07 2021 档案
摘要： 
阅读全文
摘要：模板案例 eg: <!doctype html> <title>Hello template</title> {% if name %} <h1>Hello {{ name }}!</h1> {% else %} <h1>Hello flask!</h1> {% endif %} 从上面的例子可以发
阅读全文
摘要：简介 BP(Back Proragation, BP)误差反向传播算法 它是具有指导训练的前馈多层网络训练算法,是靠调节各层的权值,使网络学会由输入输出对组成的训练组。其核心思想是将输出误差以某种形式通过隐含层向输入层逐层反传,即: 信号正向传播;误差反向传播 执行优化的方法是梯度下降法 最常用的激
阅读全文
摘要：view视图容器组件的用法 View 视图容器， 类似于 HTML 中的 div 001 - 组件的属性 002 - 代码案例 <view class="box2" hover-class="box2_active"> <view class='box1' hover-class='active'
阅读全文
摘要：text文本组件的用法 001 - text 组件的属性 属性 类型 默认值 必填 说明 selectable boolean false 否 文本是否可选 space string . 否 显示连续空格，可选参数：ensp、emsp、nbsp decode boolean false 否 是否解码
阅读全文
摘要：安装 pickle是python语言的一个标准模块，安装python后已包含pickle库，不需要单独再安装。 保存文件 import pickle pickle.dump(questionID_1_column, open(r'附件/XXX.pkl', 'wb')) 加载文件 import pic
阅读全文
摘要：通过globalStyle进行全局配置 用于设置应用的状态栏、导航条、标题、窗口背景色等。详细文档 属性 类型 默认值 描述 navigationBarBackgroundColor HexColor #F7F7F7 导航栏背景颜色（同状态栏背景色） navigationBarTextStyle S
阅读全文
摘要：Flask_cors-addresses-cross-domain-problem-instances 安装flask_cors pip install flask_cors 后端返回 from flask import Flask from flask_cors import cross_orig
阅读全文
摘要：| assets文件夹: 存储项目中自己的一些静态文件(图片/字体等) | components文件夹: 存储项目中的自定义组件(小组件，公共组件) | views文件夹:存储项目中的自定义组件(大组件，页面级组件，路由级别组件) | router文件夹:存储VueRouter相关文件 | stor
阅读全文
摘要：注：本文只是对阮一峰老师关于Flex布局的汇总，汇总仅供学习使用 | 标题 | 地址 | | | | | Flex 布局教程：语法篇 | https://www.ruanyifeng.com/blog/2015/07/flex-grammar.html | | Flex 布局教程：实例篇 | htt
阅读全文
摘要：为了实现多端兼容,综合考虑编译速度,运行性能等因素,uni-app约定了如下开发规范: 页面文件遵循Vue单文件组件(SFC)规范 组件标签靠近小程序规范,详见uni-app组件规范 接口能力（JS API）靠近微信小程序规范,但需将前缀wx替换为uni，详见uni-app接口规范 数据绑定及事件处
阅读全文
摘要：pages.json 文件用来对uni-app进行全局配置,决定页面文件的路径,窗口样式,原生的导航栏,底部的原生tabbar等 manifest.json文件是应用的配置文件,用于指定应用的名称,图标,权限等。 App.vue是我们的根组件,所有的页面都是在App.vue下进行切换的,是页面入口文
阅读全文
摘要：本文转载自切糕糕的文字，转载仅供学习使用。 Numpy的 tile() 函数，就是将原矩阵横向、纵向地复制。tile 是瓷砖的意思，顾名思义，这个函数就是把数组像瓷砖一样铺展开来。 举个例子，原矩阵： mat = array([[1,2], [3, 4]]) 横向： tile(mat, (1, 4)
阅读全文
摘要：例如: pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple 其中opencv-python是我要下载的第三方库，最后的链接是阿里云的镜像网站。 常用的国内镜像站如下: 阿里云 http://mirrors.aliyu
阅读全文
摘要：为什么要使用Python虚拟环境 Python 应用经常需要使用一些包第三方包或者模块，有时需要依赖特定的包或者库的版本，所以不能有一个能适应所有 Python 应用的软件环境，很多时候不同的 Python 应用所依赖的版本是冲突的，满足了其中一个，另一个则无法运行，解决这一问题的方法是 虚拟环境。
阅读全文
摘要：KNN算法的简介：KNN算法也称K近邻算法，就是K个最近的邻居的意思。即每个样本都可以用与它相距最近的K个邻居来代表。 KNN算法的核心是：如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特征。对于当前待分类的样本,需要大量已知分类的
阅读全文
摘要：问题描述 命令行报错如下图: 解决办法 依次在命令行窗口下输入下列命令: redis-cli.exe shutdown exit redis-server.exe redis.windows.conf 正常情况下即可启动成功. 效果展示
阅读全文
摘要：进入Redis的根目录，如下图： 在上图红框区域中输入cmd并回车 在弹出的命令行窗口中输入下列命令并回车就可以启动Redis。 redis-server.exe redis.windows.conf
阅读全文
摘要：$x_1,x_2,...,x_m$是神经元的输入。 $w_,w_,...,w_$对应每个神经元输入的权重。 $b_k$是偏置单元，以常数值加到激活函数的输入中。 \(\varphi (·)\) 是激活函数，能使神经网络(单层或多层)非常灵活且具有能估计复杂的非线性关系的能力。简单情况下可以是一个高斯
阅读全文
摘要：#引入 对于分类任务我们可以使用分类错误率来衡量模型的性能，具体来说是模型在训练集上的误差成为训练误差，模型在新样本(测试集)上的误差成为泛化误差，评估机器学习应该使用泛化误差进行评价。 概念 在模型的训练过程中，模型只能利用训练数据来进行训练，模型并不能接触到测试集上的样本。因此模型如果将训练集学
阅读全文
摘要：
阅读全文
浙公网安备 33010602011771号