信息论基础教程答案

这是一个用matlab写得LBFGS算法，这个算法是一种由牛顿算法演变而来的优化算法。算法包括了LBFGS算法和BFGS两种算法，LBFGS算法可以解决大规模计算的问题，算法详细，有注释。

这是加拿大网络安全研究所（UNB）的数据，该文件是一个csv文件格式，可以用excel打开，已经整理完成。方便研究者用于机器学习或深度学习，一共包含22.5w条记录。主要用于DDoS的检测。

利用vc6.0和opencv1.0 生成棋盘格图像，用于摄像头标定。代码在VC6.0下测试通过。

遗传算法经常应用于模式识别中，该算法能够很好的进行聚类分析，用MATLAB实现了算法的功能

自己写的eeprom驱动函数。包含了字节写，读，页写，多页写，连续读函数。已调试通过 只要更改宏定义即可使用

系统的了解Pixhawk的原生固件PX4

在OS中调度的实质是一种资源分配，因而调度算法是指：根据系统的资源分配策略所规定的资源分配算法。对于不同的操作系统和系统目标，通常采用不同的调度算法，例如，在批处理系统中，为了照顾为数众多的短作业，应采用短作业优先的调度算法；又如在分时系统中，为了保证系统具有合理的响应时间，应采用轮转法进行调度。目前存在的多种调度算法中，有的算法适用于作业调度，有的算法适用于进程调度；但也有些调度算法既可用于作业调度，也可用于进程调度[1] 。处理机调度常用的算法有：先来先服务算法，高响应比优先算法，时间片轮转算法和短作业优先调度算法。本次课程设计就将模拟先来先服务，时间片轮转，短作业优先，高响应比优先4种调

本书是张强编著的《UVM实战卷1》，是国内UVM验证方法学书籍类的始祖，压缩包内包含了《UVM实战卷1》高清图书，带有目录，以及配套的源代码。还有作者之前的书籍《UVM1.1应用指南及源码分析》，需要学习UVM验证方法学的同僚，可放心下载。

在摄影测量课程中一定要做的一节课，相对定向和绝对定向的代码实现matlab

车道线分割模型模型训练自己的数据该模型是属于二分类语义分割6.encoder decoder model该文件夹中存放的是用于编码和解码的模型这里使用的是 vgg cncodcr. py和 fcn decoder. py测试:更换编码和解码的模型7. lanenet model该文件夹下存放的是 lannet模型的重要操作train.py中主要用到的是 lanenet merge model8. tboard该文件夹用来存放模型训练时产生的 event记录9. tools该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模型和测试模型10.训练准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下举例:cd/ XXX/lanenet然后输入一下命令开始训练python tools/train lanenet. py --net vgg--dataset dir data/training data example/-net指定模型的骨干网终dataset dir指定训练数据的目录(该目录为 train txt所在的目录)如果训练的过程中出现了中断,需要接着训练,可以输入python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplcweights path path/to/ your/last/ checkpointgths_ path指定之前训练中断时权重文件存放的日录训练结東后,训练得到的模型的权重和参数文件在 model目录下的tusimple lanenet文件夹中l1测试准备测试数据测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自定义)准备权重文件:将训练好的权重文件,包括:checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 index, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta放在 model文件夹中测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下cd/XXX/ lanenet′然后输入如下命开始用单张图片测试模型python tools/test lanenet. py -is batch False -batch size 1 --weights pathpath/to/your/model weights file --image path data/tusimple test image/O. jpgis batch是否是批量处理(True表示是批量处理, False表示不是批量处理默认为True)batch size批量处理一次读取的图片数量weight path模型的权重文件所在的目录image path测试数据的原始图片输入如下命令开始用批量图片测试模型:python tools/test lanenet.py -is batch True -batch size 2 -save dirdata/tusimple test image/ret --weights path path/to/your model weights file-image path data/tusimple test imagesavc dir是存放测试结果的地方(测试结果为划分车道线后的图片)安芯/方禹20181228