数据采集大作业

news/2024/12/15 17:10:38/文章来源:https://www.cnblogs.com/okiqiiii/p/18607460
这个项目属于哪个课程 2024数据采集与融合技术实践
组名 从你的全世界爬过
团队logo：
项目简介 项目名称：博物识植
项目logo：

项目介绍：在探索自然奥秘的旅途中，我们常与动植物相伴而行，却无法准确识别它们，更难以深入了解他们的特征。为了更好地理解和欣赏自然界的多样性，提升我们对动植物的认识和保护意识，我们需要一个智能系统。该系统能够根据用户拍摄的动植物照片，智能识别并匹配相应的信息，同时为用户提供丰富的学习资源，帮助人们更深入地了解和学习动植物知识。通过这样的方式，我们不仅能够更准确地识别和欣赏周围的生命，还能够在日常生活中，随时随地增长见识，体验探索自然的乐趣。
项目背景：人类的生活离不开动植物的支持，动植物的多样性是一切地球生物的依赖。在生活中随处可见很多动植物，动植物是人类生活必不可少的一部分。 保护大自然保护动植物就是在保护人类自己。在保护动植物的过程中，首先要解决的是动植物识别的问题。
项目意义:提供了一种我们与自然界互动的方式。其应用场景广泛，渗透到了教育、旅游等多个领域。在学校，它可以是生物课程的辅助工具，通过实践学习生物多样性；在旅游行业，它可以帮助游客更好地了解他们所参观的自然景观，提升旅行体验
团队成员学号 042201401陈高菲、102202107王勤琛、102202108王露洁、102202115孙佳会、102202123张铭心、102202130林烨、102202138徐婉瑜、102202140郭心怡
项目目标 本系统旨在实现以下功能：
a.图片识别功能：用户上传动植物图片，系统通过图像识别技术自动识别物种，返回准确的物种名称。
b.物种详细信息：识别后，用户将获取该物种的详细信息，包括外形特点、生长环境、分布区域等相关数据。
c.物种图片展示:系统将提供该物种的高质量图片，帮助用户更直观地了解物种特征。
d.名称搜索功能:用户可以手动输入动植物的名称，系统将返回该物种的相关信息，方便快速查询。
e.网站部署上线：通过华为云的弹性计算服务部署网站，确保系统高可用和稳定运行，实现网站上线。
其他参考文献 1.yanjingang/pigimgclassification: 图像分类
2.基于改进SE-MnasNet骨干网络YOLOv5的动植物树木识别系统_开源 树木识别
gitee链接 2024学年数据采集与融合技术大作业——博物识植 团队：从你的全世界爬过

一、系统总体技术概述

1.1 系统架构概述

系统分为前端、后端、数据库、AI接口、爬虫模块、部署等多个层级。前后端之间通过RESTful API进行通信。具体分为以下几个部分：

  • 前端：使用HTML、CSS和JavaScript进行界面设计，实现用户与系统的交互。用户可以上传文本、图片等文件。
  • 后端：使用Python语言和Flask框架实现，处理图像识别、查询请求、调用AI接口和爬虫数据存储等业务逻辑。
  • 数据库：存储动植物物种的详细信息，包括图像、分布、特点等。存储物种识别的历史记录信息。
  • 图像识别与AI接口：利用图像识别模型或调用第三方AI服务（如百度AI、Google Vision等）识别图片并返回结果。
  • 爬虫：提前爬取动植物相关网站数据，补充物种数据库。使用Selenium框架进行实时图片爬取。
  • 部署平台：使用华为云平台部署系统，保证系统的高可用和稳定性。

1.2 各模块技术实现

1.2.1 图像识别模块

  • 目标：用户上传图片，系统通过图像识别技术返回物种名称。
  • 技术方案：
    使用深度学习模型：基于改进SE-MnasNet骨干网络YOLOv5和卷积神经网络cnn opencv进行图像分类和识别。
    基于识别精确度的考虑调用第三方云服务百度智能云的动植物识别API提供快速而准确的图像识别。
  • 流程：
    用户上传图片，前端将图片通过API发送至后端。
    后端调用模型或AI图像识别API分析图片，获取可能的物种标签。
    后端将物种名称返回给前端，前端展示识别结果。

1.2.2 物种信息查询功能

  • 目标：根据识别后的物种名称或用户输入的名称，返回该物种的详细信息。
  • 技术方案：
    利用selenium技术和scrapy框架爬取信息网站所有物种信息（如外形特点生长环境、分布区域等）存储在csv表导入数据库并定期更新。
    利用查询语句在数据库中进行查找并返回详细信息。
    若数据库中没有相关信息，则调用百度智能云的千帆大模型识别物种名称，查询物种相关信息。
  • 流程：
    后端识别出物种名称时，系统首先查询数据库，若没有该物种的信息，再调用AI接口获取。

1.2.3 相似图片展示

  • 目标：根据用户上传的图片，返回物种的相似图片，帮助用户直观了解物种。
  • 技术方案：
    运用selenium爬虫技术实时爬取百度识图返回的相似图片
  • 流程：
    后端接收前端传入的图片后，将图片作为输入文件传入百度识图网站实时爬取相似图片，在系统返回物种详细信息时，将图片URL一并返回。

1.2.4 保存历史记录

  • 目标：将用户的历史搜索记录保存至数据库，方便用户在“我的图鉴”页面查看并跳转至物种详情页，随时查看过去的搜索记录。
  • 技术方案：
    创建一个数据库表专门用来保存用户的搜索记录，包括用户上传的图片、识别出来的物种名称、物种的详细信息（如描述、分布、图片URL等）
  • 流程：
    当用户获取识别结果时，后端系统会将物种信息保存至数据库中。在点击我的图鉴中的物种名称时，后端调取数据库信息展示在前端界面。

1.2.5 部署与部署架构

  • 目标：将整个系统部署到华为云服务器上，让非本地用户可以访问。
  • 技术方案：
    使用华为云ECS（Elastic Cloud Server）部署后端服务。
    使用华为云OBS 存储图片等静态资源。
    使用RDS（Relational Database Service）存储物种信息数据库。
    前端可以使用 Nginx 进行负载均衡和反向代理
  • 流程：
    前后端文件上传部署完成后即可实现非本地用户的访问。

1.3 源码运行步骤

  • gitee仓库下载源码
  • 启动文件中的ai.py与database.py文件
  • 运行index.html文件
    （！注意在本地主机运行代码时请更换代码中的路径名）

二、个人分工

1.前期项目调研与思考

思路是以 前端组（张铭心、孙佳会、王露洁） 为单位挖掘

1.1 同类型app调研

有了初步idea的时候，我们调查了市面上现有的app，例如“形色”、“花伴侣”等app，以及“识花君”、“懂鸟”小程序
我们发现了这些软件都已具备的功能有：

  • 识别植物/动物（图片/音频eg.叫声）
  • 返回对应名称/百科/地图
  • 发帖分享

以形色为例（个人认为相对其他的页面和功能都相对完善）：

描述

1.主要以帖子分享的形式产生结果，包括其他现有的app更注重互动性，而缺少直接记录的功能，更多是查了就走，知识也就是“一轮游”了！
↓
这里在构建软件的时候选择开发的是存储功能，替换了普遍的发帖分享。
也是观察到市面上基本上是以发帖形式记录，而我们更倾向于拥有一个属于自己的、更直观的小百科，所以还是把小识图鉴抬上来力

2.现有动物识别应用也很少，大部分都是在某一个物种上、对单一数据类型进行处理的专精识别，泛用性低！
3.再观察现有动植物科普网站，模块划分都有点混乱，更适用于专业人员，热爱自然的小白更是难以上手！
↓
鉴于我们探索自然的好奇心之宽广，动物也好、植物也罢，需要在各大小程序、app上跳转以悉知各生物实在是麻烦，所以我们推出了“博物识植”网站！
旨在将上述我们需要的功能（动植物识别、搜索、百科查看与存储）集成在一个网站上！

1.2 接口功能考虑

原本我们意向的识别功能是：上传图片+文字描述/仅图片/仅文字 → 识别结果

经过考虑，文字描述获得识别结果实在不大可能，我们的描述还是很难接近现实的正确答案的
因此，最后修改为：

  • 上传图片->识别结果
  • 输入物种名称->搜索百科

2.项目整体架构搭建

使用工具的确定：
前端：HBuilderX（html、css、JavaScript）
后端：Python flask
采用前后端分离的形式

2.1 前端整体设计

通过初步调研的结果我开始设计前端
主要设计了四大页面

  • 拍拍园地（首页：项目及其团队的特色介绍）
  • 植物百科（植物识别页面：识别图片/搜索物种并返回结果 注：结果也是一个details页面）
  • 动物绘本（动物识别页面：同上）
  • 我的图鉴（将搜索的结果通过点击“记录”键存入小识图鉴）

整体采用符合项目主题的绿色清新风，干净整洁的ui设计是让生物爱好者在此停留品味自然的关键。
同时我也自主通过ai设计了项目logo和团队logo，很好地将主题融入设计中。
本人主要完成页面为拍拍园地、我的图鉴，以及识别页面的完善：

完成页面展示：
①首页-拍拍园地+顶部导航栏设计

描述

描述

②我的图鉴（2.2详细介绍技术）

描述

2.2 图鉴记录功能

思路构建（思路很简单，关键是对获取的数据进行处理，以及构建好数据库的连接）：

  • 将details页面获取的各种数据封装存入MySQL数据库
  • 根据存入的动植物id调取数据库内容并显示

*注：这里后续配合了华为云上传处理的高菲同学完成了云部署

功能实现的过程失败了很多次
整理失败原因：

1.本地上传的图片url非常长，一开始仅设计变量类型为varchar只有255个字符不足以存储
解决：改为text，但还是太长了，最终修改为longtext成功存储

2.由于前后端是分离的，按照平时上课的方式按照template文件夹存放html的方式做是错误的
解决：将路径标明，同时接收跨域请求cors，注意端口号不要和之前的ai接口python文件重复，不然同时运行会出问题

3.处理实时爬取图片的数据是一个难题，爬取的路径比较复杂，不能直接以单个标点（例如逗号）分隔出url列表
解决：用正则表达式划分，以http开头为一个单位
或者后续直接以http作为分隔符，后续再给列表里的url加入http头

实现前后端代码关键部分（点击可展开查看详情）：

图鉴详情数据处理调出脚本代码 
<script>// 获取 URL 中的植物 IDconst urlParams = new URLSearchParams(window.location.search);const plantId = urlParams.get('id');// 如果没有获取到 ID，则跳转到错误页面或做提示if (!plantId) {alert("植物ID未提供！");window.location.href = "plants_get.html"; // 如果没有ID，跳转到植物列表页}// 调用后端接口获取植物详情fetch(`http://localhost:5001/api/get_plant_details?id=${plantId}`).then(response => response.json()).then(data => {if (data.status === 'success') {const plant = data.plant;// 填充页面内容document.getElementById('plant-name').textContent = plant.name;document.getElementById('plant-image').src = plant.image_url;document.getElementById('plant-image').alt = plant.name;document.getElementById('plant-details').textContent = plant.details;// 填充相似图片const similarImagesList = document.getElementById('similar-images-list');similarImagesList.innerHTML = ''; // 清空现有内容// 如果相似图片存在并且不为空if (plant.similar_images && plant.similar_images.trim() !== "") {// 使用http为分隔符将字符串转换为数组const similarImagesArray = plant.similar_images.split('http').map(url => url.trim()).filter(url => url !== "");// 添加每个图片 URL 前的 http 并渲染成图片const similarImagesList = document.getElementById('similar-images-list');similarImagesArray.forEach(imageUrl => {// 每个 imageUrl 加上 httpconst fullImageUrl = "http" + imageUrl;// 创建新的 li 和 img 标签const listItem = document.createElement('li');const imgTag = document.createElement('img');imgTag.src = fullImageUrl;  // 设置图片的源imgTag.alt = "相似图片";  // 图片的alt文本listItem.appendChild(imgTag); // 将 img 添加到 li 中similarImagesList.appendChild(listItem); // 将 li 添加到 ul 中});}} else {alert("未找到植物信息！");}}).catch(error => {console.error('获取植物详情失败:', error);alert("无法加载植物详情！");});
</script>
图鉴调出显示脚本代码 
    <script>// 初始化当前页码let currentPlantPage = 1;let currentAnimalPage = 1;// 每页显示的记录数const recordsPerPage = 3;// 获取植物数据并渲染function fetchPlants(page) {fetch(`http://localhost:5001/api/get_plants?page=${page}`).then(response => response.json()).then(data => {if (data.status === "success") {renderPlants(data.plants);  // 渲染植物数据renderPagination(data.total_pages, 'plants-pagination', fetchPlants);  // 渲染植物分页按钮} else {alert('加载植物数据失败');}}).catch(error => {console.error('Error:', error);alert('获取植物数据失败');});}// 渲染植物数据function renderPlants(plants) {const container = document.getElementById('plants-container');container.innerHTML = '';plants.forEach(plant => {if (!plant.id) {console.error('植物ID缺失:', plant);return;}const plantItem = document.createElement('div');plantItem.classList.add('plant-item');plantItem.innerHTML = `<div class="plant-image"><img src="${plant.image_url}" alt="${plant.name}" /></div><div class="my-name"><a href="my_details.html?id=${plant.id}">${plant.name}</a></div>`;container.appendChild(plantItem);});}// 获取动物数据并渲染function fetchAnimals(page) {fetch(`http://localhost:5001/api/get_animals?page=${page}`).then(response => response.json()).then(data => {if (data.status === "success") {renderAnimals(data.animals);  // 渲染动物数据renderPagination(data.total_pages, 'animals-pagination', fetchAnimals);  // 渲染动物分页按钮} else {alert('加载动物数据失败');}}).catch(error => {console.error('Error:', error);alert('获取动物数据失败');});}// 渲染动物数据function renderAnimals(animals) { // 修改参数名为 'animals'const container = document.getElementById('animals-container');container.innerHTML = '';animals.forEach(animal => { // 使用正确的变量名if (!animal.id) {console.error('动物ID缺失:', animal);return;}const animalItem = document.createElement('div');animalItem.classList.add('animal-item');animalItem.innerHTML = `<div class="animal-image"><img src="${animal.image_url}" alt="${animal.name}" /></div><div class="my-name"><a href="my_details_animal.html?id=${animal.id}">${animal.name}</a></div>`;container.appendChild(animalItem);});}// 渲染分页按钮function renderPagination(totalPages, paginationId, fetchFunction) {const pagination = document.getElementById(paginationId);pagination.innerHTML = '';for (let i = 1; i <= totalPages; i++) {const pageButton = document.createElement('button');pageButton.textContent = i;pageButton.classList.add('pagination-button');pageButton.onclick = () => {fetchFunction(i);};pagination.appendChild(pageButton);}}// 页面加载时，加载第一页的植物和动物数据document.addEventListener('DOMContentLoaded', () => {fetchPlants(currentPlantPage);fetchAnimals(currentAnimalPage);});</script>
数据库连接后端代码 
from flask import Flask, request, jsonify
import mysql.connector
from mysql.connector import Error
from flask_cors import CORSapp = Flask(__name__)
CORS(app)  # 允许所有来源的跨域请求def get_db_connection():try:connection = mysql.connector.connect(host='ip已覆盖',database='plants_and_animals',user='root',password='密码已覆盖')if connection.is_connected():print("成功连接到数据库")return connectionexcept Error as e:print(f"连接数据库失败: {e}")return None@app.route('/api/save_plant', methods=['POST'])
def save_plant():try:data = request.get_json()if not data:return jsonify({'status': 'fail', 'message': '未提供数据'}), 400name = data.get('plant_name')image_url = data.get('image_url')  # 获取图片路径（而非 base64）similar_images = data.get('similar_images')details = data.get('details')if not name or not image_url:return jsonify({'status': 'fail', 'message': '植物名称和图片是必填项'}), 400connection = get_db_connection()if connection is None:return jsonify({'status': 'fail', 'message': '无法连接到数据库'}), 500cursor = connection.cursor()# 插入数据insert_query = """INSERT INTO plants (name, image_url, details, similar_images)VALUES (%s, %s, %s, %s)"""cursor.execute(insert_query, (name, image_url, details, similar_images))connection.commit()cursor.close()connection.close()return jsonify({'status': 'success', 'message': '植物信息已保存'}), 200except Exception as e:print(f"数据库操作失败: {e}")return jsonify({'status': 'fail', 'message': str(e)}), 500@app.route('/api/save_animal', methods=['POST'])
def save_animal():try:data = request.get_json()if not data:return jsonify({'status': 'fail', 'message': '未提供数据'}), 400name = data.get('animal_name')image_url = data.get('image_url')  # 获取图片路径（而非 base64）similar_images = data.get('similar_images')details = data.get('details')if not name or not image_url:return jsonify({'status': 'fail', 'message': '动物名称和图片是必填项'}), 400connection = get_db_connection()if connection is None:return jsonify({'status': 'fail', 'message': '无法连接到数据库'}), 500cursor = connection.cursor()# 插入数据insert_query = """INSERT INTO animals (name, image_url, details, similar_images)VALUES (%s, %s, %s, %s)"""cursor.execute(insert_query, (name, image_url, details, similar_images))connection.commit()cursor.close()connection.close()return jsonify({'status': 'success', 'message': '动物信息已保存'}), 200except Exception as e:print(f"数据库操作失败: {e}")return jsonify({'status': 'fail', 'message': str(e)}), 500@app.route('/api/get_plants', methods=['GET'])
def get_plants():try:page = int(request.args.get('page', 1))  # 获取当前页，默认是第一页per_page = 3  # 每页显示 3 条记录offset = (page - 1) * per_page  # 计算偏移量# 获取数据库连接connection = get_db_connection()if connection is None:return jsonify({'status': 'fail', 'message': '无法连接到数据库'}), 500cursor = connection.cursor(dictionary=True)# 修改后的查询，包含 id 字段query = f"""SELECT id, name, image_url FROM plantsLIMIT {per_page} OFFSET {offset};"""cursor.execute(query)plants = cursor.fetchall()# 获取总植物数量，用于分页cursor.execute("SELECT COUNT(*) AS total FROM plants")total_count = cursor.fetchone()['total']# 计算总页数total_pages = (total_count // per_page) + (1 if total_count % per_page != 0 else 0)return jsonify({'status': 'success','plants': plants,'total_pages': total_pages})except Error as e:return jsonify({'status': 'fail', 'message': str(e)}), 500@app.route('/api/get_animals', methods=['GET'])
def get_animals():try:page = int(request.args.get('page', 1))  # 获取当前页，默认是第一页per_page = 3  # 每页显示 3 条记录offset = (page - 1) * per_page  # 计算偏移量# 获取数据库连接connection = get_db_connection()if connection is None:return jsonify({'status': 'fail', 'message': '无法连接到数据库'}), 500cursor = connection.cursor(dictionary=True)# 修改后的查询，包含 id 字段query = f"""SELECT id, name, image_url FROM animalsLIMIT {per_page} OFFSET {offset};"""cursor.execute(query)animals = cursor.fetchall()# 获取总植物数量，用于分页cursor.execute("SELECT COUNT(*) AS total FROM animals")total_count = cursor.fetchone()['total']# 计算总页数total_pages = (total_count // per_page) + (1 if total_count % per_page != 0 else 0)return jsonify({'status': 'success','animals': animals,'total_pages': total_pages})except Error as e:return jsonify({'status': 'fail', 'message': str(e)}), 500@app.route('/api/get_plant_details', methods=['GET'])
def get_plant_details():try:plant_id = request.args.get('id')if not plant_id:return jsonify({'status': 'fail', 'message': '未提供植物ID'}), 400print(f"接收到的植物ID: {plant_id}")  # 添加调试输出connection = get_db_connection()if connection is None:return jsonify({'status': 'fail', 'message': '无法连接到数据库'}), 500cursor = connection.cursor(dictionary=True)# 查询指定ID的植物信息query = """SELECT name, image_url, details, similar_images FROM plantsWHERE id = %s;"""cursor.execute(query, (plant_id,))plant = cursor.fetchone()cursor.close()connection.close()if plant:print(f"查询到的植物数据: {plant}")  # 添加调试输出return jsonify({'status': 'success', 'plant': plant}), 200else:return jsonify({'status': 'fail', 'message': '未找到指定植物'}), 404except Error as e:print(f"数据库操作失败: {e}")return jsonify({'status': 'fail', 'message': '数据库操作失败'}), 500except Exception as e:print(f"发生错误: {e}")return jsonify({'status': 'fail', 'message': '发生错误'}), 500@app.route('/api/get_animal_details', methods=['GET'])
def get_animal_details():try:animal_id = request.args.get('id')if not animal_id:return jsonify({'status': 'fail', 'message': '未提供动物ID'}), 400print(f"接收到的动物ID: {animal_id}")  # 添加调试输出connection = get_db_connection()if connection is None:return jsonify({'status': 'fail', 'message': '无法连接到数据库'}), 500cursor = connection.cursor(dictionary=True)# 查询指定ID的动物信息query = """SELECT name, image_url, details, similar_images FROM animalsWHERE id = %s;"""cursor.execute(query, (animal_id,))animal = cursor.fetchone()  # 修改变量名为 'animal'cursor.close()connection.close()if animal:print(f"查询到的动物数据: {animal}")  # 添加调试输出return jsonify({'status': 'success', 'animal': animal}), 200  # 修改键名为 'animal'else:return jsonify({'status': 'fail', 'message': '未找到指定动物'}), 404except Error as e:print(f"数据库操作失败: {e}")return jsonify({'status': 'fail', 'message': '数据库操作失败'}), 500except Exception as e:print(f"发生错误: {e}")return jsonify({'status': 'fail', 'message': '发生错误'}), 500if __name__ == '__main__':app.run(host='0.0.0.0', port=5001, debug=True)

功能实现展示：

1.在识别详情界面点击“记录”获得记录响应

描述

描述

2.到我的图鉴处点击记录名称即可从数据库获取数据显示在界面上

描述

描述 描述

3.识别页面的完善

前面也说明了项目推进过程的idea修改过程——推出了直接搜索关键词的功能

优化了搜索框的样式，添加了弹窗显示功能：

描述 描述

个人感想

这次数据采集大作业学到了很多！
虽然爬虫不是我负责的，这个实时爬取显示相似图片的idea是大家一起为了丰富界面想出来的。在看着实时爬虫写进后端在识别的时候一起实现的过程，我们都觉得很欣喜，有了相似图片的参照也可以作为判别识别准确度的一个指标。
其次，由于用了好多接口：①ai识图打tag的接口 ②实时爬虫的接口 ③传送tag给数据库判别是否在csv文件的接口 ④千帆大模型获得百科详情的接口，也是第一次把这么多接口都集成在一个功能按键上，前端的构建也花费了一定的时间！（这个最终不是我做出来的，也和前端组组员一起试错了很多次识别结果的显示）我们的网站需要等待较长时间，但好在结果都很丰富可观！
最后也是在部署上掺和了一脚，发现了没给前端配端口的bug。写博客的时候还在配合推进云端的部署，现在还是觉得华为云把大家都害惨了无数次（）方法总比困难多了！
等等，最后的最后，请多多支持我们小识吧！TT

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/853344.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

SpringBoot——使用http2

SpringBoot——使用http2

使用http2许多浏览器，包括Edge，仅在TLS（即HTTPS）情况下支持HTTP/2。即使服务器端配置为无TLS支持的HTTP/2，浏览器可能仍将回退到HTTP/1.1。所以我们需要有一个证书来开启https。生成自签名证书 使用JDK的keytool工具生成自签名证书。 keytool -genkeypair -alias myalias …
阅读更多...
一文学懂Catboost模型

一文学懂Catboost模型

参考： 深入理解CatBoost - 知乎 20240322-2-Catboost面试题-CSDN博客 ​这次终于彻底理解了 CatBoost 原理及应用 豆包大模型
阅读更多...
深度强化学习基础（王树森） 1 基本概念

深度强化学习基础（王树森） 1 基本概念

概率论 随机变量：值取决于随机事件的结果 大写字母\(X\)表示随机变量，小写字母\(x\)表示随机变量的观测值 概率密度函数（Probability Density Function, PDF）：随机变量在某个确定的取值点附近的可能性连续 or 离散期望： \(p(x)\)为概率密度函数术语 状态（state） 动作（…
阅读更多...
bc 与 hbm 一致性比对

bc 与 hbm 一致性比对

01 引言 使用地平线 征程 6 算法工具链时，算法侧在验证 quantized.bc 精度符合预期后，软件侧反馈 hbm 精度不符合预期，此时应该怎么做呢？（“打一架！”） 对于熟悉地平线算法工具链的用户而言，可能会立刻想到，使用 hb_verifier 工具比对 bc 与 hbm 的一致性即可，so eas…
阅读更多...
Python3虚拟机和对象

Python3虚拟机和对象

2024年最推荐的python3版本为3.11 python虚拟机和对象 Python对象和虚拟机_v4.pdf Python虚拟机的原理 • 字节码生成 • 虚拟机运行 Python对象的实现 • 数据结构 • 类型系统 • 内存管理 Python虚拟机字节码和机器码有什么区别 字节码和机器码是计算机程序执行的两种不同形…
阅读更多...
Buffer

Buffer

Buffer（缓冲器）1. 概念 Buffer 是一个类似于数组的 对象 ，用于表示固定长度的字节序列 Buffer 本质是一段内存空间，专门用来处理 二进制数据 。2. 特点 1. Buffer 大小固定且无法调整 2. Buffer 性能较好，可以直接对计算机内存进行操作 3. 每个元素的大小为 1 字节（byte）…
阅读更多...
夜莺监控V6版本如何升级到V7

夜莺监控V6版本如何升级到V7

升级目的 为了使用新版本的一些功能特性，故此进行升级。 注意事项 软件升级通常关键三个点：二进制替换 配置文件按照最新的格式调整 数据库表结构所以，在做升级之前，一定要先做好备份，备份的内容对应变更的内容，即：二进制、配置文件、数据库。 升级过程这里演示以二进制…
阅读更多...
数据采集与融合综合实践

数据采集与融合综合实践

综合设计——多源异构数据采集与融合应用综合实践这个项目属于哪个课程 2024数据采集与融合技术实践组名 数据"融合炖" 异构 "大杂绘"队项目简介 项目名称：味谱魔法 项目logo： 项目介绍：智能购物菜谱助手是一款结合AI技术的智能化应用，旨在为用户提供…
阅读更多...
交易系统：退款单模型设计详解

交易系统：退款单模型设计详解

大家好，我是汤师爷~ 和退款单作为整个交易逆向系统的核心，支撑着售后管理环节。 售后域核心概念模型1、退款单 退款单是记录和跟踪退款处理过程的核心业务单据，包含以下关键信息：租户ID：标识所属商户或组织 退款单ID：退款单的唯一标识 原订单ID：关联的原始订单 业务类型…
阅读更多...
DDPM论文解读

DDPM论文解读

Denoising Diffusion Probabilistic Models论文解读DDPM（Denoising Diffusion Probabilistic Models） 论文研究背景扩散概率模型（Denoising Diffusion Probabilistic Models, 简称DDPM）是近年来生成建模领域的重要发展之一。 生成模型的目标是学习数据分布并能够从中采样，…
阅读更多...
AtCoder Beginner Contest 384 Solution

AtCoder Beginner Contest 384 Solution

AtCoder Beginner Contest 384 (A-E) 题解A - aaaadaa (abc384 A) 题目大意 给个长度为n的字符串，以及两个字母a和b，要求把字符串中不是a的字符全部都变成b。 解题思路 一个循环判断一下就行了。 代码 #include<bits/stdc++.h> using namespace std; int main() {int n…
阅读更多...
vs编译cpp时设置排除项

vs编译cpp时设置排除项

cpp编译排除 一个c++文件不需要被编译但还保留在工程中(阅读)，可使用ExcludedFromBuild，有两种方法实现：图形化操作 改vs的项目配置文件图形化操作 在vs的资源管理器选中文件 - 右键 - 属性 - 切到当前的编译配置项（debug/release)，有个选项【从生成中排除】，选择为是…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023