上拉电阻的作用和原理解释
摘要：
作用 1 拉高输出电压，提高驱动能力 2 钳住电位，将不定输出钳定为高电位 原理 上拉电阻和芯片内部电阻并联，使得等效内部电阻变小。 参考视频 https://www.bilibili.com/video/BV1W34y1579U?p=1&t=0 阅读全文
posted @ 2022-06-19 23:59 Toriyung 阅读(308) 评论(0) 推荐(0) 编辑
2022年6月19日 #
神经网络前向计算的向量化解释
摘要：
将冗余的for循环计算变成矩阵计算，提高计算速度 对于多样本X=[x1 x2 x3....]进行按列堆叠，对于参数ω进行按行堆叠，如图。进行向量相乘 一般情况下还会通过python的广播机制加上向量b 阅读全文
posted @ 2022-06-19 15:03 Toriyung 阅读(26) 评论(0) 推荐(0) 编辑
2022年6月9日 #
python的广播（broadcast）
摘要：
其实就是对一个矩阵或者多维数组进行同时数据操作，可以省去for循环，提高效率 可以是对一个数组进行某个方向的求和 如： 也可以是数组对数组对应的数据进行四则运算 如： 或者是不对称数组间相加，自动进行扩列 如： 总结 是numpy库的广播就是让不对称(即shape相同)的数组（或矩阵）进行复制扩列变 阅读全文
posted @ 2022-06-09 15:49 Toriyung 阅读(1096) 评论(0) 推荐(0) 编辑
2022年5月15日 #
Torch.tensor变量的数据类型及其操作
摘要：
torch.Tensor.item()取出内部变量 阅读全文
posted @ 2022-05-15 20:40 Toriyung 阅读(130) 评论(0) 推荐(0) 编辑
2022年5月1日 #
图像识别随笔~1
摘要：
from PIL import Image 显示没有PIL模块 原因：PIL只支持python2.x，在python3.x中是Pillow包，但调用仍是PIL 解决方法： 安装Pillow包，剩下和PIL用法一样 阅读全文
posted @ 2022-05-01 21:11 Toriyung 阅读(22) 评论(0) 推荐(0) 编辑
2022年3月23日 #
Opencv Q&A_11
摘要：
2022/03/23 基于knn通过特征值识别和比较分类 代码_Feature_Detect.py(main) import cv2 as cv import utlis dirpath = 'D:\work\\automation\Skill\Python\pythonWORK\cv\materi 阅读全文
posted @ 2022-03-23 22:23 Toriyung 阅读(27) 评论(0) 推荐(0) 编辑
2022年3月21日 #
Opencv Q&A_10
摘要：
2022/03/20 AR（增强现实）对特定图片进行特征识别并替换图片或视频帧 具体算法：通过对样本图和测试图的特征计算进行对比(match)，当匹配度超过一定的值则判定匹配正确，进行替换 代码 import cv2 as cv import numpy as np mode = 'video' # 阅读全文
posted @ 2022-03-21 16:26 Toriyung 阅读(38) 评论(0) 推荐(0) 编辑
2022年3月18日 #
Opencv Q&A_9
摘要：
2022/03/17-2022/03/18 基于opencv和比例算法的物体边长测量 算法详细：在实际长度已知的大背景板上放置被测物体，通过摄像头拍摄得到大背景和物体的分辨率比值，再由大背景的已知实际长度计算出物体实际边长 代码_length_measure.py(main) import cv2 阅读全文
posted @ 2022-03-18 17:19 Toriyung 阅读(37) 评论(0) 推荐(0) 编辑
2022年3月15日 #
Opencv Q&A_8
摘要：
2022/03/14 - 2022/03/15 对电子文档图片高亮部分裁剪并识别 此次project使用的功能函数另起python文件存放名为utlis.py 代码 (main) highlight_text_detection.py import cv2 as cv import numpy as 阅读全文
posted @ 2022-03-15 21:56 Toriyung 阅读(34) 评论(0) 推荐(0) 编辑
2022年3月13日 #
numpy Q&A_2
摘要：
2022/03/13 numpy的"xx_like()"一类函数 代码 import numpy as np a = np.full((2,4),6) print(a) b = np.full_like(a,5) print(b) c = np.zeros_like(a) print(c) 运行效果 阅读全文
posted @ 2022-03-13 22:50 Toriyung 阅读(15) 评论(0) 推荐(0) 编辑