在本次实验中，使用了经典的AlexNet卷积神经网络对经典的MNIST数据集进行训练。完成了模型搭建与训练的任务，识别精度也足够高，也编写了简单的用户界面，用真实手写的图片进行测试，可以看出模型对于真实场景的效果也是适用的，而不是只适用于加载出来并分割出来的测试集。为了进一步改进，可以引入图像增广、翻转、裁剪、颜色变化等办法进一步扩大制作数据集，用于训练与测试。可以使用RGB颜色的3通道彩图而不是

1、嵌入式系统的概念以应用为中心、以计算机技术为基础、软硬件可裁剪，适应应用系统对功能、可靠性、成本、体积、功耗严格要求的专用计算机系统。2、了解ARM体系结构的演变进程1991年开始共推出7个版本，V1~V3未用于商业授权。V4T开始商业授权，T表示16位Thumb指令，ARM7TDMI，冯诺依曼结构，三级流水线，0.9MIPS/MHz。V5增强ARM和Thumb指令切换的支持，增加了DSP指令

目录一：任务目的二：任务内容三：提交形式及时间四：步骤五、感悟一：任务目的（1）了解计算机网络TCP/IP的分层实现过程，了解不同层次PDU的逐层封装与解封过程；（2）熟悉网络通信的实现过程和数据发送过程；（3）熟悉计算机网络各层知识的应用，能综合利用所学知识对网络数据进行分析；二：任务内容（1）了解并熟悉常见的抓包工具，例如Wireshark、Sniffer等，熟悉以太网数据帧和IP数据包的结构

目录一、实验目的及要求1.实验目的2.实验要求二、实验仪器用具三、实验方法及步骤四、实验结果与数据五、实验心得体会六、指导教师评语及成绩一、实验目的及要求1.实验目的（1）掌握图层的运用。（2）掌握抠图的基本步骤。（3）掌握几何变化、色彩变换等基本操作。2.实验要求（1）完成实验要求文档。二、实验仪器用具（1）实验场地：计算机机房。（2）实验用具：Adobe Photoshop CC 2019三、

在调试pytorch代码时，可能会看到某个pytorch tensor类型的变量的data变量名，展开后递归地指向了自己。这是因为pytorch自己的data变量名是递归地指向自己的，而vscode的debugger还原了这种情况，并没有对此做更多优化。1.在对应的conda环境中安装jupyter(conda install jupyter)4.安装完成后，右键点击变量名的“View Value

1.实验目的(1)掌握递归与分治法的处理思路与算法框架。(2)掌握应用递归与分治法解决具体问题的方法。(3)掌握分治法的广泛应用。2.实验内容(1)问题描述设有nnn个运动员要进行网球循环赛。设计一个满足以下要求的比赛日程表：（1）每个选手必须与其他n−1n-1n−1个选手各赛一次（2）每个选手一天只能赛一次。（3）当nnn是偶数时，循环赛进行n−1n-1n−1天；当nnn是奇数时，循环赛进行nn

(1)利用所学习的监督学习方法完成目标识别实验方案的设计。(2)编程并利用相关软件完成实验测试，得到实验结果。(3)通过对实验数据的分析﹑整理，方法的对比，得出实验结论，培养学生创新思维和编写实验报告的能力，以及处理一般工程设计技术问题的初步能力及实事求是的科学态度。(4)利用实验更加直观﹑方便和易于操作的优势，提高学生学习兴趣，让学生自主发挥设计和实施实验，发挥出学生潜在的积极性和创造性。

（主要总结本实验的不足以及进一步改进的设想）总结：在本次实验中，使用了经典的基于CNN的LeNet算法，实现了对图片自动的特征提取与分类。深度学习的特点是存在一个甚至多个隐藏层(Hidden Layers)。所以，深度学习比起传统机器学习方法的优点是：有隐藏层，能自动学习并完成特征提取任务，对于图像、自然语言、语音等非结构化的数据集，能够自动进行特征提取而不需要我们手动地构造相关特征，完成比一个简

在本次实验中，使用了经典的AlexNet卷积神经网络对经典的MNIST数据集进行训练。完成了模型搭建与训练的任务，识别精度也足够高，也编写了简单的用户界面，用真实手写的图片进行测试，可以看出模型对于真实场景的效果也是适用的，而不是只适用于加载出来并分割出来的测试集。为了进一步改进，可以引入图像增广、翻转、裁剪、颜色变化等办法进一步扩大制作数据集，用于训练与测试。可以使用RGB颜色的3通道彩图而不是

（1）给定四个已知点P1—P4，以此作为控制顶点绘制一段三次Bezier曲线。（2）给定四个已知点P1—P4，以此作为曲线上的点绘制一段三次Bezier曲线。给定六个已知点P1—P6，以此作为控制顶点绘制一条三次B样条曲线。Visual Studio 2019图形学实验程序框架Windows11系统对于问题1(1)，三次Bezier曲线的矩阵表示形式如下：Q(t)=(t3t2t1)(−13−313