1、Labview实现的模板匹配,首先需要添加一个摄像头,选择com口2、玩家可以制作模板,然后保存模板,就可以得出图像中的模板并得到其中心坐标
2025/5/8 14:02:12 122KB 模板匹配 自识别 Labview
最小距离分类的matlab代码
2025/5/8 11:24:03 2KB 最小距离分类
《x86/x64体系探索及编程》是对Intel手册所述处理器架构的探索和论证。
全书共五大部分,从多个方面对处理器架构相关的知识进行了梳理介绍。
书中每个章节都有相应的测试实验,所运行的实验例子都可以在真实的机器上执行。
  通过阅读《x86/x64体系探索及编程》,读者应能培养自己动手实验的能力。
如果再有一些OS方面的相关知识,基本上就可以写出自己简易的OS核心。
打包随书代码
2025/5/8 11:53:05 134.68MB x86 体系探索
Spotty大大简化了在和上进行深度学习模型的培训:它使在GPU实例上的训练与在本地计算机上的训练一样简单它会自动管理所有必要的云资源,包括图像,卷,快照和SSH密钥它使每个人都可以通过几个命令在云中训练您的模型它使用轻松地将远程进程与其终端分离通过使用和它可以为您节省多达70%的成本文献资料请参阅。
阅读文章中对于现实世界的例子。
安装要求:Python>=3.6如果使用的是AWS,请参阅AWSCLI(请参阅)。
如果您使用的是GCP,请使用GoogleCloudSDK(请参阅)使用安装或升级Spotty:$pipinstall-Uspotty开始使用准备一个spotty.yaml文件并将其放在项目的根目录中:请参阅的文件规范。
阅读文章为一个真实的例子。
启动实例:$spottystart它将运行竞价型实例,还原快照(如果有),将项目与正在运行的实例同步,然后将Docker容器与环境一起启动。
训练模型或运行笔记本。
要通过SSH连接到正在运行的容器,请使用以下命令:$spottysh
2025/5/8 9:09:51 581KB docker aws deep-learning gpu
动态js训练记忆和制表技术示例
2025/5/8 8:57:32 7KB JavaScript
用labview实现的一个简单文字识别案列,比较简单,目的是熟悉文字识别从训练到最终实现的整个流程。
2025/5/8 8:35:58 104KB Labview 文字识别
Struts开始于2000年3月,是采用JavaServlet/JavaServerPages技术,开发Web应用程序的开放源码的框架。
当前最新的正式版本是1.0.2,本文内容就是针对这个版本的。
采用Struts能开发出基于MVC(Model-View-Controller)设计模式的JavaWeb前端应用。
通常MVC设计模式把一个系统划分为相互协作的三个部分:1.Model(模型),模型用于封装系统的状态,比如业务数据;
2.View(视图),视图是模型的表示,提供用户交互界面。
当模型状态发生变化时,视图应该得到通知,以便更新模型的变化;
3.Controller(控制器),接受来自视图的请求,
使用opencv自带的haarcascade_eye_tree_eyeglasses.xml分类器实现检测人眼,并精准地定位了瞳孔的位置。
代码很简洁,易于理解。
2025/5/8 4:42:06 2.53MB opencv 人眼检测 瞳孔检测 瞳孔定位
幸运的
2025/5/8 0:17:57 2KB HTML
激光弯曲成形是利用激光束的能量修整板材曲率的一种新型柔性无模成形加工方法。
为探索激光弯曲三维成形的机制以及成形过程中的物理现象,对1Cr18Ni9Ti正方形薄板采用交叉线扫描策略激光弯曲三维成形制备了球冠面,利用显式动态有限元方法分析了正方形薄板在激光扫描过程中的温度、应力、应变、节点加速度与速度以及形变的变化情况,在二维激光成形温度梯度机制基础上探讨了激光弯曲三维成形中存在的物理现象。
在扫描过程中,薄板整体的温度随着激光扫描逐渐增加,在任意时刻任意位置的加热都会造成整体薄板应力作用方向和大小的改变,应力变化是形成圆周线的趋势,由于扫描路径时空的变化导致正方形薄板四角的变形量有所不同。
共 1000 条记录 首页 上一页 下一页 尾页