cygwin下配置vim的方法：1）进入cygwin环境，执行下面的指令复制vim配置文件$cp/usr/share/vim/vim71/vimrc_example.vim~/.vimrc2)修改.vimrc$cd~$vi.vimrc3)我习惯使用下面的配置：setnu显示行号setts=4按tab键产生的制表符占4个字符的位置4）保存退出，重启cygwin即可。vi其他配置：vi还有很多个性化的配置可以在.vimrc中加入方便自己工作下面是一个基本的配置
系统 2019-08-12 01:33:09 2423
ubuntu12.041.更新软件包。sudoapt-getupdate2.LAMP安装。sudoapt-getinstallapache2mysql-servermysql-clientphp5php5-gdphp5-mysql安装过程设置sql密码。3.修改/var/www目录权限。sudochmod777/var/www/4.phpmyadmin安装。sudoapt-getinstallphpmyadmin–-fix-missing注：用sudoap
系统 2019-08-12 01:33:01 2423
Jensen不等式Jensen不等式给出了积分的凸函数值必定大于凸函数(convex)的积分值的定理。在凸函数曲线上的任意两点间连接一条线段，那么线段会位于曲线之上，这就是将Jensen不等式应用到两个点的情况，如图(1)所示\((t\in[0,1])\)。我们从概率论的角度来描述Jensen不等式：假设\(f(x)\)为关于随机变量\(x\)的凸函数\(f'(x)\geq0\)，则有\(f\left(E(x)\right)\leqE\left(f(x)\
系统 2019-08-12 01:33:00 2423
1、进程调度的任务是控制协调进程对CPU的竞争即按一定的调度算法从就绪队列中选中一个进程，把CPU的使用权交给被选中的进程2、确定算法的原则2.1、具有公平性2.2、资源利用率高2.3、在交互式系统情况下要追求响应时间（越短越好）2.4、在批处理系统情况下要追求系统吞吐量3、各种进程调度算法3.1、先进先出调度算法（FIFO）按照进程就绪的先后次序来调度进程优点：实现简单缺点：没考虑进程的优先级3.2、基于优先数的调度（HPF）优先选择就绪队列中优先级最高
系统 2019-08-12 01:32:33 2423
1python中的数据类型:数字（整数型int,浮点数型float,布尔型bool,复数complex），字符串，元组(只读列表，只能查询，不可更改)，集合，列表，字典可变数据类型：列表list[]、字典dict{}数据发生改变，但内存地址不变不可变数据类型：整型int、字符串str’'、元组tuple（）当该数据类型的对应变量的值发生了改变，那么它对应的内存地址也会改变2有一段python的编码程序如下：urllib.quote(line.decode(
系统 2019-09-27 17:56:47 2422
一.JS和python的序列化python的序列化json字符串=json.dumps('python对象')python对象=json.loads('json字符串')JS的序列化js对象=JSON.parse('字符串')json字符串=JSON.stringfy('js对象')二.Django和ajax序列化django序列化1.两次序列化defget_data(request):fromdjango.coreimportserializers#引入
系统 2019-09-27 17:56:10 2422
学英语广告最近也许是刚开学的原因，不管是公众号，还是刷抖音，导出都能看到关于学英语、背单词的广告。不知道现在学生们背单词买的什么辅导材料。反正我们上学那会，《星火阅读》特别的火。记得当时随书还送一个红色的塑料膜。书中英语单词是红色的其他文字是黑色的。背单词的时候先把塑料膜盖在书上，然后就只能看到翻译和音标，从而起到自测英语的作用。一页看完了取下塑料膜，再核对哪些单词记错了。就这么一个无脑的功能，当时的我们都觉得好犀利，谁一本这样的背单词书，都不好意思出去装
系统 2019-09-27 17:55:27 2422
本文继续计算机二级python教程的学习，之前已经学习过了计算机二级python学习教程（1）、计算机二级python学习教程（2）3.1数字类型数字类型：整数类型、浮点数类型、复数类型。整数类型：十进制、二进制、八进制和十六进制。#不同进制的整数之间可以直接运算>>>0x3F2/10101.0>>>(0x3F2+1010)/0o17622.0浮点数类型：必须带有小数部分，小数部分可以是0，例如1010.0。表示方法有一般表示（只有十进制）和科学计数法。数
系统 2019-09-27 17:55:17 2422
使用深度学习进行图像类任务时，通常网络的输入大小是固定的，最近在进行涉及到文字检测的工作中，由于预处理resize缩小了原图，导致字体变模糊，从而检测失败，后来想到使用overlap来对图像进行缩放裁剪，即先将原图缩放到一定尺寸，再裁剪得到网络的输入。好了，来说正题，使用yolov3，网络的输入是352x352x3，而输入图像大小为几百上千不等，因此需对原图进行resize，起初直接进行缩放+填充，检测的map很低，后来分析发现有些352x352的输入图像
系统 2019-09-27 17:55:08 2422
python3sorted取消了对cmp的支持。python3帮助文档：sorted(iterable，key=None,reverse=False)key接受一个函数，这个函数只接受一个元素，默认为Nonereverse是一个布尔值。如果设置为True，列表元素将被倒序排列，默认为False着重介绍key的作用原理：key指定一个接收一个参数的函数，这个函数用于从每个元素中提取一个用于比较的关键字。默认值为None。例1：students=[('john
系统 2019-09-27 17:54:32 2422
