用等精度法设计的简易频率计，用来测量频率，占空比和时间间隔，附有完整的程序设计报告

问题描述：定义一个整数类。定义一个分数类，有整数类派生。能对分数进行加减乘除运算和输入输出 功能需求：（1）定义整数类。包括构造函数，析构函数，显示函数 （2）输入输出：对流提取和流插入运算进行重载 (3)计算功能：可进行分数的加减乘除运算 （4）化简功能：将分数化简为最简分数 （5）菜单功能：每种功能的操作都在菜单中进行相应选择 ......... ..... ..

适合新手,采用图形界面实现ATM机登录账户，修改密码，查询余额，模拟取款，退出等功能。

包含代码和报告。 详细描述：要求通过本地端控制，远端界面模拟一个灯泡，本地端控制远端灯光的闪烁、亮灭等。

Coursera 在线课程的作业和考试。

ansys课程设计作业

关于作业调度 有算法三个（先来先服务 短作业优先 最高响应比）C编译

C++学生成绩信息管理系统！！！文件交互方式存储成绩信息 功能：各科的成绩信息录入与查询，学生信息的录入与查询，各科课程信息的录入与查询。学生信息与课程信息与各科成绩信息相关联！

金融人工智能课程结业作业。作业内容： “魔镜杯”风控算法大赛（https://www.kesci.com/apps/home/competition/56cd5f02b89b5bd026cb39c9/content/0）是一个风控算法比赛 。 尝试对初赛的训练集构建合适的模型，并使用复赛数据的训练集验证模型的性能。要求模型在复赛数据上的AUC值达到0.7或以上 。

比赛需要故只开源了粗劣的第一个版本demo实现,第二版本改进使用yoloV3模型进行垃圾分类检测,机器臂分拣垃圾,垃圾分类数据集重新收集,并有微信小程序的用户查询垃圾分类及反馈机制 注意看ReadMe文件,注意看ReadMe文件,注意看ReadMe文件 B站视频介绍地址：https://www.bilibili.com/video/av80830870 交流群:1074171553 题主双非师范院校2021考研狗,如果你觉得这个小项目有帮助到你,请为项目点一个star,不管是考试型选手毕设项目被迫营业还是直接拿去二开参加比赛,这些都没问题,开源项目就是人人为我我为人人,但请尊重他人劳动成果,大家都是同龄人.心上无垢,林间有风. 材料清单 树莓派 1个 pca9685 16路舵机驱动板 1个 7寸可触摸显示屏一个 MG996R 舵机4个 垃圾桶4个 usb免驱动摄像头1个 树莓派GPIO扩展板转接线柱1个 硅胶航模导线若干 环境需求 1.开发环境 神经网络搭建—python 依赖 tensorflow,keras 训练图片来源华为云2019垃圾分类大赛提供 训练图片地址：https://developer.huaweicloud.com/hero/forum.php?mod=viewthread&tid=24106 下载图片文件后将文件解压覆盖为 garbage_classify 放入 垃圾分类-本地训练/根目录 神经网络开源模型--- resnet50 models 目录需要手动下载resnet50 的模型文件放入 resnet50模型文件名：resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 百度就可以找到下载放入即可：https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 2.运行开发环境 进入 "垃圾分类-本地训练"目录 环境初始化 python3 安装框架flaskpip3 install flask 安装tensorflow，keras等依赖 pip3 install tensorflow==1.13.1 pip3 install keras==2.3.1 运行 1.命令python3 train.py开启训练 2.命令python3 predict_local.py开启输入图片测试 3. 训练服务模型部署 进入 "垃圾分类-服务部署"目录 output_model 目录存放的是本地训练完成导出的h5模型文件 models 目录需要手动下载resnet50 的模型文件放入 resnet50模型文件名：resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 百度就可以找到下载放入即可：https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 环境初始化 安装框架flaskpip3 install flask 安装tensorflow，keras等依赖 pip3 install tensorflow==1.13.1 pip3 install keras==2.3.1 运行 1.命令python3 run.py开启窗口本地调试 2.命令python3 flask_sever.py开启服务部署 3.命令sh ./start.sh开启后台运行服务部署 4.树莓派界面搭建 基于nodejs electron-vue 强烈建议使用cnpm来安装nodejs库 进入 "树莓派端/garbage_desktop"目录 安装依赖 cnpm install 开发模式 cnpm run dev 打包发布 cnpm run build 5.树莓派端flask-api接口操作硬件 进入"进入 "树莓派端/garbage_app_sever"目录" 注意树莓派应该开启I2C，确保pca9685 I2C方式接入后可显示地址 命令：i2cdetect -y 1 查看 地址项 0x40是否已经接入树莓派 运行 python3 app_sever.py 或者 sh start.sh 启动 若提示缺少依赖： pip3 install adafruit-pca9685 pip3 install flask