数据预处置+随机森林+梯度+ada.py

要解决的是一个医学图像的二分类问题，有AK和SK两种病症，根据一定量数据，进行训练，对图像进行预测。
给定图片数据的格式：解决思路整体上采用迁移学习来训练神经网络，使用InceptionV3结构，框架采用keras.具体思路：读取图片数据，保存成.npy格式，方便后续加载标签采用one-hot方式，由于标签隐藏在文件夹命名中，所以需要自行添加标签，并保存到.npy文件中，方便后续加载将数据分为训练集、验证集、测试集使用keras建立InceptionV3基本模型，不包括顶层，使用预训练权重，在基本模型的基础上自定义几层神经网络，得到最后的模型，对模型进行训练优化模型，调整超参数，提高准确率在测试集上对模型进行评估，使用精确率、召回率对单张图片进行预测，并输出每种类别的概率如何加载实际数据，如何保存成npy文件，如何打乱数据，如何划分数据，如何进行交叉验证如何使用keras进行迁移学习keras中数据增强、回调函数的使用，回调函数涉及：学习速率调整、保存最好模型、tensorboard可视化如何使用sklearn计算准确率，精确率，召回率，F1_

更新2021/03/27:（1）发布语义分割的预训练模型，其中PointNet++可以达到53.5%的mIoU。
(2)发布预训练模型用于分类和部分分割log/。
2021/03/20：更新分类代码，包括：(1)添加训练ModelNet10数据集的代码。
使用--num_category10.(2)添加仅在CPU上运行的代码。
使用--use_cpu.(3)增加离线数据预处理代码，加速训练。
使用--process_data.(4)添加用于均匀采样训练的代码。
使用--use_uniform_sample.2019/11/26:(1)修复了之前代码中的一些错误并增加了数据加强技巧。
现在只用1024分就可以达到92.8%！(2)增加了测试代码，包括分类和分割，以及可视化的语义分割。
(3)将所有模型整理成./models文件，方便使用。

使用VGG19迁移学习实现图像风格迁移这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。
给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。
此项目使用Python2.7+TensorFlow1.4编写，环境太过陈旧，可能无法正常运行起来。
1.下载预训练的vgg网络，并放入到项目的根目录中模型有500M+，故没有放到GitHub上，有需要请自行下载。
下载地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat2.选定风格图片和内容图片，放入项目根目录下的images文件夹中在项目根目录下的images文件夹中，有两张图片，分别为content.jpg和style.jpg，即内容图片和风格图片。
如果只是使用默认图片测试模型，这里可以不做任何操作。
如果要测试自定义的图片，请使用自定义的内容图片和/或风格图片替换该目录下的内容图片和/或风格图片，请保持命名与默认一致，或者在se

用MATLAB编写，4个基站的基于TDOA的Chan-Taylor混合加权算法定位。
最普通的Chan-Taylor算法，将Chan算法计算出来的估计值作为Taylor级数展开法的迭代初始值带入，之后合理设置Chan算法和Taylor级数展开法的加权系数来提高精度。
采取循环采样5000次，基站位置，标签节点位置，系统噪声标准差都已经预设置好，可以根据要求本人修改。
本代码使用的衡量指标是累积分布函数CDF，也可以本人改成均方误差RMSE。
下载后可以直接运行。
可以用于TDOA定位算法的改进或者比较或者UWB定位都可以。

龙讯LT9211MIPI扩展芯片LVDS转MIPI芯片datasheet数据手册，Lontium龙迅LT9211是一个高功能转换器，可在MIPIDSI/CSI-2/双端口LVDS和TTL之间进行相互转换，除了24位TTL到24位TTL，同时同步和反序列化。
LT9211反序列化输入的MIPI/LVDS/TTL视频数据，解码数据包，并将格式化后的视频数据流转换为AP与移动显示面板或摄像机之间输出的MIPI/LVDS/TTL发射机。
LT9211可以用作2端口MIPI/LVDS中继器，支持最大14dB输入均衡和可编程预加重，以提高功能。
LT9211还可以用作MIPI/LVDSMuxer和拆分器。
对于MIPI中继器、Muxer和Splitter，我们不支持CSIRAW格式。
LT9211采用先进的CMOS工艺制作，采用7.5x7.5mmQFN64封装。
该包装符合RoHS标准，并规定在-40°C至+85°C的温度下运行。

牧梦丹青画笔2.0，是一款基于PS运行，针对水墨古风及书法等风格和用途，而开发的专业绘画画笔工具。
配合数位板，可运用传统水墨画的平、点、钩、皴、擦、染等笔法及浓淡、枯焦、湿等墨色效果，轻松实现水墨风的高质量画作。
亦可运用CG绘画、漫画、水彩、厚涂等绘画技法，实现古风及其他风格的高质量画作。
独特之处在于具备传统画笔所不能达到的趣味性和高效性，如：取样模式（配合此模式多数画笔都可以拥有几种到几十种不同的效果）、彩色画笔、特效画笔、常用工具命令、独立面板、直观预览、珍藏夹等。
与ps自带的笔刷和工具预设不同，本套画笔有单独的

这里边是一些用Matlab写的可以运行的MIMO预编码程序，有关多用户的，是从网上搜集整理的一些内容，对于想找该方面资料的人应该是有协助的。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。