游戏开发初等数学基础
凑数图()
立体图形面积体积
1. 立方体(Cube):
- 表面积公式: 6 a 2 6a^2 6a2 (其中 a a a 是边长)。
- 体积公式: a 3 a^3 a3 (其中 a a a 是边长)。
2. 球体(Sphere):
- 表面积公式: 4 π r 2 4\pi r^2 4πr2 (其中 r r r 是半径)。
- 体积公式: 4 3 π r 3 \frac{4}{3}\pi r^3 34πr3 (其中 r r r 是半径)。
3. 圆柱体(Cylinder):
- 表面积公式(侧面和两个底面总和): 2 π r h + 2 π r 2 2\pi rh + 2\pi r^2 2πrh+2πr2 (其中 r r r 是底面半径, h h h 是高度)。
- 体积公式: π r 2 h \pi r^2h πr2h (其中 r r r 是底面半径, h h h 是高度)。
4. 锥体(Cone):
- 表面积公式(侧面和底面总和): π r ( r + r 2 + h 2 ) \pi r(r + \sqrt{r^2 + h^2}) πr(r+r2+h2) (其中 r r r 是底面半径, h h h 是高度)。
- 体积公式: 1 3 π r 2 h \frac{1}{3}\pi r^2h 31πr2h (其中 r r r 是底面半径, h h h 是高度)。
5. 圆环(Torus):
- 表面积公式: 4 π 2 R r 4\pi^2 Rr 4π2Rr (其中 R R R 是大半径, r r r 是小半径)。
- 体积公式: 2 π 2 R r 2 2\pi^2 Rr^2 2π2Rr2 (其中 R R R 是大半径, r r r 是小半径)。
平面图形面积与周长
1. 矩形(Rectangle):
- 面积公式: A = l ⋅ w A = l \cdot w A=l⋅w (其中 l l l 是长度, w w w 是宽度)。
- 周长公式: P = 2 ( l + w ) P = 2(l + w) P=2(l+w) (其中 l l l 是长度, w w w 是宽度)。
2. 正方形(Square):
- 面积公式: A = a 2 A = a^2 A=a2 (其中 a a a 是边长)。
- 周长公式: P = 4 a P = 4a P=4a (其中 a a a 是边长)。
3. 圆(Circle):
- 面积公式: A = π r 2 A = \pi r^2 A=πr2 (其中 r r r 是半径)。
- 周长公式: P = 2 π r P = 2\pi r P=2πr (其中 r r r 是半径)。
4. 三角形(Triangle):
- 面积公式: A = 1 2 b h A = \frac{1}{2}bh A=21bh (其中 b b b 是底边长, h h h 是高度)。
- 周长公式: P = a + b + c P = a + b + c P=a+b+c (其中 a a a、 b b b、 c c c 是三边长度)。
5. 梯形(Trapezoid):
- 面积公式: A = 1 2 ( a + b ) h A = \frac{1}{2}(a + b)h A=21(a+b)h (其中 a a a 和 b b b 是上下底边长, h h h 是高度)。
- 周长公式: P = a + b + c + d P = a + b + c + d P=a+b+c+d (其中 a a a、 b b b、 c c c、 d d d 是各边长度)。
6. 圆环(Annulus):
- 面积公式: A = π ( R 2 − r 2 ) A = \pi(R^2 - r^2) A=π(R2−r2) (其中 R R R 是外圆半径, r r r 是内圆半径)。
- 周长公式: P = 2 π ( R + r ) P = 2\pi(R + r) P=2π(R+r) (其中 R R R 是外圆半径, r r r 是内圆半径)。
三角函数
1. 两角相加的三角函数公式:
- sin ( A + B ) = sin ( A ) cos ( B ) + cos ( A ) sin ( B ) \sin(A + B) = \sin(A)\cos(B) + \cos(A)\sin(B) sin(A+B)=sin(A)cos(B)+cos(A)sin(B)
- cos ( A + B ) = cos ( A ) cos ( B ) − sin ( A ) sin ( B ) \cos(A + B) = \cos(A)\cos(B) - \sin(A)\sin(B) cos(A+B)=cos(A)cos(B)−sin(A)sin(B)
- tan ( A + B ) = tan ( A ) + tan ( B ) 1 − tan ( A ) tan ( B ) \tan(A + B) = \frac{\tan(A) + \tan(B)}{1 - \tan(A)\tan(B)} tan(A+B)=1−tan(A)tan(B)tan(A)+tan(B)
2. 两角差的三角函数公式:
- sin ( A − B ) = sin ( A ) cos ( B ) − cos ( A ) sin ( B ) \sin(A - B) = \sin(A)\cos(B) - \cos(A)\sin(B) sin(A−B)=sin(A)cos(B)−cos(A)sin(B)
- cos ( A − B ) = cos ( A ) cos ( B ) + sin ( A ) sin ( B ) \cos(A - B) = \cos(A)\cos(B) + \sin(A)\sin(B) cos(A−B)=cos(A)cos(B)+sin(A)sin(B)
- tan ( A − B ) = tan ( A ) − tan ( B ) 1 − tan ( A ) tan ( B ) \tan(A - B) = \frac{\tan(A) - \tan(B)}{1 - \tan(A)\tan(B)} tan(A−B)=1−tan(A)tan(B)tan(A)−tan(B)
3. 二重角的三角函数公式:
- sin ( 2 A ) = 2 sin ( A ) cos ( A ) \sin(2A) = 2\sin(A)\cos(A) sin(2A)=2sin(A)cos(A)
- cos ( 2 A ) = cos 2 ( A ) − sin 2 ( A ) = 2 cos 2 ( A ) − 1 = 1 − 2 sin 2 ( A ) \cos(2A) = \cos^2(A) - \sin^2(A) = 2\cos^2(A) - 1 = 1 - 2\sin^2(A) cos(2A)=cos2(A)−sin2(A)=2cos2(A)−1=1−2sin2(A)
- tan ( 2 A ) = 2 tan ( A ) 1 − tan 2 ( A ) \tan(2A) = \frac{2\tan(A)}{1 - \tan^2(A)} tan(2A)=1−tan2(A)2tan(A)
4. 半角的三角函数公式:
- sin ( A 2 ) = ± 1 − cos ( A ) 2 \sin\left(\frac{A}{2}\right) = \pm\sqrt{\frac{1 - \cos(A)}{2}} sin(2A)=±21−cos(A)
- cos ( A 2 ) = ± 1 + cos ( A ) 2 \cos\left(\frac{A}{2}\right) = \pm\sqrt{\frac{1 + \cos(A)}{2}} cos(2A)=±21+cos(A)
- tan ( A 2 ) = ± 1 − cos ( A ) 1 + cos ( A ) \tan\left(\frac{A}{2}\right) = \pm\sqrt{\frac{1 - \cos(A)}{1 + \cos(A)}} tan(2A)=±1+cos(A)1−cos(A)
5. 和差化积公式:
- sin ( A ) sin ( B ) = 1 2 [ cos ( A − B ) − cos ( A + B ) ] \sin(A)\sin(B) = \frac{1}{2}[\cos(A - B) - \cos(A + B)] sin(A)sin(B)=21[cos(A−B)−cos(A+B)]
- cos ( A ) cos ( B ) = 1 2 [ cos ( A − B ) + cos ( A + B ) ] \cos(A)\cos(B) = \frac{1}{2}[\cos(A - B) + \cos(A + B)] cos(A)cos(B)=21[cos(A−B)+cos(A+B)]
- sin ( A ) cos ( B ) = 1 2 [ sin ( A − B ) + sin ( A + B ) ] \sin(A)\cos(B) = \frac{1}{2}[\sin(A - B) + \sin(A + B)] sin(A)cos(B)=21[sin(A−B)+sin(A+B)]
6. 和差化积公式的反函数:
- sin ( A + B ) = 2 sin ( A + B 2 ) cos ( A − B 2 ) \sin(A + B) = 2\sin\left(\frac{A + B}{2}\right)\cos\left(\frac{A - B}{2}\right) sin(A+B)=2sin(2A+B)cos(2A−B)
- sin ( A − B ) = 2 sin ( A − B 2 ) cos ( A + B 2 ) \sin(A - B) = 2\sin\left(\frac{A - B}{2}\right)\cos\left(\frac{A + B}{2}\right) sin(A−B)=2sin(2A−B)cos(2A+B)
- cos ( A + B ) = 2 cos ( A + B 2 ) cos ( A − B 2 ) \cos(A + B) = 2\cos\left(\frac{A + B}{2}\right)\cos\left(\frac{A - B}{2}\right) cos(A+B)=2cos(2A+B)cos(2A−B)
- cos ( A − B ) = − 2 sin ( A + B 2 ) sin ( A − B 2 ) \cos(A - B) = -2\sin\left(\frac{A + B}{2}\right)\sin\left(\frac{A - B}{2}\right) cos(A−B)=−2sin(2A+B)sin(2A−B)
向量
1. 向量加法和减法:
- 加法公式:对于两个向量 a ( x 1 , y 1 ) \mathbf{a}(x_1,y_1) a(x1,y1) 和 b ( x 2 , y 2 ) \mathbf{b}(x_2,y_2) b(x2,y2),它们的和为 c ( x 1 + x 2 , y 1 + y 2 ) \mathbf{c}(x_1+x_2,y_1+y_2) c(x1+x2,y1+y2),即 c = a + b \mathbf{c} = \mathbf{a} + \mathbf{b} c=a+b。
- 减法公式:对于两个向量 a ( x 1 , y 1 ) \mathbf{a}(x_1,y_1) a(x1,y1) 和 b ( x 2 , y 2 ) \mathbf{b}(x_2,y_2) b(x2,y2),它们的和为 c ( x 1 − x 2 , y 1 − y 2 ) \mathbf{c}(x_1-x_2,y_1-y_2) c(x1−x2,y1−y2),即 c = a − b \mathbf{c} = \mathbf{a} - \mathbf{b} c=a−b。
2. 向量数量乘法:
- 数乘公式:对于向量 a \mathbf{a} a 和标量 k k k, k k k 乘以向量 a \mathbf{a} a 的每个分量,即 k a k\mathbf{a} ka,得到一个新的向量。
3. 点积(内积):
- 点积公式:对于两个向量 a \mathbf{a} a 和 b \mathbf{b} b,它们的点积为 a ⋅ b = ∣ a ∣ ∣ b ∣ cos ( θ ) \mathbf{a} \cdot \mathbf{b} = |\mathbf{a}| |\mathbf{b}| \cos(\theta) a⋅b=∣a∣∣b∣cos(θ),其中 ∣ a ∣ |\mathbf{a}| ∣a∣ 和 ∣ b ∣ |\mathbf{b}| ∣b∣ 分别是向量 a \mathbf{a} a 和 b \mathbf{b} b 的模长, θ \theta θ 是它们之间的夹角。
- 性质:
- 对于平行向量,点积为正, cos ( θ ) = 1 \cos(\theta) = 1 cos(θ)=1。
- 对于垂直向量,点积为零, cos ( θ ) = 0 \cos(\theta) = 0 cos(θ)=0。
- 点积具有交换律: a ⋅ b = b ⋅ a \mathbf{a} \cdot \mathbf{b} = \mathbf{b} \cdot \mathbf{a} a⋅b=b⋅a。
- 点积具有分配律: a ⋅ ( b + c ) = a ⋅ b + a ⋅ c \mathbf{a} \cdot (\mathbf{b} + \mathbf{c}) = \mathbf{a} \cdot \mathbf{b} + \mathbf{a} \cdot \mathbf{c} a⋅(b+c)=a⋅b+a⋅c。
- 用途:
-
计算夹角:点乘可用于计算两个向量之间的夹角。具体地,两个向量 a \mathbf{a} a 和 b \mathbf{b} b 的点乘 a ⋅ b \mathbf{a} \cdot \mathbf{b} a⋅b 等于它们的模长之积与夹角的余弦值的乘积: a ⋅ b = ∣ a ∣ ∣ b ∣ cos ( θ ) \mathbf{a} \cdot \mathbf{b} = |\mathbf{a}| |\mathbf{b}| \cos(\theta) a⋅b=∣a∣∣b∣cos(θ)。这可用于判断两个向量的相对方向,例如是否平行、垂直或是在一般的夹角。
-
投影:点乘可用于计算一个向量在另一个向量上的投影。通过将一个向量 a \mathbf{a} a 投影到另一个向量 b \mathbf{b} b 上,可以得到 a \mathbf{a} a 在 b \mathbf{b} b 方向上的分量,其大小为 a ⋅ b / ∣ b ∣ \mathbf{a} \cdot \mathbf{b} / |\mathbf{b}| a⋅b/∣b∣。
-
工作、能量和功率:点乘在物理学中用于计算力和位移之间的功和能量。力在方向上的分量乘以位移等于所做的功。
-
4. 叉积(外积):
-
叉积公式:对于两个三维向量 a \mathbf{a} a 和 b \mathbf{b} b,它们的叉积 a × b \mathbf{a} \times \mathbf{b} a×b 的计算方式如下:
a × b = ∣ i j k a 1 a 2 a 3 b 1 b 2 b 3 ∣ \mathbf{a} \times \mathbf{b} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \end{vmatrix} a×b= ia1b1ja2b2ka3b3
其中,ijk分别表示xyz三个轴的基本单位向量,通常我们并不关注。这可以通过展开行列式来计算,结果是一个新的向量,其分量为 c 1 c_1 c1、 c 2 c_2 c2 和 c 3 c_3 c3。
-
分量计算:根据行列式展开, c 1 c_1 c1、 c 2 c_2 c2 和 c 3 c_3 c3 分别计算如下:
c 1 = a 2 b 3 − a 3 b 2 c_1 = a_2 b_3 - a_3 b_2 c1=a2b3−a3b2
c 2 = a 3 b 1 − a 1 b 3 c_2 = a_3 b_1 - a_1 b_3 c2=a3b1−a1b3
c 3 = a 1 b 2 − a 2 b 1 c_3 = a_1 b_2 - a_2 b_1 c3=a1b2−a2b1 -
性质:
- 叉积的结果是垂直于 a \mathbf{a} a 和 b \mathbf{b} b 的向量。
- 叉积的模长等于 a \mathbf{a} a 和 b \mathbf{b} b 构成的平行四边形的面积。
- 叉积具有反交换律: a × b = − ( b × a ) \mathbf{a} \times \mathbf{b} = -(\mathbf{b} \times \mathbf{a}) a×b=−(b×a)。
- 叉积具有分配律: a × ( b + c ) = a × b + a × c \mathbf{a} \times (\mathbf{b} + \mathbf{c}) = \mathbf{a} \times \mathbf{b} + \mathbf{a} \times \mathbf{c} a×(b+c)=a×b+a×c。
-
作用:
-
法向量:叉乘可用于计算平面上三个点或三个向量所确定的平面的法向量。对于两个向量 a \mathbf{a} a 和 b \mathbf{b} b 的叉乘 a × b \mathbf{a} \times \mathbf{b} a×b,结果是一个垂直于 a \mathbf{a} a 和 b \mathbf{b} b 平面的向量,其方向遵循右手定则。
-
面积:叉乘的模长等于两个向量所张成的平行四边形(或平行四边形的面积)的面积。这在计算几何学中非常有用。
-
角动量和扭矩:在物理学和工程学中,叉乘用于计算角动量和扭矩(力矩)。角动量是物体旋转时的动力学性质,而扭矩用于描述力对物体的旋转作用。
-
电磁学中的洛伦兹力:在电磁学中,洛伦兹力的计算涉及电荷、电场和磁场之间的叉乘关系。
-
右手定则
a. 伸开你的右手,将大拇指、食指和中指垂直伸出,使它们呈 90 度角。
b. 让大拇指指向第一个输入向量 a \mathbf{a} a 的方向。
c. 让食指指向第二个输入向量 b \mathbf{b} b 的方向。
d. 你的中指所指向的方向就是结果法向量 n \mathbf{n} n 的方向。
e. 方向的确定是根据右手的构型而来,所以它遵循右手定则。
5. 混合积(三重积):
- 混合积公式:对于三个向量 a \mathbf{a} a、 b \mathbf{b} b 和 c \mathbf{c} c,它们的混合积为 a ⋅ ( b × c ) \mathbf{a} \cdot (\mathbf{b} \times \mathbf{c}) a⋅(b×c)。混合积表示了这三个向量所构成的平行六面体的有向体积。
- 性质:
- 混合积的绝对值等于平行六面体的体积。
- 混合积可以用来判断三个向量是否共面,如果混合积为零,它们共面。
相关文章:

游戏开发初等数学基础
凑数图() 立体图形面积体积 1. 立方体(Cube): 表面积公式: 6 a 2 6a^2 6a2 (其中 a a a 是边长)。体积公式: a 3 a^3 a3 (其中 a a a 是边长)。 2. 球体(Sphere): 表面积公…...
svg图片代码data:image/svg+xml转png图片方法
把代码保存为html格式的文件中,用浏览器访问,即可右键保存 从AI软件或其它网站得到svg图片代码后,把他复制到下面源码上 注意:src""图片地址中,一些参数的含义 d‘这里是图片代码数据’ viewBox是图片显示区域,宽,高等 fill%23000000’这里表示颜色 ,后面6位0表示黑色…...
解决问题:Replace `‘vue‘;⏎` with `“vue“;`
使用vscode写vue文件的问题: Replace vue;⏎ with "vue"; error Replace v-model:value"xxx"placeholder"inputsearch prettier/prettier 7:38 error Insert ⏎ potentially fixable with the --fix option 原因:格式问题&a…...

ThinkPHP 5.0通过composer升级到5.1,超级简单
事情是这样的,我实现一个验证码登录的功能,但是这个验证码的包提示tp5的版本可以是5.1.1、5.1.2、5.1.3。但我使用的是5.0,既然这样,那就升个级呗,百度了一下,结果发现大部分都是讲先备份application和修改…...

计算机竞赛 多目标跟踪算法 实时检测 - opencv 深度学习 机器视觉
文章目录 0 前言2 先上成果3 多目标跟踪的两种方法3.1 方法13.2 方法2 4 Tracking By Detecting的跟踪过程4.1 存在的问题4.2 基于轨迹预测的跟踪方式 5 训练代码6 最后 0 前言 🔥 优质竞赛项目系列,今天要分享的是 🚩 深度学习多目标跟踪 …...

一文了解大模型工作原理——以ChatGPT为例
文章目录 写在前面1.Tansformer架构模型2.ChatGPT原理3.提示学习与大模型能力的涌现3.1 提示学习3.2 上下文学习3.3 思维链 4.行业参考建议4.1 拥抱变化4.2 定位清晰4.3 合规可控4.4 经验沉淀 写在前面 2022年11月30日,ChatGPT模型问世后,立刻在全球范围…...
CPP-Templates-2nd--第十九章 萃取的实现 19.7---
目录 19.7 其它的萃取技术 19.7.1 If-Then-Else 19.7.2 探测不抛出异常的操作 19.7.3 萃取的便捷性(Traits Convenience) 别名模板和萃取(Alias Templates And Traits) 变量模板和萃取(Variable Templates and Traits&…...

python 采用selenium+cookies 获取登录后的网页
百度网页由于需要登陆手机短信验证。比较麻烦 这里我采用先人工登录百度账号,然后将百度账号的相关cookies保存下来 然后采用selenium动态登录网页 整体代码如下 from selenium import webdriverimport timeoptions webdriver.ChromeOptions()options.add_argu…...

【测试开发】答疑篇 · 什么是软件测试
【测试开发】答疑篇 文章目录 【测试开发】答疑篇1. 生活中的测试2. 什么是软件测试3. 为什么要有测试/没有测试行不行4. 软件测试和软件开发的区别5. 软件测试和软件调试之间的区别6. 软件测试的岗位7. 优秀测试人员具备的素质 【测试开发】答疑篇 软件不一定是桌面应用&#…...

深入解析顺序表:揭开数据结构的奥秘,掌握顺序表的精髓
💓 博客主页:江池俊的博客⏩ 收录专栏:数据结构探索👉专栏推荐:✅C语言初阶之路 ✅C语言进阶之路💻代码仓库:江池俊的代码仓库🔥编译环境:Visual Studio 2022Ἰ…...

数据风险量化评估方案
一、企业面临数据安全的痛点 1、企业缺少清晰的数据安全意识 各部门重视度不够,缺少主动数据安全管控意识。数据安全管控架构不清晰,职责划分不明确。对数据安全管控认识不全面、不深刻。工作人员对于所持有的数据缺乏概念,导致数据的价值无…...

EasyAVFilter代码示例之将视频点播文件转码成HLS(m3u8+ts)视频点播格式
以下是一套完整的视频点播功能开发源码,就简简单单几行代码,就可以完成原来ffmpeg很复杂的视频点播转码调用流程,而且还可以集成在自己的应用程序中调用,例如java、php、cgo、c、nodejs,不需要再单独一个ffmpeg的进程来…...
day-50 代码随想录算法训练营(19)动态规划 part 11
123.买卖股票的最佳时机||| 分析:只能买卖两次,就是说有五个状态: 没有买过第一次买入第一次卖出第二次买入第二次卖出 思路:二维数组,记录五个状态 1.dp存储:dp[i][1] 第一次买入 dp[i][2] 第一次卖…...

自定义权限指令与防止连点指令
1.权限指令 // 注册一个全局自定义权限指令 v-permission Vue.directive(permission, {inserted: function(el, binding, vnode) {const {value} binding; // 指令传的值// user:edit:phone,sysData:sampleconst permissions [user:edit:address, sysData:entrust, sysData:…...

UE5、CesiumForUnreal实现瓦片坐标信息图层效果
文章目录 1.实现目标2.实现过程2.1 原理简介2.2 cesium-native改造2.3 CesiumForUnreal改造2.4 运行测试3.参考资料1.实现目标 参考CesiumJs的TileCoordinatesImageryProvider,在CesiumForUnreal中也实现瓦片坐标信息图层的效果,便于后面在调试地形和影像瓦片的加载调度等过…...
PostgreSQL执行计划
1. EXPLAIN命令 1)PostgreSQL中EXPLAIN命令的语法格式: postgres# \h explain Command: EXPLAIN Description: show the execution plan of a statement Syntax: EXPLAIN [ ( option [, ...] ) ] statement EXPLAIN [ ANALYZE ] [ VERBOSE ] statementwhere option can be…...
【2023 睿思芯科 笔试题】~ 题目及参考答案
文章目录 1. 题目 & 答案单选题编程题问题1:解析1:问题2:解析2: 声明 名称如标题所示,希望大家正确食用(点赞转发评论) 本次笔试题以两种形式考察的,分别是:选择题&a…...
Java手写AVL树
Java手写AVL树 1. AVL树实现思路原理 为了解释AVL树的实现思路原理,下面使用Mermanid代码表示该算法的思维导图: #mermaid-svg-ycH8kKpzVk2HWEby {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid…...

运维自动化:提高效率的秘诀
🌷🍁 博主猫头虎(🐅🐾)带您 Go to New World✨🍁 🦄 博客首页——🐅🐾猫头虎的博客🎐 🐳 《面试题大全专栏》 🦕 文章图文…...

C++设计模式_05_Observer 观察者模式
接上篇,本篇将会介绍C设计模式中的Observer 观察者模式,和前2篇模板方法Template Method及Strategy 策略模式一样,仍属于“组件协作”模式。Observer 在某些领域也叫做 Event 。 文章目录 1. 动机( Motivation)2. 代码…...
Java 语言特性(面试系列2)
一、SQL 基础 1. 复杂查询 (1)连接查询(JOIN) 内连接(INNER JOIN):返回两表匹配的记录。 SELECT e.name, d.dept_name FROM employees e INNER JOIN departments d ON e.dept_id d.dept_id; 左…...

visual studio 2022更改主题为深色
visual studio 2022更改主题为深色 点击visual studio 上方的 工具-> 选项 在选项窗口中,选择 环境 -> 常规 ,将其中的颜色主题改成深色 点击确定,更改完成...

前端导出带有合并单元格的列表
// 导出async function exportExcel(fileName "共识调整.xlsx") {// 所有数据const exportData await getAllMainData();// 表头内容let fitstTitleList [];const secondTitleList [];allColumns.value.forEach(column > {if (!column.children) {fitstTitleL…...

2021-03-15 iview一些问题
1.iview 在使用tree组件时,发现没有set类的方法,只有get,那么要改变tree值,只能遍历treeData,递归修改treeData的checked,发现无法更改,原因在于check模式下,子元素的勾选状态跟父节…...

图表类系列各种样式PPT模版分享
图标图表系列PPT模版,柱状图PPT模版,线状图PPT模版,折线图PPT模版,饼状图PPT模版,雷达图PPT模版,树状图PPT模版 图表类系列各种样式PPT模版分享:图表系列PPT模板https://pan.quark.cn/s/20d40aa…...

OPENCV形态学基础之二腐蚀
一.腐蚀的原理 (图1) 数学表达式:dst(x,y) erode(src(x,y)) min(x,y)src(xx,yy) 腐蚀也是图像形态学的基本功能之一,腐蚀跟膨胀属于反向操作,膨胀是把图像图像变大,而腐蚀就是把图像变小。腐蚀后的图像变小变暗淡。 腐蚀…...

深入浅出深度学习基础:从感知机到全连接神经网络的核心原理与应用
文章目录 前言一、感知机 (Perceptron)1.1 基础介绍1.1.1 感知机是什么?1.1.2 感知机的工作原理 1.2 感知机的简单应用:基本逻辑门1.2.1 逻辑与 (Logic AND)1.2.2 逻辑或 (Logic OR)1.2.3 逻辑与非 (Logic NAND) 1.3 感知机的实现1.3.1 简单实现 (基于阈…...

Selenium常用函数介绍
目录 一,元素定位 1.1 cssSeector 1.2 xpath 二,操作测试对象 三,窗口 3.1 案例 3.2 窗口切换 3.3 窗口大小 3.4 屏幕截图 3.5 关闭窗口 四,弹窗 五,等待 六,导航 七,文件上传 …...
NPOI Excel用OLE对象的形式插入文件附件以及插入图片
static void Main(string[] args) {XlsWithObjData();Console.WriteLine("输出完成"); }static void XlsWithObjData() {// 创建工作簿和单元格,只有HSSFWorkbook,XSSFWorkbook不可以HSSFWorkbook workbook new HSSFWorkbook();HSSFSheet sheet (HSSFSheet)workboo…...
人工智能 - 在Dify、Coze、n8n、FastGPT和RAGFlow之间做出技术选型
在Dify、Coze、n8n、FastGPT和RAGFlow之间做出技术选型。这些平台各有侧重,适用场景差异显著。下面我将从核心功能定位、典型应用场景、真实体验痛点、选型决策关键点进行拆解,并提供具体场景下的推荐方案。 一、核心功能定位速览 平台核心定位技术栈亮…...