目录一、动态路由的初始化1、获取路由策略2、向AudioPolicyManager注册路由策略二、动态路由的路由流程，以AudioTrack创建为例创建AudioTrack的路由选择如何定制音频路由1、policy路由配置2、修改AudioControl的sContextToBusMap对应关系小结 上一篇介绍了AudioFlinger的初始化，接下来对音频路由进行介绍。注意，本文主要介绍动态路由，即汽车音频路由的常规方式。针对Android原生路由策略不做深入分析。 什么是音频路由？如何实现音频路由？如何定制音频路由？这是本文要解决的三大问题。 什么是音频路由？音频无非就是把音频数据流放到指

计算任意矩形的四个角点坐标，基本数学方法利用到了初中高中数学知识：正弦定理和余弦定理 一、基础知识 1、halcon的矩形rectangle2定义 draw_rectangle2( : : WindowHandle : Row, Column, Phi, Length1, Length2) smallest_rectangle2(Regions : : : Row, Column, Phi, Length1, Length2) draw_rectangle2：窗口有个箭头方向，这个方向就是矩形的角度Phi，和Phi方向一致的边为Length1，和Phi方向垂直的边为Length2 small

OpenCV Error: Assertion failed (!empty()) in cv::CascadeClassifier::detectMultiScale, file C:\build\master_winpack-bindings-win64-vc14-static\opencv\modules\objdetect\src\cascadedetect.cpp, line 1681 Exception in thread “Thread-2” CvException [org.opencv.core.CvException: cv::Exception: C:\build\mas

ISTQB AL-TA(ISTQB高级测试分析员模块)主要是针对测试业务分析人员而设立的知识和实践。

pyinstaller打包使用pyqt5模块的时候，在win平台下，由于pyinstaller无法准确获取QT动态库文件路径，会报错导致无法打开运行程序，并提示错误信息pyinstaller failed to execute script pyi_rth_qt5plugins此时我们需要在打包的时候直接告诉pyinstaller到哪里去找，这个路径分隔符需要是unix形式： pyinstaller --paths C:/****/Python/Python35-32/Lib/site-packages/PyQt5/Qt/bin -F -w ****.py 以上这篇解决pyinstaller

尝试解决： 1，先根据提示路经找到VBoxGuestAdditions.iso，添加到光盘。 2，根据网上找的资料，需弹出光盘，再行安装增强功能。 这一步走了弯路，因为网上提示是鼠标右击光盘图标弹出，我这里犯了难，右击没有反应。 3，突然想到了命令行，网上搜索CentOS 8弹出光盘命令 在命令行界面输入 eject 命令 4，再次尝试安装增强功能，果然没有报错！ 5，点击运行，并输入授权认证密码。 6，但是，，，，但是，，，，，还是不能全屏？？？然后还是可以安装增强功能，点击安装还是报错。。。。。 作者：weixin_46446448

问题所在： 使用Navicat远程服务器mysql数据库时报错误：2013-Lost connection to MYSQL server at ‘waitting for initial communication packet’,system error：0 操作流程一、检验Mysql数据库是否安装成功二、对Mysql的配置文件进行修改配置三、连接进入mysql服务四、在mysql环境下执行授权命令五、用Navicat远程连接Mysql 具体操作如下： 一、检验Mysql数据库是否安装成功 首先，检验云服务器上数据库是否安装成功，输入如下命令进行检验是否安装mysql成功： sudo ne

关于带中文的Kali Linux（2020.1a）新版本安装问题（超详细） 版权声明：本文为博主原创文章，转载请附上原文链接 前言 最进，Kali官方发布了过渡的Kali（2020.1a版本），这个版本相比之前的几个版本有了很大的一个变化，那就是自带中文语言包，也就是说，安装好之后就不会出现之前的乱码问题（我之前的博客要作废了呜呜呜），今天我来教大家怎么安装这个新版本。（其他的某些版本也通用） 问题呈现 小白A：虚拟机在哪下载啊？ 小白B：镜像在哪啊？官方网址多少啊？ 小白C：怎么安装啊？ 小白D：怎么…（被作者强行捂住嘴巴） 好了，废话不多说，我们现在开始！（本篇比较详细，有些基础的小白可以

这个阶段一直在做和梯度一类算法相关的东西，索性在这儿做个汇总， 一、算法论述 梯度下降法(gradient  descent)别名最速下降法（曾经我以为这是两个不同的算法-.-）,是用来求解无约束最优化问题的一种常用算法。下面以求解线性回归为题来叙述： 设：一般的线性回归方程（拟合函数）为：（其中的值为1）    则这一组向量参数选择的好与坏就需要一个机制来评估，据此我们提出了其损失函数为(选择均方误差)： 我们现在的目的就是使得损失函数取得最小值，即目标函数为： 如果的值取到了0，意味着我们构造出了极好的拟合函数，也即选择出了最好的值，但这基本是达不到的，我们只能使得其无限的接近于0，当

全域哈希原理与实现1-hash哈希介绍2-Universal hashing全域哈希法3-构造一个全域哈希H\mathcal{H}H4-python实现 1-hash哈希介绍 hash函数y=h(k)y=h(k)y=h(k)，把任意长度的输入kkk通过散列算法hhh变换成固定长度的输出yyy，该输出就是散列值1。一种常见的hash函数是y=H(k)=(a⋅k+b)mod  my=H(k)=(a\cdot k+b) \mod my=H(k)=(a⋅k+b)modm，mmm一般取素数。 设hash函数的定义域为KKK，值域为YYY，一般来说，∣K∣>∣Y∣|K|>|Y|∣K∣>∣Y∣，这样hash