ustcer_93lk
ustcer_93lk

BoxCoder for Detection

https://blog.csdn.net/leijieZhang/article/details/90900906

 

宽高和中心的设计初衷 

https://blog.csdn.net/zijin0802034/article/details/77685438

你可能感兴趣的:(Detections)

  • TrackR-CNN测试结果感觉不对劲啊 朱朱呀 笔记MOTS#tensorflowtensorflow深度学习神经网络
    pythonmain.pyconfigs/conv3d_sep2"{\"task\":\"forward_tracking\",\"dataset\":\"KITTI_segtrack_feed\",\"load_epoch_no\":5,\"batch_size\":5,\"export_detections\":true,\"do_tracking\":false,\"video_tags_t
  • ubuntu使用 fifty 下载Coco2017 数据集 进行YoloV5_nano训练 小胡的博客号Aoife艺馨 ubuntuYOLOpython
    安装依赖库pip3installfiftyone测试代码importfiftyoneasfoimportfiftyone.zooasfoz#reference:https://voxel51.com/docs/fiftyone/tutorials/evaluate_detections.htmldatasets=foz.list_zoo_datasets()print("availabledata
  • YOLOv5白皮书-第Y4周：common.py文件解读 派大星先生c 深度学习YOLOpython深度学习
    目录0.导入需要的包和基本配置1.基本组件1.1autopad1.2Conv1.3Focus1.4Bottleneck1.5BottleneckCSP1.6C31.7SPP1.8Concat1.9Contract、Expand2.重要类2.1非极大值抑制（NMS）2.2AutoShape2.3Detections2.4Classify本文为365天深度学习训练营中的学习记录博客原作者：K同学啊|接
  • 介绍了ATT&CK检测采集器 Threathunter
    来源：https://www.splunk.com/en_us/blog/security/introducing-attack-detections-collector.htmlhttps://d3fend.mitre.org/tools/attack-extractor/?q=%5B%5Dhttps://github.com/splunk/security_contenthttps://git
  • 深度学习Week15-common.py文件解读（YOLOv5） 牛大了2022 Python深度学习深度学习人工智能神经网络
    目录简介一.基本组件1.1autopad1.2Conv1.3Focus1.4Bottleneck1.5BottleneckCSP1.6C31.7SPP1.8Concat1.9Contract、Expand二、重要类2.1非极大值抑制（NMS）2.2AutoShape2.3Detections2.4Classify三、实验本文为[365天深度学习训练营]内部限免文章（版权归*K同学啊*所有）作者：[
  • 目标跟踪中的匈牙利匹配，，，hungarian_match Deepcong 匈牙利目标检测卡尔曼目标跟踪人工智能计算机视觉匈牙利
    目标跟踪中的匈牙利匹配(associate_detections_to_trackers())：先计算相似度矩阵：sort中之计算检测框和轨迹的iou。代价矩阵：cost_matrix就是-iou_matrix。以下代码中，两种方式计算对应索引的匹配：1、一一对应的话直接出结果；2、不是一一对应的话，就用scipy的linear_sum_assignment。理论参考：https://zhuanl
  • 目标检测之CNN系列 春哥一号 算法
    排行榜pascalVOC:http://host.robots.ox.ac.uk:8080/leaderboard/displaylb.php?challengeid=11&compid=4coco:http://mscoco.org/dataset/#detections-leaderboardkitti:http://www.cvlibs.net/datasets/kitti/eval_obj
  • 使用FiftyOne下载Open Images指定类别数据 不会打代码的小菜鸡 深度学习目标检测计算机视觉
    文章目录前言一、FiftyOne、OpenImages官网链接二、步骤1.安装FiftyOne2.下载OpenImages部分类别数据3.从detections.csv中获取下载图片的标注文件4.可视化图片与标注信息5.将子数据集制作成COCO数据集格式或VOC数据集格式送入网络训练前言实际需求中往往是检测某种类别或某几类的目标，不同检测整个数据集中的所有目标，因此使用FiftyOne下载数据集中
  • YOLOv5-common.py文件 爱挠静香的下巴 深度学习-过程记录python深度学习pytorch人工智能
    本文为365天深度学习训练营中的学习记录博客原作者：K同学啊|接辅导、项目定制目录一、任务说明二、导入相关包和配置1.基本组件1.1autopad1.2Conv1.3Focus1.4Bottleneck1.5BottleneckCSP1.6C31.7SPP1.8Concat1.9Contract、Expand2.重要类2.1非极大值抑制（NMS）2.2AutoShape2.3Detections2
  • Darknet yolo 输出检测目标数目 简单的计数器实现 张志明(等待入职版) 深度学习opencvqt5
    在测试自己训练的数据集时，在终端输出图片中找到\darknet-master\src\image.c文件文件中selected_detections_num即为我们需要的数值在draw_detections_v3函数末尾添加输出语句输出结果:成功.
  • caffe-ssd中 net.forward（）的4维返回值 weixin_47924038 opencv学习
    1、blob=cv2.dnn.blobFromImage(frame,0.007843,(w,h),127.5)127.5是均值。0.007843=1/127.5（实际上就是x-127.5(均值)/因子），127.5就是均值2、net.setInput(blob)detections=net.forward()#是个四维的返回值confidence=detections[0,0,i,2]idx=i
  • FasterRCNN源码解析（十）——FastRCNN损失计算或者预测结果后处理 在学习的王哈哈 计算机视觉pytorch深度学习
    FasterRCNN源码解析（十）——FastRCNN损失计算以及预测结果后处理文章目录FasterRCNN源码解析（十）——FastRCNN损失计算以及预测结果后处理一.fastrcnn_loss二.postprocess_detections三.self.transform.postprocess总结一.fastrcnn_loss参数：class_logits(Tensor):预测类别概率信息
  • Faster RCNN网络源码解读（Ⅺ） --- 预测结果后处理及预测过程（完结撒花） Courage2022 目标检测人工智能计算机视觉深度学习
    目录一、回顾以及本篇博客内容概述二、代码解析2.1ROIHead类（承接上篇博客的2.1节）2.1.1初始化函数__init__回顾2.1.2正向传播forward回顾及预测结果后处理2.1.3postprocess_detections2.2FasterRCNNBase类前向传播过程2.3GeneralizedRCNNTransform类（transform.py）2.3.1postproces
  • DeepSort之源码解读 甘先了个生 目标跟踪目标跟踪Python计算机视觉
    文章有点长…代码地址：https://github.com/ZQPei/deep_sort_pytorchtraker是一个类，负责对多个track的进行操作，包括预测和更新。self.tracker.predict()self.tracker.update(detections)tracker预测阶段是对每个track进行预测，包括卡尔曼预测track年龄age+1time_since_upda
  • 运行lane-yolo问题记录tensorflow1.x代码运行在tensorflow2.x上错误修改 小祥子ovo tensorflow深度学习人工智能
    1、AttributeError:module‘tensorflow’hasnoattribute‘ConfigProto’File"D:\desktop\lane-yolo2\Test_Detections_On_Video.py",line48,insess_config=tf.ConfigProto(device_count={'GPU':0})AttributeError:module't
  • YOLOv5白皮书-第Y4周：common.py文件解读 Oaix Nay 365天深度学习训练记录python深度学习人工智能
    目录一、课题背景和开发环境开发环境二、代码解析0.导入需要的包和基本配置1.基本组件1.1autopad1.2Conv1.3Focus1.4Bottleneck1.5BottleneckCSP1.6C31.7SPP1.8Concat1.9Contract、Expand2.重要类2.1非极大值抑制（NMS）2.2AutoShape2.3Detections2.4Classify3.资料三、调整模型四
  • 【论文笔记】On 2D-3D Image Feature Detections for Image-To-Geometry Registration in Virtual Dental Model L_e_e_ 阅读笔记论文阅读3d图像处理
    论文笔记–On2D-3DImageFeatureDetectionsforImage-To-GeometryRegistrationinVirtualDentalModel（虚拟牙体模型图像几何配准中的2D-3D图像特征检测研究）文章目录摘要正文总结参考文献摘要在数字化过程中，牙齿和牙龈的颜色纹理经常丢失/扭曲。近年来，人们提出了图像-几何配准阴影映射（IGRSM）方法，将二维摄影的颜色纹理映射到
  • TypeError: Object of type Tensor is not JSON serializable ning_ww pythonpytorchjsonpython深度学习
    测试模型时，保存检测结果时出现这个错误：TypeError:ObjectoftypeTensorisnotJSONserializable网上提供了一种解决方案是这样的：#json.dump(detections.numpy,file_obj)json.dump(detections.numpy(),file_obj)引发的又是另一个错误：AttributeError:'list'objectha
  • Python3和Python2关于csv文件的读写区别 cwj1412 python人工智能
    今天在处理数据的时候遇到了一个因为python版本不同，导致csv读写出错的问题。我首先在Python2.7的环境下抽取特征，按照一定的格式存成csv文件：defget_detections_from_im(net,im_file,image_id,conf_thresh=0.2):im=cv2.imread(im_file)scores,boxes,attr_scores,rel_scores=
  • SORT-2 SORT流程&卡尔曼滤波推导和底层代码详解 kuai- MOT目标跟踪算法人工智能
    算法流程Detections是通过目标检测器得到的目标框，Tracks是轨迹信息。核心是匹配的过程与卡尔曼滤波的预测和更新过程。SORT算法的工作流程如下：目标检测器得到目标框Detections，同时卡尔曼滤波器预测当前的帧的Tracks,然后将Detections和Tracks进行IOU匹配，最终得到的结果分为：UnmatchedTracks，这部分被认为是失配，Detection和Track
  • RCAR会议：我的RTFA算法里面的generate_detections.py文件 计算机视觉-Archer Zebrafish
    地址:nk_DeepSortYolo/deep_sort_yolov3-master/tools/generate_detections.py#vim:expandtab:ts=4:sw=4importosimporterrnoimportargparseimportnumpyasnpimportcv2importtensorflowastffromPILimportImage#fromPILim
  • YOLOv4对检测到的目标进行计数 愿望是当打工人 YOLOv4深度学习
    主要修改的image.c文件，在darknet目录下直接ctrl+f搜即可，然后打开，找到draw_detections_v3函数，加入用来计数的变量。更新一下我的：原作者的有问题。//测试时检测图片使用的函数,视频不是这个voiddraw_detections_v3(imageim,detection*dets,intnum,floatthresh,char**names,image**alph
  • YOLOV4目标检测--计数方法draw_detections_v3 jack_201316888 YOLOAI
    YOLOv4检测图片添加置信度和计数YOLOv4检测图片添加置信度和计数本文章向大家介绍YOLOv4检测图片添加置信度和计数，主要包括YOLOv4检测图片添加置信度和计数使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。主要修改的image.c文件，在darknet目录下直接ctrl+f搜即可，然后打开，找到draw_detections_v3函数，加入
  • 目标跟踪 （七）MOT SORT DEEPSORT 卡尔曼滤波 匈牙利算法 刘咚咚的记事本 单目标跟踪
    https://zhuanlan.zhihu.com/p/90835266Tracking-by-Detecton基于目标检测的结果来进行目标跟踪：匈牙利算法（KM算法）：将前一帧中的跟踪框tracks与当前帧中的检测框detections进行关联，通过外观信息、马氏距离、或者IOU来计算代价矩阵卡尔曼滤波：基于传感器的测量值（在目标跟踪中即目标检测器）与跟踪器的预测值，实现更精确的估计。（结合预
  • DeepSort之源码解读 目标跟踪算法深度学习人工智能
    文章有点长...代码地址：https://github.com/ZQPei/deep...traker是一个类，负责对多个track的进行操作，包括预测和更新。self.tracker.predict()self.tracker.update(detections)tracker预测阶段是对每个track进行预测，包括卡尔曼预测track年龄age+1time_since_update+1，此变量
  • （Yolov4测试）将Yolov4模型输出的检测框映射到原图 _hx_
    （Yolov4测试）将Yolov4模型输出的检测框映射到原图逻辑：读取原图。根据配置文件、.data文件和权重文件导入模型。将图片、训练好的网络模型、标签等一起送入detection函数进行检测输出检测图片和detections列表，列表包含类别、置信度、和框的坐标（x,y,w,h）等。计算原图与检测图片的尺寸转换关系，这个转换关系同样适用于坐标转换。将检测图片上的框的坐标根据转换关系映射到原图上
  • 全景分割论文阅读：Real-Time Panoptic Segmentation from Dense Detections(CVPR2020) jaycain 图像分割系列计算机视觉深度学习人工智能
    标题：基于密集检测的实时全景分割作者：ArjunBhargavaAllanRaventosVitorGuiziliniChaoFangJeromeLynchAdrienGaidon机构：ToyotaResearchInstitute；UniversityofMichigan,AnnArbor论文地址：https://arxiv.org/abs/1912.01202项目地址：https://gith
  • RuntimeError: The size of tensor a (30) must match the size of tensor b (81) at non-singleton STU_11wxzou bug深度学习
    用mmdetection训练cascade_rcnn模型时，训练时没有问题，在validation的时候报错Traceback(mostrecentcalllast):File"prepare_mmdet_detections_txts.py",line36,inbboxes,labels=image_detections(image_path)File"prepare_mmdet_detecti
  • YOLOv3问题总结 NcepuKZH YOLOv3
    1、运行test,recall,vaild命令时，文件中batch和subdivisions两项必须为1。否则会出现测试检测不到目标、计算recall为0，验证没有产生结果文件。训练时候根据GPU情况调大batch和subdivisions，官方cfg中两者值分别为64和162、测试标签上如何添加置信值修改src/image.c文件draw_detections函数修改src/image.c文件d
  • faster-rcnn demo.py 修改多个标注框在同一张图片显示 tbabg 机器学习
    参考：https://blog.csdn.net/10km/article/details/68926498#增加ax参数defvis_detections(im,class_name,dets,ax,thresh=0.5):"""Drawdetectedboundingboxes."""inds=np.where(dets[:,-1]>=thresh)[0]iflen(inds)==0:retu
  • SQL的各种连接查询 xieke90 UNION ALLUNION外连接内连接JOIN
    一、内连接   概念：内连接就是使用比较运算符根据每个表共有的列的值匹配两个表中的行。                 内连接（join 或者inner join ）       SQL语法：       select * fron
  • java编程思想--复用类 百合不是茶 java继承代理组合final类
          复用类看着标题都不知道是什么,再加上java编程思想翻译的比价难懂,所以知道现在才看这本软件界的奇书   一:组合语法:就是将对象的引用放到新类中即可     代码:     package com.wj.reuse; /** * * @author Administrator 组
  • [开源与生态系统]国产CPU的生态系统 comsci cpu
          计算机要从娃娃抓起...而孩子最喜欢玩游戏....       要让国产CPU在国内市场形成自己的生态系统和产业链,国家和企业就不能够忘记游戏这个非常关键的环节....       投入一些资金和资源,人力和政策,让游
  • JVM内存区域划分Eden Space、Survivor Space、Tenured Gen，Perm Gen解释 商人shang jvm内存
    jvm区域总体分两类，heap区和非heap区。heap区又分：Eden Space（伊甸园）、Survivor Space(幸存者区)、Tenured Gen（老年代-养老区）。 非heap区又分：Code Cache(代码缓存区)、Perm Gen（永久代）、Jvm Stack(java虚拟机栈)、Local Method Statck(本地方法栈)。 HotSpot虚拟机GC算法采用分代收
  • 页面上调用 QQ oloz qq
    <A href="tencent://message/?uin=707321921&amp;Site=有事Q我&amp;Menu=yes">   <img style="border:0px;" src=http://wpa.qq.com/pa?p=1:707321921:1></a>
  • 一些问题 文强chu 问题
    1.eclipse 导出 doc  出现“The Javadoc command does not exist.” javadoc command 选择 jdk/bin/javadoc.exe 2.tomcate 配置 web 项目 ..... SQL:3.mysql  * 必须得放前面 否则  select&nbs
  • 生活没有安全感 小桔子 生活孤独安全感
           圈子好小，身边朋友没几个，交心的更是少之又少。在深圳，除了男朋友，没几个亲密的人。不知不觉男朋友成了唯一的依靠，毫不夸张的说，业余生活的全部。现在感情好，也很幸福的。但是说不准难免人心会变嘛，不发生什么大家都乐融融，发生什么很难处理。我想说如果不幸被分手(无论原因如何)，生活难免变化很大，在深圳，我没交心的朋友。明
  • php 基础语法 aichenglong php 基本语法
    1 .1 php变量必须以$开头 <?php $a=” b”; echo ?> 1 .2 php基本数据库类型 Integer  float/double Boolean string 1 .3 复合数据类型 数组array和对象 object 1 .4 特殊数据类型  null 资源类型(resource)    $co
  • mybatis tools 配置详解 AILIKES mybatis
    MyBatis Generator中文文档 MyBatis Generator中文文档地址： http://generator.sturgeon.mopaas.com/ 该中文文档由于尽可能和原文内容一致，所以有些地方如果不熟悉，看中文版的文档的也会有一定的障碍，所以本章根据该中文文档以及实际应用，使用通俗的语言来讲解详细的配置。 本文使用Markdown进行编辑，但是博客显示效
  • 继承与多态的探讨 百合不是茶 JAVA面向对象 继承 对象
    继承 extends   多态 继承是面向对象最经常使用的特征之一：继承语法是通过继承发、基类的域和方法 //继承就是从现有的类中生成一个新的类，这个新类拥有现有类的所有extends是使用继承的关键字：     在A类中定义属性和方法； class A{ //定义属性 int age； //定义方法 public void go
  • JS的undefined与null的实例 bijian1013 JavaScriptJavaScript
    <form name="theform" id="theform"> </form> <script language="javascript"> var a alert(typeof(b)); //这里提示undefined if(theform.datas
  • TDD实践（一） bijian1013 java敏捷TDD
    一.TDD概述         TDD：测试驱动开发，它的基本思想就是在开发功能代码之前，先编写测试代码。也就是说在明确要开发某个功能后，首先思考如何对这个功能进行测试，并完成测试代码的编写，然后编写相关的代码满足这些测试用例。然后循环进行添加其他功能，直到完全部功能的开发。     
  • [Maven学习笔记十]Maven Profile与资源文件过滤器 bit1129 maven
    什么是Maven Profile Maven Profile的含义是针对编译打包环境和编译打包目的配置定制，可以在不同的环境上选择相应的配置，例如DB信息，可以根据是为开发环境编译打包，还是为生产环境编译打包，动态的选择正确的DB配置信息   Profile的激活机制 1.Profile可以手工激活，比如在Intellij Idea的Maven Project视图中可以选择一个P
  • 【Hive八】Hive用户自定义生成表函数(UDTF) bit1129 hive
    1. 什么是UDTF   UDTF，是User Defined Table-Generating Functions，一眼看上去，貌似是用户自定义生成表函数，这个生成表不应该理解为生成了一个HQL Table， 貌似更应该理解为生成了类似关系表的二维行数据集   2. 如何实现UDTF 继承org.apache.hadoop.hive.ql.udf.generic
  • tfs restful api 加auth 2.0认计 ronin47
    　　目前思考如何给tfs的ngx-tfs api增加安全性。有如下两点： 　　一是基于客户端的ip设置。这个比较容易实现。 　　二是基于OAuth2.0认证，这个需要lua，实现起来相对于一来说，有些难度。 　　现在重点介绍第二种方法实现思路。 　　 前言：我们使用Nginx的Lua中间件建立了OAuth2认证和授权层。如果你也有此打算，阅读下面的文档，实现自动化并获得收益。SeatGe
  • jdk环境变量配置 byalias javajdk
    进行java开发，首先要安装jdk，安装了jdk后还要进行环境变量配置： 1、下载jdk（http://java.sun.com/javase/downloads/index.jsp），我下载的版本是：jdk-7u79-windows-x64.exe 2、安装jdk-7u79-windows-x64.exe 3、配置环境变量：右击"计算机"-->&quo
  • 《代码大全》表驱动法-Table Driven Approach-2 bylijinnan java
    package com.ljn.base; import java.io.BufferedReader; import java.io.FileInputStream; import java.io.InputStreamReader; import java.util.ArrayList; import java.util.Collections; import java.uti
  • SQL 数值四舍五入 小数点后保留2位 chicony 四舍五入
    1.round() 函数是四舍五入用，第一个参数是我们要被操作的数据，第二个参数是设置我们四舍五入之后小数点后显示几位。 2.numeric 函数的2个参数，第一个表示数据长度，第二个参数表示小数点后位数。 例如： 　　select   cast(round(12.5,2)   as   numeric(5,2))  
  • c++运算符重载 CrazyMizzz C++
    一、加+，减-，乘*，除/ 的运算符重载 Rational operator*(const Rational &x) const{ return Rational(x.a * this->a); } 在这里只写乘法的，加减除的写法类似 二、<<输出,>>输入的运算符重载      &nb
  • hive DDL语法汇总 daizj hive修改列DDL修改表
    hive DDL语法汇总 １、对表重命名 hive> ALTER TABLE table_name RENAME TO new_table_name;   2、修改表备注 hive> ALTER TABLE table_name SET TBLPROPERTIES ('comment' = new_comm
  • jbox使用说明 dcj3sjt126com Web
    参考网址：http://www.kudystudio.com/jbox/jbox-demo.html jBox v2.3 beta [ 点击下载]  技术交流QQGroup：172543951 100521167 [2011-11-11] jBox v2.3 正式版 - [调整&修复] IE6下有iframe或页面有active、applet控件
  • UISegmentedControl 开发笔记 dcj3sjt126com
      //    typedef NS_ENUM(NSInteger, UISegmentedControlStyle) {     //        UISegmentedControlStylePlain,     // large plain   &
  • Slick生成表映射文件 ekian scala
    Scala添加SLICK进行数据库操作，需在sbt文件上添加slick-codegen包 "com.typesafe.slick" %% "slick-codegen" % slickVersion 因为我是连接SQL Server数据库，还需添加slick-extensions，jtds包 "com.typesa
  • ES-TEST gengzg test
    package com.MarkNum; import java.io.IOException; import java.util.Date; import java.util.HashMap; import java.util.Map; import javax.servlet.ServletException; import javax.servlet.annotation
  • 为何外键不再推荐使用 hugh.wang mysqlDB
    表的关联，是一种逻辑关系，并不需要进行物理上的“硬关联”，而且你所期望的关联，其实只是其数据上存在一定的联系而已，而这种联系实际上是在设计之初就定义好的固有逻辑。 在业务代码中实现的时候，只要按照设计之初的这种固有关联逻辑来处理数据即可，并不需要在数据库层面进行“硬关联”，因为在数据库层面通过使用外键的方式进行“硬关联”，会带来很多额外的资源消耗来进行一致性和完整性校验，即使很多时候我们并不
  • 领域驱动设计 julyflame VODAO设计模式DTOpo
    概念： VO（View Object）：视图对象，用于展示层，它的作用是把某个指定页面（或组件）的所有数据封装起来。 DTO（Data Transfer Object）：数据传输对象，这个概念来源于J2EE的设计模式，原来的目的是为了EJB的分布式应用提供粗粒度的数据实体，以减少分布式调用的次数，从而提高分布式调用的性能和降低网络负载，但在这里，我泛指用于展示层与服务层之间的数据传输对
  • 单例设计模式 hm4123660 javaSingleton单例设计模式懒汉式饿汉式
           单例模式是一种常用的软件设计模式。在它的核心结构中只包含一个被称为单例类的特殊类。通过单例模式可以保证系统中一个类只有一个实例而且该实例易于外界访问，从而方便对实例个数的控制并节约系统源。如果希望在系统中某个类的对象只能存在一个，单例模式是最好的解决方案。      &nb
  • logback zhb8015 loglogback
    一、logback的介绍      Logback是由log4j创始人设计的又一个开源日志组件。logback当前分成三个模块：logback-core,logback- classic和logback-access。logback-core是其它两个模块的基础模块。logback-classic是log4j的一个 改良版本。此外logback-class
  • 整合Kafka到Spark Streaming——代码示例和挑战 Stark_Summer sparkstormzookeeperPARALLELISMprocessing
    作者Michael G. Noll是瑞士的一位工程师和研究员，效力于Verisign，是Verisign实验室的大规模数据分析基础设施（基础Hadoop）的技术主管。本文，Michael详细的演示了如何将Kafka整合到Spark Streaming中。 期间， Michael还提到了将Kafka整合到 Spark Streaming中的一些现状，非常值得阅读，虽然有一些信息在Spark 1.2版
  • spring-master-slave-commondao 王新春 DAOspringdataSourceslavemaster
    互联网的web项目，都有个特点：请求的并发量高，其中请求最耗时的db操作，又是系统优化的重中之重。 为此，往往搭建 db的 一主多从库的 数据库架构。作为web的DAO层，要保证针对主库进行写操作，对多个从库进行读操作。当然在一些请求中，为了避免主从复制的延迟导致的数据不一致性，部分的读操作也要到主库上。（这种需求一般通过业务垂直分开，比如下单业务的代码所部署的机器，读去应该也要从主库读取数
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他