买药弟弟-CSDN博客

原创 Page Context 设计 | React.createContext 入门

在 React 应用程序中，有时候需要在组件之间共享某些数据，而不必通过一层层的传递 props。这时就可以使用 Context API。它提供了一种在组件树中传递数据的方法，而不必手动地通过 props 层层传递。这样可以使得组件之间的数据共享变得更加简单和便捷。方法是使用 Context API 的第一步，它用于创建一个 Context 对象。通过 Provider 和 Consumer 组件，我们可以在 React 应用程序中实现组件之间的数据共享，而不必手动地通过 props 层层传递。

2024-04-14 17:52:14 437

原创结合 react-webcam、three.js 与 electron 实现桌面人脸动捕应用

开发桌面级别的人脸动捕应用程序是一个具有挑战性但也充满创意的任务。本文将介绍如何利用 React-Webcam、Three.js 和 Electron 结合起来，轻松实现一个功能强大的桌面人脸动捕应用。

2024-04-14 17:41:58 1150 1

原创 React + three.js 实现人脸动捕与3D模型表情同步

在本系列的上一篇文章中，我们已经探讨了如何在 React 中利用 three.js 来操作模型面部表情，现在，我们将深入研究如何结合人脸特征点检测与模型表情控制实现人脸动作步骤并与3D模型表情同步。让我们一同探索如何赋予你的 3D 模型更加生动和丰富的表情吧！

2024-04-12 11:06:25 918

原创专栏开篇 | 虚拟直播软件的技术架构与应用场景分析

在当今数字化时代，虚拟直播软件的兴起为用户提供了全新的娱乐体验。虚拟直播软件利用虚拟角色技术，使用户可以通过这些虚拟角色进行直播、互动和创作内容，而不必亲自露面。通过这种方式，用户可以保护隐私、实现个性化表达，并探索虚拟世界的无限可能性。

2024-04-12 10:31:39 841

原创 React + three.js 3D模型面部表情控制

在本系列的上一篇文章中，我们已经探讨了如何在 React 中利用 three.js 来渲染 3D 模型，现在，我们将深入研究如何运用 three.js 控制这些模型的表情。让我们一同探索如何赋予你的 3D 模型更加生动和丰富的表情吧！通过本文的介绍，相信读者对于在 React 中实现 3D 模型表情控制有了初步的了解。如果你对此感兴趣，不妨动手尝试一下，可能会有意想不到的收获。同时，也欢迎大家多多探索，将 React 和 Three.js 的强大功能发挥到极致，为网页应用增添更多的乐趣和惊喜。

2024-04-11 19:10:58 1104

原创 React + three.js 3D模型骨骼绑定

在当今互联网世界中，网页技术的发展已经超越了以往的想象。其中，三维图形技术在网页中的应用日益普遍，而 React 和 Three.js 正是其中的两个热门选择。本文将介绍如何将 Three.js 中的 3D 模型骨骼绑定示例迁移到 React 中，为读者提供一个简单易懂的入门指南。通过本文的介绍，相信读者对于在 React 中实现 3D 模型骨骼绑定有了初步的了解。如果你对此感兴趣，不妨动手尝试一下，可能会有意想不到的收获。

2024-04-11 15:57:44 1090 1

原创 React 使用 three.js 加载 gltf 3D模型 | three.js 入门

在当今的软件开发中，3D 技术已经成为了一个备受关注的领域。无论是游戏、虚拟现实还是增强现实，3D 技术都扮演着至关重要的角色。而在 Web 开发领域，随着 WebGL 和 WebGPU 技术的发展，通过浏览器来展示和交互 3D 模型也变得越来越普遍。在这篇博文中，我们将探讨如何在 React 项目中使用 three.js 加载 glTF 格式的 3D 模型，并为您提供 three.js 的入门指南。

2024-04-10 22:09:34 898

原创结合 tensorflow.js 、opencv.js 与 Ant Design 创建美观且高性能的人脸动捕组件并发布到InsCode

本篇文章将带您踏上一段令人兴奋的技术之旅，探索如何巧妙地结合了三个强大的技术工具——TensorFlow.js、OpenCV.js以及Ant Design，打造出令人眼前一亮的人脸动捕组件。您将在本文中深入了解如何利用这些工具，不仅令界面美观动人，同时也保持了出色的性能表现。更令人振奋的是，我们将分享如何将这一成果顺利发布到InsCode平台，让更多的人能够轻松享受到这一创新。准备好跟随我们的步伐，探索如何在技术与美学的交汇处创造出引人注目的作品！

2024-04-10 11:33:30 1448

原创 tensorflow.js 使用 opencv.js 将人脸特征点网格绘制与姿态估计线绘制结合起来，以获得更高的帧数

本文介绍了使用 opencv.js 将人脸特征点网格绘制与姿态估计线绘制结合起来，以获得更高的帧数，希望对您有所帮助，如果文章中存在任何问题、疏漏，或者您对文章有任何建议，请在评论区提出。

2024-04-09 20:28:50 891

原创如何在前端项目中使用opencv.js | opencv.js入门

随着 Web 技术的发展，前端开发领域不断涌现出新的技术和工具，其中之一就是 OpenCV.js。OpenCV.js 是 OpenCV（开放源代码计算机视觉库）的 JavaScript 版本，它可以在 Web 浏览器中运行，使得利用计算机视觉技术实现图像处理、分析和识别成为可能。通过使用 OpenCV.js，你可以在前端项目中轻松地利用计算机视觉技术。本文介绍了如何获取 OpenCV.js 并将其集成到项目中，并给出了简单的示例代码。

2024-04-09 07:00:00 555 2

原创 tensorflow.js 如何使用opencv.js通过面部特征点估算脸部姿态并绘制示意图

在计算机视觉领域，估算脸部姿态是一项具有挑战性但又极具应用前景的任务。通过识别脸部特征点，我们可以了解人脸的姿态，包括旋转角度、倾斜程度等信息。本文将介绍如何利用 TensorFlow.js 和 OpenCV.js 结合起来，实现通过面部特征点估算脸部姿态并绘制示意图的功能。在计算机视觉领域，解决摄像头姿态估计（Camera Pose Estimation）问题是一项关键任务。摄像头姿态估计可以用于许多应用，例如增强现实、目标跟踪和三维重建等。

2024-04-08 16:52:06 1107 1

原创 tensorflow.js 如何从 public 路径加载人脸特征点检测模型

当使用TensorFlow.js时，通常我们会通过网络请求获取模型。然而，有时候我们可能想要在本地保存模型，并从本地加载它们，以提高加载速度和保护知识产权。在这篇博文中，我将向你展示如何将TensorFlow.js模型保存在公共路径（public）中，并从此路径加载模型。通过这种方法，你可以轻松地在客户端上访问你的模型，而无需每次都依赖网络请求。

2024-04-08 07:39:16 500 1

原创 electron-react-boilerplate 打包逻辑浅析 | 如何向公共路径添加脚本并在 html 中添加全局脚本

随着前端技术的迅速发展，我们见证了从最初的 HTML + JS + CSS 到如今的各种前端框架的崛起。在这篇文章中，我们将探讨如何在 HTML 中添加全局脚本，特别是在 Electron 应用程序中的需求。由于很多网站使用 CDN 脚本，但在 Electron 的本地化和安全需求下，将 CDN 脚本下载到本地并在 HTML 中引用成了一个挑战。许多初学者可能不清楚如何配置它，我们将以 Electron-React-Boilerplate 为例，简要介绍打包逻辑以及如何向公共路径添加脚本。

2024-04-07 07:44:17 824 2

原创 electron-react-boilerplate 模版项目介绍 | 快速构建跨平台Todo待办事项桌面应用

在本教程中，我们将使用 Electron React Boilerplate（ERB）和 Ant Design 来构建一个简单的 Todo 待办事项软件。Electron 是一个允许你使用 HTML、CSS 和 JavaScript 构建跨平台桌面应用的框架。而 React 是一个用于构建用户界面的 JavaScript 库，它能够让你创建可复用的组件。通过使用 Electron React Boilerplate 和 Ant Design，我们创建了一个简单的 Todo 应用程序。

2024-04-06 07:00:00 873 1

原创用通俗易懂的语言解释 electron-react-boilerplate | electron-react-boilerplate 入门

在开始解释之前，让我们先解释一下 “Electron”，“React” 和 “Boilerplate” 这些名词。Electron: 你可能听说过网页应用程序，它们是在浏览器中运行的应用程序。Electron 是一个框架，它让你可以用网页技术（像 HTML、CSS 和 JavaScript）来构建桌面应用程序。所以，你可以使用你喜欢的网页技术来构建自己的桌面应用程序，而不必担心学习新的语言或者工具。React: React 是一个用于构建用户界面的 JavaScript 库。

2024-04-05 07:00:00 912 1

原创如何使用tensorflow.js实现面部特征点检测

在现代计算机视觉中，面部特征检测技术一直扮演着重要角色。而今，随着 TensorFlow.js 的崛起，我们可以在浏览器中使用神经网络来实现面部特征检测，这一技术为开发人员带来了全新的可能性。本文将介绍如何使用 TensorFlow.js 实现面部特征检测，为您展示如何轻松地在网页上实现这一令人惊叹的功能。让我们一起探索神奇的面部特征检测技术，开启一段令人兴奋的探索之旅吧！

2024-04-01 10:20:08 610

原创虚拟主播皮套解析 | 如何在 React 中使用 Live2D | 如何在 React 项目中集成 Cubism Web SDK

在本文中，我们将探讨如何在 React 项目中集成 Cubism Web SDK，这是一项强大的技术，可以让我们将 Live2D 模型无缝嵌入到我们的应用程序中。无论您是为您的网站添加一些趣味性，还是为您的应用程序带来一些独特的风格，Cubism Web SDK 都将是您的绝佳选择。

2024-03-29 13:19:59 696 1

原创如何解决 electron 安装失败问题

在安装 electron 时经常由于网络问题导致安装失败，本介绍了如何配置 npm 解决 electron 安装失败的问题。

2024-03-28 09:00:00 340

原创国内ChatGPT网站汇总 | AI 网站指南

本文汇总了我在日常工作生活中在浏览器收藏夹中收藏的国内AI网站列表。使用GPT帮助您高效工作，激发创意，了解AI前沿技术。

2024-03-28 08:00:00 1414

原创让你的软件自动更新，如何使用github和electron-react-boilerplate跨平台应用模板项目实现软件的自动更新功能

在开发应用时自动更新功能实现起来较为麻烦，但也是确实必要的功能。本文介绍了使用Electron React Boilerplate模版项目从打包到发布到自动更新的经验和过程。

2024-03-27 09:00:00 1132 1

原创 windows 如何安装和配置Bazel

Bazel是一个由Google开发的构建和测试工具，旨在提供高效、可靠和可扩展的软件构建。本文介绍了如何在windows系统安装Bazel。

2024-03-26 11:04:00 450 5

原创在 windows 上使用 docker 运行 tflite-micro 示例代码

TFLite Micro 是 Google 推出的 TensorFlow Lite 的一个特殊版本，专门用于在资源受限的嵌入式设备上运行机器学习模型。本文介绍了如何在windows使用docker-destop运行 tflite-micro 的示例项目。

2024-03-26 11:02:37 371

原创使用 git 查看并切换到最早的commit历史

在通过代码仓库学习代码技术提高编程水平时，常常需要将仓库切换到最早的commit,方便一步一步的学习，但是有时仓库的commit 的历史太多很难翻到最早的commit历史，本文将介绍如何使用 git 查看最早的commit。

2024-03-25 13:17:20 128

原创 Windows配置树莓派Pico开发环境并使用vscode入门树莓派Pico开发

本文为总结在Windows下安装配置树莓派Pico SDK并使用vscode开发树莓派Pico的介绍和经验总结，树莓派 Pico一般用于嵌入式相关的应用背景，Pico的手册详细，示例程序丰富，很适合作为嵌入式开发入门的开发板。本文将介绍如何配置树莓派Pico开发和运行环境，请确保在开始配置时拥有必要的硬件资源和软件资源。

2024-03-25 12:21:23 767

原创 webgpu 入门

webgpu是一种新的web API，它公开了现代计算机图形功能，特别是Direct3D 12、Metal和Vulkan，用于在图形处理单元（GPU）上执行渲染和计算操作。本文介绍了如何运行webgpu的官方demo。

2023-02-09 20:54:59 1478 2

原创基于CMake的C项目管理

本文介绍了在Ubuntu系统中，使用CMake管理C项目的简单示例，适用于想了解或想初步使用CMake管理C项目的同学。

2022-06-17 11:33:30 599

原创 CUDA安装、环境配置及项目创建准备（win11+vs2017+CUDA11.5）

本文为运用CUDA C工具编程的前置准备工作介绍，CUDA一般用于大规模并行计算和图像渲染。配置环境概况为win11+vs2017+CUDA11.5。本文将介绍如何配置GPU的开发和运行环境，请确保在开始配置时拥有必要的硬件资源和软件资源。

2021-11-24 22:00:23 15372 10

原创 python 确认某路径下是否存在目标文件或文件夹

在程序运行时，少部分数据可能会被某段代码读写，这时我们往往需要在读写前后确认文件或文件夹是否存在，本文针对该问题，编写了一种确认某路径下是否存在目标文件或文件夹的函数。

2021-11-19 21:29:44 7828

原创 python 如何将list格式数据保存为txt文本及如何将保存的txt文本读取为list格式数据

在代码运行时，少部分数据可能会被延时调用或者多个代码文件调用。这时需要将其保存为某一格式的文件，本文针对少量数据的保存和读取（如果数据很多可以使用numpy或者pandas包中的函数存取），编写了一种保存和读取list格式数据的函数。...

2021-11-18 18:40:40 20166 2

bbc-news-summary dataset - bbc-news-summary 数据集

BBC News Summary数据集是一个用于文本摘要（text summarization）研究的数据集，由BBC发布。该数据集包含了来自BBC新闻网站的文章以及这些文章的摘要。这些文章涵盖了多个主题，包括政治、经济、体育、娱乐等。 BBC News Summary数据集的特点包括： 1. **真实文章**：数据集中的文章是从BBC新闻网站上真实发布的新闻文章中提取的，反映了真实的新闻报道和事件。 2. **多样性**：数据集中包含了各种主题和内容的新闻文章，使其适用于不同领域和应用的文本摘要研究。 3. **标注**：每篇文章都有一个对应的摘要，即人工生成的简短总结，这些摘要可以用作训练和评估文本摘要模型的标签。 4. **语言风格**：由于文章是从BBC新闻网站上提取的，因此它们的语言风格比较正式和专业，反映了新闻报道的特点。 5. **数据量**：数据集包含了大量的新闻文章和对应的摘要，适合用于训练和评估大规模的文本摘要模型。 BBC News Summary数据集的应用领域包括但不限于： - 文本摘要模型的训练和评估 - 自然语言处理任务，如文本分类、信息检

2024-03-26

enron-aeslc-emails dataset - enron-aeslc-emails 数据集

Enron AESLC Emails数据集是一个用于自然语言处理（NLP）研究的数据集，它包含了来自安然（Enron）公司的电子邮件。这些电子邮件是由安然公司在2002年破产后公开发布的，因此这个数据集是公开可用的。 Enron AESLC Emails数据集的特点包括： 1. **大规模**：数据集包含了超过60,000封电子邮件，涵盖了从1999年到2002年的时间段内的通信。这使得它成为一个适合大规模自然语言处理研究的数据集。 2. **真实场景**：这些电子邮件反映了真实的商业通信场景，包括了各种类型的邮件，如内部员工之间的邮件、公司管理层之间的邮件以及与外部合作伙伴的邮件等。 3. **多样性**：数据集中的邮件涵盖了各种主题和内容，包括了业务讨论、会议安排、工作进展报告等多种类型的邮件内容。 4. **标记**：数据集中的一部分邮件已经被标记，包括了邮件的发送者、接收者、主题、时间戳等信息，这些标记可以帮助研究人员进行有监督的学习任务。 5. **隐私处理**：由于数据集涉及到个人和敏感信息，安然公司在发布数据集时对电子邮件内容进行了匿名化处理，以保护个人隐私。

2024-03-26

sst-2 dataset - sst-2 数据集

SST-2（Stanford Sentiment Treebank）是一个用于情感分析的标记数据集，由斯坦福大学的研究人员创建。该数据集的主要目的是为了帮助研究人员和开发者训练和评估情感分析模型。SST-2包含由电影评论组成的句子，每个句子都被标记为正面的（positive）或负面的（negative）情感。这些句子来自于电影评论网站Rotten Tomatoes。 SST-2数据集的特点包括： 1. **二分类标记**：每个句子被标记为正面或负面情感，使其成为一个二分类问题。 2. **层级结构**：SST-2数据集不仅包含句子级别的标记，还包含了句子结构的标记。每个句子都被映射到一棵语法树中，这棵树表示了句子的结构。这种结构化表示使得该数据集对于探索句子结构和语法在情感分析中的作用具有额外的价值。 3. **数据来源**：SST-2数据集的句子是从Rotten Tomatoes网站上提取的电影评论中获取的，这些评论包括观众对电影的评价和看法。 SST-2数据集的应用领域包括但不限于： - 情感分析模型的训练和评估 - 研究句子结构和语法在情感分析中的作用 - 自然语言处

2024-03-26

Yelp Review Full dataset - Yelp Review Full 数据集

Yelp Review Full数据集是一个公开的数据集，由Yelp提供，用于研究和开发目的。该数据集包含了Yelp网站上用户对商家的评论数据。它提供了一种丰富的资源，可用于进行自然语言处理、情感分析、推荐系统等方面的研究和实验。以下是该数据集的一些主要特征和内容： 1. **评论内容**: 包含用户对商家的文字评论，涵盖了各种类型的评论，从餐馆到服务业等各种商业领域。 2. **评分**: 用户对商家的评分，通常在1到5之间，表示对商家的满意度程度。 3. **商家信息**: 每条评论还可能包含商家的相关信息，如商家名称、类别、地址等。 4. **用户信息**: 对评论进行了匿名化处理，但仍然提供了一些关于用户的信息，如用户ID等。 5. **时间戳**: 每条评论都有时间戳，记录了评论的发布时间。 6. **有用、有趣、酷指数**: Yelp网站上用户可以对评论进行评价，包括是否有用、有趣或者酷。这些指数也可以在数据集中找到。通过分析这些数据，研究人员可以探索用户对商家的态度、用户行为模式、用户对不同商家类型的偏好等。这些信息对于商家改进服务、市场营销以及推荐系

2024-03-26

ag-news dataset - ag-news 数据集

AG News数据集是一个常用的文本分类数据集，通常用于训练和评估文本分类模型。该数据集由来自AG（About Good）的新闻文章组成，涵盖了四个类别：World（世界新闻）、Sports（体育新闻）、Business（商业新闻）和Sci/Tech（科技新闻）。 AG News数据集具有以下特点： - **规模适中**：数据集包含约120,000条新闻文本，其中约30,000条用于训练，约1,900条用于测试。这使得它适合用于快速开发和评估文本分类算法。 - **类别明确**：每个样本都被明确标记为四个类别之一，使得分类任务变得简单明了。 - **真实性**：新闻来源包括真实的新闻机构，如CNN、BBC和Reuters，使得数据更具有现实意义。 - **多样性**：涵盖了多个领域的新闻，从世界新闻到科技新闻，反映了不同主题和内容的文本。 AG News数据集通常用于研究和教育目的，帮助研究人员和开发者了解和实践文本分类技术。通过使用AG News数据集，可以快速搭建和测试文本分类模型，评估其性能并进行改进。

2024-03-26

imdb dataset - imdb 数据集

IMDb数据集是一个包含电影和电视节目信息的大型数据库，由互联网电影数据库（IMDb）提供。该数据集包含了丰富的信息，包括电影和电视节目的名称、上映日期、类型、演员阵容、导演、评分等。这些数据被广泛用于电影和电视节目相关的研究、分析和应用开发中。 IMDb数据集可以用于许多不同的用途，例如： 1. 电影和电视节目推荐系统：基于用户的偏好和行为，为用户推荐他们可能感兴趣的电影和电视节目。 2. 数据分析和可视化：分析电影和电视节目的流行趋势、演员的表现等，以及创建可视化图表展示这些数据。 3. 信息检索：根据用户提供的查询，检索数据库中与之相关的电影和电视节目信息。 4. 学术研究：用于学术研究，如电影产业分析、观众行为研究等。 IMDb数据集通常以CSV或JSON等格式提供，可以通过IMDb官方网站或第三方数据提供商获取。由于数据集的庞大和复杂性，处理和分析这些数据通常需要一定的数据处理和分析技能。

2024-03-26

WikiText-2数据集

WikiText-2是一个常用的自然语言处理数据集，用于语言建模和文本生成任务。它由维基百科上的文章组成，是WikiText数据集系列中的一部分，包含了更加复杂和长篇的文章，相比于WikiText-103，规模较小。 WikiText-2数据集的主要特点包括：文本内容：包含来自维基百科的文章文本，涵盖了多种主题和领域，内容丰富多样。数据规模：包含超过2百万个词标记的文本数据，用于训练语言模型。任务用途：主要用于语言建模和文本生成任务，如训练循环神经网络（RNN）或Transformer等模型。数据结构：以句子为单位进行划分，每个句子都是一个文本序列。数据清洗：数据集已经过清洗和标记处理，可以直接用于训练模型。使用WikiText-2数据集进行训练可以帮助模型学习到更复杂和丰富的语言结构，提升其在语言理解和生成任务中的表现。

2024-03-26

minist dataset - mnist 手写数字数据集

MNIST数据集是一个常用的手写数字识别数据集，由0到9的数字构成。它包含了60000个训练样本和10000个测试样本，每个样本都是一个28x28像素的灰度图像。MNIST数据集被广泛用于测试和验证各种机器学习和深度学习算法的性能，特别是在图像识别领域。 MNIST数据集的特点包括：简单且易于理解：手写数字是一种简单且普遍的图像类型，使得MNIST数据集适合用于入门级的机器学习项目和教学。标准化和广泛使用： MNIST已经成为了机器学习领域的标准基准数据集之一，许多算法和模型都会在这个数据集上进行测试和比较。数据规模适中： MNIST数据集的规模适中，不会对计算资源和存储空间造成太大压力，同时又能提供足够的数据量用于训练和测试。挑战性：尽管MNIST是一个相对简单的数据集，但对于一些特定的机器学习和深度学习模型来说，仍然存在一定的挑战，例如如何处理图像的噪声和变形等问题。总的来说，MNIST数据集是一个非常有用的工具，可用于评估和比较各种机器学习和深度学习算法在图像识别任务上的表现。

2024-03-26

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人