- 综合排序
- 最热优先
- 最新优先
- 来自专栏初见Linux
10-3 信号
三、信号 kill 命令通常用来“ 杀死 ”（终止）进程，它可以用来终止运行不正常的程序 或 拒绝终止的程序。如下例： kill命令示例.png 我们首先在后台启动了 xlogo 程序。She
90530发布于 2020-08-11 - 来自专栏移动端开发
内存管理说明白点
写在前面 ---- 下面的内容，《Obcject-C 高级编程 iOS与OS X 多线程和内存管理》一书是去年看的。那时想总结的，忘记了，趁着最近有时间，再把这本书回炉重新理解再看一遍，对比自己的理解，以及一些Swift内存管理的知识总结的内容，可能文章内容会比较长，就是希望自己能把内存管理这方面的知识真正的仔细总结一下，也方便自己以后回顾： 到底什么是ARC？ 在书中一句话总结成了“ARC（Automatic Reference Counting）代表的是自动引用计数，
72520发布于 2018-07-05 - 来自专栏mysql
hhdb数据库介绍(10-3)
单机部署为管理平台为用户提供单个组件安装部署的功能，弥补集群部署功能中无法单独安装某个组件的缺陷。具体功能说明与操作步骤请参考安装部署文档。
1.3K10编辑于 2025-03-12 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-3 实现混淆矩阵，精确率和召回率
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节首先通过具体的编程实现混淆矩阵进而计算精准率和召回率两个指标，最后使用sklearn中封装的库函数实现混淆矩阵、精准率以及召回率。
2.2K30发布于 2020-04-08 - 来自专栏程序员的知识天地
这次讲明白点！
我们经常会遇到这类问题，往往没有注意环境隔离，导致Python项目包与包之间冲突。
4.6K50发布于 2019-05-17 - 来自专栏完美Excel
VBA专题10-3：使用VBA操控Excel界面之设置工作表（续）
要隐藏其他工作表中的行，只需使用该工作表代替ActiveSheet，例如使用Sheets(1)代表第1个工作表，或者使用Worksheets(1)代表第1个标准工作表。隐藏所有行后，行标题几乎被隐藏，但列标题仍然在工作表中。
3K20发布于 2020-07-16 - 来自专栏全栈程序员必看
hfe和HFE_hfe参数
Mako：我们已经学习了有关晶体管的工作原理,晶体管的放大作用就是由小的 输入得到大的输出吧? Doc:这种说法还稍微有点欠缺,应 该说成用小的输入控制大的输出更为合适。 Jior:lc和IB在下限比值为 IC0.9×10-39×10-4 IB30×10-63×105=30 而上限为 I(60×10-3 IB300×10-6200 I的变化与Ic的变化之比为 △Ic(60 -0.9)×10-3 △IB(300-30)×10-≈219 Doc:在电路中,用hEF=IC/IB表示集电极电流IC和基极 电流IB之比,并称hEF为直流电流放大系数。 假设此时集电极电流也产生微小变化△Ie,那 么△IB与△Ic之比可由下式得出 hfe=△Ic/△f 显然,h是当电流发生微小变化时的放大系数,因此也称为小信号电流放大系数。
48530编辑于 2022-09-20 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题10-3 递归实现指数函数
习题10-3 递归实现指数函数 本题要求实现一个计算xn（n≥1）的函数。
1.1K10发布于 2020-09-15 - 来自专栏OI
YbtOJ 735「动态树」毒瘤染色
小 A 有一个图 G，初始包含 n 个点，没有边。显然它是一个毒瘤图。 在所有操作进行前，小 A 会确定一个非负整数 k。 在每次操作后，小 A 都会针对当前图进行询问：假设初始所有点为白色，进行 k 次染色，每次等概率随机选择一个点将它染成黑色（一个点可能被重复选择多次），求 k 次染色后图中 仅保留白点时的连通块个数+仅保留黑点时的连通块个数 为了让你有更多的得分空间，小 A 还会给定一个辅助变量 \omega。若 \omega=1，你需要回答上述询问。若 \omega=0，对于每次询问你只需要求出 仅保留白点时的连通块个数 的 期望值。 一条边为黑边的概率为 1-Pr(x \text{为白点})-Pr(y \text{为白点})+Pr(x \text{为白点且}y\text{为白点})=1-2(\frac{n-1}n)^k+(\frac
71930编辑于 2022-09-19 - 来自专栏微卡智享
【综合练习】C++ OpenCV实战---获取数量
前言 前阵子做了一个实战分享《【干货】C++ OpenCV案例实战---卡片截取（附代码）》，今天我们再把以前学习到的东西综合练习一下，做一个获取个数的小案例。 实现效果 ? 上图可以看到右边的图片我们已经进行过二值化处理后的显示效果了 ---- 形态学操作 接下来我们要进行形态学的操作，首先看到上面右图，我们的每个枣的里面会有白色的点，是光打上后我们二值化变为的白色，所以我们这里要先进行一下腐蚀操作，把枣里面的白点去掉 可以看到右图中的白点已经全部处理掉了 接下来我们再进行膨胀的操作，用于把黑色区域进行分割，这里的膨胀操作可以连续做几次，尽量把黑色区域缩小，我的参数里面我做了5次膨胀 ? 再看一下效果 ? 然后我们根据上面图里面白点进行局部阈值二值化处理 ? 显示效果为 ? 可以看到右边基本把白色的连接区域都分割开了，只不过各别地方也有一点白点 然后我们再通过形态学膨胀两次进行处理 ? 把一点白点断开的区域通过膨胀再连接到一起 ---- 寻找并计算轮廓 根据上面的图我们在那个基础上寻找轮廓，参数用的CV_RETR_EXTERNAL，这里我们只找最外侧轮廓即可。 ?
1.6K20发布于 2019-07-24 - 来自专栏量子位
ControlNet作者新作登顶GitHub热榜，小白点3次就出图
只需要一块4年前的GTX 1650（显存4GB），AI出图效果堪比当前最好的开源模型SDXL。
1.3K10编辑于 2023-09-08 - 来自专栏小樱的经验随笔
从零基础学三分查找
由于凸性函数在最大值（最小值）任意一侧都具有单调性，因此，mid与midmid中，更大（小）的那个 数自然更为靠近最值。此时，我们远离最值的那个区间不可能包含最值，因此可以舍弃。 如图所示，已知左右端点L、R，要求找到白点的位置。 思路：通过不断缩小 [L,R] 的范围，无限逼近白点。 反证法：假设 mmid 在白点的左边，则 mid 也一定在白点的左边，又由 f(mid) > f(mmid) 可推出 mmid < mid，与已知矛盾，故假设不成立。 2、当 f(mid) < f(mmid) 的时候，我们可以断定 mid 一定在白点的左边。 反证法：假设 mid 在白点的右边，则 mmid 也一定在白点的右边，又由 f(mid) < f(mmid) 可推出 mid > mmid，与已知矛盾，故假设不成立。
1.9K100发布于 2018-04-08 - 来自专栏量子位
AI玩微信跳一跳的正确姿势：跳一跳Auto-Jump算法详解
更加细心的人会发现，白点的RGB值是（245，245，245），这就让我找到了一个非常简单并且高效的方式，就是直接去搜索这个白点，注意到白点是一个连通区域，像素值为（245，245，245）的像素个数稳定在 由于每一张图像中真正对于当前判断有意义的区域只在屏幕中央位置，即人和目标物体所在的位置，因此，每一张截图的上下两部分都是没有意义的，因此，我们将采集到的大小为1280720的图像沿x方向上下各截去320720大小， 考虑到训练数据中fast-search会产生大量有白点的数据，为了杜绝白色圆点对网络训练的干扰，我们对每一张图进行了去白点操作，具体做法是，用白点周围的纯色像素填充白点区域。 Fine 模型数据预处理 为了进一步提升模型的精度，我们为fine模型建立了数据集，对训练集中的每一张图，在目标点附近截取320*320大小的一块作为训练数据， 为了防止网络学到trivial的结果，我们对每一张图增加了 fine模型数据同样进行了去白点操作。
1.7K50发布于 2018-03-22 - 来自专栏DeepHub IMBA
计算卷积神经网络参数总数和输出形状
S→stride, p→padding, n→input size, f→filter size 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 n = 10, f = 3 s = 1, p = 0 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 在使用卷积滤波器对输入图像应用卷积后，输出将是一个特征映射 n = 10, f = 3 s = 1, p = 0 默认Stride =1，没有提到填充(所以，p=0) 输出形状= n-f+1 = 10-3 +1 =8 在使用卷积核对输入图像应用卷积后，输出将是一个特征映射
1.4K30发布于 2021-08-20 - 来自专栏北京马哥教育
实战Google深度学习框架：TensorFlow计算加速
图10-3中给出了一个具体的样例来说明异步模式的问题。其中黑色曲线展示了模型的损失函数，黑色小球表示了在t0时刻参数所对应的损失函数的大小。 假设在时间t1设备d0已经完成了反向传播的计算并更新了参数，修改后的参数处于图10-3中小灰球的位置。 然而这时的设备d1并不知道参数已经被更新了，所以在时间t2时，设备d1会继续将小球向左移动，使得小球的位置达到图10-3中小白球的地方。 从图10-3中可以看到，当参数被调整到小白球的位置时，将无法达到最优点。 异步模式训练深度学习模型存在的问题示意图 同步模式深度学习模型训练流程图 为了避免更新不同步的问题，可以使用同步模式。
1.5K70发布于 2018-05-02 - 来自专栏气象学家
Science Advances | 清华大学团队揭示气候变化下全球中低纬度海洋绿度和藻类暴发频率下降趋势
图1 OCNET模型重构全球海洋叶绿素a浓度数据流程图 研究表明，全球中低纬度海洋的“绿度”整体呈现显著衰减，叶绿素a浓度以(-0.35±0.10)×10-3 mg·m-3·yr-1的速率下降。 沿海区域降幅更为显著，达每年(-0.73±0.22)×10-3 mg·m-3(图2)。其中，北半球的叶绿素a浓度显著衰退的区域面积约为增长区的4.4倍(图2A)。 文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编处理。----
22610编辑于 2026-03-25 - 来自专栏YOLO大作战
YOLOv8+SAHI，针对小目标缺陷检测的切片辅助训练推理
绝大多数还是基于有监督学习（比如YOLOv5、YOLOv8、Faster RCNN等），半监督无监督急需突破，近几年在AI在工业界的应用接近理性发展；2.摄像头镜头缺陷检测介绍摄像头镜头一共有四种缺陷，分别是白点 、脏污、划伤、起翘等，数据集大小992张["bai_dian","zang_wu","hua_shang","qi_pao"] 可以看出，绝大多数缺陷为白点 ，且为小目标缺陷检测3.基于YOLOv8的摄像头缺陷检测算法 YOLOv8结构框图 3.1 SAHI:针对小目标检测的切片辅助超推理库为了处理小目标检测问题，SAHI算法在fine-tuning和推理阶段提出了一种基于切片的通用框架。 将输入图像分割成重叠的块，这样小目标物体的像素区域相对较大一些。
2K10编辑于 2024-09-23 - 来自专栏CSDN技术头条
实战Google深度学习框架：TensorFlow计算加速
图10-3中给出了一个具体的样例来说明异步模式的问题。其中黑色曲线展示了模型的损失函数，黑色小球表示了在t0时刻参数所对应的损失函数的大小。 假设在时间t1设备d0已经完成了反向传播的计算并更新了参数，修改后的参数处于图10-3中小灰球的位置。 然而这时的设备d1并不知道参数已经被更新了，所以在时间t2时，设备d1会继续将小球向左移动，使得小球的位置达到图10-3中小白球的地方。 从图10-3中可以看到，当参数被调整到小白球的位置时，将无法达到最优点。 ? 图10-3 异步模式训练深度学习模型存在的问题示意图 ?
1.6K80发布于 2018-02-12 - 来自专栏程序员开发工具
“快应用” VS “微信小程序” ，你挺谁？
说直白点：就是用户无需下载 apk，直接点开就可以使用。 ---- 九大手机厂商为什么要推出快应用？ 第一：微信小程序自 2017年1月9日 上线之后，在微信生态下，迅速推广。 2018年1月15日，在微信公开课Pro上，胡仁杰表示，目前小程序的使用用户数达到1.7亿，其中，三、四城市用户数达到50%。已经上线的小程序数量为58万。 说直白点，这代表着什么意思呢？ 主要特点均类似于微信小程序“即点即用”，“即用即删”，无需下载，秒开各种应用，但收效都不像微信小程序那样明显。 九大手机厂商 联合推出“快应用”，在我看来，与其说是对微信小程序的围击，倒不如说是抱团读微信小程序的反击。 第二：“微信之父”张小龙曾放言，未来两年内，“小程序”将取代80%的App市场。 ---- “快程序”与微信小程序的各自的优势 “快程序”在九大手机厂商的扶持下，短期内，必将引来一次快速的发展。但长期下来，对于“快程序”与微信小程序，我更看好与微信小程序。
1.5K10发布于 2018-09-17 - 来自专栏全栈程序员必看
latex中插入图片[通俗易懂]
figure} （3）并排插入两张图片，公用一个大的图题，图片的编号只增加一个 \begin{figure}[ht] \centering \subfigure[11-1]{ %小图题的名称 （4）并排插入多张图片，没有小图题 \begin{figure} \centering { \includegraphics[width=2.5cm]{10-1}} \hspace{0in} %每张图片中间空闲 { \includegraphics[width=2.5cm]{10-2}} \hspace{0in} { \includegraphics[width=2.5cm]{10-3}} \hspace{0in
4.2K20编辑于 2022-09-06
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