SR
  • 2024-07-03jmeter插件开发—RocketMQ4.9
    上期是使用java测试了rocketmq中间件的测试,考虑到后期性能测试,准备封装为jmeter插件。参考TesterHome的文章环境说明JDK1.8.0,Jmeter5.4.3,maven构建工具(使用JDK17时遇到过跟Jmeter设置的外观有冲突)实现代码(pom.xml已贴在上期的文章最后)以下为全部代码,可以自行调整相关参数,实现
  • 2024-06-20GBN协议和SR协议的利用率比较
    我们知道SR协议可以说是GBN协议的改进版,但是在考研时往往会有计算利用率的问题,公式为\(n*T_A/(T_A+2RTT+T_R)\),这时我们发现如果是在帧序号位数相等、且\(T_A\)和\(T_R\)确定的情况下,GBN协议的发送窗口大小为\(2^k-1\),但SR协议的发送窗口大小往往只有\(2^{k-1}\),这样
  • 2024-06-09一些小问题汇总
    1.区分&与&&、什么是短路求值2.值<<移动的位数(十六进制下的位操作)#defineADC_SR_AWD_Pos(0U)#defineADC_SR_AWD_Msk(0x1UL<<ADC_SR_AWD_Pos)/*!<0x00000001*/#defineADC_SR_AWDADC_SR_AWD_Msk
  • 2024-06-04分块——优雅的暴力
    下面介绍一种暴力,当然呢这种暴力比一般快很多。先说一下这个暴力的思路。对于一个长度为\(n\)的数组\(a\),可以把数组\(a\)分成\(k\)块,其中每一块的长度为\(len\),当然最后一行除外因为\(n\)可能不是\(k\)的倍数,最后一块的长度可以不是\(len\)。那么就可以用这些块来维护数据。那
  • 2024-04-2335天【代码随想录算法训练营34期】第八章 贪心算法 part04 ( ● 860.柠檬水找零 ● 406.根据身高重建队列 ● 452. 用最少数量的箭引爆气球 )
    860.柠檬水找零classSolution:deflemonadeChange(self,bills:List[int])->bool:amt_five=0amt_ten=0amt_twenty=0foriinbills:ifi==5:amt_five+=1elifi==10:
  • 2024-04-15Proxmox VE 7.x ,8.x 安装 NVIDA GRID vGPU 以及 Intel SR-IOV vGPU,一键安装脚本
    在Gitee上创建了一个项目。包括了NVIDIA和Intel核显启用vGPU的脚本。 项目地址:https://gitee.com/deskpool/proxmox-vgpu脚本支持ProxmoxVE7.x和8.x,支持NVIDAGRIDvGPU和   IntelSR-IOVvGPU。 介绍ProxmoxVE上支持vGPU的脚本。包括NVIDAGRIDvGP
  • 2024-04-03【保姆级教程附代码】Pytorch (.pth) 到 TensorRT (.plan) 模型转化全流程
    整体流程为:.pth->.onnx->.plan(或.trt,二者等价)需要的工具和包:Docker,Pytorch,ONNX,onnxruntime,TensorRT(trtexec和polygraphy).pth到.onnx这里以SwinIR(https://github.com/JingyunLiang/SwinIR)预训练模型为例init_torch_model()函数主要是对模型初始化,这里是
  • 2024-03-27【嵌入式开发】553
    【嵌入式开发】STM32使用SPI外设通讯时的状态寄存器SR详解在STM32微控制器的SPI(SerialPeripheralInterface)通讯中,状态寄存器(SR)扮演着至关重要的角色。这个寄存器反映了SPI通讯在不同阶段的状态,开发者通过读取这些状态标志,可以实时了解通讯的进度和可能发生的错误,从而做
  • 2024-03-22声控小助手:文本语音呼唤技术的应用与实现
    1.引言在当今数字化时代,文本语音呼唤技术正逐渐成为人们生活中不可或缺的一部分。本文将介绍文本语音呼唤技术的原理、实现方法以及其在智能助手、智能家居等领域的应用。文本语音互换|一个覆盖广泛主题工具的高效在线平台(amd794.com)https://amd794.com/textspeech2.
  • 2024-03-19【EDSR】《Enhanced Deep Residual Networks for Single Image Super-Resolution》
    CVPRworkshops-2017code:https://github.com/limbee/NTIRE2017/tree/masterhttps://github.com/sanghyun-son/EDSR-PyTorch文章目录1BackgroundandMotivation2RelatedWork3Advantages/Contributions4Method4.1Residualblocks4.2Single-scalemodel4.3M
  • 2024-03-19GEE C16 Change Detection 变化检测
    导读:1.创建和探索如何读取一个假彩色无云的Landsat合成影像;2.计算归一化燃烧指数;3.定位变化的区域;4.生成变更图并使用阈值对变更进行分类。一、准备影像1.1select用法 1.2多时相配准、辐射大气校正这里用的LANDSAT/LC08/C02/T1_L2数据集。 二、创建假彩色合成影
  • 2024-03-05Landsat L2 级别数据说明(包含地表温度产品使用)
    Landsat8-9C2L2级别数据打开需要ENVI5.6.2及以上版本。Landsat8-9C2L2SP数据中包含了地表反射率(SurfaceReflectance,SR)和地表温度(SurfaceTemperature,ST)产品,可以在EarthExplorer下载。1注意事项1.1地表反射率产品(1)Landsat8-9C2地表反射率(SR)产品仅从处理为
  • 2024-02-01【GEE】基于GEE可视化和下载Landsat8 L2A数据(镶嵌、裁剪)
    ​        之前发过一篇使用GEE下载Landsat8的文章,然后有很多小伙伴私信我各种问题,如L1C、L2数据代码怎么修改,如何镶嵌,如何去云、如何裁剪等一系列问题。正好快过年了,手头的事也没有多少了,所以这两天整理了一下GEE的相关代码,后续会陆续发出来。代码比较简单就是查询函
  • 2024-02-01【GEE】基于GEE批量下载Landsat8 L2A数据(整幅)
    ​    之前发过一篇使用GEE下载Landsat8的文章,然后有很多小伙伴私信我各种问题,如L1C、L2数据代码怎么修改,如何镶嵌,如何去云、如何裁剪等一系列问题。正好快过年了,手头的事也没有多少了,所以这两天整理了一下GEE的相关代码,后续会陆续发出来。代码比较简单就是查询函数和
  • 2024-01-22linux添加systemctl服务
    1.添加服务cat>/etc/systemd/system/bigdata_sr_detection.service<<'EOF'[Unit]Description=bigdata_sr_detectionAfter=network.target[Service]WorkingDirectory=/webser/bigdata_sr_detectionExecStart=/usr/bin/java-jar/webser/bigdata_sr_
  • 2024-01-10In Love
    不断的去插入删除线段,问你有无两个线段是不相交的个人认为很好的一道题训练multiset#include<bits/stdc++.h>usingnamespacestd;multiset<int>sl,sr;intmain(){ ios::sync_with_stdio(false);cin.tie(0);cout.tie(0); intt; cin>>t; while(t--){ charc; int
  • 2023-12-26SR Algorithm Analysis(1)——ZSSR
    SRAlgorithmAnalysis(1)——ZSSRCVPR2017《“Zero-Shot”Super-ResolutionusingDeepInternalLearning》目录SRAlgorithmAnalysis(1)——ZSSRInnovations:Background:ThePowerofInternalImageStatisticswhy?Methods:Image-SpecificCNNSPHowtobuildtheI↓s?Augm
  • 2023-12-21Landsat7_C2_SR数据集(大气校正地表发射率数据集)
    Landsat7_C2_SR数据集是经大气校正后的地表反射率数据,属于Collection2的二级数据产品,空间分辨率为30米,基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进
  • 2023-12-09在OpenCV基于深度学习的超分辨率模型实践
    1.引言OpenCV是一个开源的计算机视觉库,拥有大量优秀的算法。基于最新的合并,OpenCV包含一个易于使用的接口,主要用于实现基于深度学习方法的超分辨率(SR)。该接口包含预先训练的模型,这些模型可以非常容易和有效地用于推理。在这篇文章中,我将解释它可以做什么,并逐步展示如何使用它。闲
  • 2023-11-29jmeter发送java请求
    本文描述jmeter如何发送java请求1.编写java请求,将加密、签名等封装,对外只暴露需要传的业务参数,jemter发送java请求时直接传入业务参数即可添加依赖:12345<dependency>    <groupId>org.apache.jmeter</groupId>    <artifactId>ApacheJMeter_java</art
  • 2023-11-265、flash相关
    flash闪存,可以一种可编程式存储器 flash结构体定义typedefstruct{__IOuint32_tACR;/*!<FLASHaccesscontrolregister,Addressoffset:0x00*/访存控制器__IOuint32_tPDKEYR;/*!<FLASHpowerdownkeyregister,
  • 2023-11-22语音识别
    1,下载依赖包   pip install SpeechRecognition  pip install pyaudio2,代码importspeech_recognitionassrr=sr.Recognizer()#方案一:用音频文件withsr.AudioFile(r'22.wav')assource:audio=r.record(source)##方案一:直接录音#withs
  • 2023-11-22神经网络中间层特征图可视化(输入为音频)(二)
    相比方法(一)个人感觉这种方法更好importlibrosaimportnumpyasnpimportutilsimporttorchimportmatplotlib.pyplotaspltclassHook:def__init__(self):self.features=Nonedefhook_fn(self,module,input,output):self.features=
  • 2023-11-20回声消除原理、算法-LMS(Least Mean Square)
    回声消除是语音通信前端处理中的一种重要技术,产生的原因是:在实时音视频通话中,扬声器播放的声音有再次录进了麦克风去。在即时通讯应用中,需要进行双方,或是多方的实时语音交流,在要求较高的场合,通常都是采用外置音箱放音,这样必然会产生回音,即一方说话后,通过对方的音箱放音,然后又被对
  • 2023-11-14神经网络中间层特征图可视化(输入为音频)
    importlibrosaimportnumpyasnpimportutilsimporttorchimporttorch.nn.functionalasFfrommatplotlibimportpyplotaspltfromtorchvision.models.feature_extractionimportcreate_feature_extractordevice=torch.device("cuda:0"iftorch.