今天在使用使用CC2540的时候，想下载个程序到CC2540底板上，结果出现NotabletoresetSmartRF04DD的错误。如下图经过一番摸索，最终是按下CCDEBUG上的reset键才成功的。NotabletoresetSmartRF04DD
系统 2019-08-12 01:33:45 2584
#include#include#include#includechar*mystrcat(char*dst,constchar*src){char*cp=dst;while(*cp)/*不写成while(*cp++)的原因是cp可能为'\0'*/++cp;/*Findendofdst*/while(*cp++=*src++);/*Copysrctoendofdst*/retur
系统 2019-08-12 01:33:02 2584
1.tomcat/conf/server.xml
系统 2019-08-12 01:32:43 2584
1.静态页面的乱码问题文件的编码和浏览器要显示的编码不一致。1)检查文件原始的编码,可以用记事本打开,然后选择另存为来看;2)给当前页面加入一个指令来建议浏览器用指定的编码来显示文件字符内容.3)如果系统是英文XP,没装东亚字符集支持,也会显示乱码.2.JSP页面的乱码问题1)page指令有个pageEncoding="GBK"这个会
系统 2019-08-12 01:32:32 2584
数位之墙的主题式汇整和机器自动聚合Zhengyun_ustc20070315发现数位之墙竟然在半年前曾经这么说过，呵呵，很像我们最开始谈起的概念，只不过不再是搜索引擎人员来做“搜罗”，而是机器自动生成的，从而发现所有热点，并进一步精耕细作为一个一个有趣的话题，继而串连起来形成专题。百度新闻、Google新闻的原理也就是这样。只不过，新闻的自然语言处理还是相对简单的，毕竟文字规整，内容聚焦性强，发散性弱。网民零散的语言则更发散，更无厘头，文字风格更迥异，所以
系统 2019-08-12 01:32:26 2584
1.变量：设置全局变量Execsp_addtyperowid,'Varchar(6)','NotNull'--自定义数据类型rowid标识代码Execsp_addtypeorgcode,'Varchar(20)','NotNull'--自定义数据类型orgcode公司代码2.表：标识码类型--可根据实际情况设置默认值CREATETABLE_sysparameters(nodetypevarchar(10)NOTNULL,--标识类型nodeidrowidN
系统 2019-08-12 01:32:08 2584
文章目录前言Graphviz库开始Digraph（一）Dot代码Digraph（二）Dot代码Digraph（三）Dot代码SourceDot代码结语前言之前我的博客介绍了Graphviz画图教程，虽然dot语法类似C语言容易编写和理解，但是这仅限于小图，当你想要画一个大图的时候，每一个结点都得一个个去定义名字、属性、连接线，这无疑是十分麻烦的，这种时候就想到了Python，能否利用Python语言编写一个画图脚本呢？Graphviz库幸运的是，Pytho
系统 2019-09-27 17:56:02 2583
函数：len()1：作用：返回字符串、列表、字典、元组等长度2：语法：len(str)3：参数：str：要计算的字符串、列表、字典、元组等4：返回值：字符串、列表、字典、元组等元素的长度5：实例5.1、计算字符串的长度：>>>s="hellogoodboydoiido">>>len(s)215.2、计算列表的元素个数：>>>l=['h','e','l','l','o']>>>len(l)55.3、计算字典的总长度(即键值对总数)：>>>d={'num':1
系统 2019-09-27 17:50:50 2583
1，什么是Requests库Requests是用python语言编写，基于urllib，采用Apache2Licensed开源协议的HTTP库。它比urllib更加方便，可以节约我们大量的工作，完全满足HTTP测试需求，用一句话来说，Requests是python实现的简单易用的HTTP库。安装Request，直接输入pip3installrequests2，使用方法(底部有码云地址)相对上一期的urllib库要简单了很多了（个人觉得简单了不少的）各种请求
系统 2019-09-27 17:49:48 2583
1.基本原理通过一个变换，将输入图像的灰度级转换为`均匀分布`，变换后的灰度级的概率密度函数为$$P_s(s)=\frac{1}{L-1}$$直方图均衡的变换为$$s=T(r)=(L-1)\int_0^r{P_r(c)}\,{\rmd}c$$$s$为变换后的灰度级，$r$为变换前的灰度级$P_r(r)$为变换前的概率密度函数2.测试结果图源自skimage3.代码importnumpyasnpdefhist_equalization(input_image
系统 2019-09-27 17:48:32 2583
