学习笔记

学习,笔记 · 浏览次数 : 20

小编点评

## 笔记目录个人各平台地址 | 夯实基础 | Python | 数据结构与算法 | 数据库 | Web 开发 | Linux | ROS | Unity3D | HoloLens2 开发 | 数据分析 | 机器学习 | 其他个人各平台地址博客地址: **平台名称** | **地址** | **介绍** | **详细内容** | **其他平台** | ---|---|---|---|---| Cnblogs | gitee.com/zylyehuo | 个人博客目录 | 笔记整理,代码示例,个人经验 | | anaconda | anaconda.com | 软件安装与配置 | 文档和教程,使用指南 | | github | github.com/zylyehuo | 个人代码仓库 | 代码项目,开源项目 | | Openpyxl | openpyxl.readthedocs.io | excel 文件操作 | 使用文档,示例 | | Ubuntu | ubuntu.com | 操作系统安装与配置 | 文档和教程,使用指南 | | ROS | rros.org | ROS 框架 | 文档和教程,代码示例 | | Unity3D | unity3d.com | Unity 3D 游戏引擎 | 文档和教程,代码示例 | | HoloLens2 | developer.hololens.com | Hololens2 开发 | 文档和教程,代码示例 | | DataCamp | datacamp.com |数据分析课程 | 视频教程,课程简介 | | Kaggle | Kaggle.com | 数据分析竞赛 | 数据预处理,模型训练 | | Machine Learning | machinelearning.com | 机器学习教程 | 文档和视频教程 | | DataWhale | datawhale.com | 数据清洗工具 | 文档和教程 | | **其他平台** * jupyter -- 数据分析可视化开发工具 | jupyter.org | jupyter notebook 用户指南 | 文档和教程 | | * NumPy -- 处理数值型数据 -- 数据分析三剑客 | numpy.org | NumPy 文档 | 文档和教程 | | * pandas -- 处理非数值型数据 -- 数据分析三剑客 | pandas.org | Pandas 文档 | 文档和教程 | |

正文

笔记目录

个人各平台地址 | 夯实基础 | Python | 数据结构与算法 | 数据库 | Web 开发 | Linux | ROS | Unity3D | HoloLens2 开发 | 数据分析 | 机器学习 | 其他

个人各平台地址

夯实基础

四元数法 | 代价地图组成(多层叠加) | 通过 openpyxl 操作 excel 表格 | Ubuntu 下查看 ip | Windows 终端远程连接 Ubuntu | Ubuntu 下查看当前用户 | 前后端不分离中使用 Ajax 请求(Django3.2) | celery 启动显示警告信息“...whether broker connection retries are made during startup in Celery 6.0 and above...” | 通过局域网访问连接 vite 或 Django 之类的项目 | Python设置递归最大深度 | 设计模式分类 | 统计文件个数 | Git 常用命令 | 使用 bc4 解决 git 合并冲突问题 | 通过 JS 修改具体标签的属性的属性值 | anaconda指定路径创建新环境

Python

利用pip/conda安装库时,出现requires XXX, which is not installed/incompatible | 通过 openpyxl 操作 excel 表格 | Python设置递归最大深度 | 统计文件个数 | Python 加上颜色进行输出 | anaconda指定路径创建新环境

数据结构与算法

Python版

汉诺塔问题(递归) | 顺序查找(线性查找) | 二分查找(折半查找) | 常见排序算法(汇总) | 冒泡排序(LOW) | 选择排序(简单版)(LOW) | 选择排序(LOW) | 插入排序(LOW) | 快速排序(NB) | 堆排序(标准版)(NB) | 堆排序(内置模块 heapq )(NB) | 堆排序(topk 问题)(NB) | 归并排序(递归)(NB) | 希尔排序 | 计数排序 | 桶排序 | 基数排序 | 栈的应用(后进先出 LIFO) -- 括号匹配问题 | 队列的实现方式(先进先出 FIFO) -- 环形队列 | 队列的内置模块(deque) -- 双向队列 | 利用队列的内置模块(deque)模拟 Linux 下的 tail 命令(输出文件中最后几行的内容) | 使用栈解决迷宫问题(深度优先搜索 / 回溯法) | 使用队列解决迷宫问题(广度优先搜索 / 最短路径) | 链表的创建&遍历打印 | 哈希表(实现 Python 中的集合 set) | 树的实例--模拟文件系统 | 二叉树的遍历 | 二叉搜索树 / 二叉排序树 | AVL树 | 贪心算法--找零问题 | 贪心算法--背包问题--分数背包 | 贪心算法--拼接最大数字问题 | 贪心算法--活动选择问题 | 动态规划--斐波那契数列 | 动态规划--钢条切割问题 | 动态规划--最长公共子序列( LCS 问题) | 欧几里得算法(辗转相除法) -- 计算两个数的最大公约数 | 欧几里得算法(辗转相除法) -- 实现分数计算 | RSA 加密算法

数据库

MySQL5.7

在windows系统中设置MySQL数据库 | 同一局域网下,远程连接另一台电脑的Mysql数据库 | 通过 openpyxl 操作 excel 表格 | Django+DRF+Vue 网页开发环境安装(windows/Linux) | mysql 导出数据的命令

Web 开发

基础部分

修改页面内文字颜色 | 在windows系统中设置MySQL数据库 | 同一局域网下,远程连接另一台电脑的Mysql数据库 | 通过 openpyxl 操作 excel 表格 | celery 启动显示警告信息“...whether broker connection retries are made during startup in Celery 6.0 and above...” | 通过局域网访问连接 vite 或 Django 之类的项目 | 通过 JS 修改具体标签的属性的属性值

Django

在Django中显示MySQL语句 | Django+DRF+Vue 网页开发环境安装(windows/Linux) | 前后端分离实现注册+登录(Vue3.0 + Django3.2) | 前后端不分离中使用 Ajax 请求(Django3.2)

Vue

Django+DRF+Vue 网页开发环境安装(windows/Linux) | 前后端分离实现注册+登录(Vue3.0 + Django3.2)

Jenkins

Jenkins 基础配置

nginx

nginx | crm--纯后端部署 | B2C在线教育商城--前后端分离部署

redis

redis 概念初识及基本使用

docker

docker 部署环境基本流程

Linux

Git 常用命令 | Linux 干货整理 | Linux 常用命令 | nginx | crm--纯后端部署 | B2C在线教育商城--前后端分离部署 | redis 概念初识及基本使用 | docker 部署环境基本流程

ROS

Ubuntu18.04 -- melodic + ROS1

ROS服务通信(C++) | ROS话题通信C++(附launch启动方式) | 带有可旋转摄像头的移动小车(urdf+rviz) | 自动旋转ROS小车(rviz+urdf+xacro)(附加python操作键盘控制小车运动) | gazebo小车模型(附带仿真环境) | 基于ORB-SLAM3库搭建SLAM系统 | 使用键盘控制gazebo小车模型运动 | gazebo+rviz 仿真 | 6R机械臂运动规划及仿真 | 基于Gazebo搭建移动机器人,并结合SLAM系统完成建图仿真 | 基于SLAM系统建图仿真,完成定位仿真 | 代价地图组成(多层叠加) | 移动机器人运动规划及运动仿真 | 基于机器人自主移动实现SLAM建图 | map_server 中障碍物计算规则 | SLAM建图导航信息(仿真) | SLAM系统--开启摄像头连接 | Gazebo、Rviz 结合 ORB-SLAM3 实现运动规划及定位 | Ubuntu 下查看 ip | Windows 终端远程连接 Ubuntu | Ubuntu 下查看当前用户

Unity3D

使用unity构建射击小游戏 | 2D小游戏--猜对应卡牌(unity) | Unity开发Hololens2—环境配置 | Hololens2 开发(仿真器)配置 | 查看Unity3D中默认的变量名与按键的映射 | Unity开发Hololens2—交互发布配置 | 同一局域网下,远程连接另一台电脑的Mysql数据库

HoloLens2 开发

Unity开发Hololens2—环境配置 | Hololens2 开发(仿真器)配置 | HoloLens2 开发推荐配置 | HoloLens 2 开发推荐书籍 | Unity开发Hololens2—交互发布配置 | 同一局域网下,远程连接另一台电脑的Mysql数据库

数据分析

jupyter -- 数据分析可视化开发工具 | numpy -- 处理数值型数据 -- 数据分析三剑客 | pandas -- 处理非数值型数据 -- 数据分析三剑客(核心) | 金融量化项目案例 -- 股票分析 | 金融量化项目案例 -- 双均线策略制定 | 基于pandas的数据清洗 -- 缺失值(空值)的清洗 | 基于pandas的数据清洗 -- 重复值的清洗 | 基于pandas的数据清洗 -- 异常值的清洗 | pandas -- DataFrame的级联以及合并操作 | 人口分析项目 | pandas(进阶操作)-- 处理非数值型数据 -- 数据分析三剑客(核心) | pandas(进阶操作)-- 政治献金项目数据分析 | matplotlib -- 绘图操作 -- 数据分析三剑客 | 解析用户消费记录(数据分析三剑客综合使用)

机器学习

出现TypeError: float() argument must be a string or a number, not _NoValueType(机器学习 Win11) | 使用人工神经网络训练手写数字识别模型(ANN) | 使用卷积神经网络训练手写数字识别模型(CNN)

其他

博客园主题美化教程 | 通过 JS 修改具体标签的属性的属性值 | 镜像源地址

与学习笔记相似的内容:

学习笔记

周屹梁的学习笔记 个人各平台地址 博客地址:https://www.cnblogs.com/zylyehuo/ gitee地址:https://gitee.com/zylyehuo github地址:https://github.com/zylyehuo 夯实基础 四元数法 | 代价地图组成(多层叠

【学习笔记】基础算法:二次离线莫队/回滚莫队

【学习笔记】基础算法:二次离线莫队/回滚莫队 二次离线莫队 前置知识:莫队 前置知识:值域分块 值域分块,就是对 \(A\) 的值域进行分块,每个块维护该值域内数的个数 众所周知,莫队的复杂度是 \(O(n \sqrt m)\) 的,而在维护一些问题时左右端点移动一格并不是 \(\mathcal O

【学习笔记】Python 使用 matplotlib 画图

目录安装中文显示折线图、点线图柱状图、堆积柱状图坐标轴断点参考资料 本文将介绍如何使用 Python 的 matplotlib 库画图,记录一些常用的画图 demo 代码 安装 # 建议先切换到虚拟环境中 pip install matplotlib 中文显示 新版的 matplotlib 已经支持

[转帖]【学习笔记】Linux下CPU性能评估

Linux下CPU性能评估 1、 vmstat监控CPU使用情况 【说明】 procs: l r表示运行和等待CPU时间片的进程数,这个值如果长期大于系统CPU的个数,就说明CPU不足,需要增加CPU。 l b表示在等待资源的进程数,比如正在等待I/O或者内存交换等。 memory: l swpd:

学习笔记——斯坦纳树

斯坦纳树 斯坦纳树问题是组合优化问题,与最小生成树相似,是最短网络的一种。最小生成树是在给定的点集和边中寻求最短网络使所有点连通。而最小斯坦纳树允许在给定点外增加额外的点,使生成的最短网络开销最小。 百度百科 在图论里,一般用于解决形如: 给定一个连通图 \(G\),给定 \(k\) 个关键点,选取

算法学习笔记(29):分块

分块 这是一种基于根号的算法,核心为大块标记,散块暴力,做到复杂度的平衡。 可能第一个想到于此相关的就是莫队吧,这是利用分块优化暴力的方法。 目录分块Rmq Problem / mex[国家集训队] 排队 - 洛谷[TJOI2009] 开关 - 洛谷[Violet] 蒲公英 - 洛谷小小总结 Rmq

KD-Tree 学习笔记

学习资料: 1.B站 - 一只叫小花的猫 2.语雀 - 双愚:kdtree 3.B站视频:学习kdtree的前置知识:KNN算法 KD树简介与背景 k-d树,是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索。关于kd树的背景,它主要是一种解决特征点匹配问题的算法,kd树就是一种高维

[rCore学习笔记 016]实现应用程序

写在前面 本随笔是非常菜的菜鸡写的。如有问题请及时提出。 可以联系:1160712160@qq.com GitHhub:https://github.com/WindDevil (目前啥也没有 设计方法 了解了特权级机制,实际上如果要设计一个应用程序就需要保证它符合U模式的要求,不要去访问S模式下的

VisionPro学习笔记(7)——FitLineTool

如果需要了解其他图像处理的文章,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice VisionPro有很多的示例和算子,这里再展示一个比较好用的算子FitLine Tool。我自己

机器学习笔记(3): 神经网络初步

神经网络应该由若干神经元组成。 前面的每一个神经元都会给到一个参数,将传递的所有参数看作一个向量 \(\vec x\),那么此神经元的净输入为: \[z = x \omega + b \]其中 \(\omega\) 称为权重向量。 这里认为 \(x\) 是行向量,而 \(\omega\) 是列向量。