lp-mall 一个Vue.js项目 构建设置 # install dependencies npm install # serve with hot reload at localhost:8080 npm run dev # build for production with minification npm run build # build for production and view the bundle analyzer report npm run build --report 有关工作原理的详细说明，请查看的和。

DaZhongdianping 对大众点评网的各个城市的TOP100热门餐厅数据进行获取，主要抓取了上海，北京，广州，深圳，天津，杭州，南京，苏州，成都，武汉，重庆，西安等城市。 同时使用pyecharts对所抓取结果进行数据分析，看看这些网红店铺，万一我们去旅游的时候有福分能吃一趟呢，也不错，哈哈。 新增前端字体加密解决 更新于2018/12/20 以前大众评论部分字体未加密，后面博客中经常有人问到怎么取完整评论信息，打开发现部分字体做了加密处理，显示并不完整，研究之后做了更新，可抓取完整评论内容，文章可去csdn查看。 文件说明 base：目录为MySQL连接组件 bin：目录为数据分析文件，主要有： 1.各大城市餐厅星级统计 2.各大城市口味，环境，服务，及综合指数 3.各大城市饭店集中区域 4.菜品分类 5.综合评价 分析，同时对应各类结果图表（见HTML），可直接查看。 data

垃圾分类小程序 小程序使用到的云开发内容 不了解小程序云开发请访问 截图 --- 部分数据库截图（product.csv） 完整数据库截图 云函数，云数据库： 数据库：存储四种垃圾分类的相关垃圾数据， 创建表commit,sort，product。把sort.json 和product.csv 导入云数据库即可 云函数：获取百度识别库的accessToken 需要修改为自己的key 小程序key 在文件project.config.json->appid 记住创建小程序的时候选择云开发 百度key 主要做拍照识别的cloudfunctions->baiduAccessToken->index->apiKey和secretKey 此处替换为：API Key 和 Secret Key 常见错误

作者简介 作者 QQ交流群 个人博客 项目详情请参考微信原文链接： 如有疑问可通过公众号找到作者，微信扫描下方二维码或者在微信内搜索 微信公众号：月小水长（ID:inspurer)； WeiboSuperScrapy 最强微博爬虫，用户、话题、评论一网打尽。 GUI 功能集中版 运行 GUI.py 即可爬取用户/话题微博 运行 WeiboCommentScrapy.py 并修改里面的微博id (wid) 即可爬取指定微博的所有评论。 无 GUI 功能独立版 单独的 py 文件分别对立一个 功能 WeiboCommentScrapy.py 爬取评论 WeiboTopicScrapy.py 爬取指定关键词的所有微博，突破了 50 页的限制，可指定截至日期时间段搜索（比如 20200101-20200102） WeiboSuperCommentScrapy.py 可爬取一条微博的所有评论，更

pytorch实现的 + 新闻多分类样例 1.安装依赖 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt 2.WoBERT模型下载 方式1. 从 下载keras模型，然后执行转换变成pytorch的模型 python config/conver.py 方式2. 直接下载使用 ， 链接: 密码: 94au 3.配置参数 vim config/configs.yaml 4.train\test python train.py 5.案例数据 data/train.csv 细节 除了transformers转换模型，主要是tokenizer的变化 1.稍微自定义了个专门的分词，见src/models/bert_model.py:WoBertTokenizer 2.稍微自定义了个专门的BERT分

php sm2 sm3 sm4 国密算法整理 php版本的国密sm2的签名算法，sm3的hash, sm4的ecb加解密，要求PHP７，打开gmp支持 目前如果服务器配套的使用的是openssl 1.1.1x, 目前到1.1.1k ,sm2,sm3,sm4都可以直接用openssl_xxx系列函数直接实现，不必大量的代码,但不支持sm2的签名 SM2 该算法主体基于PHPECC算法架构，添加了sm2的椭圆参数算法， 参考了 童鞋的sm2验签算法，密钥生成算法 添加了签名算法， 支持sm2的16进制，base64公私钥的签名，验签算法 支持从文件中读取pem文件的签名，验签算法 sm2的加密解密算法在openssl 1.1.1的版本下自带的函数中暂无sm2的公钥私钥的加密函数，得自己实现，建议使用C，C++的算法，打包成PHP扩展的方式 由于 openssl没有实现SM3WithSM2算

yolo3-keras yolo3-keras的源码，可以用于训练自己的模型yolov3以及yolov3-tiny 一、环境要求 Python： 3.7.4 Tensorflow-GPU 1.14.0 Keras: 2.2.4 二、快速使用： 1.下载yolov3-keras代码 2.下载yolov3-keras权重文件 并将其放入根目录下 3.执行如下命令将darknet下的yolov3配置文件转换成keras适用的h5文件 python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5 python convert.py yolov3-tiny.cfg yolov3-tiny.weights model_data/yolov3-tiny.h5 模型文件对应说明如下： 模型文件 说明 ep034-loss6.105-val_l

@[TOC](基于WASM的H265 Web播放器) 1 背景 目前这个时间点，原生支持H265(HEVC)播放的浏览器极少，可以说基本没有，主要原因一个是H265的解码有更高的性能要求，从而换取更高的压缩率，目前大多数机器CPU软解H265的超清视频还是有点吃力，硬解兼容性又不好，另外一个原因主要是H265的专利费问题。因此H265有被各大浏览器厂商放弃的趋势，转而去支持更加开放的AV1编码，但是AV1编码的商用和普及估计还有段时间。 H265与H264相比主要的好处在于相同分辨率下降低了几乎一倍的码率，对带宽压力比较大的网站来说，使用H265可以极大削减带宽消耗(尽管可能面临专利费麻烦)，但是由于浏览器的支持问题，目前H265的播放主要在APP端实现，借助硬件解码，可以获得比较好的性能和体验。 本文相关的代码使用WASM、FFmpeg、WebGL、Web Audio等组件实现了一个简易

YOLOV4-Tiny：You Only Look Once-Tiny目标检测模型在Keras当中的实现 2021年2月7日更新： 仔细对照了darknet库的网络结构，发现P5_Upsample和feat1的顺序搞反了，已经调整，重新训练了权值，加入letterbox_image的选项，关闭letterbox_image后网络的map得到提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 mAP 0.5:0.95 mAP 0.5 VOC07+12+COCO VOC-Test07 416x416 - 77.5 COCO-Train2017 COCO-Val2017 416x416 21.8 41.3 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 注意事项 代码中的yolov4_tiny_weights_coco.h5和yolov4

CesiumPopup:Cesium弹窗功能（丑了点）