export命令的使用
一:export将环境变量昭告天下 1.直接输入export会将显示bash下的所有环境变量 2.env/set/export/declare都可以显示shell的变量 区别:(1)env与export输出的是环境变量 (2)set与declare是输出环境变量和自定义变量 3.环境变量的作用: 当你想输入一个变量(例如date命令)而没有指定系统执行date的路径,linux就会求助于$PATH环境变量 修改环境变量:export PATH=$PATH:/home/roc/operation
host大法之GitHub上不去
dns解析慢，github上不去，慢 修改host. windows下路径为：C:\Windows\System32\drivers\etc\hosts Linux下路径：/etc/hosts 加入： 192.30.253.112 github.com
192.30.253.119 gist.github.com
151.101.100.133 assets-cdn.github.com
151.101.100.133 raw.githubusercontent.com
151.101
tensorflow的学习--开始篇
工欲善其事必先利其器，tensorflow开发的基本步骤可以分为： （1）定义tensorflow的输入节点 （2）定义“学习”参数 （3）定义“运算” （4）优化函数，优化目标 （5）初始化所有变量 （6）迭代更新参数到最优解 （7）测试模型 （8）使用模型 关于上述的每一个步骤，下面会有详细的叙述，以及代码的解释。
【Python】关于decode和encode
#-*-coding:utf-8 import sys ''' *首先要搞清楚，字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码， 即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。 decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。 encode的
【Codeforces 442B】Andrey and Problem
【链接】 我是链接,点我呀:) 【题意】 n个朋友 第i个朋友帮你的概率是pi 现在问你恰好有一个朋友帮你的概率最大是多少 前提是你可以选择只问其中的某些朋友不用全问. 【题解】 主要思路是逆向思维,转换成一个一个地加上去 然后看看概率的改变值在何时为正数,显然只有为正数的时候才能加 然后概率大的和概率小的,哪一个加上去会比较优一点,也比较一下. 但是因为加上去之后S也会变化,所以只知道概率大的加上去比较优还不够. 可以再看看下面那个反证法. 它指出为何一定是选择末尾最大的若干个(也即优先选择
node.js创建简单服务测试请求数据
工具：安装node； 1，创建文件夹 server， 2 ，在server文件夹下分别创建server.js 和 package.json 文件 3，server.js 代码： 1 var express = require('express');
2 var app=express();
3
4 app.all('*', function(req, res, next) {
5 res.header("Access-Control-Allow-Origin", "
学习yolo之tensorflow-gpu环境配置(win10)
自己到处学习了一些深度学习的皮毛，深切感受到没有GPU，真是不要和人家谈什么效率。人家一天跑好几个代码，如果你没有GPU，训练起来几天才跑一个代码。我之前在笔记本试过跑深度学习的hello world—‘MNIST’，使用的是softmax回归网络实现数字识别，这个速度还好，因为没有涉及复杂的卷积运算。后来自己又用CNN来实现数字识别，那训练速度足以让你怀疑人生，瞬时觉得人生路漫漫，CPU跑了两个小时，才迭代到第8遍。后来在上网络课程，有配置的实验室，可以使用GPU资源，我跑了下CNN识别MN
opencv_deeplearning实战：基于yolov3(CPU)的opencv 目标检测
一、总概 昨天写完一篇基于深度学习的oepncv人脸识别和一篇基于颜色阈值的皮肤检测，昨晚回宿舍也没有闲着，听说yolov3嵌入opencv，并且仅用CPU跑，就比Darknet + OpenMP组合快九倍，听着就很令人兴奋。马不停蹄看文章 ,马上配置环境测试一下，效果还行。想看详细的代码解析的朋友，建议直接看上面的文章，歪果仁写的东西，确实是不错。我作为六级刚过425的英语渣渣，也能看懂。 二、正文 （1）环境：yolov3要求的opencv版本是3.4.2以上，在环境内打开python,输
GraphQL：了解Spring Data JPA / SpringBoot
GraphQL是API的查询语言。通常，在我们的API中创建REST端点时，通常的趋势是为需求创建端点。假设您的端点返回了一个员工列表，每个员工都有一般属性，例如姓名，年龄和地址（假设地址是映射到员工的另一个模型，每个员工都有一个地址）。现在，在某个时间点，您只需要数据用于其地址，即数据库中所有地址的列表（仅限国家，城市和街道）。为此，您需要在服务中使用全新的端点。这就是GraphQL的强大功能，
嵌入式软件职业未来发展如何?
不多说，直奔主题No.1涵盖行业广，就业面宽嵌入式的应用比较广泛，适用于各个领域:家电行业：电饭锅，洗衣机，微波炉，电视等汽车行业：ABS防抱死系统，车身控制系统，发动机控制系统等工业行业：工业机器人，数控机床，检测设备等医疗器械行业：核磁共振仪，B超机等消费电子行业：蓝牙耳机，路由器，网络摄像头，手环，固态硬盘等军工行业：通信设备，雷达，航空发动机控制系统等从硬件角度来看，有微处理器的地方，就会
使用SIFT特征提取和K-Means方法对图片进行分类
由于项目的需要，需要搜集一批有标签的图片，但是人力没有那么多，无法对图片进行分类，所以就先用无监督的方法对用机器对图片自动分类，先富集一批数据，然后再对模型进行训练，于是就想到了k-means算法，但是图片需要提取特征，于是想到了使用SIFT来对图片进行提取特征，提取的方法使用OpenCV的库来进行提取，具体安装OpenCV的方法请参考：点击打开链接。 废话不多说，看代码： #-*- encoding:utf-8 -*- __date__ = '17/04/21' ''' CV_INTER_N
基于深度学习和OpenCV的目标检测(Python)
今天说说使用深度学习进行目标检测的文章，第一部分讲讲Single shot detector（SSD）和MobileNet。这二者相结合，可以用来实现更快速的，实时的目标检测，尤其是在资源有限的设备上（包括Raspberry Pi, smartphones等等）。 这里就说说如何使用OpenCV中的dnn模块，用来导入一个实现训练好的目标检测网络。使我们可以把图像传送到深度网络中，然后得到图中每个物体的包围框（x,y）坐标。最后，我们使用MobileNet SSDs来检验这些图像。 使用Sin
Ubuntu16.04镜像源
转自 https://blog.csdn.net/qq_17783559/article/details/82025601 最近系统崩了，重新安装Ubuntu 官方下载地址（不推荐） https://www.ubuntu.com/download 中科大源 http://mirrors.ustc.edu.cn/ubuntu-releases/16.04/ 阿里云开源镜像站 http://mirrors.aliyun.com/ubuntu-releases/16.04/ 兰州大学开源镜像站 ht
Ubuntu系统盘制作
本人系搞深度学习的小菜鸟一枚，最近系统崩了，要重新安装并且配置各种环境，所以想写下来记录一下。如果我的记录能帮上更多的人的话就更好不过了。好了话不多说，这篇主要记录Ubuntu系统盘的制作过程。一些过程的图我也没有记录，所以一部分参考了博客https://blog.csdn.net/xijingmingxijingming/article/details/80376497，特别感谢一下。 主要步骤为： 1.从我上一篇博客中列出的源中下载一个镜像，因为我下载的是desktop版64位系统，选择的
一组列数字如何变成一组行数字并带单双引号？
数字原始状态： 变换后效果1： 变换后效果2： 使用工具：notepad++ 步骤：1.全选数字 2.ctrl+f 选择替换，ctrl+a 全选清空，重新 输入被替换：\r\n 3.输入替换为： ，或者 ',' 4.选择全部替换 注：输入 , 出现效果一；输入 ','出现效果二
import XXX can not resolved 的 错误分析与解决
问题分析： import 引入的是什么？ import既可以引入本地类，也可以引入jar包 引入jar包和引入本地类的错误解决方式是不同的； 如果引入的是一个本地类， 并且在引入本地类时发生了不能解析的错误， 此时有两种原因： a.同样的类名，但是本机没有，这时候引入，肯定是引入不进来的 这种情况的解决办法是： 删掉引入的这个类，将鼠标移入到调用位置，会显示本机会有的名字相同但路径不同的类，用这个类试一试； 如果不成功，重新再SVN更新当前文件，看看有没有冲突； 如果不冲突就麻烦了， 当引入了
字典表该如何写查询语句？
--分析字典字段的特点，这种字段就相当于字典里一个单词，有很多个意思；分别记做①②③ --这个字段的特点是：有多个数值，每个值代表一个意思 --为什么查字典？ 给你一个数值，你不知道意思啊，所以必须要告诉我哪一个，第几个，我就能告诉你这一个表示什么意思 --所以，任何一个字典表必须有三个字段：哪一个字段，第几个字段，表示什么意思字段 什么意思字段必然作为表的输出字段。 哪一字段和第几个字段必然作为表的输入字段。 例如， select D.AAA103 --什么意思 from NTSI.AA10
JAVA官方指导书全集 第一篇（中英双语）
第一篇：The Java? Tutorials The Java Tutorials are practical guides for programmers who want to use the Java programming language to create applications. They include hundreds of complete, working examples, and dozens of lessons. Groups of related lesso
今日推荐
周排行