MQTT客户端Paho实现C#应用
1、打开C#工程,然后 打开“工具”-“Nuget包管理器”-“程序包管理器控制台”。
2、输入命令,安装M2Mqtt 包。
NuGet\Install-Package M2Mqtt -Version 4.3.0
3、MQTT服务器。
Broker: broker.emqx.io
TCP Port: 1883
WebSocket Port: 8083
4、测试代码。
using System;
using System.Colle
1、打开C#工程,然后 打开“工具”-“Nuget包管理器”-“程序包管理器控制台”。
2、输入命令,安装M2Mqtt 包。
NuGet\Install-Package M2Mqtt -Version 4.3.0
3、MQTT服务器。
Broker: broker.emqx.io
TCP Port: 1883
WebSocket Port: 8083
4、测试代码。
using System;
using System.Colle
x:浮点型数组,柱形图的 x 轴数据。
height:浮点型数组,柱形图的高度。
width:浮点型数组,柱形图的宽度。
bottom:浮点型数组,底座的 y 坐标,默认 0。
align:柱形图与 x 坐标的对齐方式,’center’ 以 x 位置为中心,这是默认值。 ‘edge’:将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形,可以传递负数的宽度值及 align=’edge’。
**kwargs:其他参数。
import matplotlib.pyplot
x:浮点型数组,表示每个扇形的面积。
explode:数组,表示各个扇形之间的间隔,默认值为0。
labels:列表,各个扇形的标签,默认值为 None。
colors:数组,表示各个扇形的颜色,默认值为 None。
autopct:设置饼图内各个扇形百分比显示格式,%d%% 整数百分比,%0.1f 一位小数, %0.1f%% 一位小数百分比, %0.2f%% 两位小数百分比。
labeldistance:标签标记的绘制位置,相对于半径的比例,默认值为 1.1,如
x,y:长度相同的数组,也就是我们即将绘制散点图的数据点,输入数据。
s:点的大小,默认 20,也可以是个数组,数组每个参数为对应点的大小。
c:点的颜色,默认蓝色 ‘b’,也可以是个 RGB 或 RGBA 二维行数组。
marker:点的样式,默认小圆圈 ‘o’。
cmap:Colormap,默认 None,标量或者是一个 colormap 的名字,只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。
norm:Normalize,默认 None,
import matplotlib.pyplot as plt
import numpy as np
# np.arange(start, stop, step, dtype=None)
# end : 结束值(不含)
# 起点是0, 终点是4*np.pi, 步长为0.1
x = np.arange(0, 4*np.pi, 0.1)
y = np.sin(x)
z = np.cos(x)
# 绘制一个正弦和余弦图,在 plt.plot() 参数中包含两对 x,y
import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([1,3,4,5,8,9,10])
plt.plot(ypoints, marker = ‘o’)
plt.show()
“o” 实心圆
“.” 点
“^” 上三角
fmt 参数
fmt 参数定义了基本格式,如标记、线条样式和颜色。
fmt = ‘[marker][line][color]’
例如 o:r,o
MSE:Mean Squared Error(均方误差)
含义:均方误差,是预测值与真实值之差的平方和的平均值,即:
loss= nn.MSELoss(reduction=’mean’)
loss = nn.MSELoss()
import torch
from torch import nn
loss = nn.MSELoss()
y_pre = torch.Tensor([[1, 2, 3],
[2, 1, 3],
[3, 1, 2]])
# r
1、常规写法
a, b, c = 1, 2, 0
if a > b:
c = a
else:
c = b
print(f’c = {c}’)
输出 c=2
2、一行式写法
a, b, c = 1, 2, 0
c = a if a > b else b
print(f’c = {c}’)
输出 c=2
3、范例
epsilon = 0.001
epsilon_decay = 0.9
epsilon = epsilon *
import gym
import matplotlib.pyplot as plt
# 1. 产生环境
# env = gym.make(‘CartPole-v0’)
# 注意 gym 新版本 需要说明 render_mode
env = gym.make(‘CartPole-v1’, render_mode=”human”)
# 2. 可视化:回报曲线变化图,回报直方图
# figsize=(a, b) 用来设置图形的大小,a为图形的宽,b
1、打开你的光栅图片文件。
2、在“图像”->“转换”中选“24位RGB” -> “灰度”。
3、在“图像”->“转换”中选“灰度” -> “1位单色”。
4、在“矢量”->“自动矢量化” 中 选“CAD图形”,提取线段方式选“边界线”。
5、在“矢量”->“自动矢量化” 中 选“CAD图形”,提取线段方式选“当前线段”。
6、在“文件”->“输出矢量”输出文件格式 选“dxf”。
7、在cad中打开文件。可以用sc命令进行缩放。
render_mode=”human” 显示画面
render_mode=”rgb_array” 不显示画面
frames 动画保存,需要rgb_array模式。因此采用cv2进行渲染,解决rgb_array模式下画面显示问题。
import gym
import matplotlib.pyplot as plt
from matplotlib import animation
import cv2
# 保存gif图像
def displa
import matplotlib.pyplot as plt
import numpy as np
“””
font:设置中文
unicode_minus:显示负号
“””
# 画图文字使用黑体字显示(显示中文,默认不支持中文)
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.rcParams[‘axes.unicode_minus’] = False
# 正常显示负号
“””
随机数生成,自动
# -> 常常出现在python函数定义的函数名后面,为函数添加元数据,描述函数返回的类型。
# : 表示参数的类型建议符
def one(agent: str) -> str:
print(“Annotations:”, one.__annotations__)
return agent
def two(agent: str):
print(“Annotations:”, two.__annotations__)
return agent
pr
一、docker安装
1、vnc连接树莓派,打开终端。
sudo curl -sSL https://get.docker.com | sh
#查看版本
docker -v
#配置命令
sudo systemctl daemon-reload # 重启 systemctl 守护进程
sudo systemctl enable docker # 设置 Docker 开机启动
sudo systemctl start docker # 开启 Docker
1、更新源。
sudo apt-get update
sudo apt-get upgrade
①sudo apt-get update:这个命令会访问源列表里的每个网址,并将软件列表保存在本地电脑。
②sudo apt-get upgrade:这个命令会把本地已安装的软件,与软件列表里对应软件进行对比,如果发现已安装的软件版本太低,就会提示更新。
/etc/apt/sources.list 就是源列表所在地址。
2、安装mysql
sudo apt-get i
官网:https://tomcat.apache.org/
1、下载tomcat9。
2、通过vnc上传。解压缩。
3、启动。
./start.sh
浏览器访问 http://127.0.0.1:8080/
1、下载arm64的jdk8。jdk-8u202-linux-arm64-vfp-hflt.tar.gz
如果不确定是32位系统还是64位系统,可以用 uname -a 查看。
uname -a :显示系统名、节点名称、操作系统的发行版号、内核版本等等。
2、解压、安装。
在usr目录下 创建java文件夹。
sudo mkdir java
chmod 777 -R java
通过vnc传输文件。
然后解压。
tar -xzvf jdk-8u
科学计数法使用字母e或者E作为幂的符号,以10为基数,含义如下:
<a>e<b>=a*10**b
# e 是科学计数法的一种表示。eN表示10的N次方。
print(3.3e1)
print(3.3e2)
print(3.3e-1)
输出
33.0
330.0
0.33