- 综合排序
- 最热优先
- 最新优先
- 来自专栏布衣者博客
LeetCode-题库-刷题(6-7)
将一个给定字符串 s 根据给定的行数 numRows ，以从上往下、从左到右进行 Z 字形排列。 具体题目链接
42420发布于 2021-09-07 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球历史小麦产量数据集
全球小麦产量与产区分布： 1. 中国是全球最大的小麦生产国，占全球小麦产量的约15%。 2. 亚洲地区是全球最大的小麦生产地区，占全球小麦产量的约44%。 3. 欧洲地区是全球第二大小麦生产地区，占全球小麦产量的约26%。 4. 北美洲地区是全球第三大小麦生产地区，占全球小麦产量的约14%。 5. 小麦是世界上最重要的粮食作物之一，也是世界人类的主要粮食来源之一。 春小麦和冬小麦是根据播种时间的不同而划分的两种小麦品种。它们的主要区别如下： 1. 播种时间不同：春小麦在春季播种，而冬小麦在秋季播种。 2. 生长期不同：春小麦生长期相对较短，一般为90~110天；而冬小麦生长期相对较长，一般为180~280天。 总的来说，春小麦和冬小麦有着明显的差异，但它们都是重要的小麦品种，对于满足人们的粮食需求和农业发展都有着重要的作用。
51410编辑于 2024-02-02 - 来自专栏python3
笨办法学Python - 习题6-7:
学习目标：了解字符串的定义，学会使用复杂的字符串来建立一系列的变量。学会命名有意义的变量名
69110发布于 2020-02-10 - 来自专栏iOS面试
iOS 面试策略之算法基础6-7节
之前介绍了最简单的搜索法：二分搜索。虽然它的算法复杂度非常低只有 O(logn)，但使用起来也有局限：只有在输入是排序的情况下才能使用。这次讲解两个更复杂的搜索算法:
83730发布于 2021-04-22 - 来自专栏「毅硕|生信教程」
Sentieon | 小麦全基组（WGS）分析流程
引言 今天给大家介绍的是基于 Sentieon 软件开发的用于小麦全基因组测序数据的自动化流程脚本。 测试小麦样本平均测序深度7.55x，从FastQ到VCF全流程分析最快用时1.4个小时，大幅缩短小麦全基因组WGS分析时间，有效加快小麦的分子育种进程。 补充说明：对于单个染色体长度>536870911（约512MB）的物种（比如小麦），Sentieon软件可以切换至cram，不用因BAM 文件索引 (.bai) 的格式限制切割染色体。 脚本应用示例 使用上述脚本对小麦全基因组测序数据分析的测序结果，具体样本信息如下表所示： 测试样本下载 wget -nc ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR298 从FastQ到VCF全流程分析最快用时1.4个小时，大幅缩短小麦全基因组WGS分析时间，有效加快小麦的分子育种进程。
37210编辑于 2025-09-25 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：中级难度（6-7）
2025年的中级难度（难度系数6-7）题目综合考察了选手的算法设计、数据结构应用、数学建模和问题分析能力。本文将深入解析2025年中级难度的IO竞赛题目，帮助选手们突破瓶颈，提升解题能力。 难度进阶路径: 入门(1-3) → 基础(4-5) → 中级(6-7) → 高级(8-10) 难度系数 考察重点 核心知识点 学习目标 6-7 高级算法、数据结构综合应用 高级动态规划、图论、数论、几何 8题） ├── 第四章：中级难度题目解题策略 └── 第五章：综合能力提升建议 第一章：2025年IO竞赛中级难度题目概述 根据2025年NOI修订版大纲，中级难度（CSP-S提高）的知识点难度系数为6-
24710编辑于 2025-11-13 - 来自专栏AI机器学习与深度学习算法
机器学习入门 6-7 sklearn中的随机梯度下降法
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍改进上一小节代码，封装自己的随机梯度下降法并应用，之后应用sklearn实现随机梯度下降法。
1.2K20发布于 2019-11-13 - 来自专栏小明的数据分析笔记本
杂记：NCBI下载测序数据；小麦GO富集分析
./ SRR8502595 但是好像不管用，还是sra格式的数据 -O 指定下载文件的存储位置 小麦做GO富集分析 找到了一个在线工具，直接上传 geneid 就可以 , 链接是 http://wheat.cau.edu.cn
1.4K20发布于 2021-05-07 - 来自专栏GoCoding
TorchVision Faster R-CNN 微调，实战 Kaggle 小麦检测
本文将利用 TorchVision Faster R-CNN 预训练模型，于 Kaggle: 全球小麦检测[1] ? 上实践迁移学习中的一种常用技术：微调（fine tuning）。 pd import seaborn as sns from matplotlib import pyplot as plt from PIL import Image 下载数据 Kaggle: 全球小麦检测 如下： ce4833752,0.5 0 0 100 100 image_id ce4833752 的图片，预测出 x y w h 0 0 100 100 处是小麦，置信度 0.5。 [8] Pytorch Starter - FasterRCNN Train[9] Global Wheat Detection: Starter EDA[10] 脚注 [1]Kaggle: 全球小麦检测 Notebooks: https://github.com/ikuokuo/start-pytorch/blob/master/docs/use_kaggle_notebooks.md [5]Kaggle: 全球小麦检测
1.6K31发布于 2021-05-06 - 来自专栏生信小王子
专属于六倍体小麦的Bioconductor注释包
专属于六倍体小麦的注释包。 此注释包是基于iwgsc_refseqv1.1版本的基因号制作的，GO注释来源于 https://doi.org/10.5281/zenodo.2541477。 做小麦的同学赶快下载下来试一下吧~ 参考资料： Bioconductor的注释包太旧怎么办？自己做呀 https://www.jianshu.com/p/77246ff36214
1.9K51发布于 2020-08-10 - 来自专栏linjinhe的专栏
设计数据密集型应用（6-7）：分片、事务
随着业务发展，用户数量、商品数量、订单数量都在持续增长，数据库的负载越来越高。我们开始对数据库进行垂直拆分（垂直分片），把这三张表拆到三个数据库，而业务代码改改数据库的配置就好。
74650发布于 2020-04-02 - 来自专栏小麦苗的DB宝专栏
小麦苗人大金仓数据库巡检脚本
和PostgreSQL数据库相似，需要有psql客户端或者有人大金仓的ksql客户端都可以，运行方式如下：
1.4K20编辑于 2022-04-11 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例6：决策树模型实现冬小麦提取
决策树模型实现冬小麦提取¶ 依据作物在不同物候期内卫星影像的光谱存在差异的特征，可建立冬小麦提取算法，进行像元尺度冬小麦提取。 这里同样是使用的NDVI作为阈值提取条件，分别使用不同的聚合方式完成对影像的筛选，从而得出冬小麦种植面积的提取。 get_ndvi(image): ndvi = image.normalizedDifference(['SR_B5', 'SR_B4']) return ndvi # 黄淮海地区冬小麦典型物候期 -20').max().clip(region) NDVI_min = getl8_ndvi('2018-05-20', '2018-06-30').min().clip(region) # 冬小麦提取规则集 bounds=region.getBounds()) map.addLayer(wheat,mask_vis, 'wheat', bounds=region.getBounds()) # 绿色区域为小麦
40910编辑于 2024-02-02 小麦病害分割数据集labelme格式1882张4类别
数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)
36600编辑于 2025-07-17小麦成熟度分类数据集10695张7类别
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：10695 分类类别数：7 类别名称:["anthesis","booting","crown_root","heading","mid_vegetative_phase","milking","tillering"]
26900编辑于 2025-07-16- 来自专栏Lan小站
一个用爱发电的临时网盘——小麦云链
小麦云链，小麦云盘系列中的一个新产品，可以理解为简版的U-File。 无需注册，不限制上传数量和大小，文件上传以后，会获取HTTP和FTP两种直链模式并提供上传记录下载。
3.3K20编辑于 2022-07-14 - 来自专栏CVer
Kaggle全球小麦检测竞赛结果惹争议
前言 昨天Kaggle 全球小麦检测（Global Wheat Detection）比赛落下帷幕，共计2,270 支队伍参赛。 ? YOLOv5 称霸Kaggle 小麦检测 小麦检测赛事是今年5月初开始，刚开始很多人还是用Cascade R-CNN、EfficientDet这些知名的检测项目作为他们的基础解决方案。 YOLOv5 在Kaggle小麦检测表现有多强？ 彻底宣告YOLOv5被禁用后，很多人删除了之前的 submissions。 那么究竟其表现有多强？
2.4K10发布于 2020-08-10 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集：美国玉米、大豆和冬小麦 QDANN 30m 产量图数据集
QDANN 30m Yield Map for Corn, Soy, and Winter Wheat in the U.S美国玉米、大豆和冬小麦 QDANN 30m 产量图 简介 该数据集展示了一个新颖的规模转移框架 该数据集基于 Landsat 图像和 Gridmet 气象数据，重点关注美国的玉米、大豆和冬小麦田。该数据集利用约一百万个田间年观测数据中的产量监测记录进行验证。 主要结果包括 - 玉米、大豆和冬小麦的 R² 分数（RMSE）分别为 48%（2.29 吨/公顷）、32%（0.85 吨/公顷）和 39%（1.40 吨/公顷），与基准方法相比，显示出更高的准确性。 - 当产量汇总到县一级时，QDANN 的性能显著提高，玉米的 R² 分数（RMSE）达到 78%（0.98 吨/公顷），大豆达到 62%（0.37 吨/公顷），冬小麦达到 53%（1.00 吨/公顷）。 创建者：Ma,Yuchi et al： Ma,Yuchi et al： 关键词：玉米、大豆、冬小麦、产量 GEE 最后更新时间：2024-09-22
45310编辑于 2024-10-14 - 来自专栏生信宝典
鲁非研究组合作揭示小麦株型性状地理分化和育种选择的遗传基础
小麦是三大主要粮食作物之一，占世界粮食产量的30%和世界粮食贸易的50%，其产量直接影响我国粮食安全。因此，提高小麦产量仍是当前育种工作的主要目标之一。 小麦株型对于提高产量和环境适应性至关重要，系统研究小麦株型性状的地理分化和育种选择的遗传基础，对于小麦育种具有重要价值。 为了探究不同茎节单倍型组合对株型的影响，本研究对831份中国小麦品种进行单倍型分析，发现三个新的单倍型组合在中国小麦育种中被明显利用。 根据世界范围的小麦地理分化规律，可以看出欧洲小麦材料的穗下节长度单倍型占比较大，而亚洲材料的中等单倍型占比随育种过程逐渐增加。 该研究对小麦株型的遗传改良具有重要意义，为小麦株型的分子设计育种提供了重要的遗传信息资源。
38820编辑于 2023-08-30 小麦穗检测数据集VOC+YOLO格式6508张1类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：6508 标注数量(xml文件个数)：6508 标注数量(txt文件个数)：6508 标注类别数：1 标注类别名称:["wheat"] 每个类别标注的框数： wheat 框数 = 275249 总框数：275249 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
9200编辑于 2025-07-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号