自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

gongdiwudu的专栏

  • 博客(1759)
  • 资源 (7)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 FFT快速傅里叶变换音频分析

​我们使用 Arduino 板来训练音频和运动数据。正如你所猜到的，训练模型的关键部分是特征提取。多亏了Edge Impulse，我不需要在项目期间提取特征。Edge Impulse 有一个用于自动分析数据的平台，它可以为模型选择正确的特征。它将音频数据转换为 FFT 和 PDS。​

2024-04-19 04:30:12 28

原创 【OpenGL实践08】现代渲染管线在GLUT和Pygame和Qt.QOpenGLWidget上各自的实现代码

据说QOpenGLWidget是用来取代QGLWidget的继承者，我们试图将GLUT上的旧代码改成QOpenGLWidget，本以为差别不大，轻易搞定，经实践发现要付出极大努力才能完成。经多次实验发现GLUT窗口、Pygame窗口、Qt.QOpenGLWidget上的实现方法无法兼容，甚至GL方法都不同，经好多天的百度查询，终于总结出各自的实现方法。作文以记录。

2024-04-19 00:19:11 792

原创 深度Q-Learning在算法交易中的应用

如果我们让巴甫洛夫的狗接受强化学习训练，而不是猴子来选择最佳投资组合策略，会怎么样？在本文中，强化学习 （RL） 是一种机器学习技术，智能体在不确定的环境中学习动作，以最大化其价值。智能体从其操作的结果中学习，而无需使用特定于任务的规则进行显式编程，

2024-04-18 00:09:00 516

原创 【QOpenGL实践】QOpenGLWidget

据说QOpenGLWidget是用来取代QGLWidget的继承者，我们通过多次尝试，发现QGLWidget的鲁棒性很差，用来开发游戏，其步履和亚马逊泥沼中行走有类同，谈不上体验，只能叫半成品的测试。从本文之后，我们将尝试QOpenGLWidget，看看是不是人类的曙光再次诞临，若不是也不必太勉强了。用用GLUT或pygame也能度过。

2024-04-18 00:06:10 732

原创 【OpenGL概念】QOpenGLWidget类详述--此文档基于Qt5.14.2

QOpenGLWidget提供了在Qt应用程序中显示集成OpenGL图形的功能。使用它非常简单：让您的类继承它，并像使用任何其他QWidget一样使用子类，除了您可以选择使用QPainter和标准OpenGL渲染命令之间的区别。

2024-04-17 14:48:03 1182

原创 QOpenGLWidget的三维渲染例程

你好朋友们，我试图用 QOpenGLWidget 替换旧的 QGLWidget 来渲染我的 osg 场景很长一段时间，直到我找到这个例子帮了大忙。我们知道，QOpenGLWidget是较为推荐的OpenGL界面，我们就需要了解和使用它。目前这方面资料似乎不够多，尤其是example不多，本篇给出其中之一。以帮助大家熟悉此类编程。

2024-04-17 14:11:44 1132

原创 Qt开发笔记：QGLWidget、QOpenGLWidget详解及区别

开发中模块化时，遇到依赖库使用QGLWidget，也遇到Qt本身库使用QOpenGLWidget的，据传说官方打算弃用QGLWidget，而改用全力支持QOpenGLWidget，但是无论如何，我觉得它们的鲁棒性有问题。本文对两者的区别进行介绍。

2024-04-16 03:50:09 787

原创 【OpenGL实验】在python、Qt5、pyOpenGL程序的若干要点

我们采用Qt5做OpenGL的界面，是因为在QGLWidget窗口上，既可以渲染三维动画，也能有按键，方便人机交互。学习渲染艺术的顺序是：首先要能对一些基本几何图形进行渲染。然后是二维物品渲染，最后是三维物体渲染。以下我们对这个学习过程进行系列解读。

2024-04-16 00:22:49 1331

原创 LinkSage：基于 GNN 的 Pinterest理解

Pinterest 是一个视觉灵感平台，Pinner 可以在这里搜索、保存和购买世界上所有生活时刻的最佳创意。大多数 Pin 图都链接到站外内容，为 Pinner 提供灵感和可操作性。了解站外内容（图像、文本、结构）至关重要，因为了解其语义是评估站外内容的安全性（例如社区指南）、功能、相关性和可操作性（例如广告和购物）的重要因素。

2024-04-15 00:09:07 865

原创 【OpenGL开发】PyQt在关闭应用程序时没有运行析构函数的问题

应用QT做程序界面，在程序退出的时候，需要调用析构函数释放资源，这个操作在Python程序中，虽然不调用析构函数，资源也可以释放。在QOpenGLWidget中，会产生一系列的buff对象，如果不能正确释放，程序将出现状况，如何解决？

2024-04-15 00:05:01 988

原创 使用 Python 的扩展卡尔曼滤波 （EKF） 代码示例

在本教程中，我们将介绍您需要了解的有关扩展卡尔曼滤波器 （EKF） 的所有信息。最后，我提供了一个使用 Python 代码的详细示例，向您展示如何从头开始实现 EKF。

2024-04-14 15:17:13 59 1

原创 扩展卡尔曼滤波背后的数学原理

如果你点击了这篇文章，你可能想知道扩展卡尔曼滤波器到底是什么。我们会谈到这一点。但首先，本篇想告诉你为什么你应该关心他们。让我们以电动汽车为例。也许最经典的是特斯拉电动汽车，它恰好也在开发自动驾驶。

2024-04-14 13:33:28 906

原创 GLWidget的2D 绘画示例

一、概述为了能够比较绘画的结果具有本机绘图的子类子类，我们想要并排显示两种小部件。为此，我们派生子类和，使用单独的Helper类为每个类执行相同的绘制操作，并将它们布局在顶级小部件中，它本身提供了一个类Window。2D 绘画示例展示了如何和可以一起使用以在支持的硬件上显示加速的 2D 图形。这类用于将 2D 图形基元绘制到由子类，例如和。自从是一个子类，可以重新实现它的() 并使用在设备上绘图，就像使用。唯一的区别是，如果系统的 OpenGL 驱动程序支持的话，绘画操作将在硬件中加速。

2024-04-13 16:13:01 827

原创 带函数的多代理 AutoGen - 使用代码示例分步

AutoGen 是一个开创性的多智能体对话框架，彻底改变了基础模型的使用方式。这个创新平台具有多功能、可对话的座席，能够通过自动座席聊天集成大型语言模型 （LLM）、工具和人类见解。AutoGen 的独特方法不仅简化了复杂的 LLM 工作流程，而且还最大限度地提高了其性能，标志着下一代 LLM 应用程序开发的飞跃

2024-04-13 14:01:30 884

原创 【AI基本模型】简化生成对抗网络 （GAN）

生成对抗网络 （GAN） 是一种机器学习算法，可以生成与现实世界数据几乎无法区分的合成数据。它们的工作原理是让两个神经网络在类似游戏的竞争中相互对抗，每个网络都试图通过智取另一个网络来提高其性能。

2024-04-13 13:14:39 863

原创 【AI基本模型】图卷积网络GCN简化原理

图卷积网络 （GCN） 于 2017 年推出，已成为分析和解释结构为图的数据的强大工具。对于非线性的关系，如拓扑形结构，CNN将出现规模上的爆炸，因此，这里涌现出了很多方法，例如GNN、DeepWalk、node2vec等等，GCN只是其中一种，这里只讲GCN，其他的后面有空再讨论。

2024-04-12 13:11:39 844 1

原创 NLP问答系统：使用 Deepset SQUAD 和 SQuAD v2 度量评估

在本文中，我们将研究使用 Deepset 的 SQUAD2 模型进行问答以及使用SQuAD v2 指标评估模型，我们将使用 model —deepset/minilm-uncased-squad2。

2024-04-12 12:46:41 853

原创 新的相关系数

如果有人告诉你，有一种新的方法来衡量两个变量之间的关系，就像相关性一样，只是可能更好。更具体地说，在 2020 年发表了一篇题为“新的相关系数”[1]的论文，引入了一种新的度量，当且仅当两个变量是独立的时，该度量等于 0，当且仅当一个变量是另一个变量的函数时，才等于 1，最后具有一些很好的理论属性，允许进行假设检验，同时实际上不对数据做出任何假设。在我们开始之前，让我们简要地谈谈更传统的相关性度量是如何工作的。

2024-04-11 10:19:21 742

原创 Qt布局管理详解（5种布局控件）

实际开发中，一个界面上可能包含十几个控件，手动调整它们的位置既费时又费力。作为一款成熟的 GUI 框架，本文介绍五个基本布局对象。

2024-04-11 10:15:57 1192

原创 强化学习：简介和主要概念

R强化学习是机器学习中的一个特殊领域，与监督或无监督学习中使用的经典方法有很大不同。最终目标包括开发一种所谓的代理，该代理将在环境中执行最佳操作。从一开始，智能体通常表现得很差，但随着时间的推移，它通过与环境的交互来调整其策略，从试错法中调整其策略。

2024-04-10 17:35:44 59

原创 使用 LSTM 和 TensorFlow 中的注意力机制进行高级股票形态预测：Apple Inc. （AAPL） 数据分步指南

在瞬息万变的金融市场中，准确的预测就像圣杯一样。当我们寻求更复杂的技术来解释市场趋势时，机器学习成为希望的灯塔。在各种机器学习模型中，长短期记忆（LSTM）网络受到了极大的关注。当与注意力机制相结合时，这些模型变得更加强大，尤其是在分析股票价格等时间序列数据时。本文深入探讨了LSTM网络与注意力机制相结合的有趣世界，重点利用雅虎财经（yfinance）的数据预测苹果公司（AAPL）股价接下来的四根蜡烛的模式。

2024-04-10 13:49:34 1241

原创 在Graphcore IPU上加速和扩展时态图网络

​IPU 是一种全新的大规模并行处理器，与Poplar® SDK共同设计，旨在加速机器智能。自第一代 Colossus IPU 以来，我们在芯片和系统架构中的计算、通信和内存方面取得了突破性进展，与 MK1 IPU 相比，实际性能提高了 8 倍。 GC200 是世界上最复杂的处理器，得益于 Poplar 软件，它变得易于使用，因此创新者可以实现人工智能突破。​

2024-04-10 13:12:26 688

原创 深度学习架构（CNN、RNN、GAN、Transformers、编码器-解码器架构）的友好介绍。

本博客旨在对涉及卷积神经网络 （CNN）、递归神经网络 （RNN）、生成对抗网络 （GAN）、转换器和编码器-解码器架构的深度学习架构进行友好介绍。让我们开始吧！！

2024-04-10 12:31:55 1808 7

原创 【openGL4.x手册14】OpenGL 渲染管道的逻辑运算

对于渲染管道的混合方案，需要以种种不同混合方案，其中混合的方式用逻辑运算实现。其次，在混合颜色的时候，还有掩码过滤器，本文将介绍这些颜色混合操作。

2024-04-09 08:28:45 850

原创 Python 中的离线语音转文本

写作、编码、写博客、办公室工作、文档、报告都需要一个人在键盘上打字。这会导致健康问题，如腕管综合症、手和手指疼痛等。我非常了解这种痛苦。这是用于创建自己的离线运行的听写程序的 Python 代码。只需对着耳机的麦克风说话，它就会将您的话转换为文本并将其保存在文本文件中。

2024-04-09 08:12:33 363

原创 【使用 PyQt6-第03章】PyQt6 布局

QT的界面如何能够快速生成？对象layout可以完成，本文针对见面布局。另外的方法，您还可用布局编辑器完成。这里我们使用代码，以便您可以了解底层系统。

2024-04-08 09:41:15 947

原创 使用 Python 的 LSTM 进行股市预测

​在本教程中，您将了解如何使用称为长短期记忆的时间序列模型。 LSTM 模型非常强大，尤其是在设计上保留长期记忆，正如您稍后将看到的。您将在本教程中解决以下主题：了解为什么您需要能够预测股价走势；下载数据 - 您将使用从雅虎财经收集的股票市场数据；分割训练测试数据并执行一些数据标准化；回顾并应用一些可用于一步预测的平均技术；激发并简要讨论LSTM 模型，因为它可以提前预测不止一步；利用当前数据预测和可视化未来股市​

2024-04-08 09:26:51 905

原创 【openGL4.x手册13】色彩混合blend

渲染管道的阶段，它从片段着色器获取片段颜色输出，并将它们与这些输出映射到的颜色缓冲区中的颜色组合在一起。混合参数可以允许以各种方式组合每个输出的源颜色和目标颜色。

2024-04-07 07:00:39 665

原创 【使用 PyQt6-第03章】 部件 QPushButton、QCheckBox、QComboBox、QLabel 和 QSlider 小部件

部件 QPushButton、QCheckBox、QComboBox、QLabel 和 QSlider 小部件创建附加窗口，本教程也适用于 PySide6 、 PySide2 和 PyQt5在 Qt（以及大多数用户界面）中，“widget”是用户可以与之交互的 UI 组件的名称。用户界面由排列在窗口内的多个小部件组成。Qt 附带了大量可供选择的小部件，甚至允许您创建自己的定制小部件。

2024-04-07 02:55:54 810

原创 双摆及其他：从多臂摆研究混沌

关于混沌如何实现？能否用计算机模拟？本文从简单的物理道具：双臂摆的物理方程，引进混沌理念。进而进行复杂的自然状态中。本文只是研究题目的引出，日后如果需要进一步加深，不妨提供一个踮脚的石头。

2024-04-06 14:41:32 866

原创 【非欧几何】曼德布洛特集合

曼德布洛特集合，是非常神奇的复平面映射函数，也是分形几何图像的早期研究。本文将这种概念进行粗略简绍，以记录这种题目，好日后详细研究。

2024-04-06 13:53:11 1019

原创 数据挖掘中的PCA和KMeans：Airbnb房源案例研究

主成分分析 （PCA） 是一种统计技术，可简化高维数据的复杂性，同时保留趋势和模式。它通过将数据转换为较少的维度来实现此目的，这些维度充当特征的摘要，称为主成分 （PC）。这些分量彼此正交，确保它们表示数据中的独立方差。

2024-04-05 12:45:42 1965 1

原创 使用注意力机制的 LSTM 彻底改变时间序列预测

在时间序列预测领域，对更准确、更高效的模型的追求始终存在。深度学习的应用为该领域的重大进步铺平了道路，其中，长短期记忆 （LSTM） 网络与注意力机制的集成尤其具有革命性。本文深入探讨了一个实际案例研究：使用这种复杂的架构预测 Apple Inc. （AAPL） 的股价。

2024-04-05 12:29:55 1579 2

原创 为什么要学习数学/科学史？

哈代的经典著作《数学家的道歉》，他在书中为自己选择的数学职业辩护，他坦诚了自己一生贡献之微不足道。事实是，哈代没什么可道歉的。哈代是一位真正的顶级数学家，完全有资格获得他选择的头衔，并且以伯乐之能，挖掘了人类金矿哈马努金。而数学是人类的史诗，每个数学家只要成了一个音符已经足够。

2024-04-04 13:28:42 1081

原创 余集和拉格朗日定理

数学家总是痴迷于根据乍一看似乎完全无关的事实/观察来形成概括。为什么？原因很简单，如果我们知道相同的骨架是不同数学结构的基础，那么我们就可以只详细研究一种结构，并确信其他结构也会得到类似的结果。这不是节省了很多时间吗！

2024-04-04 13:04:41 1255

原创 RL — 强化学习算法概述

我们在本系列中研究了许多强化学习 （RL） 算法，例如，用于 MoJoCo 任务的策略梯度方法、用于 Atari 游戏的 DQN 和用于机器人控制的基于模型的 RL。虽然许多算法都是在特定领域引入的，但这种联系只能是遗留的。在本文中，我们将概述这些算法，并讨论它们在选择使用方法时的一般权衡。

2024-04-03 15:56:35 73

原创 RL — 强化学习的若干技巧

深度学习 （DL） 很难训练，强化学习 （RL） 要糟糕得多。在早期开发中，请遵循与 DL 相同的策略：保持简单！消除任何妨碍您的花里胡哨，并将不确定性降至最低。具体到 RL，对于新的模型和算法，选择简单的玩具实验进行早期开发。首先简化问题，以便我们可以轻松快速地运行实验。耐心地进行超参数调整。RL 对超参数非常敏感（比 DL 差）。尝试不同的随机种子。目标低。始终从有效的东西开始工作。

2024-04-03 15:08:39 65

原创 朗之万方程，机器学习与液体中的粒子运动

梯度下降算法是机器学习中最流行的优化技术之一。它有三种类型：批量梯度下降（GD）、随机梯度下降（SGD）和小批量梯度下降（在每次迭代中用于计算损失函数梯度的数据量不同）。

2024-04-02 12:16:45 991

原创 【玻尔兹曼机】玻尔兹曼分布（01）

关于玻尔兹曼分布是最基本的统计物理方程，然而，却很不容易理解和接受。本篇用牛津大学Brian Zhang的理论推导加以理解，希望这是一个很好通向未来的台阶。

2024-04-02 12:14:28 1182

原创 强化学习的 9 个令人惊畏的实际应用

强化学习是顺序决策的框架。它与通常的监督设置不同，因为不存在标签。在这个框架中，“智能体”与“环境”交互以获得经验，智能体从中学习执行最优化的行动，从而最大化其回报。

2024-04-01 11:52:43 694

OpenGL4.6的GLSL语言规格手册
本文档仅指定 OpenGL 着色语言 (GLSL) 4.60 版本。这个需要__VERSION__ 替换 460，并且要求 #version 仅接受 460。如果声明了 #version数字较小时，接受的语言是着色语言的早期版本，即是否支持取决于 API 中上下文的版本和类型。参见规范有关支持哪些语言版本的详细信息，请参阅参考资料。 以前版本的 OpenGL 着色语言以及 OpenGL ES 着色语言，不是此处指定版本的严格子集，特别是在精度、名称隐藏规则和接口变量的处理方面。参见对应的规格特定语言版本，了解特定于该语言版本的详细信息。

2024-04-19

OpenGL4.6开发手册
这是现代图形渲染技术OpenGL4.6开发手册，共有800页，包括丰富的案例和解说，是游戏开发人员的有力助手。

2024-04-19

【OpenGL高级】刚体绕任意轴旋转
解决三维坐标下的刚体旋转问题，欧拉角存在缺陷，当旋转点落在坐标轴上，旋转公式失灵。围绕任意轴旋转的点3d变换，正规公式是罗德里格斯矩阵。本篇专门介绍它的推导过程，而且提供C++的示例代码。

2024-04-19

【OpenGL实践08】现代渲染管线在GLUT和Pygame和Qt.QOpenGLWidget上各自的实现代码
该资源花了很多精力完成，主要看点是1）组件（按钮）参与渲染 2）渲染的关键步骤、关键函数。3）如何在Qt5使用着色器 4）三维视图如何调节显示 5）Qt5下较为健壮的程序布局设计 6）一些手册上不明说的隐含关键点。总之，用Qt5下的渲染管线中，这是一个成功典范。

2024-04-19

QOpenGLWidget的三维渲染
你好朋友们，我试图用 QOpenGLWidget 替换旧的 QGLWidget 来渲染我的 osg 场景很长一段时间，直到我找到这个例子帮了大忙。我们知道，QOpenGLWidget是较为推荐的OpenGL界面，我们就需要了解和使用它。目前这方面资料似乎不够多，尤其是example不多，本篇给出其中之一。以帮助大家熟悉此类编程。

2024-04-17

【OpenGL实验】在python、Qt5、pyOpenGL程序的若干要点
我们采用Qt5做OpenGL的界面，是因为在QGLWidget窗口上，既可以渲染三维动画，也能有按键，方便人机交互。学习渲染艺术的顺序是：首先要能对一些基本几何图形进行渲染。然后是二维物品渲染，最后是三维物体渲染。以下我们对这个学习过程进行系列解读。伴随的程序开发有许多注意点，稍有不慎就使程序陷入瘫痪状态，本系列针对作者的调试代码进行实况分析。

2024-04-15

强化学习的Q(λ）学习原理资料
Q(λ)-学习（Watkins，1989；Peng & Williams，1996）是一种重要的强化学习（RL）方法。它结合了 Q-learning（Watkins，1989；Watkins & Dayan，1992）和 TD(λ)（萨顿，1988；Tesauro，1992）。 Q(λ) 被广泛使用——人们普遍认为它优于简单的一步 Q 学习，因为它使用单一经验来更新评估过去发生的多个状态/动作对 (SAP)。线上与线下。我们区分在线强化学习和离线强化学习。

2024-03-27

强化学习的Q-Learn算法ppt资源
强化学习的主要算法：包括Q-learning、SARSA、DQN、A3C、TRPO、PPO和SAC等。这些算法各有特点，适用于不同的场景和任务。例如，Q-learning和SARSA是基于值函数的强化学习算法，旨在学习最优策略以最大化累积奖励；而DQN则是深度强化学习算法，使用神经网络来估计值函数，并通过反向传播算法更新网络参数。 强化学习在多个领域具有广泛应用。在自动驾驶系统中，强化学习可以帮助车辆感知周围环境并做出决策，实现自主行驶。在医疗领域，强化学习可以用于辅助医生进行病例分析、诊断和治疗方案制定，提高医疗服务的准确性和效率。此外，强化学习还在智能物流和仓储管理、金融投资决策等领域发挥着重要作用。

2024-03-27

使用 python + Qt + OpenGL 的第一步
在本教程中，我们将编写一个小型 Python 脚本，该脚本在 GUI 中呈现一个立方体，并使用滑块来控制其旋转。这将基于其他教程，即本教程，但会更详细地解释该过程和一般 OpenGL 概念。您可以在此处下载完整的脚本。

2024-03-27

使用Python动画粒子的薛定谔波函数（ψ）（完整代码）
物质的双重性质是物理学家中一个著名的概念。原子尺度的物质在某些情况下表现为粒子，而在某些情况下，它们的行为类似于波。为了解释这一点，我们引入了波函数ψ（x，t），它描述的不是粒子的实际位置，而是在给定点找到粒子的概率。波函数ψ（x，t）或概率场，满足一个也许是最重要的偏微分方程，至少对物理学家来说是这样，是薛定谔方程。

2024-03-20

glViewport - 人为干预视口改变和场景
游戏开发中，人机互动机制是必不可少的。输入装置要么操作杆、要么是键盘。视口改变是无论在3D还是2D都要出现的功能，比如，google地图就是一个显然的变视口问题，视口如同一个放大镜在地图上方移动，理论上可以看到地图上所有地方。本篇就模拟实现之。

2024-03-10

【OpenGL实现 03】纹理贴图原理和实现
一、说明 本篇叙述在画出图元的时候，如何贴图纹理图片。和纹理坐标的原理实现，以及纹理如何生成，和如何传递进入着色器。对以上进行解说，并附上源代码。

2024-03-08

12pyopenGL静态圆锥方体球体前后遮挡
一、裁剪说明 在 OpenGL 中提高渲染的一种方式。只刷新屏幕上发生变化的部分，OpenGL 允许将要进行渲染的窗口只去指定一个裁剪框。 基本原理：用于渲染时限制绘制区域，通过此技术可以在屏幕（帧缓冲）指定一个矩形区域。启用裁剪测试之后，不在此矩形区域内的片元被丢弃，只有在此矩形区域内的片元才有可能进入帧缓冲。因此实际达到的效果就是在屏幕上开辟一个小窗口，可以再其中进行指定内容的绘制。

2024-02-23

11PyopenGL如何将图片贴到表面class03
本资源实现对于openGL如何将纹理图片粘贴到对象平面中。 纹理（贴图），纹理是一张2D图片（当然也有1D和3D的纹理），用于贴在物体表面。相比于使用顶点来增添图形的细节，使用纹理能节省开销，并且能做到更多细节。 为了能够把纹理映射(Map)到物体上，我们需要指定物体的每个顶点各自对应纹理的哪个部分。这样每个顶点就会关联着一个纹理坐标(Texture Coordinate)，2D的纹理坐标通常用(u,v)或是(s,t)表示，并且 u,v ∈(0, 1)，使用纹理坐标获取纹理颜色叫做采样(Sampling)。纹理坐标起始于(0, 0)，也就是纹理图片的左下角，终始于(1, 1)，即纹理图片的右上角。 我们只需要指定每个顶点对应的纹理坐标，之后在图形的其它片段上进行片段插值(Fragment Interpolation)。

2024-02-23

大脚怪野外募集报告数据分析
大脚怪野外研究组织 (BFRO) - www.bfro.net - 是一个致力于调查大脚怪/大脚野人之谜的组织。 共有三个文件： bfro_report_locations.csv- 表格地理编码报告 bfro_reports.json- 以行分隔的 JSON 格式的全文报告。 bfro_reports_geocoded.csv- 报告位置和全文报告的合并和清理版本。 报告 数据集中最有用的文件可能是bfro_reports_geocoded.csv. 它包含与报告位置相关的完整报告中最相关的字段，现在还包含目击当天的天气状况。 天气状况是使用Dark Sky API获得的。 围绕时间戳和纬度/经度值，还对该数据集应用了一些数据清理。 并非所有全文报告都有相应的地理编码报告 - 在这种情况下，地理信息为空。 每个地理编码报告显然都包含纬度和经度值。 它还包含报告标题、报告编号和报告分类。 BFRO 网站上对报告分类进行了解释，但基本上分类决定了事件的性质 - 直接目击、噪音、踪迹等。 还有时间戳。 除了标题之外，该文件中的数据也是结构化的。

2024-02-22

1975年卡顿伍德湖研究区湿地P1数字正射校正航空
北达科他州斯图茨曼县卡顿伍德湖研究区湿地 P1 航拍照片的正射校正图像。这张照片是 1975 年至 2015 年 7 月和 8 月初拍摄的研究区域照片集的一部分。

2024-02-22

坦桑尼亚的多多马太阳能测量数据
坦桑尼亚的多多马和欣扬加截至 2021 年 12 月 31 日以及达累斯萨拉姆截至 2022 年 11 月 30 日的地面测量太阳辐射和气象数据。马昆杜奇的地面测量太阳辐射和气象数据可在桑给巴尔找到。

2024-02-22

2022年全球气候热点数据集
作为世界资源研究所全球恢复倡议绘制森林和景观恢复机会地图的一部分，潜在森林地图代表了对在当前气候条件下、没有人类影响的情况下森林生长位置的估计。定义潜在森林范围的主要数据来源是世界陆地生态区（Olson 等，2001）。每个生态区根据其描述（包括当前和潜在的植被）及其不同森林类型的比例，以及以下方面的额外输入，被归类为属于四个类别之一：茂密森林、开阔森林、林地或非森林数据集：当前森林范围；生物气候区划和原始森林覆盖范围；以及根据全球气候变量和海拔进行建模生成的森林分布图（Hansen 等人，2013 年；Zomer 等人，2007 年）。由于全球一致数据的可用性有限，该数据集基于显着简化。这些地图的比例相对较粗，只能用于估计区域或全球范围内的潜在森林覆盖率。潜在森林覆盖率的估计是基于在没有人为干扰的情况下当前的气候条件。

2024-02-22

林业类数目种类分布的数据集
仅根据制图变量预测森林覆盖类型（无遥感数据）。给定观测（30 x 30 米单元）的实际森林覆盖类型是根据美国林务局 (USFS) 第 2 区资源信息系统 (RIS) 数据确定的。自变量源自最初从美国地质调查局 (USGS) 和 USFS 数据获得的数据。数据为原始形式（未缩放），包含定性自变量（荒野地区和土壤类型）的二进制（0 或 1）数据列。 该研究区域包括位于科罗拉多州北部罗斯福国家森林的四个荒野地区。这些区域代表了人为干扰最小的森林，因此现有的森林覆盖类型更多的是生态过程而不是森林管理实践的结果。这四个荒野地区的一些背景信息： Neota（区域 2）可能具有 4 个荒野地区中最高的平均海拔值。 Rawah（区域 1）和 Comanche Peak（区域 3）的平均海拔值较低，而 Cache la Poudre（区域 4）的平均海拔值最低。 至于这些地区的主要树种，尼奥塔的主要树种是云杉/冷杉（1 型），而拉瓦和科曼奇峰的主要树种可能是黑松（2 型），其次是云杉/冷杉和白杨（5 型） ）。 Cache la Poudre 往往含有黄松（3 类）、花旗松（6 类）和棉白杨/柳

2024-02-22

实木板表面纹理识别数据集
说明 我们搭建了一个用于拍摄实木板表面纹理照片的自动化传输平台，配备了 OscarF810CIRF 工业相机。拍摄的照片被裁剪为200×200像素，构成模型训练和测试的数据集。为了更好地拟合我们的模型，我们随机选择了原始数据集的80%作为训练集。然后通过四种扩展方法将原始训练集扩展至原来的六倍。第一种方法，以图像横轴为对称轴，对训练集中所有图像进行上下镜像；第二种方法，以图像纵轴为对称轴，对训练集中所有图像进行左右部分镜像；第三种方法随机提取原始训练集的二分之一，并对其进行随机亮度变换；第四种方法随机抽取一半的原始训练集，对其进行随机对比变换。剩余20%的原始数据集作为模型的测试集。

2024-02-21

Capstone-食物数据集
说明 以下是该项目的一些用例： 饮食跟踪应用程序：该模型可用于饮食和营养跟踪应用程序，帮助个人识别和记录他们每天消耗的食物。这有助于更好地跟踪他们的卡路里摄入量和其他营养信息。 自动化食品服务机器人：“Capstone-food”模型可用于自动化餐厅的食品服务机器人。机器人可以使用这个模型来识别不同类型的食物，并相应地将它们送到正确的餐桌上。 快餐行业的食品质量控制：该模型可以帮助实现快餐连锁店质量控制过程的自动化。它可以标记食物呈现中的任何不一致之处，检查是否准备了正确的食物订单，或者是否有任何异常情况（例如错误的物体）。 互动烹饪节目或教程：此模型可用于互动烹饪节目或在线教程。观众可以参与诸如成分识别或了解正在准备的特定菜肴的琐事等任务。 智能杂货购物：该模型可用于构建智能购物应用程序。这些应用程序可以帮助用户在购物时识别食品，并提供营养成分、可能的食谱或是否符合他们的饮食要求等信息。

2024-02-21

关于数据集：食物的热量
关于数据集：食物的热量 该数据集将帮助您发现常见食物的热量含量和其他事实。当您使用此数据集来了解您的身体如何从您最喜欢的膳食和零食中获取能量时，特别注意您所吃食物中的卡路里含量，您将能够做出永远不会让您感到内疚的饮食选择（或备胎）。44 个食品类别中每 100 克 2225 种食品的卡路里/KJ。

2024-02-21

坦克打飞船的完整代码（可执行）
说明 此为完整游戏完成。 这是一个完整的pygame游戏。1）有动画，有音乐，对象编程。2）事件管理：我们将首先管理事件的代码移到了一个名为check_events()的函数中，以简化run_ganme()并隔离事件管理循环。通过隔离事件循环，可将事件管理与游戏其他方面(如更新屏幕)分离。3）事件循环：这个模块中导入了事件检查循环要使用的sys和pygame。当前函数check_envents()不需要任何形参，其函数体复制了alien_invasions.py事件循环。比如：修改alien_invasion.py，使其导入模块game_functions，并将事件循环替换为对函数check_points()的调用。4）重构设计：在大型的项目中，经常需要在添加新代码前重构既有代码。重构旨在简化既有代码的结构，使其容易扩展。在本小节中，我们创建了一个名为game_functions的新模块，它将存储大量让游戏《外星人入侵》运行函数。通过创建模块game_functions，可避免alien_invasion.py太长，并使其逻辑更容易理解。

2024-02-16

坦克打飞碟的游戏基础界面实现
说明 这里是pygame游戏制作的示范，其中看点是，1）如何在时间驱动下对象移动；2）如何用键盘驱动坦克移动 3）画面重叠后如何处理遮挡。总之，这是一个简短的掌握pygame的高效案例。

2024-02-16

8pygame键盘动画实现
1 说明 该资源是面向游戏编程的初步阶段，是模拟游戏背景设定；游戏前景如何设定；游戏中定时器; 游戏中的键盘操控；游戏前景物体移动等. 资源内共分三段程序：1 如何显示图片；如何重叠显示图片；2 如何分配键盘和时间的关系. 3 如何使得游戏中前景移动。参照博客和示例代码，相信客户很快就能掌握相关知识。 2 资源描述 在Pygame中窗口和图片都称为Surface，所谓Surface对象在Pygame中就是用来表示图像的对象，图片是由像素组成的，Surface 对象具有固定的分辨率和像素格式。 Surface screen是绘制其他图形的主要窗口，我们设置的是一个800*600像素的窗口，默认是黑色的窗口，这个就是我们游戏的主界面。不过目前还不能随意关闭窗口，需要关闭事件。 3 具体参照博客： https://blog.csdn.net/gongdiwudu/article/details/136112471?spm=1001.2014.3001.5501

2024-02-15

双曲几何的库geometry-tools库（在python用）
说明 Geometry_tools 是一个 Python 包，旨在帮助您处理和可视化双曲空间和射影空间上的群动作。 该包主要构建在 numpy、matplotlib 和 scipy 之上。或者，该包可以使用 Sage 提供的工具来执行（缓慢的）精确计算。 几何工具可以帮助您： 在多个模型（即克莱因模型、双曲面模型、射影模型、庞加莱模型和半空间模型）中对双曲空间中的对象执行数值（或有时是精确）计算 在双曲平面、实射影平面、复射影线上画出漂亮的图画 使用 Coxeter 群的表示进行实际计算双曲距离。 使用有限状态自动机在字双曲群中进行一些简单的计算在双曲平面、实射影平面、复射影线上画出漂亮的图画 还提供了对 3D 图形的一些有限支持（通过 matplotlib）。 参考文章： https://yamagota.blog.csdn.net/article/details/136091083

2024-02-10

C++ 中的模型预测控制(012)
以下文章介绍了应用模型预测控制器的简单控制系统方法。本文讨论了这种控制的基本机制，该机制适用于各种工程领域。MPC 涉及对未来系统行为的预测（由一组方程描述的模型）。在优化过程中实现物理模型的所需位置（成本函数）。 您可以想象，具有系统动态模型（线性时不变 （LTI） 系统中的矩阵 A）的 MPC 模拟或预测模型在未来的位置或行为。然后，控制器计算一系列控制输入，以最小化预定义的成本函数，同时考虑所需的目标和约束。出于本文的目的，我在 C++ 中准备了简单的模拟。其目的是展示可以轻松复制的原理，用于更高级的模型动力学。

2024-02-09

4用C++和matplotlib实现贝塞尔曲线的库
以下文章介绍了用 C++ 计算和绘制的贝塞尔曲线（2D 和 3D）。    贝塞尔曲线具有出色的数学能力来计算路径（从起点到目的地点的曲线）。曲线的形状由“控制点”决定。所讨论的曲线最重要的特征是平滑度。    在许多应用和领域中，平滑度是不可或缺的。我们可以考虑机器人或其他机器的运动，其中运动必须是可预测的，以确保人员和硬件的安全（低磨损系数）。当机器人关节的轨迹被计算为平滑路径时，我们可以假设机器人将按照规划的路径平滑地移动，不会出现急动或意外移动。请注意，在我们考虑的机器人技术中，除了路径之外，还有速度、加速度、冲击力和电机扭矩。所有这些参数主要影响最终路径。    除了机器人技术之外，贝塞尔曲线还用于动画、游戏和设计。为了绘图的目的，我将使用我之前的文章中讨论过的 C++ 的 matplotlib 库。    头文件（用于绘图库）必须与您的 cpp 位于同一文件夹中。您的程序可以按如下方式编译。参考博文：https://yamagota.blog.csdn.net/article/details/136081941

2024-02-09

python多进程博客案例
用python实现线性方程组。线性方程组的计算机解法，如果自己写一个，不仅需要程序机巧，而且需要数字计算的理论机巧；绝对不同于《线性代数》所讲授的那样 如果您尝试自己用克莱蒙方法解线性方程组，却实现的不太理想，那就看看这个代码吧。

2024-01-27

2用python实现仿射变换的案例
用python实现线性方程组。线性方程组的计算机解法，如果自己写一个，不仅需要程序机巧，而且需要数字计算的理论机巧；绝对不同于《线性代数》所讲授的那样 如果您尝试自己用克莱蒙方法解线性方程组，却实现的不太理想，那就看看这个代码吧。

2024-01-27

基于python的线性方程数字解法
用python实现线性方程组。线性方程组的计算机解法，如果自己写一个，不仅需要程序机巧，而且需要数字计算的理论机巧；绝对不同于《线性代数》所讲授的那样如果您尝试自己用克莱蒙方法解线性方程组，却实现的不太理想，那就看看这个代码吧。

2024-01-27

pygame泡泡碰撞游戏
该项目是pygame库多泡泡碰撞游戏的项目。该项目虽简单，但是专业化作品，包括滚动的泡泡碰撞检测、场景画面，音乐伴随等。有兴趣游戏开发的读者，可以从中获得灵感感和启发。与本项目相关的博文地址是：https://yamagota.blog.csdn.net/article/details/134148849 可以参考，进行更高水平的游戏开发。

2023-11-04

python基于pygame库开发的滑雪游戏
该项目是pygame库建立滑雪游戏的项目。该项目虽简单，但是专业化作品，包括滚动的场景画面，音乐伴随等。有兴趣游戏开发的读者，可以从中获得灵感感和启发。与本项目相关的博文地址是：https://yamagota.blog.csdn.net/article/details/134148849 可以参考，进行更高水平的游戏开发。

2023-11-04

Ceras下cifar10的图像识别深度网络
一、说明 深度学习最一般的网络是lenet，和数据集minist数据集搭配；而图像的最一般数据集是cifar10，该数据集由32x32尺度的小图片构成，本项目演示，在tensorflow2.0下，如何构建一个小型感知机，去识别cifar10的图片内容，稍加改变，就可以实现客户图片的识别。

2023-10-26

小工具：移除目录内部所有空目录
一说明  此 Python 脚本搜索并删除指定目录中的空文件夹。它可以帮助您保持干净整洁的文件夹结构，尤其是在处理大型数据集时。此为整理文件小工具，实现归档目的。

2023-10-23

小工具：将目录中文件按照扩展名整齐归档
一说明 此 Python 脚本通过根据文件扩展名将文件分类到子目录中来组织目录中的文件。它标识文件扩展名并将文件移动到相应的子目录。这对于整理下载文件夹或组织特定项目的文件非常有用。此为整理文件小工具，实现归档目的。

2023-10-23

pytorch下多层感知机的实现
一、说明 用pytorch轻松实现多层感知机。本项目中两个看点：1）如何在torch实现多层感知机。2）如何调试这个程序，在调试中，作者发现了典型的系统错误，这种错误是普遍的，很值得记录之，因此，本项目附带《调试记录》以警告读者，如何避免同类问题。

2023-10-23

二项分布的字符串自动生成和统计验证
一、说明 在进行概率实验的时候，需要最基本的抽样实验，而抽样中，最简单的是抛币实验，这里我们实现了机器模拟抛硬币仿真，可以修改0-1分布的概率分布，以生成不同的符号序列。这里假定我们只有a和b两种符号的字符串。稍加修改，该项目可以实现多样本的抽样模拟。以至于数据集可以自动生成。

2023-10-22

AdaBoost 从弱分类器到强分类器的工作原理
一、说明 AdaBoost 从弱分类器到强分类器的工作原理 AdaBoost 通过一系列迭代或轮次运行来构建强大的分类器。以下是 AdaBoost 工作原理的分步概述： 初始化权重：在第一轮中，所有训练样本都被分配相同的权重。目标是对这些示例进行正确分类。 训练弱学习器： AdaBoost 选择弱学习器并根据训练数据对其进行训练，为上一轮错误分类的示例赋予更多权重。 计算误差：训练后，AdaBoost 计算弱学习器的误差。误差是错误分类示例的权重之和除以总权重。 更新权重： AdaBoost 增加了错误分类示例的权重，使它们在下一轮中更加重要。这更加强调了之前具有挑战性的数据点。 迭代：重复步骤 2 到 4 预定的轮数或直到达到一定的准确度。 组合弱学习器：最后，AdaBoost 通过根据每个学习器的表现分配权重来组合弱学习器的预测。更强的学习者会获得更高的权重，对最终预测的贡献更大。 进行预测：为了对新数据进行预测，AdaBoost 计算弱学习器预测的加权和，每个学习器的权重由其在训练期间的表现决定。

2023-10-22

PIL库Image批量处理图片示例
一、说明 Image和arry需要相互转化，转化的真正目的，就是将图片运算中，由Uint8转成int32、int64、float32 等，然后进行函数变换，最后再方便地显示出来。整个过程需要numpy与image互转；本项目就是演示这个过程，对于图像处理给以参考。 1 numpy与image互转 PIL image转换成array import numpy as np img = np.array(image) 或 img = np.asarray(image) 2 array转换成image from PIL import Image Image.fromarray(np.uint8(img))

2023-10-21

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除