本资源位课程设计希望对你有帮助

一. 其它（共1题） 1. (其它) 语法分析是编译过程的第二个阶段。它的任务是在实验一（词法分析器）的基础上，用算符优先法、递归下降分析法、LL(1)分析法或LR分析法之一，对赋值语句进行语法分析，使其能够判断语句是否正确。通过编制语法分析程序，实现语法分析，加深对自上而下或自下而上语法分析方法的认识。 1、实践步骤或环节: 1）定义目标语言的语法规则。如： 文法G(E)： (1) E→E＋T (2) E→T (3) T→T*F (4) T→F (5) F→(E) (6) F→i 2）求解某种语法分析法需要的符号集合和分析表 3）对给定表达式进行语法分析，输出语句正确与否的判断。 初步编制好程序  ->上机调试  -> 发现错误 -> 再修改完善 -> 上机调试通过 2、实验原理（介绍你选择的某种语法分析方法的基本思想） 3、选定的文法，生成相关分析表 4、相关设计思想介绍(流程图，状态转换图......) 5、针对不同的输入请将运行结果截图上传，请考虑输入符号串语法合法和不合法的各种情况 6、实验总结分析，请详细记录你实验过程中面临问题，如何解决，有何心得体会，你的程序的优点。

yolov3-tiny训练模型，用pytorch框架搭建，让高配置的电脑，笔记本也能训练v3tiny模型，并且部署到树莓派等视觉实践项目中进行视频实时目标检测，优点在于检测速度快，模型体积小，方便部署和搭建，对于很多新手小白来说十分友好，该模型搭配我博客所讲的方法可以让你们快速入门进行目标检测项目，YOLOv3是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。而YOLOv3-tiny是YOLOv3的简化版。YOLOv3-tiny是YOLO系列中的一个目标检测模型。它是基于深度学习算法的目标检测模型，具有较快的检测速度和较低的计算资源要求。YOLOv3-tiny相对于YOLOv4-tiny在性能上有所下降，但仍然可以实现一定的目标检测准确率。yolov3-tiny 相对于其他版本的 yolo 网络有以下优势yolov3-tiny 具有更快的推理速度，适用于对实时性要求较高的应用场景。 yolov3-tiny 在保持较高检测精度的同时，具有更小的模型体积，占用更少的存储空间。 yolov3-tiny 适合于在计算资源有限的设备上进行目标检测任务。

使用C++语言实现了一个简单的中间代码生成器，包括词法分析、语义分析以及中间代码四元式的生成，可以对while循环和if-else语句进行分析。

LR(0)自底向上语法分析 详细介绍自底向上语法分析的处理过程以及相应的问题解决方法

编译原理中基于表达式语法分析器，通过2个stack的运用，很好的完成表达式值的计算。

所使用的开发环境：Windows10、python(PyCharm)环境 注意：expression已给，包括测试的例子，但是需要词法分析器分析出的token表，格式：(行数, token分类, token内容)，可以配套我的词法分析器使用。 要求：创建一个使用LR(1) 方法的语法分析程序，程序有两个输入：1）一个是文本文档，其中包含2º型文法（上下文无关文法）的产生式集合；2）任务1词法分析程序输出的（生成的）token令牌表。程序的输出包括：YES或NO（源代码字符串符合此2º型文法，或者源代码字符串不符合此2º型文法）；错误提示文件，如果有语法错标示出错行号，并给出大致的出错原因。 项目简介：程序读入上下文无关文法，并进行拓广文法，将产生式依次形成项目进行储存，设定好起点进行处理得到完整的项目集族，按照项目集族之间的转换得到action、goto表，读取词法分析得到的token，按照之前得到的action、goto表进行处理，得到语法分析的结果，查看是否符合自己设定的语法，如果出错可以形成缺失或者错误导致的错误报告，并输出到result.txt（正确会得到‘YES’）。

软件介绍: tiny pxe serverk虽然体积不大但功能很强大，作为一款专业的PXE服务端工具，支持安装在windows和linux系统上，网友分享过来的，据说能成功安装。更新日期为2017.3.19.

pytorch yolov3 目标检测 yolov3-tiny.conv.15 yolov3 yolov3-tiny.conv.15 权重文件

语法分析器调用的是词法分析器的类。。。 自己写的。。LL（1）。。。 预测分析。。。 语法分析器调用的是词法分析器的类。。。 自己写的。。LL（1）。。。 预测分析。。。