一、卷积神经网络
卷积神经网络（ConvolutionalNeuralNetwork，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等。CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求，避免复杂的特征工程。在卷积神经网络中，第一个卷积层会直接接受图像像素级的输入，每一层卷积（滤波器）都会提取数据中最有效的特征，这种方法可以提取到图像中最基础的特征，而后再进行组合和抽象形成更高阶的特征，因此CNN在理论上具有对图像缩放、平移和旋转的不变性。
卷积神经网络CNN的要点就是局部连接（LocalConn
2021-11-01 22:59:21
66KB
1
基于Jest + Enzyme的React单元测试
Jest和Enzyme的基本介绍
测试环境搭建
测试脚本编写
UI组件测试
减速机
运行并调试
参考资料
笑话，酶介绍
Jest是Facebook发布的一个开源的，基于Jasmine框架JavaScript单元测试工具。提供了包括内置的测试环境DOM API支持，断言库，Mock库等，还包含了Spapshot测试，即时反馈等特性。
Airbnb开源的React测试类库酶提供了一套简洁强大的API，并通过jQuery风格的方式进行DOM处理，开发体验非常友好。同时在开源社区有超高人气，同时也获得了React官方的推荐。
测试环境搭建
在开发R
2021-11-01 21:32:56
328KB
1
parasoft公司的C++test是一款非常棒的C\C++源代码测试工具。本帮助文档是根据网上收集的资料和自己在工作中的实践经验撰写出来的。也有部分是根据C++test自带的user guide文档翻译而得。希望对大家有所帮助。
2021-11-01 14:24:07
3.47MB
1
PLC-Test
PLC测试工具
功能：
用xml作配置文件，用excel作测试流程。
用modbus协议作通讯。
下载：
窗口：
1.7：
2.3：
更新文档：
2021.3.31：
1.0：
能够实现基本的TCP测试。
2021.4.1：
1.1：
添加了关于对象的支持。
2021.4.2：
1.2：
优化了使用方式，修复了一些bug。
添加了配置文件，可以在程序开始时自动读取。
2021.4.6：
1.3：
完善了单向测试。
1.4：
添加了输出结果Excel功能。
2021.4.7：
1.5：
修复了大量bug。
2021.4.9：
1.6：
窗口进行了一些调整，新增了一些控件。
2021.4.10：
1.7：
稳定版本。
2021.4.12：
2.0：
加入了将测试结果保存在SQL数据库的功能。
2021.4.13：
2.1：
加入了UDP功能，用于测试FSU。
2.2：
现在用
2021-11-01 11:39:37
32.02MB
1
单元测试概述
测试并不只是测试工程师的责任,对于开发工程师,为了保证发布给测试环节的代码具有足够好 的质量( Quality ),为所编写的功能代码编写适量的单元测试是十分必要的
2021-11-01 01:03:55
1.24MB
1
大中型的实用项目中，多人协作开发，除了分层次目录存放源码，还要考虑源码权限，自动化的编译方案。linux下开发，makefile树，是一种常用方案。本资源是一个项目目录树和makefile树的简单示例。具体说明参考：http://blog.csdn.net/zhouyulu/article/details/8449263
2021-10-31 21:26:07
2KB
1
Kaggle竞赛中的犬种识别挑战，比赛的网址是https://www.kaggle.com/c/dog-breed-identification 在这项比赛中，尝试确定120种不同的狗。该比赛中使用的数据集实际上是著名的ImageNet数据集的子集。
基本思路
加载自定义数据集
微调ResNet18模型
训练模型
基于pytorch的代码
日常导入需要用到的python库
import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
from torchvision import transf
2021-10-31 17:21:37
56KB
1
1 基本概念
PCA即主成分分析技术。主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。
在统计学中，主成分分析PCA是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。
主成分分析经常用于减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。
2 原理与数学推导
1.主成分分析使用的是梯度上升法
2021-10-29 15:51:35
749KB
1