• 利用树莓派实现监控系统二(用motion实现监控)

    利用树莓派实现监控系统二(用motion实现监控)

    终于要开始实现监控啦!ಠ౪ಠ看起来很简单的步骤,但是过程却无比艰辛,踩坑是最好的成长 (/= _ =)/~┴┴ 第一步,不是安装!而是 update!ㄟ( ▔, ▔ )ㄏsudo apt-get updatesudo apt-get upgrade 第二步,安装motionsudo apt-get install motion 第三步...

    作者:小编    日期:2026.06.26    分类:语言 157
  • 利用树莓派实现监控系统一(树莓派的入手及系统安装)

    利用树莓派实现监控系统一(树莓派的入手及系统安装)

    没想到人生的第二篇博客与第一篇竟然刚好相隔一个月 - - 这一个月发生了太多事情,导致刚起步的博客就被耽误了,后面我会尽量加快更博的步伐 (ง •̀_•́)ง 这一个月中,最重要的一件事就是,我家的新成员十二放错了 - - 应该是这张  平时上班不在家,又想看它在家干什么,所以就想着做一个监控 (•̀ᴗ•́)و ̑̑  工具:树莓派3...

    作者:小编    日期:2026.06.26    分类:系统 1540
  • json解析—Gson以及GsonFormat插件的运用

    json解析—Gson以及GsonFormat插件的运用

    最近开始慢慢做毕业设计了,遇到一个功能是获取天气预报的,我选择的是和风天气的api,返回的是JSON数据,所以遇到了解析JSON的问题 首先简单说下JSON,JSON(JavaScript Object Notation)是一种轻量级的数据交换格式。用于数据转化传输,通用于PHP、Java、C++、C#、Python等编程语言的数据交...

    作者:小编    日期:2026.06.26    分类:算法 465
  • 经典算法详解(11)递归查找数组中的最大值

    经典算法详解(11)递归查找数组中的最大值

    题目:编写一个程序,用递归的方法实现查找数组中的最大值。C++实现 1 #include<iostream> 2 3 using namespace std; 4 //第一种方法是常规方法,不是使用递归,首先将第一个元素的值赋值给max,然后遍历数组, 5 //当遇到超高max的值时将其赋值给max,最后就将得到最大值...

    作者:小编    日期:2026.06.26    分类:文档 989
  • 吴恩达《深度学习》第四门课(1)卷积神经网络

    吴恩达《深度学习》第四门课(1)卷积神经网络

    1.1计算机视觉(1)计算机视觉的应用包括图像分类、目标检测、图像分割、风格迁移等,下图展示了风格迁移案例:(2)图像的特征量非常之大,比如一个3通道的1000*1000的照片,其特征为3*1000*1000达到300万,如果第一个隐藏层有1000个单元那么W[1]有20亿个参数,计算量不仅大,而且由于图像样本相对于特征实在是太少,导...

    作者:小编    日期:2026.06.26    分类:算法 1855
  • 经典算法详解(10)图中有多少个三角形

    经典算法详解(10)图中有多少个三角形

    题目:请说出下面图形中包含多少个三角形?请用一个程序完成计算。C++版本 1 #include<iostream> 2 3 using namespace std; 4 5 const char NO_POINT = '0'; 6 7 //任意的一条线 8 const char *map[] = { "ad","ab...

    作者:小编    日期:2026.06.26    分类:类库 1289
  • 吴恩达《深度学习》第三门课(2)机器学习策略二

    吴恩达《深度学习》第三门课(2)机器学习策略二

    2.1进行误差分析(1)一识别猫为案例,错误率为10%,这时系统还可以有较大提升空间,这时该往哪方面努力呢?可以通过误差分析,具体可以拿出100个分类错误的样本,然后利用表格统计每个样本分类错误的原因(如下图所示),比如很模糊,狗和猫很像,有滤镜等,一个样本出错可以同时有多个原因,统计看因为什么原因导致分类错误的比例最高,那么就应该着...

    作者:小编    日期:2026.06.26    分类:算法 1318
  • 吴恩达《深度学习》第三门课(1)机器学习策略一

    吴恩达《深度学习》第三门课(1)机器学习策略一

    1.1为什么是ML策略(1)当对一个实际的应用系统进行优化时,可能有很多想法:如提高数据量,提高网络深度,正则化等等,一个错误的选择可能浪费非常多的时间,本课就是让你在面对很多选择时做出正确的选择,这就是ML策略。提高效率,让你的深度学习系统更快投入使用。1.2正交化(1)使用以下的老式电视机来说明什么是正交化,即一个按钮只调节宽度(...

    作者:小编    日期:2026.06.26    分类:类库 1990
  • 吴恩达《深度学习》第二门课(3)超参数调试、Batch正则化和程序框架

    吴恩达《深度学习》第二门课(3)超参数调试、Batch正则化和程序框架

    3.1调试处理(1)不同超参数调试的优先级是不一样的,如下图中的一些超参数,首先最重要的应该是学习率α(红色圈出),然后是Momentum算法的β、隐藏层单元数、mini-batch size(黄色圈出)、再之后是Layer、learning rate decay(紫色圈出)、最后是Adam算法中的β1、β2、ε。(2)用随机取值代替...

    作者:小编    日期:2026.06.26    分类:手册 763
  • 经典算法详解(9)寻找丑数

    经典算法详解(9)寻找丑数

    题目:我们把只含有因子2、3、5的数称为丑数。例如6、8都是丑数,而14不是丑数,因为它含有因子7.通常也把1当做丑数。编程找出1500以内的全部丑数。注意:使用的算法效率应尽量高。C++实现: 1 #include<iostream> 2 3 using namespace std; 4 5 //判断一个数是否是丑数...

    作者:小编    日期:2026.06.26    分类:算法 1840
热门文章
  • 机房智能化温湿度解决方式之POE供电以太网温湿度传感器

    机房智能化温湿度解决方式之POE供电以太网温湿度传感器
    机房智能化温湿度解决方式之POE供电以太网温湿度传感器 北京盈创力和电子科技有限公司 智能型TCP网口温湿度记录仪 北京IP网络温湿度记录仪厂家,北京盈创力和 北京智能型TCP网口温湿度记录仪IP网络温湿度记录仪是一种新型的基于TCP/IP协议双绞线以太网标准温湿度采集模块,利用它可以实现现场温度值、相对湿度值的采集,同时利用其自身的RJ45通信接口可以方便地和机房监控主机或交换机集线器进行联网。 工作于-40℃~85℃工业级带...
  • Sequential Monte Carlo Methods (SMC) 序列蒙特卡洛/粒子滤波/Bootstrap Filtering

    Sequential Monte Carlo Methods (SMC) 序列蒙特卡洛/粒子滤波/Bootstrap Filtering
    Problem Statement 我们考虑一个具有马尔可夫性质、非线性、非高斯的状态空间模型(State Space Model):对于一个时间序列上的观测结果{yt,t∈N}\\{ y_t , t \\in N \\}{yt​,t∈N},我们认为每个观测结果yty_tyt​的生成依赖于一个无法直接观察的隐变量xt∈{xt,t∈N}x_t \\in \\{x_t , t \\in N \\}xt​∈{xt​,t∈N},即:p(...
  • HTTP状态保持的原理

    HTTP状态保持的原理
    a)在用户登录之后,浏览器返回响应的时候会在响应中添加上cookieb)浏览器接收到cookie之后会自动保存c)当用户再次请求同一服务器中的其他网页的时候,浏览器会自动带上之前保存的cookied)服务接收到请求之后可以请 request 对象中取到cookie 判断当前用户是否登录  Http是无状态的,就是连接时数据互通,关闭后...
  • Hive 系统函数及示例

    Hive 系统函数及示例
    查看所有系统函数 show functions; 函数分类 内置函数【系统函数】 数学函数: floor、round、ceil、cos、log2等 字符串函数: length、reverse、trim、lower、get_json_object、repeat等 收集函数: size 转换函数: cast 日期函数: year、month、datediff、date、date_add等 条件函数: coalesce、case…w...
  • CSRF的原理和防范措施

    CSRF的原理和防范措施
    a)攻击原理:i.用户C访问正常网站A时进行登录,浏览器保存A的cookieii.用户C再访问攻击网站B,网站B上有某个隐藏的链接或者图片标签会自动请求网站A的URL地址,例如表单提交,传指定的参数iii.而攻击网站B在访问网站A的时候,浏览器会自动带上网站A的cookieiv.所以网站A在接收到请求之后可判断当前用户是登录状态,所以...
标签列表