def

Implement a basic calculator to evaluate a simple expression string. The expression string may contain open ( and closing parentheses ) , the plus + or minus sign - , non-negative integers and empty spaces . You may assume that the given expression is always valid. Some examples: "1 + 1" = 2 " 2-1 + 2 " = 3 "(1+(4+5+2)-3)+(6+8)" = 23 Note: Do not use the eval built-in library function. Java: public int calculate(String s) { // delte white spaces s = s.replaceAll(" ", ""); Stack<String> stack = new Stack<String>(); char[] arr = s.toCharArray(); StringBuilder sb = new StringBuilder(); for (int i

0、Xmind 1、data的特征预处理 　　 　　 1、what is 特征处理？ 　　统计方法，要求的data 　　 2、 特征预处理的方式 　　 3、sklearn.preprocessing 　　there are all 预处理 method 2、归一化 1. what is 归一化？ 　　原始data -----变换、映射----> [0,1] 2. 公式 　 　　　　 　　计算过程 　　　　 　　　　 3. sklearn.preprocessing.MinMaxScalar 　　sklearn.preprocessing.MinMaxScalar 　　　　　　　　　　　　　　　scalar缩放 　　语法 　　 　　步骤 　　 　　 input：二维array 　代码 from sklearn.preprocessing import MinMaxScaler # 归一化 def minmaxSclar(): """ 归一化处理 :return: None """ # mm = MinMaxScaler() mm = MinMaxScaler(feature_range=(2,3 )) data = mm.fit_transform([[90,2,10,40],[60,4,15,45],[75,3,13,46 ]]) print (data) if __name__

python接口，我的理解主要是两个，一个是原来caffe官方给的，这里是 接口介绍 。另一个是SSD框架加的model_libs.py，主要是添加了一些base_network和一些相关的函数。这两个如果能够用得很好的话，兄弟，恭喜你！你已经精通caffe的python接口了。其实不用说的，这个接口很方便，从此你不再需要手动去写什么网络，单独去执行什么bat又或者是sh的命令训练测试了，接口的可移植性非常好，我们将这些必要的设置写在python文件里，完成上面的一套工作。因此，在我看来，SSD的python接口就是上面两个的完美结合。 第一个就是官方给的，官方是这么介绍的： Python The Python interface – pycaffe – is the caffe module and its scripts in caffe/python. import caffe to load models, do forward and backward , handle IO , visualize networks, and even instrument model solving . All model data, derivatives, and parameters are exposed for reading and writing. caffe.Net

集成 Sendgrid 邮件服务商 应用配置页面、设置配置页面交互体验优化 来源： oschina 链接： https://my.oschina.net/u/4556561/blog/4940784

树莓派之DHT11传感器 硬件DHT11 主要看其原理，具体的详细原理大家就搜索引擎都能搜到。 也是为了好奇心，入手一台便宜的示波器，看看具体波形，下面是我所测： 这张显示首次触发，主机至少下拉18ms。图中可以看到主机下拉快近30ms，其实代码实现中我也是用的是18ms。具体原因为什么会测出是快30ms下面谈到代码实现再解释。 这张图显示的是主机拉高20～40us，但实际代码中并不需要主动拉高。 这张图显示的是DHT11开始响应的信号80us低电平80us高电平，表示下面即将开始40位的数据输出。 这张图显示的是一位数据0的表示即：50us的低电平26～28us的高电平。 这张图显示的是一位数据1的表示：50us低电平70us高电平。 代码实现 之前有看到一个博客说是要修改 /boot/config.txt ，于是查看 /boot/overlays/README 的确有这么一段： Name: dht11 Info: Overlay for the DHT11/DHT21/DHT22 humidity/temperature sensors Also sometimes found with the part number(s) AM230x. Load: dtoverlay=dht11,<param>=<val> Params: gpiopin GPIO connected to

　　如果要求你进行一个表数据的导出，如果使用shell的话，很容易做到，即执行一下 select 语句就可以拿到返回结果了！ 如下： /usr/bin/mysql -u " ${username} " -p " ${password} " --host=${host} -D " ${database} " < ${sql_script_path} > ${export_data_full_path1}; 　　如上执行完成之后，数据就被导出到 export_data_full_path1 指定的文件位置去了。 　　如果想要使用 excel 格式来打开，有一个很简单的方法，即把后缀名命名为： .xls 就可以了。唯一的缺点是，此时你可能看到一个提示，即：文件名后缀与具体的格式不匹配等等！但是你仍然可以正常打开！ 　　但是对于有中文一类的导出操作，则又是，另一番景象了！不过我们可以通过一个简单的编码转换来解决这个问题！ iconv -futf8 -tgb2312 -o ${export_data_full_path1} ${export_data_full_path1}; 　　转换之后，即使有中文也能正常查看了！ 　　至于使用 shell 进行发送邮件，则也是简单的一比！ echo " yesterday report infomation, FYI . " | mail -s "

首先我们来简单的了解一下什么是卷积神经网路（Convolutional Neural Network） 卷积神经网络是近些年逐步兴起的一种人工神经网络结构, 因为利用卷积神经网络在图像和语音识别方面能够给出更优预测结果, 这一种技术也被广泛的传播可应用. 卷积神经网络最常被应用的方面是计 算机的图像识别, 不过因为不断地创新, 它也被应用在视频分析, 自然语言处理, 药物发现, 等等. 卷积也就是说神经网络不再是对每个像素的输入信息做处理了，而是图片上的每一个小块像素区域进行处理，这种做法加强了图片信息的连续性。是的神经网络能够看到图形，而非一个点。这种做法 同时也加深了神经网络对图片的理解 具体来说，卷积神经网络有一个批量过滤器，持续不断的在图片上进行滚动手机图片里的信息，每一次手机的时候都只是收集一小块像素区域 然后把收集来的信息进行整理, 这时候整理出来的信息有了 一些实际上的呈现, 比如这时的神经网络能看到一些边缘的图片信息, 然后在以同样的步骤, 用类似的批量过滤器扫过产生的这些边缘信息, 神经网络从这些边缘信息里面总结出更高层的信息结构。 卷积过程 下面是一张猫咪的图片，图片有长宽高三个参数（高度是指计算机用于产生颜色使用的信息。例如黑白颜色的话图片高度为1，彩色的话RGB，高度为3）。过滤器就是影响中不断移动的东西，他不断在图片收集小批小批的像素块，收集完所有信息后

前言 资源 Ref: Python3 多线程 Ref: Python3之多进程 　　 # python中的多线程无法利用多核优势 更多的提高效率的策略，请参见： [Pandas] 01 - A guy based on NumPy 多线程 一、认识线程 与进程的区别 线程在执行过程中与进程还是有区别的。 1 . 每个独立的线程有一个程序运行的入口、顺序执行序列和程序的出口。 2 . 但是线程不能够独立执行，必须依存在应用程序中，由应用程序提供多个线程执行控制。 3 . 每个线程都有他自己的一组CPU寄存器，称为线程的上下文，该上下文反映了线程上次运行该线程的CPU寄存器的状态。 4. 指令指针 和 堆栈指针寄存器 是线程上下文中两个最重要的寄存器，线程总是在进程得到上下文中运行的，这些地址都用于标志拥有线程的进程地址空间中的内存。 View Code 获取CPU信息 Ref: https://github.com/giampaolo/psutil from multiprocessing import cpu_count print( cpu_count ()) 二、创建线程 Python3 通过两个标准库 _thread 和 threading 提供对线程的支持。 _thread 提供了低级别的、原始的线程以及一个简单的锁，它相比于 threading 模块的功能还是比较有限的。

本文档是因为每周需要统计线上数据库中客户新增资源，手动执行实在是麻烦，就写了个脚本导出到Excel，顺便发一封邮件。 （当然这不是线上的真实脚本，不过根据个人需求稍微修改下，还是可以直接用的。拿去不谢！！） 将想发出邮件的SQL语句写到exec.sql： vim /tmp/ exec.sql select * from db; 编辑Python脚本： root@localhost:/ tmp# vim exportsql.py # !/usr/bin/ python # coding: utf - 8 import sys import xlwt import pymysql import datetime import subprocess import time import smtplib from email.mime.multipart import MIMEMultipart from email.mime.text import MIMEText from email.mime.application import MIMEApplication import os.path host = ' localhost ' user = ' root ' pwd = ' jeqThs1qOVbHGRz0 ' port = 3306 db = ' mysql ' sql

面向对象的设计思想是从自然界中来的，因为在自然界中，类（Class）和实例（Instance）的概念是很自然的。Class是一种抽象概念，比如我们定义的Class——Student，是指学生这个概念，而实例（Instance）则是一个个具体的Student，比如，Bart Simpson和Lisa Simpson是两个具体的Student。 面向对象的抽象程度又比函数要高，因为一个Class既包含数据，又包含操作数据的方法。 数据封装、继承和多态是面向对象的三大特点，我们后面会详细讲解。 类和实例 类( Class )和实例( Instance )是面向对象最重要的概念。 类是指抽象出的模板。实例则是根据类创建出来的具体的“对象”，每个对象都拥有从类中继承的相同的方法，但各自的数据可能不同。 在python中定义一个类: classStudent(object): pass 关键字 class 后面跟着类名，类名通常是大写字母开头的单词，紧接着是 (object) ，表示该类是从哪个类继承下来的。通常，如果没有合适的继承类，就使用 object 类，这是所有类最终都会继承下来的类。 定义好了 类 ，就可以根据 Student 类创建实例： >>> classStudent(object): ... pass ... >>> bart = Student() #