技术文章

点击上方“ 计算机视觉cv ”即可“进入公众号” 重磅干货第一时间送达 计算机视觉cv 【 导读 】Keras是一个由Python编写的开源人工神经网络库，可以作为Tensorflow、和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化。本系列将教你如何从零开始学Keras，从搭建神经网络到项目实战，手把手教你精通Keras。相关内容参考《Python深度学习》这本书。 初识神经网络   我们先来看一个具体的神经网络示例，使用 Python 的 Keras 库来学习手写数字分类。如果你没用过 Keras或类似的库，可能无法立刻搞懂这个例子中的全部内容。甚至你可能还没有安装 Keras。没关系，可以看个例子先感受下。   我们这里要解决的问题是，将手写数字的灰度图像（28 像素×28 像素）划分到 10 个类别 中（0~9）。我们将使用 MNIST 数据集，它是机器学习领域的一个经典数据集，其历史几乎和这 个领域一样长，而且已被人们深入研究。这个数据集包含 60 000 张训练图像和 10 000 张测试图 像，由美国国家标准与技术研究院（National Institute of Standards and Technology，即 MNIST 中 的 NIST）在 20 世纪 80 年代收集得到。你可以将“解决”MNIST 问题看作深度学习的

curl函数参数说明： 名称 说明 curl_close 关闭一个curl会话 curl_copy_handle 拷贝一个curl连接资源的所有内容和参数 curl_errno 返回一个包含当前会话错误信息的数字编号 curl_error 返回一个包含当前会话错误信息的字符串 curl_exec 执行一个curl会话 curl_getinfo 获取一个curl连接资源句柄的信息 curl_init 初始化一个curl会话 curl_multi_add_handle 向curl批处理会话中添加单独的curl句柄资源 curl_multi_close 关闭一个批处理句柄资源 curl_multi_exec 解析一个curl批处理句柄 curl_multi_getcontent 返回获取的输出的文本流 curl_multi_info_read 获取当前解析的curl的相关传输信息 curl_multi_init 初始化一个curl批处理句柄资源 curl_multi_remove_handle 移除curl批处理句柄资源中的某个句柄资源 curl_multi_select Get all the sockets associated with the cURL extension, which can then be "selected" curl_setopt_array

///会被编译， //不会 所以使用///会减慢编译的速度（但不会影响执行速度） ///会在其它的人调用你的代码时提供智能感知 也是一种注释，但是这种注释主要有两种作用： 1.这些注释能够生成一个XML文件。这样呢,看起来会对程序的内容一目了然。 2.以这种方式对你的类，属性，方法等等加上注释之后，当你在其他地方使用以这种方式加上的类，属性，方法等等地时候，黄色的提示框里面会把你写的注释显示出来，是你更加明白你要使用的功能的作用。 /// <summary> ///定义用户姓名属性，该属性为可读可写属性 /// </summary> C# Coding的时候，常常涉及代码注释，常见的注释包括两类： 1）单行注释。格式：// Comments 2）多行注释。格式：/* Comments... */ C#引入了新的XML注释，即我们在某个函数前新起一行，输入///，VS.Net会自动增加XML格式的注释，这里整理一下可用的XML注释。 XML注释分为一级注释（Primary Tags）和二级注释（Secondary Tags），前者可以单独存在，后者必须包含在一级注释内部。 I 一级注释 1. <remarks>对类型进行描述，功能类似<summary>，据说建议使用<remarks>; 2. <summary>对共有类型的类、方法、属性或字段进行注释； 3. <value

https://docs.microsoft.com/zh-cn/dotnet/csharp/language-reference/language-specification/documentation-comments#an-example 微软官方文档。 我想补充几点。 1.如果想要所有类或者方法都添加文档注释，而自己总容易忘记添加或者漏添加的话。可以试试这个办法： 在项目上右键--属性--生成--勾选下图所示的选项 如果你没有添加文档注释，将会作为警告显示。 2.如果你有强迫症。(我就有) 觉得警告不过瘾，把它当作错误显示，不添加文档注释就不让编译通过。 那么你可以这样做： 在第一步的基础上。 在项目上右键--属性--生成--勾选下图所示的选项 当然了，你也可以勾所有。(不推荐，因为大多数时候会有很多页面的警告。) 解释一下这三个常用警告： CS1591:没有<summary> CS1573:方法中有参数，但是没加参数注释<param> (还有一种是相反的，有<param>，但是没参数--CS1572 这种不常用) CS1574:cref属性中的类或者符号找不到。(用法：<see cref=""/> 或者 <seealso cref="" />) 3.cref属性里面如果引用泛型类需要这样写<see cref="Product{TItem}" />

1、python中is和==的区别 A.Python中对象包含的三个基本要素，分别是：id(身份标识) 、type(数据类型)和value(值)。 B.‘==’比较的是value值 C.‘is’比较的是id 2、简述read、readline、readlines的区别 read读取整个文件 readline读取下一行数据 readlines读取整个文件到一个迭代器以供我们遍历（读取 到一个list中，以供使用，比较方便） 3、举例说明创建字典的至少两种方法 # 1 dict1 = {key1:v1,key2:v2} # 2 dict2 = {} dict2[key1] = v1 dict2[key2] = v2 # 3 dict3 = dict(key1=v1,key2=v2) 4、*args,**kwargs的作用是什么？如何使用？ *args和**kwargs通常使用在函数定义里，*args允许函数传入不定量个数的非关键字参数，**kwargs允许函数传入不定量个数的关键字参数 5、python中match()和search()的区别？ match（）函数只检测RE是不是在string的开始位置匹配， search()会扫描整个string查找匹配, 也就是说match（）只有在0位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match()就返回none 6

1. boost::asio介绍： （1）Boost.Asio是一个跨平台的、主要用于网络和其他一些底层输入/输出编程的C++库。Boost.Asio在网络通信抽象了IO概念，可以用它进行同步或者异步的IO网络编程。Boost.Asio可以在大多数操作系统上使用，能同时支持数千个并发的连接。 （2）Asio可以进行异步网络编程，其采用前摄器模式实现异步IO，不需要多线程和锁机制（避免了竞争和死锁）。它内部封装了select、kqueue、poll/epoll、overlappedIO等机制。 （3）io_service是asio库的异步处理处理机制（类似epoll），它负责与操作系统交互，通过调用其run()函数来等待所有的异步操作完成，并为每一个异步操作调用其handler回调函数。它必须先初始化， （4）Asio工作在同步模式：程序发起IO操作请求，随即向IO_service提交请求，由IO_service将请求转交给内核，之后阻塞等待IO操作完成。IO操作完成后由内核通知IO_service，IO_service将结果交给程序。 Asio工作在异步模式：程序发起IO操作请求，随即向IO_service提交请求，由IO_service将请求转发给内核，同时注册handler回调函数，之后立即返回。IO_service的run函数将等待IO操作完成

解决Jenkins 2.0 初始化界面卡住的问题 参考文章： （1）解决Jenkins 2.0 初始化界面卡住的问题 （2）https://www.cnblogs.com/wzy5223/p/5277901.html 备忘一下。 来源： oschina 链接： https://my.oschina.net/u/4432649/blog/4953492

日常鸡汤： 　　当你去想要去放纵自己的时候，多想想你的父母在干什么！ 一、Python简介： 都说“Hello,Wolrd”是万恶之起源，但我觉得介绍才是万恶的起源。 Python 创始人龟叔（Guido van Rossum） 1.主要应用的领域： 云计算：OpenStack WEB开发：Django等框架 科学运算、人工智能：典型库NumPy等 系统运维 金融：量化交易，金融分析 图形GUI：PyQT等 2.编译和解释的区别： 编译器 是把源程序的每一条语句都编译成机器语言，并保存成二进制文件，这样运行时计算机可以直接以机器语言来运行此程序，速度很快。 解释器 是在执行程序时，才一条一条的解释解释成机器语言给计算机来执行，所以运算速度慢，跨平台性高 3.Python语言的特点： 　　“优雅”、“明确”、“简单” 　　并且Python是一门解释型的弱类型语言 二、第一个Python程序 1 # _*_ encoding:utf-8 _*_ 2 print ( " Hello,Word " ) frist 　　当python的版本为2系列的时候需要在编辑代码前加上一行 # _*_ encoding:utf-8 _*_ 　　因为Python2系列的版本默认不支持utf-8的编码，python3 系列没有这个问题 三、变量 1.常量： 　　在python中不存在绝对的常量，只是约定俗称

Fedora 是一个由 Red Hat 赞助、Fedora 项目社区支持的独立 Linux 发行版。 4月底， Fedora 30正式发布，Fedora 30与 Fedora 29 相比，还是发生了不少的变化。值得高兴的是，在Fedora30这一版本中引入了 Deepin 桌面环境（DDE）， 以后可以选择 DeepinDE 体验 Fedora了。 还有哪些变化，赶快看看吧！ 版本/变体 Fedora 拥有诸多版本（Editions），分别契合不同的特定应用场景。这一概念起始于 Fedora 21 版本，社区的需求在此后一直不断变化。在 Fedora 30 中，Fedora Server 版本针对云及服务器的应用场景。关注于容器的 Fedora Atomic Host 版本由 Fedora CoreOS 替代。Fedora Workstation 版本仍旧致力于带来最新的开源的桌面工具。 除了这些 editions 之外，Fedora 项目还通过 Spins（提供替代的桌面环境）和 Labs（特定领域的软件集合）覆盖了更多的不同需求或应用场景，其中也包含适用于 IoT 场景的版本。Feodra 也未曾忘记对其它架构的支持——在常用指令集架构之外，Fedora 还支持 ARM AArch64、Power 及 S390x。 变化 此版本的 Fedora Workstation（工作站

什么是Neo4j?   Neo4j是一个高性能的NoSQL图形数据库（Graph Database），它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。   作为图形数据库，Neo4j最让人惊喜的功能就是它可以直观地展示图，也就是节点与节点之间的关系，当然，它还有其它的优势，比如： 很容易表示连接的数据； 检索/遍历/导航更多的连接数据是非常容易和快速的； 能轻松地表示半结构化数据； Neo4j CQL查询语言命令类似于SQL，可读性好，容易学习； 使用简单而强大的数据模型； 不需要复杂的连接来检索连接的/相关的数据。   在本文中，笔者希望能够通过一个简单的例子来展示Neo4j的使用以及它的强大之处，这无疑更适合于初学者，因为笔者也是刚入门。   以下，笔者并不会过多地介绍Neo4j的操作，只是希望读者能对Neo4j的功能有直观的感受，至于教程之类的，可以参考文章最后的参考文献。   下面，让我们进入本次的Neo4j之旅~ 项目展示   由于《流浪地球》的大热以及笔者对此的欣赏，因此，此次的项目为分析中国电影票房排行。我们的数据来自于百度百科，用 爬虫 得到我们需要的数据