首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 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
  • 来自专栏全栈开发那些事

    6-9 二叉树的遍历 (25分)

    本题要求给定二叉树的4种遍历。 函数接口定义: void InorderTraversal( BinTree BT ); void PreorderTraversal( BinTree BT ); void PostorderTraversal( BinTree BT ); void LevelorderTraversal( BinTree BT ); 其中BinTree结构定义如下: typedef struct TNode *Position; typedef Position BinTree; str

    34830编辑于 2023-02-27
  • 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AI机器学习与深度学习算法

    机器学习入门 6-9 有关梯度下降法的更多深入讨论

    本系列是《玩转机器学习教程》一个整理的视频笔记。这是梯度下降法的最后一小节,这一小节对梯度下降法做一个总结。

    1.6K00发布于 2019-11-13
  • 来自专栏张善友的专栏

    C# 2025年6-9月TIOBE排名增长及未来展望

    三、 C# 2025 年 6-9 月市场份额变化表 四、C# 在 TIOBE 榜单的关键数据演变(2019–2025) 五、 未来展望 超越 Java 的可能性:若 C# 维持当前增速,或将在 2026 总结:C# 在 2025 年 6-9 月虽经历份额增长,但凭借 9 月的逆势增长(+0.86%) 实现四个月整体份额提升,进一步逼近 Java。

    84610编辑于 2025-09-20
  • 腾讯云WorkBuddy驱动企业AI原生转型:6-9个月实现50%-80%效率提升

    6-9个月落地节奏 试点突破(1-2个月): 选定1-2个高价值场景(如财务对账),通过WorkBuddy桌面端试点,跑通流程。

    80610编辑于 2026-05-28
  • 来自专栏FPGA探索者

    题解 | Verilog刷题解析及对应笔试面试注意点【6-9】(涉及==和===、for展开问题等)

    在B站【FPGA探索者】录制了试题讲解视频,本文更新了第6-9题文字解析。

    1.8K30编辑于 2022-05-26
  • 来自专栏OI

    YbtOJ 735「动态树」毒瘤染色

    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, A 会确定一个非负整数 k。 在每次操作后, 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, 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()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, 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
  • 来自专栏大师级码师

    C#常用正则表达式整理

    (d{1,2}|1dd|2[0-4]d|25[0-5])$" YYYY-MM-DD基本上把闰年和2月等的情况都考虑进去了 ^((((1[6-9]|[2-9]\d)\d{2})-(0? [1-9]|[12]\d|3[01]))|(((1[6-9]|[2-9]\d)\d{2})-(0?[13456789]|1[012])-(0? [1-9]|[12]\d|30))|(((1[6-9]|[2-9]\d)\d{2})-0?2-(0? [1-9]|1\d|2[0-8]))|(((1[6-9]|[2-9]\d)(0[48]|[2468][048]|[13579][26])|((16|[2468][048]|[3579][26])00))

    88220发布于 2021-10-27
  • 来自专栏码农的生活

    C#常用正则表达式整理

    (d{1,2}|1dd|2[0-4]d|25[0-5])$" YYYY-MM-DD基本上把闰年和2月等的情况都考虑进去了 ^((((1[6-9]|[2-9]\d)\d{2})-(0? [1-9]|[12]\d|3[01]))|(((1[6-9]|[2-9]\d)\d{2})-(0?[13456789]|1[012])-(0? [1-9]|[12]\d|30))|(((1[6-9]|[2-9]\d)\d{2})-0?2-(0? [1-9]|1\d|2[0-8]))|(((1[6-9]|[2-9]\d)(0[48]|[2468][048]|[13579][26])|((16|[2468][048]|[3579][26])00))

    71040发布于 2021-11-03
  • 来自专栏YOLO大作战

    YOLOv8+SAHI,针对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:针对目标检测的切片辅助超推理库为了处理目标检测问题,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
  • 来自专栏程序员开发工具

    “快应用” VS “微信程序” ,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,与其说是对微信程序的围击,倒不如说是抱团读微信程序的反击。 第二:“微信之父”张小龙曾放言,未来两年内,“程序”将取代80%的App市场。 ---- “快程序”与微信程序的各自的优势 “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”与微信程序,我更看好与微信程序。

    1.5K10发布于 2018-09-17
  • 来自专栏程序员IT圈

    AI 玩微信小游戏跳一跳的正确姿势,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1280*720的图像沿x方向上下各截去320*720大, ,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。

    1.3K50发布于 2018-03-05
  • 太能打了:小卡也能跑的视觉模型!Gemma 4 本地视觉实测,截图转HTML

    4.3 输出结果 它不仅准确识别了所有文字内容,连那些细微的设计元素都还原得一模一样: 头像上的两个白点,用 CSS 的 ::before 和 ::after 实现了。 * **SVG:** 用于绘制那个红色的 Logo,因为它包含特定的图形(两个白点)。 **3. 里面的白点可以用 `::before` 和 `::after` 伪元素实现。 * *气泡图:* 这是一个难点。 4.5 Gemma 4 的其他几个模型 这里我也测试了 Gemma 4 的其他几个模型(E2B、E4B),它们的视觉能力和速度表现都不如 26B A4B 版本,尤其是 E 系列的模型,虽然支持音频输入 模型欠缺的到底是什么 我们看到的设计效果只是表象,那么对于 Gemma 4 的模型(E2B、E4B)来说,欠缺的到底是什么呢?

    2.3K10编辑于 2026-04-14
  • 来自专栏机器学习算法与理论

    【计算机视觉】目标检测方法汇总

    一步步计算相似度 并且合并、剔除相似度的高的 OverFeat: 核心思想: 1) 区域提名;多尺度滑动 2) 分类和定位:CNN来做分类和预测边框位置 与AlexNet类似 1-5层特征抽取,6- 9层为分类层(分类任务) 不同的任务公用特征抽取层(1-5层),只替换6-9层。 采用NMS(非最大抑制) 直接分类不进行提名 问题:如有2个目标在一个格子中,模型只能预测一个;损失函数对大小不同的框未做区分。

    1K20发布于 2018-08-02
  • 来自专栏IT学习

    Java开发学习中线程和进程的区别

    经常有同学分不清进程和线程的区别,今天刚好有空就整理了一份文章,方便大家区分进程和线程.定义不同:进程是操作系统资源分配的基本单位(说直白点就是指正在运行的程序),而线程是任务调度和执行的基本单位(说直白点就是程序中的一条执行线路 线程间的切换开销比进程间的切换开销的多。线程是CPU调度的最小单位,它是进程的一部分,只能由进程创建。一个进程有用很多个线程,这些线程共享进程的资源和程序代码。 线程的出现也如操作系统一样都是为了最大限度的合理分配管理和利用CPU的空闲资源 欢迎大家在评论区评论留言,千锋哈尔滨编会及时给大家解答疑惑的

    66220发布于 2019-12-24
领券