logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

python 利用socketio(WebSocket协议)实现轻量级穿透方案

基于 WebSocket 封装的通信库;初始握手用;成功协商后,优先使用 WebSocket 通信;如果浏览器或网络环境不支持 WebSocket,会 fallback 到HTTP 长轮询(long-polling);

文章图片
#python#websocket#java
AB3DMOT 车辆 行人识别

代码库:https://github.com/xinshuoweng/AB3DMOT搭建环境:Ubuntu 16.04、Python 3.7.6 in Anaconda、Pytorch 1.2 + CUDA 9.2预研环境搭建参照PointRCNN环境搭建及运行所述KITTI object tracking数据集下载数据集官网:http://www.cvlibs.net/datasets/kitt

#车辆识别
国外开源客服系统chathoot部署,使用教程

注意,容器名可能不叫chatwoot-rails-1,docker ps查看容器名确认后执行。将下面配置文件复制到/docker-compose.yaml。注意修改server_name xxxx 为自己的域名。如果国内下载失败,可以尝试使用阿里、清华源。访问域名 https://你的域名。最后一步需要填写你自己的域名。配置下面的nginx文件,

#开源
线性回归,损失的定义,损失函数与优化方法,用统计学习方法来理解线性回归、损失函数和优化方法,Sklearn使用方法

目录1.线性回归一元线性关系多元线性关系2.损失:评估预测结果与真实值的偏差程度误差累积的结果总损失计算公式:损失函数:最小二乘法3.损失函数的优化方法4.用统计学习方法来理解线性回归、损失函数和优化方法5.Sklearn API接口与使用方式波士顿房价预测案例参考文档1.线性回归线性回归属于监督学习的回归问题的一类,由于回归问题的目标值是连续的,所以线性回归算法的目标是寻找连续的目标值之间的一种

#线性回归
阿里云 通过EIP实现VPC下的SNAT以及DNAT

在交换机下新增一条路由,0.0.0.0 跳至192.168.0.85(有公网服务器)在192.168.0.85(有公网地址服务器上操作)

文章图片
#阿里云#服务器#linux
PID实例讲解(适合小白),PID三个变量的作用与关系

故事案例下故事摘自其他文章小明接到这样一个任务:有一个水缸点漏水(而且漏水的速度还不一定固定不变),要求水面高度维持在某个位置(100%),一旦发现水面高度低于要求位置(85%),就要往水缸里加水。小明接到任务后就一直守在水缸旁边,时间长就觉得无聊,就跑到房里看小说了,每30分钟来检查一次水面高度。水漏得太快,每次小明来检查时,水都快漏完了,离要求的高度相差很远,小明改为每3分钟来检查一次,结果每

ROS urdf xacro 建模 差速轮模型

目录URDF1.什么是URDF2.link与joint标签3.robot标签4.建模实例xacro1.什么是xacro2.如何使用xacro3.常量定义与使用4.数学计算5.宏定义6.文件包含7.xacro转urdfURDF​​​​​​​1.什么是URDFURDF(Unified Robot Description Format),统一机器人描述格式,ROS中非常重要的机器人模型描述格式,将真实世

[ROS] 安装Gazebo 使用Gazebo 实现摄像头仿真 雷达仿真 Kinect仿真

安装GazeopGazeop是一款仿真软件,和ROS有非常好的兼容性,通常来说使用rviz就可以满足绝大部分需求,但是要考虑真实世界的物理属性的话(比如摩擦力,空气阻力,湿度,地面凹凸程度等),就需要用到Gazepo1.添加源sudo sh -c 'echo "deb http://packages.osrfoundation.org/gazebo/ubuntu-stable `lsb_relea

sklearn 数据预处理,数据降维之特征选择,PCA主成分分析

目录1.数据集的维度2.什么是数据集降维3.数据降维的方式4.特征选择1.特征选择的原因2.特征选择是什么3.特征选择的主要方法4.Filter(过滤式):VarianceThreshold5.PCA主成分分析sklearn对pca的支持1.数据集的维度何为维度?对于一组数据集,其特征的数量即为改组数据的维度;如[90,2,10,40]这样一组数据的维度即为42.什么是数据集降维如图所示,左边的一

Django MTV模式介绍,MTV与MVC的区别,Django模板使用方式,模板继承思路讲解,高效编程

1.MTV设计模式MTV为Model-Template-View(模型-模板-视图)模式,很好的诠释了分层开发模式,使开发团队解耦,可独立的开发属于自己一层的程序作用:降低模块间耦合度,开发解耦,维护解耦。各层详细说明:Model:负责与数据库交互,这一类文件用于处理数据库字段对python对象的映射关系,并做一层封装,通常一个文件映射数据库中的一个表单。Template:负责呈现内容到浏览器,一

    共 45 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择