结合mysql数据库查询，实现分页效果
@user.route("/user_list",methods=['POST','GET'])
def user_list():
p = g.args.get("p", '') #页数
show_shouye_status = 0 #显示首页状态
if p =='':
p=1
else:
p=int(p)
if p > 1:
show_shouye_status = 1
mdb = db_session()
limit_start = (int(p)-1)*10#起始
sql ="sel
2021-03-29 10:32:04
38KB
1
Ubuntu16.04下tensorflow+SSD实现（人脸，通用物体）目标检测，环境的搭建与测试以及搭建环境的踩坑环节的梳理（一）
开发环境：Ubuntu16.04、cuda、cudnn
语言：Python3.5（也可以Python3.6）
框架：tensorflow1.12 、SSD
英伟达GPU配置步骤：
1.tensorflow1.12使用的Python版本不能是3.7的，要求在3.7以下
2.cuda和cudnn的环境在英伟达下进行下载，由于每个人的计算机环境是否有GPU显卡和显卡的版本不同，需要进行TensorFlow和cuda、cudnn和匹配
2.1 nvidia-smi 可
2021-03-29 10:29:02
527KB
1
我就废话不多说了，大家还是直接看代码吧！
import tensorflow as tf
import numpy as np
input = tf.constant(1,shape=(64,10,1),dtype=tf.float32,name='input')#shape=(batch,in_width,in_channels)
w = tf.constant(3,shape=(3,1,32),dtype=tf.float32,name='w')#shape=(filter_width,in_channels,out_channels)
conv1 = tf.nn.conv1d(inpu
2021-03-25 11:22:05
46KB
1
首先数据库长这样
我们想将name和age列显示到web页面
上代码sqlshowweb.py
from flask import Flask
from flask import render_template
import pymysql
app = Flask(__name__)
@app.route('/')
def index():
conn = pymysql.connect(host='39.106.168.84', user='flask_topvj_net', password='xxxxxxxx', port=3306,
db='flask_t
2021-03-23 15:08:45
33KB
1
瞬时可用性（IA）波动的问题主要针对指数分布下具有三种状态（启动，延迟修复和修复）的更新模型。 创建了一套新颖的波动理论，包括波动函数的基本定义和决策引理，以解决该问题。 灵敏度分析用于显示不同参数对波动的影响。
2021-03-15 21:08:01
640KB
1
本文实例为大家分享了用简单的神经网络来训练和测试的具体代码，供大家参考，具体内容如下
刚开始学习tf时，我们从简单的地方开始。卷积神经网络（CNN）是由简单的神经网络（NN）发展而来的，因此，我们的第一个例子，就从神经网络开始。
神经网络没有卷积功能，只有简单的三层：输入层，隐藏层和输出层。
数据从输入层输入，在隐藏层进行加权变换，最后在输出层进行输出。输出的时候，我们可以使用softmax回归，输出属于每个类别的概率值。借用极客学院的图表示如下：
其中，x1,x2,x3为输入数据，经过运算后，得到三个数据属于某个类别的概率值y1,y2,y3. 用简单的公式表示如下：
在训练过程中，我们将
2021-03-01 14:28:51
96KB
1