一套面向“可学习、可扩展、可上线”的博客社区模板 CCBlog 正式开源！前后端分离，Vue3 + SpringBoot3 + Redis7 + Caffeine + RabbitMQ + MySQL8，Jmeter实测 500 并发 4000 QPS、0 错误。无限层级评论、WebSocket 实时聊天、AI 大模型 SSE 流式回答、Docker 一键部署全部开箱即用。项目文档完整，欢迎 St

一套面向“可学习、可扩展、可上线”的博客社区模板 CCBlog 正式开源！前后端分离，Vue3 + SpringBoot3 + Redis7 + Caffeine + RabbitMQ + MySQL8，Jmeter实测 500 并发 4000 QPS、0 错误。无限层级评论、WebSocket 实时聊天、AI 大模型 SSE 流式回答、Docker 一键部署全部开箱即用。项目文档完整，欢迎 St

神经网络是深度学习的基础，最重要的就是熟悉里面的前向传播和反向传播。本文首先从理论切入，首先讲了前向传播，对于反向传播部分，分为了两个部分分别是简单模型（两层）和扩展模型（多层），原理之后是代码部分。

LSTM---长短期记忆递归神经网络是一个非常常用的神经网络，其特点在于该网络引入了长时记忆和短时记忆的概念，因而适用于一些有着上下文语境的回归和分类，诸如温度预测或是语义理解。从利用pytorch来构造模型的角度来看，该模型相比于一般的模型会有一些不同的地方，尤其是在参数的设置上，本文尝试以一个相对通俗的方式来解释本人的一些理解。

既可以用来分类，也可以用来降维，与PCA不同的是，PCA是无监督的，PLS-DA是有监督的。与PCA不同，PCA是无监督,PLS是“有监督”模式的偏最小二乘法分析，当样本组间差异大而组内差异小时，无监督分析方法可以很好的区分组间差异。反之样本组间差异不大，无监督的方法就难以区分组间差异。另外如果组间的差异较小，各组的样本量相差较大，样本量大的那组将会主导模型。有监督的分析（PLS-DA）能够很好的

下面就opencv的安装，ncnn的部署，模型的移植和一些关于模型的修改展开首先是numpy然后是opencv所需的依赖安装好依赖之后就可以下载opencv了需要下载Opencv和OpenCV_Contrib两个压缩包，链接如下,可能要打开好几次才能进去，我是尝试了好几次OpenCV：GithubOpenCV_Contrib：Github4.x代表四点几的版本，后面的tags是细分，可以自行选择，

最近研究IMU陀螺仪，经过一早上的调试，最后发现根本看不懂xyz三个角度的度数是怎么来的，看了一些教程，也觉得不够直观，去了b站找了个视频，发现讲解的还不错，顺便也加上自己的一些理解，但是写的可能并不是很直观，但是应该可以提供一点思路。