找了好多编程器固件，发现这个比较好，共享一下，刷好就是中文界面

fbprophet案例之python实现目的1.正弦波和矩形波叠加1.1 数据生成过程1.2 数据模拟的python代码1.3 propeht模型拟合2.ARMA过程2.1 ARMA过程和随机模拟器2.2 生成一个平稳的ARMA过程并利用propeht预测2.3 生成一个带趋势的时间序列3.总结 目的      上一篇博文翻译了fbprophet所参考的文献，本篇内容将给出模拟的时间序列，验证下fbpropeht的精度，以及尝试下如何调参； 1.正弦波和矩形波叠加 1.1 数据生成过程      生成一个频率为15分钟的时间序列，其中每一天的数据是一个正弦波，如果是周末，则需要在正弦波上加1，

在早先的章节里，我们看到很多图像平滑技术如高斯模糊，Median模糊等，它们在移除数量小的噪音时在某种程度上比较好用。在这些技术里，我们取像素周围的一小部分邻居，做一些类似于高斯平均权重，中值等替换掉中间的元素。简单说，移除一个像素的噪音是基于本地邻居的。 噪音有一个属性，噪音一般被认为是具有零平均值的随机变量。假设一个像素噪音，p = p0 + n, 其中p0是像素的真实值，n是那个像素的噪音。你可以从不同图像取大量的同一个像素(N)并计算他们的平均值，理想情况下，你应该得到p=p0，因为均值是0. 你可以自己通过一个简单例子验证一下。保持一个静止的摄像机对准一个位置多呆几秒，这会给你很多帧

OP协议，OP协议测试工具，Open Interface，电动扳手OP测试，纯程序

AR9341 WR847N V2.0 狂超750Mhz刷OP编程器固件 ,学会路由器硬改，让你的路由器变得更强！

关于opencv OpenCV 是 Intel 开源计算机视觉库 (Computer Version) 。它由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV 拥有包括 300 多个 C 函数的跨平台的中、高层 API 。它不依赖于其它的外部库 —— 尽管也可以使用某些外部库。 OpenCV 对非商业应用和商业应用都是免费 的。同时 OpenCV 提供了对硬件的访问，可以直接访问摄像头，并且 opencv 还提供了一个简单的 GUI(graphics user interface) 系统 :highgui 。 我们就通过 OpenCV 提供的

对于一般的图像提取轮廓，介绍了一个很好的方法，但是对于有噪声的图像，并不能很好地捕获到目标物体。 比如对于我的鼠标，提取的轮廓效果并不好，因为噪声很多： 所以本文增加了去掉噪声的部分。 首先加载原始图像，并显示图像 img = cv2.imread("temp.jpg") #载入图像 h, w = img.shape[:2] #获取图像的高和宽 cv2.imshow("Origin", img) 然后进行低通滤波处理，进行降噪 blured = cv2.blur(img,(5,5)) #进行滤波去掉噪声 cv2.imshow("Blur", blured)

使用Pytorch框架进行深度学习任务，特别是分类任务时，经常会用到如下： import torch.nn as nn criterion = nn.CrossEntropyLoss().cuda() loss = criterion(output, target) 即使用torch.nn.CrossEntropyLoss()作为损失函数。 那nn.CrossEntropyLoss()内部到底是啥？？ nn.CrossEntropyLoss()是torch.nn中包装好的一个类，对应torch.nn.functional中的cross_entropy。 此外，nn.CrossEntropyL

注意这里提取到的人脸图片的保存地址要改成自己要保存的地址 opencv人脸的检测模型的路径也要更改为自己安装的opencv的人脸检测模型的路径 import cv2 save_path = 'F:\\face_photo_save\\chenym\\' cascade = cv2.CascadeClassifier("D:\\opencv249\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt_tree.xml") cap = cv2.VideoCapture(0) i = 0 while True: ret

颜色目标检测就是根据物体的颜色快速进行目标定位。使用cv2.inRange函数设定合适的阈值，即可以选出合适的目标。 建立项目colordetect.py，代码如下： #! /usr/bin/env python # -*- coding: utf-8 -*- import numpy as np import cv2 def colorDetect(): image = cv2.imread('./1.png') # 使用RGB颜色空间检测红 蓝 黄 灰，设置合适的阈值 boundaries = [ ([17, 15, 100], [50, 56, 200]), ([86, 3