02 2020 档案

摘要:在文本/富文本编辑器中,常用到拖放动作. 阅读全文
posted @ 2020-02-21 12:06 云远·笨小孩 阅读(1014) 评论(0) 推荐(0)
摘要:QML包使用方法 例如,flatui的QML包文件的结构为: 1. 将flat.ui文件夹拷贝到工程目录之下. 2. 在qml.qrc上右键, , 将flatui文件夹全部添加进来. 3. 在.qml里导入: 4. 要用的地方直接: 阅读全文
posted @ 2020-02-20 16:53 云远·笨小孩 阅读(1511) 评论(0) 推荐(0)
摘要:PC应用 PC应用名称 功能描述 注意事项 存储位置 维棠FLV视频下载软件 可用来下载腾讯视频的视频 将视频列表的网址粘贴到维棠软件左侧"下载"的地址中即可批量下载。 百度云-"腾讯视频下载工具.exe" Everything 本地文件搜索 支持正则表达式匹配任意文件,支持HTTP/FTP文件服务 阅读全文
posted @ 2020-02-19 16:02 云远·笨小孩 阅读(554) 评论(0) 推荐(0)
摘要:元对象系统(Meta-Object System):只要一个CPP类进入了元对象系统,类的方法和属性就可以在QML中访问。 导出C++到QML 1 导出 类 到QML 要导出的类需要有以下这种形式: class QQuickText : public QQuickImplicitSizeItem / 阅读全文
posted @ 2020-02-19 15:34 云远·笨小孩 阅读(737) 评论(0) 推荐(1)
摘要:语法基础 import语句 使用QML需要导入QtQuick模块。 如果需要使用Window,则还要导入QtQuick.Window 模块 版本号指示了本代码使用的Qt模块版本,Qt模块的版本是向下兼容的。 QML数据类型 基本类型 ,`string date point rect size`等类型 阅读全文
posted @ 2020-02-19 15:33 云远·笨小孩 阅读(1093) 评论(0) 推荐(0)
摘要:Qt Quick 安卓开发环境配置 Qt Widget已发展成熟,但不适合在移动设备(Android 手机、平板)上使用。Qt Quick使用QML的开发方式。 现在对Android开发环境进行配置[^1]。 所需文件: Java SE Development Kit (JDK) version 6 阅读全文
posted @ 2020-02-19 15:32 云远·笨小孩 阅读(1391) 评论(0) 推荐(0)
摘要:Markdown文件转HTML 使用 软件中的 插件,预览该Markdown文件。 右键 ; HTML转PDF 原理:根据PDF中标题的大小样式,决定要添加的标签。 工具:Acrobat PDF Pro + AutoBookmark插件 步骤 1. 安装Acrobat PDF Pro; 2. 将文件 阅读全文
posted @ 2020-02-17 18:30 云远·笨小孩 阅读(1334) 评论(0) 推荐(0)
摘要:写在前面 在本教程中,我们将学习: 通过 使用多GPU训练模型. 数据拟合. 使用多GPU python device = torch.device("cuda:0") model.to(device) 返回my_tensor的一个GPU上的备份, 而不是重写覆盖了 ,这种写法是不正确的 myten 阅读全文
posted @ 2020-02-17 10:48 云远·笨小孩 阅读(710) 评论(0) 推荐(0)
摘要:基于CNN的CIFAR10图像分类 完整代码如下: cifar10教程补充内容 更优选的网络,类似VGG 这个网络比前面那个准确率更高一些. 显示图片及标签 显示一些训练集中的照片: 显示预测结果和实际结果: 阅读全文
posted @ 2020-02-17 10:09 云远·笨小孩 阅读(2556) 评论(0) 推荐(1)
摘要:原文地址: https://jdhao.github.io/2017/12/10/pandoc-markdown-with-chinese/ For English version of this post, click here. 更新时间:2019-11-18 本文主要写如何使用 Pandoc 阅读全文
posted @ 2020-02-16 22:47 云远·笨小孩 阅读(1640) 评论(0) 推荐(0)
摘要:原文地址:https://www.cnblogs.com/liaohuiqiang/p/9740382.html R-CNN(Region-based CNN) motivation:之前的视觉任务大多数考虑使用SIFT和HOG特征,而近年来CNN和ImageNet的出现使得图像分类问题取得重大突破 阅读全文
posted @ 2020-02-16 17:47 云远·笨小孩 阅读(255) 评论(0) 推荐(0)
摘要:原文地址:https://www.cnblogs.com/liaohuiqiang/p/9691458.html 前言 在论文笔记:CNN经典结构1中主要讲了2012-2015年的一些经典CNN结构。本文主要讲解2016-2017年的一些经典CNN结构。 CIFAR和SVHN上,DenseNet-B 阅读全文
posted @ 2020-02-16 17:45 云远·笨小孩 阅读(333) 评论(0) 推荐(0)
摘要:原文地址:https://www.cnblogs.com/liaohuiqiang/p/9606901.html 前言 本文主要介绍2012-2015年的一些经典CNN结构,从AlexNet,ZFNet,OverFeat到VGG,GoogleNetv1-v4,ResNetv1-v2。 在论文笔记:C 阅读全文
posted @ 2020-02-16 17:44 云远·笨小孩 阅读(258) 评论(0) 推荐(0)
摘要:原文链接:https://www.cnblogs.com/liaohuiqiang/p/9609162.html ImageNet 是一个超过15 million的图像数据集,大约有22,000类。 是由李飞飞团队从2007年开始,耗费大量人力,通过各种方式(网络抓取,人工标注,亚马逊众包平台)收集 阅读全文
posted @ 2020-02-16 17:42 云远·笨小孩 阅读(477) 评论(0) 推荐(0)
摘要:Projects' Models 神经网络的基本概念 如无特殊说明, 按以下计: 线性层(L)为:\(h=X*W+b\) 全连接层(FC)为: 线性层L+ReLU层 Softmax层(S)为:\(Softmax(x_{i}) = \frac{e^{x_{i}}}{\sum_{i}e^{x_{i}}} 阅读全文
posted @ 2020-02-16 16:32 云远·笨小孩 阅读(395) 评论(0) 推荐(0)
摘要:介绍三种方式来发布Python程序。 要打包的示例程序 hello.py: import numpy as np import os print('Call Numpy\'s function:{}'.format(np.random.rand(2,3))) if __name__ == '__ma 阅读全文
posted @ 2020-02-15 16:55 云远·笨小孩 阅读(1081) 评论(0) 推荐(0)
摘要:本方法弊端很大!不建议采用! 建议使用更加友好的方法: 参考: https://segmentfault.com/a/1190000016087451 https://www.cnblogs.com/aoede-jacqueline/archive/2019/07/25/11244714.html 阅读全文
posted @ 2020-02-15 12:19 云远·笨小孩 阅读(828) 评论(0) 推荐(0)
摘要:本帖转载自知乎网 请注意,以下方法针对于chrome 71.0版本以上. 请注意这是一项危险操作,由此带来的安全风险需要您自己担负. 新建文本文档,打开并添加以下代码: Windows Registry Editor Version 5.00 [HKEY_CURRENT_USER\Software\ 阅读全文
posted @ 2020-02-13 12:05 云远·笨小孩 阅读(1038) 评论(0) 推荐(0)
该文被密码保护。
posted @ 2020-02-05 21:51 云远·笨小孩 阅读(6) 评论(0) 推荐(0)
摘要:上一节中,我们使用autograd的包来定义模型并求导。本节中,我们将使用torch.nn包来构建神经网络。 一个nn.Module包含各个层和一个forward(input)方法,该方法返回output. 上图是一个简单的前馈神经网络。它接受一个输入。然后一层接着一层地传递。最后输出计算的结果。 阅读全文
posted @ 2020-02-04 16:01 云远·笨小孩 阅读(4932) 评论(2) 推荐(0)
摘要:PyTorch所有神经网络的核心是 autograd 自动微分。该 autograd 软件包为 Tensors 上的所有操作提供自动微分。 计算图 = Tensor + Function PyTorch也是以 为核心进行微分的。这与TensorFlow中是一致的。在计算图中,圆圈/矩形等表示 ,而线 阅读全文
posted @ 2020-02-03 17:26 云远·笨小孩 阅读(1132) 评论(0) 推荐(0)