基本SR BasicSR（基本超级还原）是基于PyTorch的开源图像和视频还原工具箱（超分辨率，去噪，去模糊等）。 这是原始BasicSR的经过大量修改的分支。 您将在此处找到的内容：用于训练和测试计算机视觉（CV）模型的样板代码，集成在单个管道中的不同CV方法和策略以及模块化，以根据需要添加和删除组件，包括新的网络体系结构。 进行了大量的代码重写，以减少代码冗余和重复，重组代码并使其更具模块化。 可以在找到支持的体系结构的详细信息。 （自述文件当前为WIP） 此代码的最新版本中的一些新功能： 现在，将不同功能（HFEN，SSIM / MS-SSIM，SPL，TV / DTV等）使用的滤镜和图像操作合并到filter.py和colors.py中。 可重用的损失生成器，可以减少使用新模型时所需的更改，并且对所有模型仅添加一次新损失 度量构建器，在验证期间仅包括选定的那些。

将测试用例写在excel表格里，通过程序实现自动化运行测试用例，将错误日志打印在log里。是根据一个开源项目改了一些代码，正确填好interface测试用例表格之后就能正常运行。

stm32f407综合测试的代码，包括好多个模块的使用，是一个大综合，保证能用

Http代理侦探的源代码，软件使用详细见我的Bloghttp://blog.csdn.net/blog51/archive/2007/10/30/1855733.aspx

简单的测试代码（51单片机），全显分显。 void init_16C22(void) { start(); Send_Byte(0x7e); ACK(); Send_Byte(0x8c); ACK(); Send_Byte(0x70); ACK(); Send_Byte(0xc0); ACK(); stop(); }

Focal Loss的Pytorch实现及测试完整代码，适合深度学习，计算机视觉的人群

本文是介绍伪代码的规则和实例。主要内容包括：概念、规则、三角形问题、日期问题、佣金问题等伪代码实例

tensorflow对数据集中数据的读取与运算结果保存、训练模型、测试模型

1. 任意输入三个数（不一定是整数），看是否构成三角形的三个边；如果不构成三角形，请提示错误信息。 2. 如果构成三角形，请判别三角形的类型（锐角三角形，直角三角形，钝角三角形；等腰三角形，等边三角形；或是上两种情况的组合，如锐角等腰三角形…）。 3. 打印出这个三角形中最大的角的度数，范围在(0,180)间。 4. 边的三个数值及最大角的范围精确到小数点两位。

ONVIF 初学者