- 话题最近朋友在微信聊天中发给我一张图，如下：看完后不禁让我感慨万分，因为在最近的几年时间里，我经常会在网上唱衰 iOS 开发，随便百度一下也会有很多关于 iOS 开发的负面新闻，随着 Flutter 的崛起，还有类似 uni-app 此类开发工具的诞生，貌似 iOS 原生开发已经显得无足轻重了，但事实上真的是如此吗？我是在 2014 年的时候转行做了 iOS，到现在也做了7年的 iOS 开... 话题最近朋友在微信聊天中发给我一张图，如下：看完后不禁让我感慨万分，因为在最近的几年时间里，我经常会在网上唱衰 iOS 开发，随便百度一下也会有很多关于 iOS 开发的负面新闻，随着 Flutter 的崛起，还有类似 uni-app 此类开发工具的诞生，貌似 iOS 原生开发已经显得无足轻重了，但事实上真的是如此吗？我是在 2014 年的时候转行做了 iOS，到现在也做了7年的 iOS 开...
- 前言俗话说的好：工欲善其事，必先利其器。作为一名程序员，写代码的能力固然重要，但光会敲代码可就太偏科了，所以我们要学会利用身边现有的高效率开发工具来协助开发工作，达到事半功倍的效果。截止到目前，我已经写了4篇实现网易云音乐首页的教程，链接如下：手把手带你撸一个网易云音乐首页（一）手把手带你撸一个网易云音乐首页（二）手把手带你撸一个网易云音乐首页（三）手把手带你撸一个网易云音乐首页 | 适配... 前言俗话说的好：工欲善其事，必先利其器。作为一名程序员，写代码的能力固然重要，但光会敲代码可就太偏科了，所以我们要学会利用身边现有的高效率开发工具来协助开发工作，达到事半功倍的效果。截止到目前，我已经写了4篇实现网易云音乐首页的教程，链接如下：手把手带你撸一个网易云音乐首页（一）手把手带你撸一个网易云音乐首页（二）手把手带你撸一个网易云音乐首页（三）手把手带你撸一个网易云音乐首页 | 适配...
- 前言Hello, 大家好，今天是和大家分享如何用 Swift 开发网易云音乐首页的第四篇文章，在前几篇文章中我分别和大家分享了如何使用 MVVM 模式来构建应用，以下是文章的直通车：手把手带你撸一个网易云音乐首页（一）手把手带你撸一个网易云音乐首页（二）手把手带你撸一个网易云音乐首页（三）完成以上教程后，我们的应用就差不多已经完成 70% 了，接下来，就让我们进一步的去优化它吧！首先要做的... 前言Hello, 大家好，今天是和大家分享如何用 Swift 开发网易云音乐首页的第四篇文章，在前几篇文章中我分别和大家分享了如何使用 MVVM 模式来构建应用，以下是文章的直通车：手把手带你撸一个网易云音乐首页（一）手把手带你撸一个网易云音乐首页（二）手把手带你撸一个网易云音乐首页（三）完成以上教程后，我们的应用就差不多已经完成 70% 了，接下来，就让我们进一步的去优化它吧！首先要做的...
- 前言Hello, 大家好，今天准备和大家继续分享如何利用 Swift 来实现一个网易云音乐的首页；上俩篇文章文章发布以后，我收获了不少小伙伴的关注与点赞，同时也得到了一些非常有用的建议，在这里再次感谢大家的认可, 你们的鼓励与建议是我技术输出路上最大的动力。 MVVM好了，回到正题，在项目中我们使用了 MVVM 模式，在上一篇文章中，我们讲完了 Model 和 ViewModel, 那接下... 前言Hello, 大家好，今天准备和大家继续分享如何利用 Swift 来实现一个网易云音乐的首页；上俩篇文章文章发布以后，我收获了不少小伙伴的关注与点赞，同时也得到了一些非常有用的建议，在这里再次感谢大家的认可, 你们的鼓励与建议是我技术输出路上最大的动力。 MVVM好了，回到正题，在项目中我们使用了 MVVM 模式，在上一篇文章中，我们讲完了 Model 和 ViewModel, 那接下...
- 多通道信号分析(MUSIA)软件，包含多种信号数据文件(如EDF)读写，信号波形显示、浏览与测量，信号中波峰与事件标注，信号处理与分析，医学信号处理与分析，信号特征参数提取等极为丰富的功能，具有可视化人机交互特点，并可以通过脚本文件进行预处理以及定义软件风格，是多通道随机信号分析与信息挖掘的有力工具。 多通道信号分析(MUSIA)软件，包含多种信号数据文件(如EDF)读写，信号波形显示、浏览与测量，信号中波峰与事件标注，信号处理与分析，医学信号处理与分析，信号特征参数提取等极为丰富的功能，具有可视化人机交互特点，并可以通过脚本文件进行预处理以及定义软件风格，是多通道随机信号分析与信息挖掘的有力工具。
- 序言：学校里不学python的，没有开设这门课程，暑假买了三本书，都是入门的书籍，连带看b站大佬的视频，就感觉还好，毕竟自己学过c和java了，虽然也都是基础。再来看其它编程语言时，你会发现，语言其实是相通的，许多地方很相似。被python强大的库所吸引，库的强大带来许多的方便。有人说，只会在python里调用库的猿友们不是大佬，会看源码的猿友们可以称之为大佬。我有一个大佬梦，相信每个人都有... 序言：学校里不学python的，没有开设这门课程，暑假买了三本书，都是入门的书籍，连带看b站大佬的视频，就感觉还好，毕竟自己学过c和java了，虽然也都是基础。再来看其它编程语言时，你会发现，语言其实是相通的，许多地方很相似。被python强大的库所吸引，库的强大带来许多的方便。有人说，只会在python里调用库的猿友们不是大佬，会看源码的猿友们可以称之为大佬。我有一个大佬梦，相信每个人都有...
- OpenGL 实现可视化实时音频的思路比较清晰，可以利用 API AudioRecorder 采集到未编码的音频裸数据（PCM 数据），也可以利用 OpenSL ES 接口在 Native 层采集。然后将采集到的音频数据看作一组音频的强度值，再根据这组强度值生成网格，最后进行实时绘制。为方便展示，这里直接采用 API AudioRecorder 采集音频裸数据，然后通过 JNI 传入 Nat... OpenGL 实现可视化实时音频的思路比较清晰，可以利用 API AudioRecorder 采集到未编码的音频裸数据（PCM 数据），也可以利用 OpenSL ES 接口在 Native 层采集。然后将采集到的音频数据看作一组音频的强度值，再根据这组强度值生成网格，最后进行实时绘制。为方便展示，这里直接采用 API AudioRecorder 采集音频裸数据，然后通过 JNI 传入 Nat...
- 许多随机信号本质上是非平稳的，其功率谱也是随时间变化的。时变功率谱用由时间、频率和功率构成的三维图形来表示，体现功率谱随时间的变化情况。时变功率谱估计的常用方法是短时傅里叶变换(STFT)，假设信号是短时平稳的，在信号中建立一个较短的时间滑动窗口，每滑动一次用FFT计算一次窗口内信号的功率谱，得到随时间变化的功率谱。滑动窗口的长度和移动步长以及数据加窗由用户根据信号的特点来确定。 许多随机信号本质上是非平稳的，其功率谱也是随时间变化的。时变功率谱用由时间、频率和功率构成的三维图形来表示，体现功率谱随时间的变化情况。时变功率谱估计的常用方法是短时傅里叶变换(STFT)，假设信号是短时平稳的，在信号中建立一个较短的时间滑动窗口，每滑动一次用FFT计算一次窗口内信号的功率谱，得到随时间变化的功率谱。滑动窗口的长度和移动步长以及数据加窗由用户根据信号的特点来确定。
- 对数字信号的离散正交变换包括离散最佳变换(K-L变换)、离散傅里叶变换(DFT)、离散余弦变换(DCT)、离散沃尔什变换、离散哈尔变换、离散小波变换等，这些变换矩阵的转置是反变换矩阵，且变换矩阵乘以该矩阵的转置之结果只有对角线上元素为1，其余元素为0。离散正交变换在信号频谱分析、数据压缩、信号编码、信号滤波等处理方面有十分重要的作用。最后用实例说明了如何使用正交变换对信号进行滤波处理。 对数字信号的离散正交变换包括离散最佳变换(K-L变换)、离散傅里叶变换(DFT)、离散余弦变换(DCT)、离散沃尔什变换、离散哈尔变换、离散小波变换等，这些变换矩阵的转置是反变换矩阵，且变换矩阵乘以该矩阵的转置之结果只有对角线上元素为1，其余元素为0。离散正交变换在信号频谱分析、数据压缩、信号编码、信号滤波等处理方面有十分重要的作用。最后用实例说明了如何使用正交变换对信号进行滤波处理。
- 当您有超过 10000000 个像素时，bestEffort 参数将仅使用像素子集来计算统计信息。如果您想要实际的最小值/最大值，请将 maxPixels 设置为更高的数字使用图层管理器计算的参数是使用您所在缩放级别的地图中可见像素的子集完成的。 （ 参考）。可以得到近似的最小值/最大值如果您想要实际的最小/最大值，则需要以原始比例（30m）为整个几何图形运行计算推荐的方法是使用 e... 当您有超过 10000000 个像素时，bestEffort 参数将仅使用像素子集来计算统计信息。如果您想要实际的最小值/最大值，请将 maxPixels 设置为更高的数字使用图层管理器计算的参数是使用您所在缩放级别的地图中可见像素的子集完成的。 （ 参考）。可以得到近似的最小值/最大值如果您想要实际的最小/最大值，则需要以原始比例（30m）为整个几何图形运行计算推荐的方法是使用 e...
- 想像阅读书本一样阅读数据流？这只有在电影中才有可能发生。 在现实世界中，企业必须使用数据可视化工具来读取原始数据的趋势和模式。大数据可视化是进行各种大数据分析解决的最重要组成部分之一。 一旦原始数据流被以图像形式表示时，以此做决策就变得容易多了。 为了满足并超越客户的期望，大数据可视化工具应该具备这些特征：能够处理不同种类型的传入数据能够应用不同种类的过滤器来调整结果能够在分析过程中与数据集... 想像阅读书本一样阅读数据流？这只有在电影中才有可能发生。 在现实世界中，企业必须使用数据可视化工具来读取原始数据的趋势和模式。大数据可视化是进行各种大数据分析解决的最重要组成部分之一。 一旦原始数据流被以图像形式表示时，以此做决策就变得容易多了。 为了满足并超越客户的期望，大数据可视化工具应该具备这些特征：能够处理不同种类型的传入数据能够应用不同种类的过滤器来调整结果能够在分析过程中与数据集...
- 在计算索引并生成高质量马赛克时，有一个明显的图像是异常值。我已经确定了图像，问题在于 B5 波段的值非常低，这使得索引具有非常高的值。编号：哥白尼/S2_SR/20200829T174909_20200829T175522_T13UFP代码：var imageCollection = ee.ImageCollection("COPERNICUS/S2_SR"), geometry =... 在计算索引并生成高质量马赛克时，有一个明显的图像是异常值。我已经确定了图像，问题在于 B5 波段的值非常低，这使得索引具有非常高的值。编号：哥白尼/S2_SR/20200829T174909_20200829T175522_T13UFP代码：var imageCollection = ee.ImageCollection("COPERNICUS/S2_SR"), geometry =...
- 最近发现了一个巨牛的人工智能学习网站：前言 – 床长人工智能教程数据集介绍：1975 年全球土地调查 (GLS) 是来自 Landsat 多光谱扫描仪 (MSS) 的全球图像集合。大多数场景是由 Landsat 1-3 在 1972-1983 年获取的。Landsat 1-3 数据中的一些空白已被 Landsat 4-5 在 1982-1987 年间获取的场景所填补。这些数据包含 4 个光... 最近发现了一个巨牛的人工智能学习网站：前言 – 床长人工智能教程数据集介绍：1975 年全球土地调查 (GLS) 是来自 Landsat 多光谱扫描仪 (MSS) 的全球图像集合。大多数场景是由 Landsat 1-3 在 1972-1983 年获取的。Landsat 1-3 数据中的一些空白已被 Landsat 4-5 在 1982-1987 年间获取的场景所填补。这些数据包含 4 个光...
- 最近发现了一个巨牛的人工智能学习网站，点击跳转到网站：https://www.cbedai.net/xg基于 MODIS 数据集 MCD64A1 的火灾边界。数据是基于一种算法计算的，该算法依赖于在图形结构中编码烧毁区域补丁之间的时空关系。每场火灾都有一个唯一的编号来标识事件。Dataset Availability2001-01-01T00:00:00Z–2021-01-01T00:00:... 最近发现了一个巨牛的人工智能学习网站，点击跳转到网站：https://www.cbedai.net/xg基于 MODIS 数据集 MCD64A1 的火灾边界。数据是基于一种算法计算的，该算法依赖于在图形结构中编码烧毁区域补丁之间的时空关系。每场火灾都有一个唯一的编号来标识事件。Dataset Availability2001-01-01T00:00:00Z–2021-01-01T00:00:...
- 特殊函数是指一些具有特定性质的函数，一般是指某类微分方程的解又不能用初等函数的有限形式表示的函数，如贝塞尔(Bessel)函数。另外一些是由特定形式的积分所定义的函数，如伽马(Gamma)函数。还有从函数的周期性的角度来考虑的所谓椭圆函数。在数学分析、物理研究、工程计算中时常用到，在数学用表中也常出现。这里介绍了几种特殊函数(如正态分布、卡方分布、t分布、F分布等)以及一个特殊函数计算器。 特殊函数是指一些具有特定性质的函数，一般是指某类微分方程的解又不能用初等函数的有限形式表示的函数，如贝塞尔(Bessel)函数。另外一些是由特定形式的积分所定义的函数，如伽马(Gamma)函数。还有从函数的周期性的角度来考虑的所谓椭圆函数。在数学分析、物理研究、工程计算中时常用到，在数学用表中也常出现。这里介绍了几种特殊函数(如正态分布、卡方分布、t分布、F分布等)以及一个特殊函数计算器。
上滑加载中
推荐直播
-
基于OpenHarmony的计算机学科人才培养经验分享2024/11/28 周四 19:00-21:00
华为开发者布道师、兰州大学信息科学与工程学院教授周睿
老师们、同学们，这里有不容错过的精彩！ 想了解计算机类人才培养存在哪些挑战？想知道OpenHarmony如何应用于人才培养？本次直播，为你分享基于它的科创实践、专业社团实践和教学实践途径，培养学术型、应用型和复合型精英人才。快来报名，开启提升之旅！
即将直播 -
全面解析华为云EI-API服务：理论基础与实践应用指南2024/11/29 周五 18:20-20:20
Alex 华为云学堂技术讲师
本期直播给大家带来的是理论与实践结合的华为云EI-API的服务介绍。从“主要功能，应用场景，实践案例，调用流程”四个维度来深入解析“语音交互API，文字识别API，自然语言处理API，图像识别API及图像搜索API”五大场景下API服务，同时结合实验，来加深开发者对API服务理解。
去报名 -
昇腾云服务ModelArts深度解析：理论基础与实践应用指南2024/12/03 周二 14:30-16:30
Alex 华为云学堂技术讲师
如何快速创建和部署模型，管理全周期AI工作流呢？本期直播聚焦华为昇腾云服务ModelArts一站式AI开发平台功能介绍，同时结合基于ModelArts 的实践性实验，帮助开发者从理论到实验更好地理解和使用ModelArts。
去报名
热门标签