一、建立ModelSim工程1、打开ModelSim软件打开ModelSim软件，如下图所示：2、建立工程在modelsim中建立project，选择File->New->Project，如下图所示：弹出如下界面：在“ProjectName”栏中填写工程名，这里的命名方式，我们建议大家最好根据仿真的文件来进行命名，时间久了，当我们记不得这个仿真工程是用来仿真什么的时候，我们看到这个工程名，就能够知道它是用来做什么的了。这里我们把工程命名为“runled_tb”，也就是在流水灯模块名“runled”后面添加“_tb”。“ProjectLocation”是工程路径，可以根据需要把工程保存到不同的位

前端：原生APP  安卓端：Java 苹果端：OC后台：PHP数据库：Mysql技术框架：Thinkphp5.1系统特色功能包括：礼物系统；提现方式；连麦送礼PK；直播间红包；主播守护；小视频拍摄；引导图功能，系统具备了运营级手机直播平台的全部基础功能设置，完全开源 。后台功能展示：首页2、设置1）网站信息：网站信息、SEO设置、APP版本管理、登录开关、分享设置、直播管理、美颜/萌颜、付费内容、登录协议弹窗、微信小程序版本管理。2）私密设置：基本设置、登录配置、直播配置、映票提现配置、推送配置、支付配置、邀请奖励、统计配置、视频配置、店铺/商品配置、动态配置、游戏配置、物流配置、每日任务、云

文章目录前言使用过ChatGPT的人都知道，提示占据非常重要的位置。而Word，Excel、PPT这办公三大件中，当属Excel最难搞，想要熟练掌握它，需要记住很多公式。但是使用提示就简单多了，和ChatGPT聊聊天就能解决问题。一、使用ChatGPT完成Excel公式二、使用步骤1.引入库2.读入数据3.提取数据4.计算唯一值5.使用ChatGPT创建宏变量总结前言ChatGPT自去年11月30日OpenAI重磅推出以来，这款AI聊天机器人迅速成为AI界的「当红炸子鸡」。一经发布，不少网友更是痴迷到通宵熬夜和它对话聊天，就为了探究ChatGPT的应用天花板在哪里，经过试探不少人发现，Chat

jQuery源代码被包裹在一个闭包中，如下所示:(function(window,undefined){//awesomejQuerylibrarycodeinhere})(window);我不明白为什么需要这两个参数。既然window是一个全局变量，为什么还要传入呢？传入全局参数并在同名闭包中访问它的目的是什么？undefined参数有什么用？为什么没有任何值传递给它？ 最佳答案 我很确定这个问题已经得到解答，但是:传入windowa)允许代码压缩以修改名称(即用匿名函数中的单字母变量名称替换它)和b)确保变量引用定义库时的win

        我们在做项目的时候，都经常会通过Unity中的Game窗口来查看当前场景中的性能指标，通过Stats标签按钮打开一个Statistics窗口，本文将对相关Graphics下的数据做一个相对详细的介绍，注意由于是在Editor环境下所以所有的数据跟实机数据肯定会有差距。1.FPS:FragmentsPerSecond，自然是Unity每秒渲染的帧数，是一个关键的性能指标，其能维持在一个正常的范围决定了整个项目的流畅度，指标严重低于目标范围的情况被称为掉帧，会带来严重的卡顿感。2.CPUMain:是cpu处理一帧所消耗的总时间，单位一般为毫秒，这个时间不仅仅包含项目中更新每一帧所需

一.首先不看代码用白话分析一下流程我们在使用put方法的时候会传进key和value参数在我们将这两个参数传入后，第一步，我们的put方法会去判断这个hashmap是否为null或者长度是否为0，如果是则对hashmap数组进行resize()扩容，第二步，put方法会根据这个key计算hash码来得到数组的位置，（这里需要解释一下，我们的hashmap默认是由一个数组加链表组成的）得到位置后当然是继续判断这个数组下标的值是否为null，为null自然是直接插入我们的value值，如果不为空的话进行第三步第三步，判断key是否为null，当key！=null我们就可以覆盖value值，key=

 在Python中，十进制数可以转换成二进制数。例如：但是，十进制数不是直接转换成二进制，而是先转换成二进制数，再转换成十进制。接下来我们来看看具体的实现方法：首先我们来看一个例子：上面代码中，使用了循环遍历的方法。从这个例子中我们可以发现，需要遍历一次。因为每个数字都是16个位，所以一共需要遍历64次。在Python中，使用循环的方式实现需要遍历一次的代码如下：因此，可以看到第一行的代码使用了循环遍历的方法实现了16次遍历，第二行使用了二进制遍历的方法实现了16次遍历。因此我们可以看到，只需要用两行代码就完成了一次循环遍历。一、十进制数转换成二进制这里使用的方法是float（），因为这种方法

一、内容提要今天笔者同样以测井岩性分类为实例，为大家分享一种被称为“最简单的机器学习算法之一”的K-近邻算法(K-NearestNeighbor,KNN)。K-近邻算法（KNN，K-NearestNeighbor）可以用于分类和回归[1]。K-近邻算法，意思是每一个样本都可以用它最接近的K个邻居来代表，以大多数邻居的特征代表该样本的特征，据此分类[2]。它的优势非常突出：思路简单、易于理解、易于实现，无需参数估计[3]。本期笔者将KNN算法应用在基于测井数据的岩性分类上。下面分为算法简介、实例计算与代码解读三个部分进行讲解。（代码获取方式详见文末）二、算法简介K-近邻算法K-近邻算法的计算过程

基于密度的聚类算法（1）——DBSCAN详解基于密度的聚类算法（2）——OPTICS详解基于密度的聚类算法（3）——DPC详解1.DBSCAN简介DBSCAN（Density-BasedSpatialClusteringofApplicationswithNoise，具有噪声的基于密度的聚类方法）是一种典型的基于密度的空间聚类算法。和K-Means，BIRCH这些一般只适用于凸样本集的聚类相比，DBSCAN既可以适用于凸样本集，也可以适用于非凸样本集。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。该算法利用基于密度的聚类的概

在mmdetection中有时候训练模型会出现ValueError:needatleastonearraytoconcatenate的错误，详情如下图所示。很多人都说是mmdet/dataset下coco.py或voc.py中CLASSES设置与数据集对应不上，博主不以为然。因为在mmdetection2中，不需要到mmdet/dataset中修改CLASSES，只需要在训练配置文件中中设置一下就行了。config解释器会通过继承自动修改CLASSES的值，具体可见下图，或参考mmdetection2的使用教程从数据处理、配置文件到训练与测试（支持coco数据和pascal_voc数据）_万里