Dat

作者|OpenCV-Python Tutorials 编译|Vincent 来源|OpenCV-Python Tutorials 简介 使用弱分类器的增强级联包括两个主要阶段：训练阶段和检测阶段。 对象检测教程 中介绍了使用基于HAAR或LBP模型的检测阶段。本文档概述了训练自己的弱分类器的级联所需的功能。当前指南将逐步完成所有不同阶段：收集训练数据，准备训练数据并执行实际模型训练。 为了支持本教程，将使用几个官方的OpenCV应用程序：opencv_createsamples，opencv_annotation，opencv_traincascade和opencv_visualisation。 重要的事项 如果您遇到任何提及旧的opencv_haartraining工具（ 不推荐使用，仍在使用OpenCV1.x界面 ）的教程，请忽略该教程并坚持使用opencv_traincascade工具。此工具是较新的版本，根据OpenCV 2.x和OpenCV 3.x API用C ++编写。opencv_traincascade支持类似HAAR的小波特征[227]和LBP（局部二进制模式）[127]特征。与HAAR特征相比，LBP特征产生整数精度，产生浮点精度，因此LBP的训练和检测速度都比HAAR特征快几倍。关于LBP和HAAR的检测质量，主要取决于所使用的训练数据和选择的训练参数

Oracle DataBase 安装后的配置、建库与故障排查： [root@oracle11g ~]# ls -F anaconda-ks.cfg zabbix-release-3.4-1.el7.centos.noarch.rpm zabbix-release-4.0-1.el7.noarch.rpm src/ zabbix-release-3.4-2.el7.noarch.rpm [root@oracle11g ~]# cd /d data/ dev/ [root@oracle11g ~]# cd /data/ [root@oracle11g data]# ls -F app/ database/ etc/ log/ oracle/ oraInventory/ [root@oracle11g data]# [root@oracle11g data]# cd .. [root@oracle11g /]# ll total 20 lrwxrwxrwx. 1 root root 7 Apr 23 2019 bin -> usr/bin dr-xr-xr-x. 5 root root 4096 Apr 22 11:04 boot drwxr-xr-x 8 root root 89 Apr 22 11:18 data drwxr-xr-x 21 root root 3220 Apr 22

服务器配置： 操作系统： ubuntu 16.04 CPU： 4U 内存： 16G #一般来说4G就够，但如果要查历史记录，需要加载完整的交易索引表-tindex，这导致需要8G+的内存 硬盘： 500G #比特币从08年开始运行，已经积累了大量数据，区块链内容大小达210G。 带宽： 10MB+ 安装部署： 下载地址： https://bitcoincore.org/en/download/ root@wallet-test1:/data # tar xf bitcoin-0.17.1-x86_64-linux-gnu.tar.gz root@wallet-test1:/data # ln -s bitcoin-0.17.1 bitcoin #用软链接的方式在升级程序时，可不用重新设置环境变量 root@wallet-test1: /data# mkdir -p coin/btccoin/ #数据存储目录 root@wallet-test1:/data # vim /etc/profile.d/bitcoin.sh #添加环境变量 export PATH=/data/bitcoin/bin:$PATH root@wallet-test1:/data # source /etc/profile.d/bitcoin.sh #加载环境变量 配置文件： -conf=<file>

1、HT1621电路分析 HT1621为 32×4即 128点内存映像 LCD驱动器，包含内嵌的 32×4位显示 RAM内存和时基发生器以及 WDT看门狗定时器． HT1621驱动电路如下图 所示： 图1 与单片机相连接控制的有9脚CS，3脚WR，12脚DATA，其功能描述如下表。 图2 2、字符显示原理 液晶管点亮和熄灭原理分别为在对应的 RAM地址中写 1和写 0． 首先需要清楚 所驱动控制的液晶的COM-SEG对应关系，然后需要了解 HT1621的32×4RAM地址映射。 例如要控制的液晶的装脚成品图部分如下： 图3 着重看一个液晶数码管，我们了解原理就行。可以看到图3中是第2个液晶数码管，有7段，分别为A,B,C,D,E,F,G。也就分别为下面COM\SEG地址对应关系图中的2A,2B,2C,2D,2E,2F,2G。 液晶的显示字符的部分 COM公共端输出口和 SEG段输出口的分布如下表 所示，同理我们可以看到例如:2D对应(SEG5,COM0),2E对应(SEG5,COM1),2F对应(SEG5,COM2),2A对应(SEG5,COM3),2C对应(SEG4,COM1),2G对应(SEG4,COM2),2B对应(SEG4,COM3)。 图4 搞清楚我们要控制的对象之后那， HT1621的 RAM 地址映射如下图 所示： 图5 可以清楚的看到要

底层的东西比较费时，写出来，帮大家节省时间。 环境： 裸跑，没有操作系统。工具安装路径：C:\ti\pdk_c667x_2_0_9\packages\ti\boot X龙开发板 先简单介绍单核引导： 参考"C6678_SPIboot_usersManual.pdf" 可能碰到的问题： xxx.exe如何产生？在utils里只有.c，需要make https://blog.csdn.net/Nicholas_Liu2017/article/details/78323391 https://blog.csdn.net/u012530451/article/details/71125236 带初始化DDR的gel文件哪里来？ 我是使用了X龙提供的C6678.gel 加载gel文件即载入app.dat步骤： 确定已经在noboot模式下正常运行！ 先新建一个ccxml文件，以区别于其他已经存在的工程。 run->debug load gel文件 选择core0, connect -->写入gel load program “norwriter” 载入数据文件到DDR 0x80000000 run 看Console的结果是否成功。注意FLASH的字节是否符合。 现在说多核： 一些要用的表格 BOOTMODE[2:0] = 6: SPI internally, boot mode are

一、 动态折线图 该部分是基于echarts开发的，主要有两部分组成，折线图和柱状图，其中末端的垂直细线和小圆球为柱状图部分，小球是柱状图的markPoint设置的，柱状图的data数据是与折线图data数据数组长度相同的数组，数组最后一项与折线图数组的最后一项等值，其余项均为0，具体配置如下： 动态设置的实现：在数组末端插入数据，同时去除数组的第一项，echarts更新，从而实现动态效果 二、 echarts关系图 该部分是基于echarts（tree型图）开发的，其data数据格式有限制（详情见文件：关系图数据格式.text），数据中的name字段包含label标签的所有数据信息，报警及非报警状态时label中字体及背景颜色，是echarts中的富文本结合正则实现的，具体配置如下： 动态echarts源码 1 <template> 2 <div> 3 <div id="echart1" ref="echart1"></div> 4 <div>{{show}}</div> 5 </div> 6 </template> 7 <script> 8 export default { 9 name: "echart1" , 10 data() { 11 return { 12 aadata: [], 13 bbdata: [], 14 ccdata: [], 15 zydata: [],

0.引言 利用python开发，借助Dlib库捕获摄像头中的人脸，提取人脸特征，通过计算欧氏距离来和预存的人脸特征进行对比，达到人脸识别的目的； 可以自动从摄像头中抠取人脸图片存储到本地，然后提取构建预设人脸特征； 根据抠取的 / 已有的同一个人多张人脸图片提取128D特征值，然后计算该人的128D特征均值； 然后和摄像头中实时获取到的人脸提取出的特征值，计算欧氏距离，判定是否为同一张人脸；　　 人脸识别 / face recognition的说明： wikipedia 关于人脸识别系统 / face recognition system 的描述： they work by comparing selected facial featuresfrom given image with faces within a database. 本项目中就是比较 预设的人脸的特征和 摄像头实时获取到的人脸的特征； 核心就是提取128D人脸特征，然后计算摄像头人脸特征和预设的特征脸的欧式距离，进行比对； 效果如下（摄像头认出来我是default_person预设的人脸 / 另一个人不是预设人脸显示diff）： 图1 摄像头人脸识别效果gif 1.总体流程 先说下 人脸检测 (face detection) 和 人脸识别 (face recognition)

问题定位： 　　除了个人经验，知识，工具也是很重要的，通过数据进行问题分析，包括：运行日志、异常堆栈、GC日志、线程快照（threaddump/javacore文件 ）、堆转储快照 （heapdump/hprof文件）等。加上虚拟机监控和分析工具进行分析数据、定位解决问题 jdk所有命令参数详解： https://docs.oracle.com/javase/8/docs/technotes/tools/unix/ jdk命令行工具 　　在java_home的bin目录有很多重要的工具，除了常用的java.exe、javac.exe、javap.exe外，还有命令行工具和可视化工具，而且体积相对较小 jps：虚拟机进程状况工具，和Linux中ps功能相似 格式：jps [ options ] [ hostid ] 参数： - q 不输出类名、Jar名和传入main方法的参数 - m 输出传入main方法的参数 - l 输出main类或Jar的全限名 -v 输出传入JVM的参数 不指定hostid就默认为当前主机或服务器 jstat：虚拟机统计信息监控工具 jstat命令格式： jstat [ option vmid [ interval [ s | ms ] [ count ] ] ] vmid： 对于本地虚拟机进程而言，就是虚拟机ID，在Linux上面就是进程ID

#include <linux/init.h> // __init __exit #include <linux/module.h> // module_init module_exit #include <linux/fs.h> // file_operations #include <asm/uaccess.h> // copy_from_user copy_to_user #include <mach/regs-gpio.h> #include <mach/gpio-bank.h> #include <asm/ string .h> #include <linux/ioport.h> // request_mem_region #include <asm/io.h> // ioremap #include <linux/cdev.h> #include <linux/device.h> #define MYNAME "led_dev" #define DEVNUM 1 #define S5PV210_PA_GPIOJ0CON 0xe0200240 volatile unsigned int *rGPJ0CON = NULL; volatile unsigned int *rGPJ0DAT = NULL; static dev_t led_dev_no = 0 ; /* ***

软件：emu8086 语言：汇编语言（Assembly） 注意：本文列出了两种算术运算的代码，全部代码为博主独自一人编写，会有瑕疵，谨慎使用。 5. 计算S=1+2×3+3×4+4×5+···+N(N+1) 5.1 设计要求： 设计程序，实现数学公式S=1+2×3+3×4+4×5+···+N(N+1)的算法。数值N由加键盘输入，计算结果在显示终端输出。设计要求：计算结果不超过十六位寄存器的存储能力，如有溢出提示错误。 5.2 设计思路： 输入N值然后把N给BH作为循环次数，通过循环实现乘和累加计算，结果为十六进制，通过除以10得到十进制，存入堆栈再依次输出。 5.3 程序清单： DATA SEGMENT pkey DB 0dh,0ah, " pleas input N end by ';' :$ " over DB 0AH,0DH, " overflow! " ,0dh,0ah, ' $ ' result DB 0dh,0ah, ' result is: ' , ' $ ' DAT1 DB 8 DUP( 0 ) DATA ENDS STACK SEGMENT SSTACK DB 100 DUP( 0 ) STACK ENDS CODE SEGMENT ASSUME CS: CODE, DS: DATA, SS: STACK STATE: MOV AX,DATA MOV DS,AX