精华内容
下载资源
问答
  • x64_dbg和Sample

    热门讨论 2015-04-30 15:09:22
    里面是x64_dbg和对应的Sample,大家可以下载自行破解玩于q
  • 这是 Heroku 的准系统 Vert.x 应用程序。 本地运行 git clone git@github.com:mthenw/vertx-sample.git # or clone your own fork cd vertx-sample foreman start 您的应用程序现在应该在上运行。 部署到 Heroku ...
  • Discuz_X3.0_Plugin_Sample

    2017-03-09 17:57:40
    Discuz_X3.0_Plugin_Sample
  • 最近下载了强大的VS2017 X64企业版,然后用最新的cmake3.11.0 X64重新编译了一把最新的opencv3.4.1库,这里是单独学习opencv库里的案例,所以编译出来的是X86版本的sample工程,解压后对应这里配置好的环境...
  • 根据样本数据随机选择20%做测试样本,80%做训练样本 ...> sample(x=x,size=5,replace=T) [1] 9 4 2 4 4 > a=c("A","B") > sample(x=a,size=10,replace=T)  [1] "A" "A" "B" "B" "B" "B" "B" "A" "A" "A

    根据样本数据随机选择20%做测试样本,80%做训练样本

    # 数据划分
    # 设置工作空间
    # 把“数据及程序”文件夹拷贝到F盘下,再用setwd设置工作空间
    setwd("F:/数据及程序/chapter6/示例程序")
    # 把数据分为两部分:训练数据、测试数据
    # 读入数据
    Data <- read.csv("./data/model.csv")
    # 数据命名
    colnames(Data) <- c("time", "userid", "ele_ind", "loss_ind", "alarm_ind", "class")
    # 数据分割

    set.seed(1234)  # 设置随机种子,改成set.seed(5)...都行,R语言中set.seed(),该命令的作用是设定生成随机数的种子,种子是为了让结果具有重复性。如果不设定种子,生成的随机数无法重现。

    > set.seed(5) #设定种子

    > x<-rnorm(10) # 在设定种子的前提下生成10个随机数

    > x

    [1] -0.84085548 1.38435934 -1.25549186 0.07014277 1.71144087 -0.60290798 -0.47216639

    [8] -0.63537131 -0.28577363 0.13810822

    > set.seed(5) # 设定种子

    > y<-rnorm(10)

    > y

    [1] -0.84085548 1.38435934 -1.25549186 0.07014277 1.71144087 -0.60290798 -0.47216639

    [8] -0.63537131 -0.28577363 0.13810822

    )# 定义序列ind,随机抽取1和2,1的个数占80%,2的个数占20%
    ind <- sample(2, nrow(Data), replace = TRUE, prob = c(0.8, 0.2))
    trainData <- Data[ind == 1,]
     # 训练数据
    testData <- Data[ind == 2,]  # 测试数据
    # 数据存储
    write.csv(trainData, "./tmp/trainData.csv", row.names = FALSE)

    write.csv(testData, "./tmp/testData.csv", row.names = FALSE)

    。。。。。。。。。。。。。。。。完。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

    > set.seed(1234)  # 设置随机种子
     set.seed()中的数字是一个标记啦,下次你还想取这个随机序列就启用set.seed(1234),后面随机函数会和上次一样生成样本。
    > ind <- sample(3, nrow(Data), replace = TRUE, prob = c(0.8, 0.2,0.4))
    > ind
      [1] 1 3 3 3 2 3 1 1 3 1 3 1 1 2 1 3 1 1 1 1 1 1 1 1 1 3 1 2
     [29] 3 1 1 1 1 1 1 3 1 1 2 3 1 3 1 3 1 1 3 1 1 3 1 1 3 1 1 1
     [57] 1 3 1 3 2 1 1 1 1 3 1 1 1 1 1 2 1 3 1 1 1 1 1 3 2 1 1 1
     [85] 1 2 1 1 1 2 1 2 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 1 1 1 3 1


    其他关于sample()的小例子

    > x=1:10
    > sample(x=x)

     [1]  5  9  2 10  7  4  1  8  6  3


    > x=1:1000
    > sample(x=x,size=20)
     [1] 981 539 444 947 451 190 986 545 763 906 676 403 989 145

    [15] 194 995 402 343 820 195


    > x=1:10
    > sample(x=x,size=5,replace=T)

    [1] 9 4 2 4 4


    > a=c("A","B")
    > sample(x=a,size=10,replace=T)

     [1] "A" "A" "B" "B" "B" "B" "B" "A" "A" "A"




    展开全文
  • Firebase Cocos2d-x样本 Firebase C ++ SDK的iOS和Android cocos2d-x示例。 状态 该样本不再被主动维护,在这里仅供参考。 介绍 先决条件 setup_firebase_sample.py脚本要求将Python安装在本地。 访问以获取更多...
  • SMPTE 274M-2008 for Television - 1920 x 1080 Image Sample Struct
  • 提供了比较详细的LPC214X—LPC213X系列处理器的一些基本功能代码,利用Keil编译,适合初学者学习。
  • Normalized Frequency(x PI rad/sample)含义

    万次阅读 多人点赞 2017-07-07 17:40:24
    matlab信号处理工具规定单位频率为奈圭斯特频率(采样频率的一半),所以基本的滤波器设计函数的截止频率参数均以奈圭斯特频率为基准做归一化。例如,对于一个采样频率为1000Hz的系统,300Hz则对应300/500=0.6。...

    matlab信号处理工具规定单位频率为奈圭斯特频率(采样频率的一半),所以基本的滤波器设计函数的截止频率参数均以奈圭斯特频率为基准做归一化。例如,对于一个采样频率为1000Hz的系统,300Hz则对应300/500=0.6。若要将归一化频率转换为单位圆上的弧度,则将归一化值乘以π(PI)即可。

    下图为ISE中FIR滤波器显示的频率响应,横坐标是归一化的。若要求Hz为单位的截止频率,只需乘以fs/2即可,计算如下:

    下图中的0.5表示的是0.5*pi(rad),即为w = 0.5*pi, 由 w = 2 * pi * f / fs 得到 f = w * fs / 2pi,即 f = 0.5 * fs / 2 ,因为 fs = 122.88MHz,所以截止频率 f = 30.72MHz。


    展开全文
  • Silicon Lab Si702x 温湿度传感器IC读取驱动
  • 样本修改 sampleLet’s understand one of the frequently used functions, sample() in R. In data analysis, taking samples of the data is the most common process done by the analysts. To study and ...

    样本修改 sample

    Let’s understand one of the frequently used functions, sample() in R. In data analysis, taking samples of the data is the most common process done by the analysts. To study and understand the data, sometimes taking a sample is the best way and it is mostly true in case of big data.

    让我们了解R中最常用的函数之一sample()。在数据分析中,对数据进行采样是分析师最常用的过程。 要研究和理解数据,有时取样是最好的方法,并且在大数据的情况下通常是正确的。

    R offers the standard function sample() to take a sample from the datasets. Many business and data analysis problems will require taking samples from the data. The random data is generated in this process with or without replacement, which is illustrated in the below sections.

    R提供了标准函数sample()来从数据集中获取样本。 许多业务和数据分析问题都需要从数据中取样。 随机数据是在此过程中生成的,有无替换,如下节所示。



    Let’s roll into the topic!!!

    让我们进入主题!!!

    R中sample()的语法 (Syntax of sample() in R)

    
    sample(x, size, replace = FALSE, prob = NULL)
    
    • x – vector or a data set.

      x –向量或数据集。
    • size – sample size.

      大小 –样本大小。
    • replace – with or without replacement of values.

      替换 –替换或不替换值。
    • replace – with or without replacement of values.

      替换 –替换或不替换值。
    • prob – probability weights

      概率 –概率权重


    更换样品 (Taking samples with replacement)

    You may wonder, what is taking samples with replacement?

    您可能想知道,正在取样替换的样品是什么?

    Well, while you are taking samples from a list or a data, if you specify replace=TRUE or T, then the function will allow repetition of values.

    好吧,当您从列表或数据中取样时,如果指定replace = TRUE或T ,则该函数将允许重复值。

    Follow the below example which clearly explains the case.

    请遵循以下示例,该示例清楚地说明了这种情况。

    
    #sample range lies between 1 to 5
    x<- sample(1:5)
    #prints the samples
    x
    Output -> 3 2 1 5 4
    
    
    #samples range is 1 to 5 and number of samples is 3
    x<- sample(1:5, 3)
    #prints the samples (3 samples)
    x
    Output -> 2 4 5
    
    
    #sample range is 1 to 5 and the number of samples is 6
    x<- sample(1:5, 6)
    x
    #shows error as the range should include only 5 numbers (1:5)
    Error in sample.int(length(x), size, replace, prob) : 
      cannot take a sample larger than the population when 'replace = FALSE'
    
    #specifing replace=TRUE or T will allow repetition of values so that the function will generate 6 samples in the range 1 to 5. Here 2 is repeated.
     
    x<- sample(1:5, 6, replace=T)
    Output -> 2 4 2 2 4 3
    
    


    R中未更换的样品 (Samples Without Replacement in R)

    In this case, we are going to take samples without replacement. The whole concept is shown below.

    在这种情况下,我们将取样 而不更换 样品 。 整个概念如下所示。

    In this case of without replacement, the function replace=F is used and it will not allow the repetition of values.

    在不替换的情况下,将使用函数replace = F ,它将不允许重复值。

    
    #samples without replacement 
    x<-sample(1:8, 7, replace=F)
    x
    Output -> 4 1 6 5 3 2 7
    x<-sample(1:8, 9, replace=F)
    Error in sample.int(length(x), size, replace, prob) :
    cannot take a sample larger than the population when 'replace = FALSE'
    
    
    #here the size of the sample is equal to range 'x'. 
    x<- sample(1:5, 5, replace=F)
    x
    Output -> 5 4 1 3 2
    


    使用函数set.seed()进行采样 (Taking samples using the function set.seed())

    As you may experience that when you take the samples, they will be random and change each time. In order to avoid that or if you don’t want different samples each time, you can make use of set.seed() function.

    正如您可能会遇到的那样,当您采样时,它们将是随机的,并且每次都会改变。 为了避免这种情况,或者如果您不想每次都使用不同的样本,可以使用set.seed()函数。

    set.seed() – set.seed function will produce the same sequence when you run it.

    set.seed() – set.seed函数在运行时会产生相同的序列。

    This case is illustrated below, execute the below code to get the same random samples each time.

    下面说明了这种情况,执行以下代码以每次获得相同的随机样本。

    
    #set the index 
    set.seed(5)
    #takes the random samples with replacement
    sample(1:5, 4, replace=T)
    2 3 1 3
    
    set.seed(5)
    sample(1:5, 4, replace=T)
    2 3 1 3
    
    set.seed(5)
    sample(1:5, 4, replace=T)
    2 3 1 3
    


    从数据集中获取样本 (Taking the sample from a dataset)

    In this section, we are going to generate samples from a dataset in Rstudio.

    在本节中,我们将从Rstudio中的数据集中生成样本。

    This code will take the 10 rows as a sample from the ‘ToothGrowth’ dataset and display it. In this way, you can take the samples of the required size from the dataset.

    此代码将从“ ToothGrowth”数据集中获取10行作为示例并显示它。 这样,您可以从数据集中获取所需大小的样本。

    
    #reads the dataset 'Toothgrwoth' and take the 10 rows as sample
    df<- sample(1:nrow(ToothGrowth), 10)
    df
    --> 53 12 16 26 37 27  9 22 28 10
    #sample 10 rows
    ToothGrowth[df,]
    
        len supp dose
    53 22.4   OJ  2.0
    12 16.5   VC  1.0
    16 17.3   VC  1.0
    26 32.5   VC  2.0
    37  8.2   OJ  0.5
    27 26.7   VC  2.0
    9   5.2   VC  0.5
    22 18.5   VC  2.0
    28 21.5   VC  2.0
    10  7.0   VC  0.5
    


    使用set.seed()函数从数据集中获取样本 (Taking the samples from the dataset using the set.seed() function)

    In this section, we are going to use the set.seed() function to take the samples from the dataset.

    在本节中,我们将使用set.seed()函数从数据集中获取样本。

    Execute the below code to generate the samples from the data set using set.seed().

    执行以下代码,使用set.seed()从数据集中生成样本。

    
    #set.seed function
    set.seed(10)
    #taking sample of 10 rows from the iris dataset. 
    x<- sample(1:nrow(iris), 10)
    x
    --> 137  74 112  72  88  15 143 149  24  13
    #displays the 10 rows
    iris[x, ]
        Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
    137          6.3         3.4          5.6         2.4  virginica
    74           6.1         2.8          4.7         1.2 versicolor
    112          6.4         2.7          5.3         1.9  virginica
    72           6.1         2.8          4.0         1.3 versicolor
    88           6.3         2.3          4.4         1.3 versicolor
    15           5.8         4.0          1.2         0.2     setosa
    143          5.8         2.7          5.1         1.9  virginica
    149          6.2         3.4          5.4         2.3  virginica
    24           5.1         3.3          1.7         0.5     setosa
    13           4.8         3.0          1.4         0.1     setosa
    

    You will get the same rows when you execute the code multiple times. The values won’t change as we have used the set.seed() function.

    多次执行代码时,将获得相同的行。 这些值不会更改,因为我们已经使用过set.seed()函数。



    在R中使用sample()生成随机样本 (Generating a random sample using sample() in R)

    Well, we will understand this concept with the help of a problem.

    好吧,我们将在问题的帮助下理解这个概念。

    Problem: A gift shop has decided to give a surprise gift to one of its customers. For this purpose, they have collected some names. The thing is to choose a random name out of the list.

    问题:一家礼品店已决定向其一位顾客提供惊喜礼物。 为此,他们收集了一些名称。 事情是从列表中选择一个随机名称。

    Hint: use the sample() function to generate random samples.

    提示:使用sample()函数生成随机样本。

    As you can see below, every time you run this code, it generates a random sample of participant names.

    如下所示,每次运行此代码时,它都会随机生成参与者名称样本。

    
    #creates a list of names and generates one sample from this list
    sample(c('jack','Rossie','Kyle','Edwards','Joseph','Paloma','Kelly','Alok','Jolie'),1)
    --> "Rossie"
     sample(c('jack','Rossie','Kyle','Edwards','Joseph','Paloma','Kelly','Alok','Jolie'),1)
    --> "Jolie"
    
    sample(c('jack','Rossie','Kyle','Edwards','Joseph','Paloma','Kelly','Alok','Jolie'),1)
    --> "jack"
    
    sample(c('jack','Rossie','Kyle','Edwards','Joseph','Paloma','Kelly','Alok','Jolie'),1)
    --> "Edwards"
    
    sample(c('jack','Rossie','Kyle','Edwards','Joseph','Paloma','Kelly','Alok','Jolie'),1)
    --> "Kyle"
    


    通过设置概率采样 (Taking samples by setting the probabilities )

    With the help of the above examples and concepts, you have understood how you can generate random samples and extract specific data from a dataset.

    借助以上示例和概念,您已经了解了如何生成随机样本并从数据集中提取特定数据。

    Some of you may feel relaxed if I say that R allows you to set the probabilities, as it may solve many problems. Let’s see how it works with the help of a simple example.

    如果我说R允许您设置概率,则有些人可能会感到轻松,因为它可以解决许多问题。 让我们在一个简单的示例的帮助下看看它是如何工作的。

    Let’s think of a company that is able to manufacture 10 watches. Among these 10 watches, 20% of them are found defective. Let’s illustrate this with the help of the below code.

    让我们考虑一家能够制造10只手表的公司。 在这10只手表中,有20%被发现有缺陷。 让我们借助以下代码来说明这一点。

    
    #creates a probability of 80% good watches an 20% effective watches.
     sample (c('Good','Defective'), size=10, replace=T, prob=c(.80,.20))
     
    "Good"      "Good"      "Good"      "Defective" "Good"      "Good"     
    "Good"      "Good"      "Defective" "Good"  
    

    You can also try for different probability adjustments as shown below.

    您还可以尝试进行如下所示的不同概率调整。

    
     sample (c('Good','Defective'), size=10, replace=T, prob=c(.60,.40))
     
    --> "Good"      "Defective" "Good"      "Defective" "Defective" "Good"     
     "Good"      "Good"      "Defective" "Good"
    


    结语 (Wrapping up)

    In this tutorial, you have learned how to generate the sample from the dataset, vector, and a list with or without replacement. The set.seed() function is helpful when you are generating the same sequence of samples.

    在本教程中,您学习了如何从数据集, 向量以及有或没有替换的列表中生成样本。 当您生成相同的样本序列时,set.seed()函数会很有用。

    Try taking samples from various datasets available in R and also you can import some CSV files to take samples with probability adjustments as shown.

    尝试从R中可用的各种数据集中获取样本,也可以导入一些CSV文件以通过概率调整来获取样本,如图所示。

    More study: R documentation

    更多研究: R文档

    翻译自: https://www.journaldev.com/39307/sample-in-r

    样本修改 sample

    展开全文
  • Spring Security 2.0.x Sample Code
  • MATLAB函数downsample的用法详解

    万次阅读 2019-10-11 17:23:59
    (一)、downsample ... y = downsamplex,n)通过保留第一个样本,然后保留第一个样本后的第n个样本,来降低x的采样率。如果x是矩阵,则该函数将每一列视为单独的序列。 y =downsamplex,n,phase)指定偏移...

    (一)、downsample

                   将采样率降低整数倍

    1. 句法
      y =downsample(x,n)
      y =downsample(x,n,phase)
    2. y = downsample(x,n)通过保留第一个样本,然后保留第一个样本后的第n个样本,来降低x的采样率。如果x是矩阵,则该函数将每一列视为单独的序列。
    3. y =downsample(x,n,phase)指定偏移下采样序列的样本数。
    4. 例子1:
      降低采样率

      将序列的采样率降低3倍。

      x = [1 2 3 4 5 6 7 8 9 10];
      y =downsample(x,3)
      y = 1×4

           1 4 7 10

    5. 例子2:

      将序列的采样率降低3倍,并将相位偏移增加2。也就是从第一个数向后偏移两个数进行降采样

      y =downsample(x,3,2)
      y = 1×3

           3 6 9
       

      x1 = [1 2 3 4 5 6 7 8 9 10];
      y =downsample(x1,3,1)

      y =

           2     5     8
       

    6. 例子3:
       

      将矩阵的采样率降低3倍。

      x = [1 2 3;
           4 5 6;
           7 8 9;
          10 11 12];
      y =downsample(x,3)
      y = 2×3

           1 2 3
          10 11 12

    7. 输入参数
      x —输入数组
      向量|矩阵
      输入数组,指定为向量或矩阵。如果x是矩阵,该函数会将列视为独立通道。

      示例:cos(pi / 4 *(0:159))+ randn(1,160)指定加上高斯白噪声中的正弦曲线。

      示例:cos(pi ./ [4; 2] *(0:159))'+ randn(160,2)指定一个两通道的正弦波。

      数据类型:单|双
      复数支持:是
      n —下采样系数
      正整数
      下采样因子,指定为正整数。

      数据类型:单|双
      相位-偏移
      0(默认)|正整数
      偏移量,指定为0到n – 1之间的正整数。

      数据类型:单|双

    8. 输出参数
      y —下采样数组
      向量|矩阵
      下采样数组,以向量或矩阵形式返回。

    展开全文
  • CameraX-api-sample 实现camerax api(带有三个按钮的简单ui [闪光灯,相机类型,拍摄照片])并以圆形图像视图显示捕获的照片
  • sample函数注意事项

    千次阅读 2020-11-09 09:22:19
    sample(x[x > 8]) # length 2 sample(x[x > 9]) # oops -- length 10!#意思就是,当选择的子变量是一个大于零的整数时,比如sample(10),就会返回1:10中的随机排列了,等同于sample(1:10,10,replace=...
  • ValueError: Output of generator should be a tuple (x, y, sample_weight) or (x, y). Found: [array... 分析: 看报错信息大概可以分析出,是generator_output这的问题,大概是我们自己数据增强后,生成的数据...
  • Resnet 官方代码 pytorch

    千次阅读 2019-10-26 21:46:51
    self.downsample = downsample,在默认情况downsample=None,表示不做downsample,但有一个情况需要做,就是一个 BasicBlock的分支x要与output相加时,若x和output的通道数不一样,则要做一个downsample, ...
  • CocosStudioV2Sample 使用 Cocos2d-x 显示由 CocosStudio v2 创建的屏幕的示例
  • ResNet结构分析

    万次阅读 多人点赞 2018-11-08 11:38:06
    residual = self.downsample(x) out += residual out = self.relu(out) return out 这里要留意一下downsample,因为feature map的大小不变 但是在经过Bottleneck 之后channel变成了原来的四倍,因此想要和...
  • Bass24.Sample.Demos.bass.PAS and addons.x32.x64.7z
  • Python:sample函数

    千次阅读 2019-10-06 10:24:46
    sample(序列a,n) 功能:从序列a中随机抽取n个元素,并将n个元素生以list形式返回。 例: from random import randint, sample date = [randint(10,20) for _ in range(10)] c = sample(date, 5) ...
  • Unity 5.X 3D游戏开发技术详解与典型案例 ,吴亚峰,索依娜编著 ,P627 sample
  • pytorch F.affine_grid F.grid_sample探究

    千次阅读 2020-08-27 17:20:03
    在pytorch框架中, F.affine_grid 与 F.grid_sample(torch.nn.functional as F)联合使用来对图像进行变形。 F.affine_grid 根据形变参数产生sampling grid,F.grid_sample根据sampling grid对图像进行变形。 需要...
  • CV脱坑指南(二):ResNet·downsample详解

    千次阅读 多人点赞 2020-07-08 06:25:25
    到这儿来~(feat.美丽的嫦娥姐姐 嗯经过了一周的实(mo)践(yu)之后,打算还是给...1.2 shortcut前的x的为了适应shortcut后变化的shape而做的自适应调节 我暂且称之为 identity downsample 以下的所有案例,我们以Res
  • R语言入门:使用函数sample进行抽样

    千次阅读 2018-10-01 14:14:12
    在医学统计学或者流行病学里的现场调查、样本选择经常会提到一个词:随机抽样。... sample(x=x)  [1] 3 5 9 6 10 7 2 1 8 4 第一行代码表示给x向量赋值1~10,第二行代码表示对x向量进行随机抽样。结...
  • R语言—使用函数sample进行抽样

    千次阅读 2018-11-13 12:36:00
    那么今天介绍的第一个函数就是用于抽样的函数sample:&#13; &#13; &#13;  &#13; &#13; &gt; x=1:10&#13; &#13; &#13; &#13;  &#13;  &#13; &#13; &
  • pytorch中的F.grid_sample解释

    千次阅读 2020-07-11 11:21:25
    首先构造一个恒等采样的矩阵(左上角是(-1,-1),右下角是(1,1),记为grid),然后在该矩阵的基础上加上x,y方向的offset,构成一个新的采样矩阵(flow_grid),然后使用F.grid_sample和flow_grid对原图做采样,...
  • 使用函数sample进行抽样

    千次阅读 2016-12-27 14:58:05
    使用函数sample进行抽样
  • 海思Hi3519A开发(6.sample内容介绍)

    千次阅读 多人点赞 2019-09-28 11:19:06
    文章目录sample_venc(视频数据编码)sample_vdec(视频数据解码)sample_audio(音频相关)sample_snap(拍照)sample_dpu_main(Depth Process Unit,深度图)sample_avs(Any View Stitching,全景拼接)sample_fisheye(鱼眼...
  • 关于spark的sample()算子参数详解

    千次阅读 2019-01-22 16:34:42
    sample(withReplacement : scala.Boolean, fraction : scala.Double,seed scala.Long) sample算子时用来抽样用的,其有3个参数 withReplacement:表示抽出样本后是否在放回去,true表示会放回去,这也就意味着...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 523,739
精华内容 209,495
关键字:

samplex