大家好，我是鱼皮。相信很多学编程的同学都学习过SQL吧？SQL作为数据库查询语言，实在是太重要了，可以说是程序员、产品经理、数据分析同学的必备技能。为了帮助大家自学SQL，这段时间，我一个人做了个免费的闯关式SQL自学网，并且决定把代码完全开源给大家学习！如果你还不知道什么是SQL，那么相信这个网站可以帮助你轻松入门；如果你已经学过了SQL，那么不妨来挑战一下，看看自己的SQL水平是否过关。项目演示视频：https://www.bilibili.com/video/BV1pV4y1i7LW（推荐先看这个）开源地址：https://github.com/liyupi/sql-mother项目介绍
自制U盘版KALI1.准备材料1.1硬件1.2软件2.步骤2.1下载镜像2.2烧录2.3启动测试2.4持久化分区3.使用本文介绍了如何制作U盘版即插即用的Kali，且配有持久化功能。所谓持久化，可以理解为在系统中操作和创建的文件等在断电后依旧保存。而非持久化的系统在断电重启后则恢复到初始状态，不保存上一次开机后的操作。1.准备材料1.1硬件1.32GB以上，USB3.0及以上U盘一块；2.电脑一台；1.2软件1.balenaEtcher2.分区助手3.VMWareWorkstation（已安装Kali，用于配置持久化分区）4.KaliUSB版镜像2.步骤2.1下载镜像下载KaliUSB版镜像，
1.简介mmsegmentation是目前比较全面和好用的用于分割模型的平台，原始的github链接https://github.com/open-mmlab/mmsegmentation2.GPU环境配置我是按照自己的经历步骤配置环境的，目前把我配置环境的过程记录一下。我的服务器信息：Ubuntu16.04.6LTS(GNU/Linux4.4.0-151-genericx86_64)在服务器上已经安装了anaconda的，所以使用anaconda创建一个mmsegmentation训练的虚拟环境【1】创建虚拟环境：condacreate-nmmlabpython=3.8目前我觉得3.7，3.
1.简介mmsegmentation是目前比较全面和好用的用于分割模型的平台，原始的github链接https://github.com/open-mmlab/mmsegmentation2.GPU环境配置我是按照自己的经历步骤配置环境的，目前把我配置环境的过程记录一下。我的服务器信息：Ubuntu16.04.6LTS(GNU/Linux4.4.0-151-genericx86_64)在服务器上已经安装了anaconda的，所以使用anaconda创建一个mmsegmentation训练的虚拟环境【1】创建虚拟环境：condacreate-nmmlabpython=3.8目前我觉得3.7，3.
原文地址：https://zhanglei.blog.csdn.net/article/details/121673288目录一、前言二、访问应用资源三、Framework中的资源存放四、访问Framework中指定的bundle五、访问bundle中的资源六、建议Framework与bundle分开存放一、前言应用中某些模块需要组件化，组件化后的工程最后会做二进制化处理，打包成.framework文件。今天简单聊一下在主工程或其他组件中是如何访问自制组件.framework关联的bundle资源文件。二、访问应用资源我们知道苹果应用是基于沙盒机制，打包生成.ipa后的资源会被放到沙盒的根目录
shader预编译为二进制,在程序运行时候加载,可以提升性能,节省启动时间.1.采用googleshaderc预编译与加载shader1.1下载代码https://github.com/google/shadercthird_party文件里需要放依赖的第三方因为电脑访问google的问题,无法通过shaderc-2023.4\utils\git-sync-deps脚本自动下载第三方,手动下载https://codeload.github.com/KhronosGroup/SPIRV-Tools/zip/refs/tags/v2023.3.rc1https://codeload.github.
文章目录相关链接协议外设设置硬件PWM分析HAL设置DMA分析HAL设置方案设计代码实现解码函数开始发送和复位发送函数波形成品相关链接硬件介绍(PCB设计方案)模拟时序发送协议WS2812是一种异步串行通信，它每一位数据时间是ns级别的默认是高电平状态0码：220-380ns高电平+580-1600ns低电平1码：580-1600ns高电平+220-380ns低电平复位码：>280us低电平24Bit数据来代表GRB的亮度值从高位到低位发送，分别按照G->R->B的顺序发送先发送第一个灯的数据（离Dat输入直连的那个灯）例子：分别发送红绿蓝三色的数据给3个ws2812外设设置硬件PWM分析ST
快速上手MSP430F5529开发板教程（基于CCS8环境下的自制库）一、前言二、准备工作三、快速了解CCS8的使用1、目录2、Debug界面3、添加文件（设置文件路径）四、基本操作1、开发板图样2、打开工程3、程序烧入五、基本使用1、LED闪烁2、串口操作3、按键中断4、定时器中断5、PWM输出6、IIC驱动OLED0.96一、前言MSP430单片机的学习难度介于51与STM32之间，推荐使用寄存器开发，因为MSP430的寄存器操作真的比库函数操作要简易许多。在学习MSP430的时候，建议直接看中文手册（重点）和原理图学习。二、准备工作CCS8环境搭建MSP430F5529开发板中文手册与原
目录一、bootloader、kernel、rootfs联系二、内核移植1.内核源码获取2.内核配置与编译🍍基础配置与编译🍍TF卡分区🍍内核烧录三、参考内容一、bootloader、kernel、rootfs联系kernel可以理解为一个庞大的裸机程序，和uboot以及其他比如点灯类似的裸机程序没有本质区别，只是kernel分为用户态和内核态，内存和设备操作与裸机程序不同。kernel是最底层，负责各种外设硬件的驱动，kernel类似于黑盒子，从外面只能看到接口，无法看到具体功能是如何实现的，内核初始化提供的接口后，将控制权通过init程序交给根文件系统。详见：一文讲解Linux内核中根文件系
目录前言 一、无监督学习缺陷检测Anomalib介绍二、Anomalib代码结构三、任务描述和模型训练推理四、总结与展望前言 本文专注于padim算法在自制数据集上的训练过程，博主水平有限，对神经网络模型秉持能用就行的态度，所以文中不涉及网络结构和论文细节的解读，想看这些的同学请另寻资料哈~一、无监督学习缺陷检测Anomalib介绍 组里最近给的新任务，对金属材质表面的各种缺陷进行检测。之前使用的是有监督的yolov5网络，标数据集着实痛苦无比。而且工业缺陷数据有一个比较显著的特征：样本不平衡。绝大部分采集得到的工业数据都是没有缺陷的，这样一来，正样本的数据在模型训练中根本没有起
