中国地区 这是一个基于Python语言编写的爬虫项目，针对中国省市区以及镇，街道，村，居委会等共5级行政区域数据的获取并写入excel文件 等级 一级：省，直辖市，自治区 二级：地级市 三级：市辖区，县（旗），县级市，自治县（自治旗），特区，林区 四级：镇，乡，民族乡，县辖区，街道 五级：村，居委会 本项目仅做学习交流用途 运行程序 依赖Python3环境 项目根目录执行pip install -r requirements.txt 环境安装好后，建议直接导入项目到PyCharm中运行 推荐使用单线程爬取，虽然速度慢，但是不容易被反爬 运行项目根目录下main.py文件 棉类参数说明： """ year: 要爬取的年份，默认2020 encoding: 编码，默认gb2312 province_code_list: 可爬取指定的一级行政区数据，为空时爬取全国一级行政区，否则爬取指定代码的

光现象复习导学案(知识梳理+针对训练)借鉴.pdf

iOS-Swift-ARkitFaceTrackingNose01 Level : Intermediate 在本教程中，您将学习如何使用TrueFepth相机使用AR Face Tracking来跟踪脸部，在跟踪的脸部上叠加图片，甚至根据您创建的面部表情来操纵图像。 本教程使用Xcode 10制作，并针对iOS 12构建。 关于 IOS 12，Swift 4的示例应用程序：几分钟后在菜单中制作幻灯片（SooninSlideInHandler，Swift开放源代码） 做广告-（支持我们:)，并在iOS App以下进行下载和评分。 Learn numbers 0 to 100 in English, French, German, Spanish and Italian. 要求 iOS 12.0以上 Xcode 10.0以上 迅捷4.0+ iPhone X + 用法 您无需下载任何额

IP是Ingress Protection的缩写，IP等级是针对电气设备外壳对异物侵入的防护等级，来源是国际电工委员会的标准IEC 60529，这个标准在2004年也被采用为美国国家标准。

深度学习是解决难题（例如图像分类，分割和检测）的强大方法。 然而，使用深度学习进行推理是计算密集型的，消耗大量内存。 即使是规模很小的网络也需要大量的内存和硬件来执行这些算术运算。 这些限制可能会阻止将深度学习网络部署到计算能力低且内存资源较小的设备上。 在这种情况下，您可以将 Deep Learning Toolbox 与 Deep Learning Toolbox 模型量化库支持包结合使用，通过将卷积层的权重、偏差和激活量化为 8 位缩放整数来减少深度神经网络的内存占用数据类型。 然后您可以使用 GPU Coder 为量化网络生成优化的 CUDA 代码。 此示例展示了如何创建、训练和量化一个用于缺陷检测的简单卷积神经网络，然后演示如何为包括前/后图像处理和卷积神经网络在内的整个算法生成代码，以便您可以将其部署到 NVIDIA GPU 中，例如Jetson AGX Xavier、N

针对序列的内置函数

针对于工业互联网的中控系统组态王，对于一些简单的值写入做的一个流程化的文档供大家学习，此资源仅供学习使用

Twitter情绪可视化 一个网络应用程序，它使用来自Twitter的数据以及情感分析和情感检测相结合的方式来创建一系列数据可视化效果，以说明快乐和不快乐的位置，主题和时间。 介绍 该项目旨在使Twitter数据更易于理解。 它流式传输实时tweet，或者可以获取有关特定主题或关键字的tweet-然后使用自定义编写的情感分析算法分析此数据，并最终通过一系列动态D3.js数据可视化显示结果。 该应用程序的目的是允许在情绪与其他因素之间找到趋势，例如地理位置，一天中的时间，其他主题... 从分析营销活动的有效性到比较两个竞争主题，它具有广泛的用途。 在阅读有关该应用程序的更多信息。 该应

为了增强人脸识别对光照变化的鲁棒性，提出了一种融合多方法的人脸图像光照预处理算法。该算法首先根据改进的自适应平滑算法(IAS)估计出原图像的亮度分量L，再用Retinex算法求得反射分量R，同时对原图像进行局部对比度增强(LCE)处理来增强图像细节；然后采用基于标准差(SD)的加权方法将多种方法有效融合起来；最后采用基于稀疏表示的分类(SRC)算法进行判别归类。在Yale B人脸库上的实验表明，构造的算法识别率高于使用单一预处理算法，而且在训练样本单一、光照环境较差情况下也能取得很好的识别效果，对光照变化有较好的鲁棒性。

本文实例讲述了Python实现针对给定字符串寻找最长非重复子串的方法。分享给大家供大家参考，具体如下： 问题： 给定一个字符串，寻找其中最长的重复子序列，如果字符串是单个字符组成的话如“aaaaaaaaaaaaa”那么满足要求的输出就是a 思路： 这里的思路有两种是我能想到的 （1）从头开始遍历字符串，设置标志位，在往后走的过程中当发现和之前标志位重合的时候就回头检查一下这个新出现的子串是否跟前面字符串或者前面字符串的子串相同，相同则记录该子串并计数加1，直至处理完毕 （2）利用滑窗切片的机制，生成所有的切片接下来统计和处理，主要利用到了两次排序的功能 本文采用的是第二种方法，下面是具体实现：