football ) 谷歌足球游戏环境使用介绍 和其中 scenario 2 的 实验 Google Research Football (scenario 2) 实验 这里分享的是 scenario 7 的一些实验结果。 对于scenario 7,可以比较快地找到的策略有两个:一个是直接带球突破后卫射门,另一个是传球给队友(左右两个队友中任意一个),然后队友射门。
lab7 会依赖 lab1~lab6 ,我们需要把做的 lab1~lab6 的代码填到 lab7 中缺失的位置上面。 和 lab6 操作流程一样,我们只需要将已经完成的 lab1~lab6 与待完成的 lab7 (由于 lab7 是基于 lab1~lab6 基础上完成的,所以这里只需要导入 lab6 )分别导入进来,然后点击 count > 0,表示共享资源的空闲数 count < 0,表示该信号量的等待队列里的进程数 count = 0,表示等待队列为空 实验 7 的主要任务是实现基于信号量和管程去解决哲学家就餐问题,我们知道 在实验 7 中,具体的信号量数据结构被定义在(kern/sync/sem.h)中: typedef struct { int value; wait_queue_t wait_queue 能够基于信号量来完成条件变量机制;事实上在本实验中就是这么完成的,只需要将使用信号量来实现条件变量和管程中使用的锁和等待队列即可。 最终的实验结果如下图所示: ?
1.实验目的: (1) 熟悉视点观察函数的设置和使用。 (2) 熟悉3D图形变换的设置和使用。 (3) 进一步熟悉基本3D图元的绘制。 (4) 体验透视投影和正交投影的不同效果。 2.实验内容: (1)简单机器人。设计如图A.7所示。机器人由四大部分组成,即头、身、双手、双腿,分别由立方体经过图形变换而成。 图A.7 简单机器人 3.实验原理: (1)视点设置函数 void gluLookAt(GLdouble eyex, GLdouble eyey, GLdouble eyez, GLdouble atx void gluWireTetrahedron(void) //线框模型 void gluSolidTetrahedron(void) //实体模型 4.实验代码: #include <glut.h> 写入代码; glutSolidCube(1); //绘制立方体腿 glPopMatrix(); glutSwapBuffers(); //双缓冲下的刷新方法 } 5.实验提高
反向代理是Nginx的核心功能之一,而7层代理(应用层代理)能基于HTTP协议精准控制请求,实现负载均衡、安全防护、SSL卸载等高级功能。 本文通过window操作系统实验,带你用Nginx简单的搭建7层代理。
前言 西门子(SIEMENS)公司的 PLC 产品包括 LOGO、S7-200、S7-1200、S7-300、 S7-400、S7-1500 等。西门子 PLC 在我国的应用比其他系列多。 S7 系列 PLC 产品可分为微型 PLC(如 S7-200),小规模性能要求的 PLC(如 S7-300)和中、高性能要求的PLC(如S7-400)等。 S7-200、S7-300、S7-400 系列的 PLC 采用早期的西门子私有协议 S7Comm 进行通信。 --- 环境搭建 本次实验用模拟器代替现场设备,先访问软件官网 http://snap7.sourceforge.net/ ,点击 Download 会跳转到 https://sourceforge.net 300实验环境,复现S7-300的启停实验,西门子私有协议 S7Comm 不像 S7CommPlus 的加密协议(S7-1500 等),不涉及任何反重复攻击机制,可以被攻击者轻易利用。
实验1 BP神经网络实验 实验2 som网实验 实验3 hopfield实现八皇后问题 实验4 模糊搜索算法预测薄冰厚度 实验5 遗传算法求解tsp问题 实验6 蚁群算法求解tsp问题 实验7 粒子群优化算法求解 tsp问题 实验8 分布估计算法求解背包问题 实验9 模拟退火算法求解背包问题 实验10 禁忌搜索算法求解tsp问题 一、实验目的 理解并使用粒子群优化算法 二、实验内容 实现基于粒子群优化算法的旅行商路线寻找 三、实验环境 使用Python3.0 在 eclipse进行编辑 四、实验步骤 1、输入介绍: 城市总数目为14,采用以下城市坐标,坐标取整数。 运行截图: 路线随机选取 距离48.7 100个粒子迭代100次 距离 40.4 100个粒子迭代 600次 距离32.3 五、总结 多次实验之后发现测试组数据的14个城市,所能达到的最优解
安装环境:CentOS 7系统下安装DevStack 一、下载Ubuntu或者CentOS 7安装(实体机或者虚拟机都可以),建议选择最小安装镜像即可。
内容:使用游戏手柄、使用RGBD传感器,ROS摄像头驱动、ROS与OpenCV库、标定摄像头、视觉里程计,点云库、可视化点云、滤波和缩减采样、配准与匹配、点云分区
今天小编为大家带来一篇单基因泛癌+简单实验发表了7分+的Front. 来自HPA的数据表明,前五个富含CD147 RNA 的细胞系是U-87、U-2197、NTERA-2、HaCaT和MCF7(图2C)。 图6 05 单细胞分析和免疫荧光染色 作者研究了几种癌症类型中CD147在肿瘤和基质细胞上的表达,包括GBM(图7A)、HNSC(图7B)、KIRC(图7C)、LUAD(图7D)、PRAD(图7E)、CHOL (图7F)等。 小编总结 本文是一篇传统的单基因泛癌文章,其亮点在于加了免疫荧光实验,并且基因选择了CD147这种与免疫密切相关的CD分子,提醒我们做单基因泛癌选择基因时,一定要选择与肿瘤与免疫密切相关的明星基因。
两台服务器互为备份,7×24小时无缝切换,保障业务永不停机!
一、实验核心概述 1. 实验环境 操作系统:Windows 8/10/11 软件版本:MATLAB 2014 及以上版本(部分功能需安装 Computer Vision Toolbox) 3. 二、完整实验内容与代码实现 (一)颜色空间通道提取 实验任务 读取彩色图像→提取 RGB 三通道→转换至 HSV 空间并提取 H、S、V 三通道→可视化所有通道。 title('G通道', 'FontSize', 12); subplot(3,3,6); imshow(B); title('B通道', 'FontSize', 12); subplot(3,3,7) 三、实验总结与关键知识点 1.
题目 受新冠疫情影响,当前大家的活动都必须注意保持充分的社交距离,国家实验室的使用也同样受到了严格的限制。 假设规定任何一个时间点上,实验室内最多只能有 1 个人,且每个人都必须提前申请实验室的使用,只有申请被批准后才能进入。 现给定一批第二天的实验室使用申请,你需要写个程序自动审批,使得能够被批准的申请数量最大化。 输入格式: 输入第一行首先给出一个正整数 N(≤2×10 3 ),为申请总量。 输入样例: 7 18:00:01 23:07:01 04:09:59 11:30:08 11:35:50 13:00:00 23:45:00 23:55:50 13:00:00 17:11:22 06: 解题思路 N = int(input()) # N = 7 def zhuanhua(input:str)->int: h,m,s = map(int,input.split(":"))
实验环境CentOS 7.9Linux Kernel 6.5.2实验需求为我的 CentOS7.9 虚拟机编译安装最新内核版本CentOS7.9 升级前的内核版本:[root@localhost ~]# uname -r3.10.0-1160.95.1.el7.x86_64CentOS7.9 升级后的内核版本:[root@localhost ~]# uname -srLinux 6.5.2实验解法1、 x86_64kernel-3.10.0-1160.95.1.el7.x86_64kernel-tools-3.10.0-1160.95.1.el7.x86_64kernel-debug-devel-3.10.0 -1160.95.1.el7.x86_64kernel-headers-3.10.0-1160.95.1.el7.x86_64kernel-3.10.0-1160.el7.x86_64使用 yum remove Removed: kernel-tools.x86_64 0:3.10.0-1160.95.1.el7Complete!
题目 受新冠疫情影响,当前大家的活动都必须注意保持充分的社交距离,国家实验室的使用也同样受到了严格的限制。 假设规定任何一个时间点上,实验室内最多只能有 1 个人,且每个人都必须提前申请实验室的使用,只有申请被批准后才能进入。 现给定一批第二天的实验室使用申请,你需要写个程序自动审批,使得能够被批准的申请数量最大化。 输入格式: 输入第一行首先给出一个正整数 N(≤2×10 3 ),为申请总量。 输入样例: 7 18:00:01 23:07:01 04:09:59 11:30:08 11:35:50 13:00:00 23:45:00 23:55:50 13:00:00 17:11:22 06: 解题思路 N = int(input()) # N = 7 def zhuanhua(input:str)->int: h,m,s = map(int,input.split(":"))
实验六 异常处理实验 一、实验目的与要求 1、理解异常的概念,掌握Python中重要的内建异常类以及处理异常的几种方式。 IndexError异常;(5)KeyError:当使用映射中不存在的键时,会引发KeyError异常;(6)FileNotFoundError:试图打开不存在的文件时,会引发FileNotFoundError;(7) 三、预习与准备 1、提前预习Python异常以及模块的语法知识,实验之前编写好程序代码。 2、练习关于Python异常处理以及模块使用的常见操作。 四、实验过程记载 (对实验的主要过程与步骤进行记载;若有较多的截图或代码,可以单独用附件的形式列出) 实验题1 假设成年人的体重和身高存在此种关系:身高(厘米)-100=标准体重(千克)。 except AssertionError as reason: print(reason) 实验题3 创建一个模块文件,它用于互换两个数的值。
首发于个人博客,结合论文阅读笔记更佳 实验准备 基础网络搭建 为了实现神经网络的deep compression,首先要训练一个深度神经网络,为了方便实现,这里实现一个两层卷积+两层MLP的神经网络 in_channels=64,out_channels=256,kernel_size=3,padding=1) self.fc1 = pt.nn.Linear(in_features=7* 7*256,out_features=512) self.fc2 = pt.nn.Linear(in_features=512,out_features=10) self.pool self.pool(pt.nn.functional.relu(self.conv2(x))) x = pt.nn.functional.relu(self.fc1(x.view((-1,7* 7*256)))) return self.fc2(x) model = net().cuda() print(model) print(model(pt.rand(1,1,28,28)
else led <= led; end endmodule 这里注明一下0.2秒实现的思路: 开发板的时钟频率为50Hz,时钟周期是20ns,0.2s/20ns=10^7。 因此,计数器counter的值累加到10^7即为0.2秒。 通过计算器的程序员模式,可以查看10^7次方需要的寄存器位数。 因此,寄存器定义时就设定为24位。 管脚绑定 管脚绑定参照正点原子给的管脚图: 实验效果