当前位置：首页 > news >正文

torchvision中数据集的使用

news 来源：原创 2025/7/15 9:19:53

1、torchvision及其数据集的介绍

1.1 torchvision介绍

torchvision 是 PyTorch 的一个官方库，专门用于计算机视觉任务。它提供了以下核心功能：

预训练模型：如 ResNet、VGG、EfficientNet 等。
数据集：内置常用视觉数据集（如 MNIST、CIFAR、ImageNet）。
数据转换工具：用于图像预处理和数据增强（如裁剪、旋转、归一化）。
工具函数：如张量转换、可视化等。

torchvision库的官方文档：torchvision库的官方文档

1.2 torchvision 中的数据集

torchvision.datasets 模块包含多个经典数据集，可直接下载并使用（torchvision.dataset模块数据集文档）。以下是常用数据集及其特点：

MNIST
描述：手写数字（0-9）灰度图像。
样本：60,000 训练 + 10,000 测试。
图像大小：28×28 像素。
用途：入门级分类任务。
加载示例：

from torchvision import datasets
train_data = datasets.MNIST(root='./data', train=True, download=True)

MNIST文档

CIFAR-10 / CIFAR-100
描述：
CIFAR-10：10 类彩色图像（飞机、猫等）。
CIFAR-100：100 细分类别。
样本：50,000 训练 + 10,000 测试。
图像大小：32×32 像素。
用途：小图像分类基准。
加载示例：

cifar10 = datasets.CIFAR10(root='./data', train=True, download=True)

CIFAR-10文档
CIFAR-100文档

ImageNet
描述：大规模图像分类数据集（1,000 类）。
样本：约 120 万训练 + 50,000 验证。
图像大小：可变（需调整至相同尺寸）。
注意：需手动下载数据（非直接通过 torchvision）。
加载示例：

imagenet = datasets.ImageNet(root='./data', split='train')

ImageNet文档

FashionMNIST
描述：时尚单品（衣服、鞋等）灰度图像，替代 MNIST。
样本：同 MNIST。
用途：比 MNIST 更具挑战性的分类。

FashionMNIST文档

COCO
描述：目标检测、分割、字幕生成数据集。
样本：超 20 万标注图像。
加载示例：

coco = datasets.CocoDetection(root='./data', annFile='annotations.json')

COCO文档

其他数据集
KITTI：自动驾驶场景（检测、深度估计）。
SVHN：街景门牌号数字识别。
CelebA：人脸属性识别（20 万名人图像）。

通用数据加载方法
所有数据集可通过 torch.utils.data.DataLoader 批量加载：

from torchvision import datasets, transforms
from torch.utils.data import DataLoadertransform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,), (0.5,))
])train_data = datasets.MNIST(root='./data', train=True, transform=transform)
train_loader = DataLoader(train_data, batch_size=32, shuffle=True)

关键点总结

内置数据集：直接通过 datasets.XYZ 调用，自动下载（部分需手动准备）。
数据增强：配合 transforms 模块实现标准化、翻转等操作。
灵活扩展：支持自定义数据集（继承 torch.utils.data.Dataset）。

通过 torchvision，用户可以快速实验模型，无需重复实现数据预处理流程。

二、使用实例

2.1 CIFAR-10 dataset介绍

2.1.1 数据集内容介绍

Torchvision 中的 CIFAR-10 是一个经典的计算机视觉数据集，广泛用于图像分类任务的基准测试。

数据集概述
名称：CIFAR-10（Canadian Institute For Advanced Research）
用途：图像分类（10个类别）
数据内容：
60,000 张 32x32 像素的彩色图像（RGB）。
分为 50,000 张训练图像和 10,000 张测试图像。
均匀分布在 10 个类别中，每个类别有 6,000 张图像。
类别标签
10 个类别分别为：
飞机（airplane）、汽车（automobile）、鸟（bird）、猫（cat）、鹿（deer）、
狗（dog）、青蛙（frog）、马（horse）、船（ship）、卡车（truck）。
在 Torchvision 中的使用方法

加载数据集

import torchvision
import torchvision.transforms as transforms# 定义数据预处理（标准化、Tensor转换等）
transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])# 下载并加载训练集和测试集
train_dataset = torchvision.datasets.CIFAR10(root='./data',          # 数据保存路径train=True,             # 加载训练集download=True,          # 如果本地不存在则下载transform=transform     # 应用预处理
)test_dataset = torchvision.datasets.CIFAR10(root='./data',train=False,download=True,transform=transform
)

数据加载器（DataLoader）

from torch.utils.data import DataLoadertrain_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=32, shuffle=False)

数据集特点

图像尺寸小：32x32 像素，适合快速实验和算法验证。
低分辨率挑战：由于尺寸小，细节较少，对模型的特征提取能力要求较高。
标准化数据：通常需要归一化到 [-1, 1] 或 [0, 1] 范围。

常见用途

基准测试：用于对比不同模型的分类性能（如ResNet、VGG等）。
教学示例：深度学习入门常用的“Hello World”级数据集（类似MNIST的彩色版）。

扩展功能

数据增强：通过 transforms 动态增强训练数据：
数据增强实验：可通过 torchvision.transforms 添加旋转、翻转等操作。

transform_train = transforms.Compose([transforms.RandomHorizontalFlip(),transforms.RandomRotation(10),transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

与CIFAR-100的关系：Torchvision 还提供 CIFAR-100 数据集，包含 100 个细粒度类别，每类 600 张图像。

注意事项

下载问题：若国内下载慢，可手动下载并解压到 root 指定路径（官方链接）。
内存占用：全部加载后约占 ~200MB 内存，适合大多数设备。

CIFAR-10数据集介绍：CIFAR-10数据集

2.1.2 数据集使用语法

基本语法

torchvision.datasets.CIFAR10(root: Union[str, Path], train: bool = True, transform: Optional[Callable] = None, target_transform: Optional[Callable] = None, download: bool = False)

参数说明

root （str 或 pathlib.Path） – 数据集的根目录，其中目录 cifar-10-batches-py 存在，如果 download 设置为 True，则将保存到该 cifar-10-batches-py 中。
train （bool， optional） – 如果为 True，则从训练集创建数据集，否则从测试集创建。
transform （callable， optional）（转换） – 接收 PIL 图像并返回转换后的版本的函数/转换。例如，transforms.RandomCrop
target_transform (callable, optional) – – 接收目标并对其进行转换的函数/转换。
download （bool， optional） – 如果为 true，则从 Internet 下载数据集并将其放入根目录中。如果数据集已下载，则不会再次下载。

Special-members:

__getitem__(index: int) → Tuple[Any, Any]

Parameters: 参数

index (int) – Index

Returns: 结果

(image, target) where target is index of the target class.

Return type: 返回类型：

tuple

2.2 CIFAR-10 dataset使用实例

2.2.1 创建数据集实例

import torchvisiontrain_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, download=True)
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, download=True)print(test_set[0])
print(test_set.classes)img, target = test_set[0]
print(img)
print(target)
print(test_set.classes[target])
img.show()

运行结果：

(<PIL.Image.Image image mode=RGB size=32x32 at 0x1CC0CC19AF0>, 3)
['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
<PIL.Image.Image image mode=RGB size=32x32 at 0x1CC0CC19AF0>
3
cat

结果表示索引数据集返回的是一个PIL类型的图像以及一个整数target，该整数表示某个类如cat。在classes属性中存放了一个类列表，target作为列表的下标代表对应的类。

image.show()显示图片：
在这里插入图片描述

2.2.2 使用transform操作

复习：Pytorch中的Transforms学习

使用transform操作对对数据集统计进行处理：

import torchvisiondataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()
])train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform, download=False)
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, transform=dataset_transform, download=False)img, target = test_set[0]
print(img)
print(target)
print(test_set.classes[target])

再次运行：

tensor([[[0.6196, 0.6235, 0.6471,  ..., 0.5373, 0.4941, 0.4549],[0.5961, 0.5922, 0.6235,  ..., 0.5333, 0.4902, 0.4667],[0.5922, 0.5922, 0.6196,  ..., 0.5451, 0.5098, 0.4706],...,[0.2667, 0.1647, 0.1216,  ..., 0.1490, 0.0510, 0.1569],[0.2392, 0.1922, 0.1373,  ..., 0.1020, 0.1137, 0.0784],[0.2118, 0.2196, 0.1765,  ..., 0.0941, 0.1333, 0.0824]],[[0.4392, 0.4353, 0.4549,  ..., 0.3725, 0.3569, 0.3333],[0.4392, 0.4314, 0.4471,  ..., 0.3725, 0.3569, 0.3451],[0.4314, 0.4275, 0.4353,  ..., 0.3843, 0.3725, 0.3490],...,[0.4863, 0.3922, 0.3451,  ..., 0.3804, 0.2510, 0.3333],[0.4549, 0.4000, 0.3333,  ..., 0.3216, 0.3216, 0.2510],[0.4196, 0.4118, 0.3490,  ..., 0.3020, 0.3294, 0.2627]],[[0.1922, 0.1843, 0.2000,  ..., 0.1412, 0.1412, 0.1294],[0.2000, 0.1569, 0.1765,  ..., 0.1216, 0.1255, 0.1333],[0.1843, 0.1294, 0.1412,  ..., 0.1333, 0.1333, 0.1294],...,[0.6941, 0.5804, 0.5373,  ..., 0.5725, 0.4235, 0.4980],[0.6588, 0.5804, 0.5176,  ..., 0.5098, 0.4941, 0.4196],[0.6275, 0.5843, 0.5176,  ..., 0.4863, 0.5059, 0.4314]]])
3
cat

可以发现，PIL图像转换为tensor格式了。

2.2.3 使用Tensorboard记录

复习：Pytorch中Tensorboard的学习

使用for循环,将测试集中的前10张张量格式的图片添加到日志中：writer.add_image(“test_set”, img, i)

import torchvision
from torch.utils.tensorboard import SummaryWriterdataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()
])train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform, download=False)
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, transform=dataset_transform, download=False)writer = SummaryWriter("runs")
for i in range(10):img, target = test_set[i]writer.add_image("test_set", img, i)writer.close()

运行结束后，在终端执行命令：

tensorboard --logdir=E:\my_pycharm_projects\project1\runs

TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.19.0 at http://localhost:6006/ (Press CTRL+C to quit)

打开网址：
在这里插入图片描述

CIFAR-10使用说明：CIFAR使用语法说明

torchvision中数据集的使用

1、torchvision及其数据集的介绍 1.1 torchvision介绍 torchvision 是 PyTorch 的一个官方库，专门用于计算机视觉任务。它提供了以下核心功能： 预训练模型：如 ResNet、VGG、EfficientNet 等。数据集：内置常用视觉数据集&#xf…...

编程日记 2025/7/15 9:19:53

uniapp开发实战自定义组件形式实现自定义海报功能

在 UniApp 中实现自定义海报功能，可以通过 Canvas 来绘制海报。Canvas 提供了丰富的绘图 API，可以精确控制文字、图片和二维码的位置。下面是一个完整的示例，展示如何创建一个自定义海报组件。项目结构假设你的项目结构如下： project-root/ ├── pages/ │ └──…...

编程日记 2025/7/15 13:11:27

Java EE 进阶：MyBatis-plus

MyBatis-plus的介绍 MyBatis-plus是MyBatis的增强工具，在MyBatis的基础上做出加强，只要MyBatis有的功能MyBatis-plus都有。 MyBatis-plus的上手添加依赖在我们创建项目的时候，我们需要添加MyBatis-plus和mysql的依赖 MyBatis-plus的依赖…...

编程日记 2025/7/16 6:37:37

信息学奥赛一本通 1514：【例 2】最大半连通子图 | 洛谷 P2272 [ZJOI2007] 最大半连通子图

【题目链接】 ybt 1514：【例 2】最大半连通子图洛谷 P2272 [ZJOI2007] 最大半连通子图【题目考点】 1. 图论：强连通分量缩点 2. 图论：拓扑排序有向无环图动规【解题思路】对于图中任意两顶点u、v，满足u到v或v到u有路径…...

编程日记 2025/7/16 5:42:42

正则表达式-笔记

文章目录一、正则表达式二、正则表达式的基本语法字符类普通字符非打印字符特殊字符量词限定符锚点修饰符（标记） 三、在 Python 中使用正则表达式简单搜索提取信息替换文本参考从验证用户输入，到从大量文本中提取特定信息，再到…...

编程日记 2025/7/16 5:55:08

Linux 练习二 LVS的NAT模式

作业要求：使用LVS的 NAT 模式实现 3 台 RS 的轮询访问。IP地址和主机自己规划。节点规划主机角色系统网络IPclientclientredhat 9.5仅主机192.168.60.100/24lvslvsredhat 9.5仅主机 NAT192.168.60.200/24 VIP 192.168.23.8/24 DIPnginxrs1redhat 9.5NAT192.16…...

编程日记 2025/7/8 5:03:24

以科技赋能，炫我云渲染受邀参加中关村文化科技融合影视精品创作研讨会！

在文化与科技深度融合的时代浪潮下，影视创作行业经历着前所未有的变革。影视创作行业发展态势迅猛， 同时也面临着诸多挑战。为促进影视创作行业的创新发展，加强业内交流与合作， 3月25日下午，海淀区文化创意产业协会举办…...

编程日记 2025/7/16 6:11:56

Matlab2024a免费版下载教程

Matlab是一个高性能的数学计算与仿真软件，广泛应用于科学计算、数据分析、算法开发以及工程绘图等多个领域。它提供了强大的矩阵运算能力、丰富的内置函数库以及灵活的编程环境，使得用户能够高效地解决复杂的数学问题。本文，我将为大家详细介…...

编程日记 2025/7/16 5:43:48

人工智能：officeAI软件，如何调整AI对话界面的字体？

1、首先，随便打开一个excel（使用wps） 依次点击上方的【OfficeAI】—【右侧面板】 2、在弹出的面板中，输入：助手设置 ， 然后按【回车】发送出去 3、之后会弹出界面，在【样式设定】中&#xff…...

编程日记 2025/7/16 5:52:30

ARCGIS PRO SDK VB2022 图层要素类类型判断

arcgis pro 常见要素类类型有以下几种： FeatureLayer ——要素图层（矢量数据） RasterLayer ——栅格图层 MapImageLayer ——地图图像图层 VectorTileLayer ——矢量切片图层 SceneLayer …...

编程日记 2025/7/15 23:55:39

一种监控录像视频恢复的高效解决方案，从每一帧中寻找可能性

该软件旨在恢复从监控设备中删除或丢失的视频。该程序经过调整以处理大多数流行供应商的闭路电视系统中使用的专有格式，并通过智能重建引擎进行了增强，能够为监控记录提供任何通用解决方案都无法实现的恢复结果。如果不需要持续使用该软件，则…...

编程日记 2025/7/15 13:26:05

windows安装JDK并配置环境变量

一、JDK安装 1.控制面板-程序有的话，先卸载 2.双击安装 3.下一步 4.选择安装路径 5.下一步，等着安装完成 6.校验安装是否成功，winr,输入“cmd” 疑问：安装17，显示21？？ 二、环境变量 1.计算机…...

编程日记 2025/7/16 6:46:06

Web3.0合约安全：重入攻击防御方案

本文深度剖析智能合约重入攻击的13种新型变种及其防御体系，结合EIP-6780标准与Layer2安全方案，系统性阐述从代码层到协议层的立体防护策略。通过解析Uniswap、Compound等顶级项目的安全实践，揭示如何构建零重入风险的智能合约架构。第一章重…...

编程日记 2025/7/16 6:28:29

一文详解QT环境搭建：ubuntu20.4安装配置Qt5

随着软件开发技术的不断进步，跨平台应用程序的需求日益增长，开发者们面临着如何在不同操作系统之间保持代码的一致性和效率的问题。Qt作为一个成熟的跨平台C框架，在这方面提供了卓越的支持，不仅简化了GUI应用程序的创建过程&#…...

编程日记 2025/7/15 13:57:01

Android Java文件中基础UI组件操作指南一、常用UI组件基本操作 1. TextView文本控件 TextView textView findViewById(R.id.textView);// 设置文本内容 textView.setText("欢迎使用Android");// 设置文本颜色 textView.setTextColor(Color.BLUE); // 使用Color…...

编程日记 2025/7/14 9:19:45

监控易一体化运维：监控易机房管理，打造高效智能机房

在数字化浪潮中，企业对数据中心和机房的依赖程度与日俱增，机房的稳定运行成为业务持续开展的关键支撑。信息化的变迁，见证了机房管理从传统模式向智能化、精细化转变的过程。今天，就为大家深度剖析监控易在机房管理方面的卓越表现…...

编程日记 2025/7/10 8:29:47

Vue3当中el-tree树形控件使用

tree悬停tooltip效果文本过长超出展示省略号如果文本超出悬停显示tooltip效果反之不显示这里直接控制固定宽度限制试了监听宽度没效果<template><el-treeshow-checkbox:check-strictly"true":data"data"node-key"id":props"…...

编程日记 2025/7/15 10:52:33

vs 2022安装指南

一、前言 Visual Studio 2022（以下简称 VS 2022）是微软推出的一款功能强大的集成开发环境（IDE），它支持多种编程语言，如 C#、C、Python 等，广泛应用于桌面应用、Web 应用、移动应用以及游戏开发…...

编程日记 2025/7/16 6:17:11

【数学建模】（启发式算法）蚁群算法(Ant Colony Optimization)的详解与应用

蚁群算法(Ant Colony Optimization)详解与应用文章目录蚁群算法(Ant Colony Optimization)详解与应用前言1. 蚁群算法的生物学基础2. 蚁群算法的基本原理2.1 算法框架2.2 状态转移规则2.3 信息素更新规则 3. 蚁群算法的实现4. 蚁群算法的改进4.1 MAX-MIN蚁群系统(MMAS)4.2 精…...

编程日记 2025/7/16 6:34:33

03-SpringBoot3入门-配置文件（自定义配置及读取）

1、自定义配置 # 自定义配置 zbj:user:username: rootpassword: 123456# 自定义集合gfs:- a- b- c2、读取 1）User类 package com.sgu.pojo;import lombok.Data; import org.springframework.boot.context.properties.ConfigurationProperties; import org.spring…...

编程日记 2025/7/16 4:36:32

Sentinel[超详细讲解]-2

异常处理默认情况下，Sentinel 会抛出 BlockException 异常，如果希望自定义异常，则可以使用 SentinelResource 注解的 blockHandler 属性。 1、自定义异常处理 BlockExceptionHandler 自定义异常处理类实现 BlockExceptionHandler 接口&#…...

编程日记 2025/7/16 6:29:36

API 请求需要证书认证？如何在 Postman 中正确配置和使用？

本文来介绍 Postman 提供的管理证书功能如何配置，要了解更多相关的知识，可访问 Postman 证书模块。管理客户端证书，点击对应的按钮，首先选择 SETTINGS ，然后选择 Certificate 选项卡，如图所示&#xff1…...

编程日记 2025/7/16 5:27:47

NG-ZORRO中tree组件的getCheckedNodeList怎么使用

在 NG-ZORRO（Ant Design for Angular） 的 Tree 组件中，getCheckedNodeList 方法用于获取当前选中的节点列表（包括半选状态节点）。以下是具体用法和示例： 基本用法首先，确保你已通过 ViewChil…...

编程日记 2025/7/15 5:45:22

对于有前后逻辑依赖关系的长文本，切分时确实需要特别注意上下文的连续性，以便在召回后知识时能够尽量保留前后文的关联。

对于有前后逻辑依赖关系的长文本，切分时确实需要特别注意上下文的连续性，以便在召回后知识时能够尽量保留前后文的关联。以下是你提到的三种切分方案的分析，以及如何在实践中选择和优化： 1. 滑动窗口切分原理：通过一…...

编程日记 2025/7/16 6:30:43

关于ArcGIS中加载影像数据，符号系统中渲染参数的解析

今天遇到一个很有意思的问题，故记录下来，以作参考和后续的研究。欢迎随时沟通交流。如果表达错误或误导，请各位指正。正文当我们拿到一幅成果影像数据的时候，在不同的GIS软件中会有不同效果呈现，但这其实是影像是…...

编程日记 2025/7/16 5:38:51

图解AUTOSAR_SWS_FlashTest

AUTOSAR Flash Test 模块解析文档 AUTOSAR 经典平台内存硬件抽象层模块详解目录 1. 概述 1.1 Flash Test 模块简介1.2 模块作用和定位2. 架构设计 2.1 整体架构2.2 状态机设计3. 执行流程 3.1 后台测试序列3.2 前台测试序列4. 配置结构 4.1 模块配置详解5. 总结1. 概述 1.1 F…...

编程日记 2025/7/15 16:45:02

Ubuntu 使用终端手动连接无线网络（wlan0）完整流程 + 故障排查记录

在某些场景下（如 Ubuntu GUI 网络管理器不可用、使用轻量级桌面环境、或远程配置 Jetson Nano 等嵌入式设备），我们可能需要通过终端命令手动连接无线网络。本文记录一次真实的操作流程和排查过程，供自己和有需要的小伙伴参考。 &a…...

编程日记 2025/7/16 6:18:17

BNB Chain 何以打造 AI 驱动链上应用新世界？

人工智能正在加速改变 Web3 行业的现状面貌。最初 AI 代理起源于机器人技术和机器学习，它们通过自主系统调适，根据数据和环境做出相应技术决策支持、解决项目运行难题并执行相关任务。到了 Web3 世界，AI 代理开始融入 DAO、预测分析和自动交易…...

编程日记 2025/7/15 23:58:40

C 语言常用关键字详解：static、const、volatile

C 语言常用关键字详解：static、const、volatile 文章目录 C 语言常用关键字详解：static、const、volatile1. static 关键字1.1 用于局部变量示例： 1.2 用于全局变量示例： 1.3 用于函数示例： 2. const 关键字2.1 用于局…...

编程日记 2025/7/16 6:27:28

剑指Offer35- - 链表

1. 题目描述这题题意感觉说的不是很清楚，容易让人产生歧义！其实题意很简单，给你一个链表 head，你深拷贝它，然后返回即可，注意不能修改原链表 /* // Definition for a Node. class Node { public:int val;N…...

编程日记 2025/7/16 6:45:16

open-cv的安装

python -m pip install numpy matplotlib opencv-python 【记得科学上网，不然太慢了】...

编程日记 2025/7/16 6:31:39

【ESP32】VSCode配置ESP-IDF问题及解决方法

报错：“D:\Espressif\tools\idf-python\3.11.2\python.exe -m pip” is not valid. (ERROR_INVALID_PIP) 当遇到错误 “d:\espressif\tools\idf-python\3.11.2\python.exe -m pip” is not valid. (error_invalid_pip) 时，通常是由于 pip 版本不兼容或未…...

编程日记 2025/7/16 6:01:26

分布式渲染与云渲染：技术与应用的黄金搭档

一、核心概念：先区分再关联分布式渲染是通过多台设备并行计算拆分渲染任务的技术（如将一帧拆分为 64 个小块，64 台电脑同时渲染）； 云渲染是基于云计算的渲染服务，本质是分布式渲染的商业化落地—— 用户无…...

编程日记 2025/7/16 6:09:53

创作者会被AI取代吗？AIGC为电影行业带来新变革

在人工智能（AI）技术日新月异的今天，创作领域正经历着一场前所未有的变革。AIGC（AI生成内容）技术的崛起，让机器能够像人类一样进行创作，这不仅引发了“创作者是否会被AI取代”的热烈讨论&#xf…...

编程日记 2025/7/16 6:17:11

界面控件Telerik和Kendo UI 2025 Q1亮点——AI集成与数据可视化

Telerik DevCraft包含一个完整的产品栈来构建您下一个Web、移动和桌面应用程序。它使用HTML和每个.NET平台的UI库，加快开发速度。Telerik DevCraft提供完整的工具箱，用于构建现代和面向未来的业务应用程序，目前提供UI for ASP.NET MVC、Kendo…...

编程日记 2025/7/15 9:37:51

西门子s7协议

目录西门子s7协议西门子PLC数据类型 PLC中类型与C#对应类型特殊说明： S7协议帧结构示例代码（C#访问PLC数据）： 上位机和西门子PLC的通讯西门子PLC的存储区 S7协议通讯网络模型 S7协议栈基于ISO/OSI模型，…...

编程日记 2025/7/15 13:41:46

面向对象——开闭原则（Open-Closed Principle, OCP）

开闭原则（Open-Closed Principle, OCP） 是面向对象设计中的重要原则之一，它的核心思想是： 对扩展开放（Open for extension）：软件实体（类、模块、函数等）应该可以扩展&am…...

编程日记 2025/7/16 6:29:36

线程同步——读写锁

Linux——线程同步读写锁目录一、基本概念 1.1 读写锁的基本概念 1.2 读写锁的优点 1.3 读写锁的实现 1.4 代码实现一、基本概念线程同步中的读写锁（Read-Write Lock），也常被称为共享-独占锁（Shared-Exclusive Lock&a…...

编程日记 2025/7/16 6:13:21

0.雷达信号

雷达信号目录 1 常规脉冲信号 1 2 相位编码信号 2 3 线性调频信号 4 4 非线性调频信号 6 4.1 S型非线性调频信号 6 4.2 正弦调频信号 9 4.3 正切调频信号 10 5 噪声调幅干扰信号 11 6 噪声调频干扰信号 13 7 噪声调相干扰信号 15 1 常规脉冲信号 2 相位编码信号 …...

编程日记 2025/7/16 6:21:37

游戏引擎学习第189天

今天的回顾与计划在昨天，我们花了一些时间来优化调试数据的收集方法，并且在调试界面中增加了一些界面代码，使得我们可以悬停在不同的元素上，查看相关信息。今天的任务是对这些数据进行更多的操作，进行一些有趣的实验…...

编程日记 2025/7/16 6:04:20

web3包含哪些关键技术栈，一些成功使用场景的分享

Web3的技术栈及其应用场景可归纳为以下六个核心模块，各模块均通过不同技术组合实现去中心化生态的构建： 一、关键技术栈及对应场景 ‌区块链与共识机制‌ 技术实现：以太坊、波场TRON等公链底层，结合PoW（工作量证明&am…...

编程日记 2025/7/16 5:57:03

uvm factory

UVM Factory 是验证环境中实现动态对象和组件创建的核心机制，它通过类型注册和覆盖（Override）机制，允许在不修改原有代码的情况下替换组件或事务类型，从而提升验证环境的灵活性和可重用性。以下是Factory机制的详细解析…...

编程日记 2025/7/16 6:28:29

MAC安装docker 后提示com.docker.vmnetd”将对您的电脑造成伤害

出现“com.docker.vmnetd”将对您的电脑造成伤害的提示，通常是由于文件签名问题导致 macOS 的安全系统误判 Docker 为恶意软件。以下是解决方法： 停止相关服务并删除文件运行以下命令停止相关服务并删除有问题的文件停止 Docker 服务 sudo pkill ‘…...

编程日记 2025/7/16 5:31:21

DeepSeek 助力 Vue3 开发：打造丝滑的表格（Table）之添加行拖拽排序功能示例7，TableView16_07 列拖拽排序示例

前言：哈喽，大家好，今天给大家分享一篇文章！并提供具体代码帮助大家深入理解，彻底掌握！创作不易，如果能帮助到大家或者给大家一些灵感和启发，欢迎收藏+关注哦 💕 目录 DeepSeek 助力 Vue3 开发：打造丝滑的表格（Table）之添加行拖拽排序功能示例7，TableView16_07 列…...

编程日记 2025/7/16 5:42:42

爬虫的第三天——爬动态网页

一、基本概念动态网页是指网页内容可以根据用户的操作或者预设条件而实时发生变化的网页。特点： 用户交互：动态网页能够根据用户的请求而生成不同的内容。内容动态生成：数据来自数据库、API或用户输入。客户端动态渲染：浏览器…...

编程日记 2025/7/10 16:20:35

AI Agent 开发与传统后端开发区别？

AI Agent 开发与传统后端开发在目标、技术栈、设计模式和协作流程上存在显著差异。以下是详细对比： 一、核心目标不同维度AI Agent 开发传统后端开发主要目标模拟人类决策、执行复杂任务处理业务逻辑、管理数据流用户交互主动感知环境、自主决策（如对话…...

编程日记 2025/7/13 22:17:15

python 将mkv格式视频转换成mp4格式

在Python中，可以使用moviepy库来将MKV格式的视频转换成MP4格式。moviepy是一个用于视频编辑的强大库，支持多种视频格式的处理。 from moviepy.editor import VideoFileClipdef convert_mkv_to_mp4(mkv_file_path, mp4_file_path):try:video VideoFileC…...

编程日记 2025/7/3 20:15:54