- 【深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数
阿_旭
AI应用软件开发实战深度学习实战深度学习python行人检测行人追踪过线计数
《博主简介》小伙伴们好,我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。✌更多学习资源,可关注公-仲-hao:【阿旭算法与机器学习】,共同学习交流~感谢小伙伴们点赞、关注!《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体
- 【计算机视觉前沿研究 热点 顶会】ECCV 2024中目标检测有关的论文
平安顺遂事事如意
顶刊顶会论文合集计算机视觉目标检测人工智能3d目标跟踪
整值训练和尖峰驱动推理脉冲神经网络用于高性能和节能的目标检测与人工神经网络(ANN)相比,脑激励的脉冲神经网络(SNN)具有生物合理性和低功耗的优势。由于SNN的性能较差,目前的应用仅限于简单的分类任务。在这项工作中,我们专注于弥合人工神经网络和神经网络在目标检测方面的性能差距。我们的设计围绕着网络架构和尖峰神经元。当行人检测遇到多模态学习时:通才模型和基准数据集近年来,利用不同传感器模态(如RG
- 【CV论文精读】Adaptive Fusion of Multi-Scale YOLO for Pedestrian Detection基于多尺度自适应融合YOLO的行人检测
量子-Alex
CV知识学习和论文阅读YOLO计算机视觉人工智能
AdaptiveFusionofMulti-ScaleYOLOforPedestrianDetection0.论文摘要和作者信息摘要虽然行人检测技术在不断改进,但由于不同规模的行人和遮挡行人模式的不确定性和多样性,行人检测仍然具有挑战性。本研究遵循单次目标检测的通用框架,提出了一种分而治之的方法来解决上述问题。该模型引入了一个分割函数,可以将一幅图像中没有重叠的行人分割成两个子图像。通过使用网络架
- HOG特征
ce0b74704937
HOG特征是在文章《HistogramsofOrientedGradientsforHumanDetection》中提出,看文章标题可知,该文章是为了行人检测提出的,不过后来也用于其它方向,比如特征点检测等。该文中行人检测大概分为以下几步:输入图像(行人的图像)采用Gamma矫正法对输入图像进行颜色空间的标准化;目的是调节图像的对比度,降低图像局部的阴影和光照所造成的影响,同时可以抑制噪声。(原文
- 【CV论文精读】Pedestrian Detection Based on YOLO Network Model 基于YOLO的行人检测
量子-Alex
CV知识学习和论文阅读YOLO深度学习计算机视觉
【CV论文精读】PedestrianDetectionBasedonYOLONetworkModel0.论文摘要和作者信息摘要——经过深度网络后,会有一些行人信息的丢失,会造成梯度的消失,造成行人检测不准确。本文改进了YOLO算法的网络结构,提出了一种新的网络结构YOLO-R。首先,在原有YOLO网络的基础上增加了三个直通层。直通层由路由层和重组层组成。其作用是将浅层行人特征连接到深层行人特征,并
- 跨模态行人重识别综述 - 计算机视觉
小小猿D
笔记深度学习
跨模态行人重识别综述-计算机视觉0引言近年来,随着智能监控领域的不断发展,单纯凭借传统的人力已经很难在对复杂的监控场景做出完善详尽的处理。作为一项在大型非重叠视角多摄像机网络获取到的海量视频画面序列里找到目标行人的任务,行人重识别(PersonRe-Identification)可以被看作是多摄像头的行人检索问题。它建立在行人检测的基础之上,捕捉获取同一目标个体在不同非重叠摄像头中分布位置信息,推
- PaddleDetection学习2——使用Paddle-Lite在 Android 上实现行人检测
waf13916
paddleandroid
使用Paddle-Lite在Android上实现行人检测1.环境准备2.准备模型2.1下载模型2.2模型优化3.部署模型3.1目标检测C++代码Pipeline.hPipeline.cpppreprocess_op.hpreprocess_op.cc3.2修改配置文件3.4部署模型到移动端1.环境准备参考前一篇
- YOLOV5s行人识别改进 引入CoT模块及SIOU损失函数
deleteeee
YOLO人工智能计算机视觉神经网络python目标检测视觉检测
1.项目背景及意义近年来,深度学习算法不断取得了突破性进展,这也推动了人工智能技术的不断进步。机器视觉作为其中的重要一环,在不同领域也焕发出了强烈的生机。行人目标检测是机器视觉的一项重要课题,早就已经引起了国内外学者广泛的研究。在现实生活中,行人检测在车站、商场等场所的人流量检测、汽车的自动驾驶技术、智能交通、健身房辅助教学、电影拍摄中动作捕捉等多种场景中被广泛应用。然而,行人检测通常伴随着遮挡,
- 计算机设计大赛 交通目标检测-行人车辆检测流量计数 - 计算机设计大赛
iuerfee
python
文章目录0前言1\.目标检测概况1.1什么是目标检测?1.2发展阶段2\.行人检测2.1行人检测简介2.2行人检测技术难点2.3行人检测实现效果2.4关键代码-训练过程最后0前言优质竞赛项目系列,今天要分享的是毕业设计交通目标检测-行人车辆检测流量计数该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:4分更多资料,项目分
- YOLOV5单目测距+车辆检测+车道线检测+行人检测(教程-代码)
毕设阿力
YOLO目标跟踪人工智能目标检测
YOLOv5是一种高效的目标检测算法,结合其在单目测距、车辆检测、车道线检测和行人检测等领域的应用,可以实现多个重要任务的精确识别和定位。首先,YOLOv5可以用于单目测距。通过分析图像中的目标位置和尺寸信息,结合相机参数和几何关系,可以推断出目标与相机之间的距离。这对于智能驾驶、机器人导航等领域至关重要,可以帮助车辆或机器人感知周围环境的远近,并做出相应的决策。其次,YOLOv5可以用于车辆检测
- 大创项目推荐 目标检测-行人车辆检测流量计数
laafeer
python
文章目录前言1\.目标检测概况1.1什么是目标检测?1.2发展阶段2\.行人检测2.1行人检测简介2.2行人检测技术难点2.3行人检测实现效果2.4关键代码-训练过程最后前言优质竞赛项目系列,今天要分享的是行人车辆目标检测计数系统该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!更多资料,项目分享:https://gitee.com/dancheng-senior/postgraduate1.目
- 使用飞浆训练目标检测模型
无忧秘书智脑
深度学习机器学习人工智能
参考链接:PP-PicoDet算法训练行人检测模型-CSDN博客文章浏览阅读306次。PP-PicoDet模型特点:方案选择PP-PicoDet轻量化模型,主要看中PP-PicoDet体积小、速度快、精度较高的优势,非常适合本项目的部署环境和性能要求。同时,飞桨提供的预训练模型也可以最大程度上提升模型的收敛速度和精度。https://blog.csdn.net/qq_45437316/articl
- LNTON人形检测、行人检测工具,支持图片、RTSP实时流、mp4文件中的行人或者人形检测,实用工具,亲测可用!
xiejiashu
视频人工智能行人检测人形检测人物监测检测人的算法羚通算法
简介LNTON_PID是一个行人检测工具,能够对图像、视频、文件夹中的多个文件或RTSP实时流进行行人检测,并支持自定义输出结果和行人区域位置的保存。该工具提供了灵活的参数配置选项以适应各种应用场景。快速开始-命令行参数格式(Linux/Unix环境)./pid_tools_gensamplesINPUT_PATHOUT_RESULT_DIR[DEFAULT:results]OUT_PATCH_D
- 智慧工地下烟火检测报警系统 建筑工地火灾监控系统
豌豆云
烟火自动识别预警和监管系统
智慧工地下烟火检测报警系统建筑工地火灾监控系统基于智能识别的人员密集场所安防预警系统或许能够帮到你。该系统利用监控系统结合模式识别,对现场视频数据进行深度挖掘,突破基于复杂背景下的烟火识别、动态场景下非配合人脸识别以及基于行人检测的越界识别等关键技术。烟感防灾报警系统,在施工现场加工区、材料堆放区、易发生火灾隐患区域安装烟感探测器,监测现场烟雾浓度。探测器内置芯片可实时上传监测数据至“智慧工地监管
- 目标检测数据集 - 人脸检测数据集下载「包含VOC、COCO、YOLO三种格式」
极智视界
AI训练数据集工作室目标检测YOLO人脸检测人脸检测数据集深度学习人工智能数据集
数据集介绍:行人检测数据集,真实场景高质量图片数据,涉及场景丰富,比如校园行人、街景行人、道路行人、遮挡行人、严重遮挡行人数据;适用实际项目应用:公共场所监控场景下行人检测项目,以及作为监控场景通用行人检测数据集场景数据的补充;标注说明:采用labelimg标注软件进行标注,标注质量高,提供VOC(xml)、COCO(json)、YOLO(txt)三种常见目标检测数据集格式,可以直接用于如YOLO
- 目标检测数据集 - 行人检测数据集下载「包含VOC、COCO、YOLO三种格式」
极智视界
AI训练数据集工作室目标检测YOLO行人检测行人检测数据集AI训练数据集深度学习labelimg
数据集介绍:行人检测数据集,真实场景高质量图片数据,涉及场景丰富,比如校园行人、街景行人、道路行人、遮挡行人、严重遮挡行人数据;适用实际项目应用:公共场所监控场景下行人检测项目,以及作为监控场景通用行人检测数据集场景数据的补充;标注说明:采用labelimg标注软件进行标注,标注质量高,提供VOC(xml)、COCO(json)、YOLO(txt)三种常见目标检测数据集格式,可以直接用于如YOLO
- 基于YOLOv5的行人检测系统
TechMasterPlus
深度学习#目标检测游戏音视频深度学习人工智能
若需要完整工程源代码,请私信作者目标检测在计算机视觉领域中的重要性,特别是在人群流量监测方面的应用。其中,YOLO(YouOnlyLookOnce)系列算法在目标检测领域取得了显著的进展,从YOLO到YOLOv5的发展历程表明其在算法性能上的不断优化。文中提到了基于YOLOv5设计的人口密度检测系统,该系统通过深度学习算法对人群进行检测和计数,主要应用于商场、路口等需要控制人流的场所。系统通过YO
- 无人驾驶卡尔曼滤波
meteor,across T sky
Apollo机器学习人工智能
无人驾驶卡尔曼滤波(行人检测)xk=axk−1+wkx_k=ax_{k-1}+w_kxk=axk−1+wkwkw_kwk:过程噪声状态估计估计飞行器状态(高度)xk=zk−vkx_k=z_k-v_kxk=zk−vk卡尔曼滤波通过同时考虑上一状态值和当前的测量值来获得对当前状态值的估计,对状态xxx的估计:x^\hat{x}x^x^k=x^k−1+gk(zk−x^k−1)\hat{x}_k=\hat
- 大创项目推荐 深度学习实现行人重识别 - python opencv yolo Reid
laafeer
python
文章目录0前言1课题背景2效果展示3行人检测4行人重识别5其他工具6最后0前言优质竞赛项目系列,今天要分享的是**基于深度学习的行人重识别算法研究与实现**该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:5分更多资料,项目分享:https://gitee.com/dancheng-senior/postgraduate
- 目标检测数据集 - 夜间行人检测数据集下载「包含VOC、COCO、YOLO三种格式」
极智视界
AI训练数据集工作室目标检测YOLO人工智能夜间行人检测低光行人检测遮挡行人检测行人检测
数据集介绍:夜间、低光行人检测数据集,真实场景高质量图片数据,涉及场景丰富,比如夜间街景行人、夜间道路行人、夜间遮挡行人、夜间严重遮挡行人数据;适用实际项目应用:公共场所监控场景下夜间行人检测项目,以及作为监控场景通用行人检测数据集夜间场景数据的补充;标注说明:采用labelimg标注软件进行标注,标注质量高,提供VOC(xml)、COCO(json)、YOLO(txt)三种常见目标检测数据集格式
- 基于yolov2深度学习网络的车辆行人检测算法matlab仿真
简简单单做算法
MATLAB算法开发#深度学习YOLO深度学习人工智能yolov2车辆行人检测
目录1.算法运行效果图预览2.算法运行软件版本3.部分核心程序4.算法理论概述5.算法完整程序工程1.算法运行效果图预览2.算法运行软件版本MATLAB2022a3.部分核心程序..........................................................loadyolov2.mat%加载训练好的目标检测器img_size=[224,224];imgPath=
- C# OpenCvSharp DNN FreeYOLO 密集行人检测
天天代码码天天
C#人工智能实践dnn人工智能神经网络YOLO目标检测计算机视觉c#
目录效果模型信息项目代码下载C#OpenCvSharpDNNFreeYOLO密集行人检测效果模型信息Inputs-------------------------name:inputtensor:Float[1,3,192,320]---------------------------------------------------------------Outputs--------------
- 一些想法:关于行人检测与重识别
baidu_huihui
人工智能计算机视觉
本文主要是介绍我们录用于ECCV'18的一个工作:PersonSearchviaAMask-guidedTwo-streamCNNModel.这篇文章着眼于PersonSearch这个任务,即同时考虑行人检测(PedestrianDetection)与行人重识别(PersonRe-identification),简单探讨了一下行人检测与行人重识别这两个子任务之间的关联性,并尝试利用全景图像中的背景
- 智能交通技术与数据集大观:揭秘趋动云的无尽能量,引领AI发展的GPU算力及相关资源
virtaitech
人工智能gpu算力
智能交通是一种先进的交通系统,其核心目标在于通过实时数据的采集、分析以及智能决策,全面提升城市交通的效率、安全性和便捷性。该系统涵盖多项关键技术,包括行人检测、车辆检测、智能交通信号控制、智能导航和路径规划、以及安全监控等。行人检测:智能交通系统利用计算机视觉技术,通过摄像头、激光雷达等传感器对行人进行实时监测和识别。深度学习算法在处理多姿态和遮挡等复杂场景时,能够高效地检测行人的存在、位置和运动
- YOLO算法改进7【中阶改进篇】:主干网络C3替换为轻量化网络MobileNetV3
梦在黎明破晓时啊
YOLOV5中阶改进篇YOLO
解决问题:YOLOv5主干特征提取网络采用C3结构,带来较大的参数量,检测速度较慢,应用受限,在某些真实的应用场景如移动或者嵌入式设备,如此大而复杂的模型时难以被应用的。首先是模型过于庞大,面临着内存不足的问题,其次这些场景要求低延迟,或者说响应速度要快,想象一下自动驾驶汽车的行人检测系统如果速度很慢会发生什么可怕的事情。所以,研究小而高效的CNN模型在这些场景至关重要,至少目前是这样,尽管未来硬
- Deep learning-based small object detection: A survey(2023)
怎么全是重名
论文笔记深度学习目标检测人工智能
文章目录AbstractIntroductionContributionGenericSODalgorithms提高输入特征的分辨率(MostImportant)Methods尺度感知训练Methods融合上下文信息Methods数据增强Methods其他策略Methods关键的SOD任务小人脸检测Methods小型行人检测Methods航拍图像中的SODMethodsEvaluationofSO
- 36从传统算法到深度学习:目标检测入门实战 --行人检测
Jachin111
行人检测基本流程在实验1到实验3中我们分别学习了滑动窗口、图像金字塔、方向梯度直方图。本节实验我们将结合这些方法来构建一个传统的行人检测算法。简单来说行人检测就是在提供的图像中,我们想要计算机分辨出哪些是人并且用矩形框标记出人出现在图片中的哪些位置。下图左上角图片中有一个人,如果我们想要用传统的目标检测方法检测到这个人的话,一般分为下面几个步骤。使用图像金字塔将图片按一定缩放比例生成不同尺寸图片(
- 深度学习模型压缩与加速:深度压缩技术
RRRRRoyal
深度学习人工智能
深度学习模型压缩与加速:深度压缩技术引言深度学习已广泛应用于移动应用和实时检测任务,例如在自动驾驶车辆中的行人检测。在这些应用中,对于推理速度和模型大小有着极高的要求。深度压缩(DeepCompression)技术旨在减小深度学习模型的大小并加速模型推理,特别适用于对延迟敏感的应用场景。下面我们将详细介绍深度压缩技术及其在实际硬件上的性能。模型压缩与量化深度压缩技术通过权重剪枝、量化等方法来减少模
- 分类(四)—— 支持向量机
shi_jiaye
python机器学习与数据挖掘机器学习人工智能python
主要内容分类概述决策树归纳K近邻算法支持向量机朴素贝叶斯分类模型评估与选择组合分类小结四、支持向量机支持向量机(SupportVetorMachine,SVM)由Vapnik等人于1995年首先提出,在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并推广到人脸识别、行人检测和文本分类等其他机器学习问题中。SVM建立在统计学习理论的VC维理论和结构风险最小原理基础上,根据有限的样本信息在模
- 基于YOLOv8深度学习的高精度车辆行人检测与计数系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
阿_旭
深度学习实战AI应用软件开发实战计算机视觉YOLO深度学习python车辆行人检测目标检测
《博主简介》小伙伴们好,我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。✌更多学习资源,可关注公-仲-hao:【阿旭算法与机器学习】,共同学习交流~感谢小伙伴们点赞、关注!《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体
- Spring4.1新特性——综述
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- Schema与数据类型优化
annan211
数据结构mysql
目前商城的数据库设计真是一塌糊涂,表堆叠让人不忍直视,无脑的架构师,说了也不听。
在数据库设计之初,就应该仔细揣摩可能会有哪些查询,有没有更复杂的查询,而不是仅仅突出
很表面的业务需求,这样做会让你的数据库性能成倍提高,当然,丑陋的架构师是不会这样去考虑问题的。
选择优化的数据类型
1 更小的通常更好
更小的数据类型通常更快,因为他们占用更少的磁盘、内存和cpu缓存,
- 第一节 HTML概要学习
chenke
htmlWebcss
第一节 HTML概要学习
1. 什么是HTML
HTML是英文Hyper Text Mark-up Language(超文本标记语言)的缩写,它规定了自己的语法规则,用来表示比“文本”更丰富的意义,比如图片,表格,链接等。浏览器(IE,FireFox等)软件知道HTML语言的语法,可以用来查看HTML文档。目前互联网上的绝大部分网页都是使用HTML编写的。
打开记事本 输入一下内
- MyEclipse里部分习惯的更改
Array_06
eclipse
继续补充中----------------------
1.更改自己合适快捷键windows-->prefences-->java-->editor-->Content Assist-->
Activation triggers for java的右侧“.”就可以改变常用的快捷键
选中 Text
- 近一个月的面试总结
cugfy
面试
本文是在学习中的总结,欢迎转载但请注明出处:http://blog.csdn.net/pistolove/article/details/46753275
前言
打算换个工作,近一个月面试了不少的公司,下面将一些面试经验和思考分享给大家。另外校招也快要开始了,为在校的学生提供一些经验供参考,希望都能找到满意的工作。 
- HTML5一个小迷宫游戏
357029540
html5
通过《HTML5游戏开发》摘抄了一个小迷宫游戏,感觉还不错,可以画画,写字,把摘抄的代码放上来分享下,喜欢的同学可以拿来玩玩!
<html>
<head>
<title>创建运行迷宫</title>
<script type="text/javascript"
- 10步教你上传githib数据
张亚雄
git
官方的教学还有其他博客里教的都是给懂的人说得,对已我们这样对我大菜鸟只能这么来锻炼,下面先不玩什么深奥的,先暂时用着10步干净利索。等玩顺溜了再用其他的方法。
操作过程(查看本目录下有哪些文件NO.1)ls
(跳转到子目录NO.2)cd+空格+目录
(继续NO.3)ls
(匹配到子目录NO.4)cd+ 目录首写字母+tab键+(首写字母“直到你所用文件根就不再按TAB键了”)
(查看文件
- MongoDB常用操作命令大全
adminjun
mongodb操作命令
成功启动MongoDB后,再打开一个命令行窗口输入mongo,就可以进行数据库的一些操作。输入help可以看到基本操作命令,只是MongoDB没有创建数据库的命令,但有类似的命令 如:如果你想创建一个“myTest”的数据库,先运行use myTest命令,之后就做一些操作(如:db.createCollection('user')),这样就可以创建一个名叫“myTest”的数据库。
一
- bat调用jar包并传入多个参数
aijuans
下面的主程序是通过eclipse写的:
1.在Main函数接收bat文件传递的参数(String[] args)
如: String ip =args[0]; String user=args[1]; &nbs
- Java中对类的主动引用和被动引用
ayaoxinchao
java主动引用对类的引用被动引用类初始化
在Java代码中,有些类看上去初始化了,但其实没有。例如定义一定长度某一类型的数组,看上去数组中所有的元素已经被初始化,实际上一个都没有。对于类的初始化,虚拟机规范严格规定了只有对该类进行主动引用时,才会触发。而除此之外的所有引用方式称之为对类的被动引用,不会触发类的初始化。虚拟机规范严格地规定了有且仅有四种情况是对类的主动引用,即必须立即对类进行初始化。四种情况如下:1.遇到ne
- 导出数据库 提示 outfile disabled
BigBird2012
mysql
在windows控制台下,登陆mysql,备份数据库:
mysql>mysqldump -u root -p test test > D:\test.sql
使用命令 mysqldump 格式如下: mysqldump -u root -p *** DBNAME > E:\\test.sql。
注意:执行该命令的时候不要进入mysql的控制台再使用,这样会报
- Javascript 中的 && 和 ||
bijian1013
JavaScript&&||
准备两个对象用于下面的讨论
var alice = {
name: "alice",
toString: function () {
return this.name;
}
}
var smith = {
name: "smith",
- [Zookeeper学习笔记之四]Zookeeper Client Library会话重建
bit1129
zookeeper
为了说明问题,先来看个简单的示例代码:
package com.tom.zookeeper.book;
import com.tom.Host;
import org.apache.zookeeper.WatchedEvent;
import org.apache.zookeeper.ZooKeeper;
import org.apache.zookeeper.Wat
- 【Scala十一】Scala核心五:case模式匹配
bit1129
scala
package spark.examples.scala.grammars.caseclasses
object CaseClass_Test00 {
def simpleMatch(arg: Any) = arg match {
case v: Int => "This is an Int"
case v: (Int, String)
- 运维的一些面试题
yuxianhua
linux
1、Linux挂载Winodws共享文件夹
mount -t cifs //1.1.1.254/ok /var/tmp/share/ -o username=administrator,password=yourpass
或
mount -t cifs -o username=xxx,password=xxxx //1.1.1.1/a /win
- Java lang包-Boolean
BrokenDreams
boolean
Boolean类是Java中基本类型boolean的包装类。这个类比较简单,直接看源代码吧。
public final class Boolean implements java.io.Serializable,
- 读《研磨设计模式》-代码笔记-命令模式-Command
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.util.ArrayList;
import java.util.Collection;
import java.util.List;
/**
* GOF 在《设计模式》一书中阐述命令模式的意图:“将一个请求封装
- matlab下GPU编程笔记
cherishLC
matlab
不多说,直接上代码
gpuDevice % 查看系统中的gpu,,其中的DeviceSupported会给出matlab支持的GPU个数。
g=gpuDevice(1); %会清空 GPU 1中的所有数据,,将GPU1 设为当前GPU
reset(g) %也可以清空GPU中数据。
a=1;
a=gpuArray(a); %将a从CPU移到GPU中
onGP
- SVN安装过程
crabdave
SVN
SVN安装过程
subversion-1.6.12
./configure --prefix=/usr/local/subversion --with-apxs=/usr/local/apache2/bin/apxs --with-apr=/usr/local/apr --with-apr-util=/usr/local/apr --with-openssl=/
- sql 行列转换
daizj
sql行列转换行转列列转行
行转列的思想是通过case when 来实现
列转行的思想是通过union all 来实现
下面具体例子:
假设有张学生成绩表(tb)如下:
Name Subject Result
张三 语文 74
张三 数学 83
张三 物理 93
李四 语文 74
李四 数学 84
李四 物理 94
*/
/*
想变成
姓名 &
- MySQL--主从配置
dcj3sjt126com
mysql
linux下的mysql主从配置: 说明:由于MySQL不同版本之间的(二进制日志)binlog格式可能会不一样,因此最好的搭配组合是Master的MySQL版本和Slave的版本相同或者更低, Master的版本肯定不能高于Slave版本。(版本向下兼容)
mysql1 : 192.168.100.1 //master mysq
- 关于yii 数据库添加新字段之后model类的修改
dcj3sjt126com
Model
rules:
array('新字段','safe','on'=>'search')
1、array('新字段', 'safe')//这个如果是要用户输入的话,要加一下,
2、array('新字段', 'numerical'),//如果是数字的话
3、array('新字段', 'length', 'max'=>100),//如果是文本
1、2、3适当的最少要加一条,新字段才会被
- sublime text3 中文乱码解决
dyy_gusi
Sublime Text
sublime text3中文乱码解决
原因:缺少转换为UTF-8的插件
目的:安装ConvertToUTF8插件包
第一步:安装能自动安装插件的插件,百度“Codecs33”,然后按照步骤可以得到以下一段代码:
import urllib.request,os,hashlib; h = 'eb2297e1a458f27d836c04bb0cbaf282' + 'd0e7a30980927
- 概念了解:CGI,FastCGI,PHP-CGI与PHP-FPM
geeksun
PHP
CGI
CGI全称是“公共网关接口”(Common Gateway Interface),HTTP服务器与你的或其它机器上的程序进行“交谈”的一种工具,其程序须运行在网络服务器上。
CGI可以用任何一种语言编写,只要这种语言具有标准输入、输出和环境变量。如php,perl,tcl等。 FastCGI
FastCGI像是一个常驻(long-live)型的CGI,它可以一直执行着,只要激活后,不
- Git push 报错 "error: failed to push some refs to " 解决
hongtoushizi
git
Git push 报错 "error: failed to push some refs to " .
此问题出现的原因是:由于远程仓库中代码版本与本地不一致冲突导致的。
由于我在第一次git pull --rebase 代码后,准备push的时候,有别人往线上又提交了代码。所以出现此问题。
解决方案:
1: git pull
2:
- 第四章 Lua模块开发
jinnianshilongnian
nginxlua
在实际开发中,不可能把所有代码写到一个大而全的lua文件中,需要进行分模块开发;而且模块化是高性能Lua应用的关键。使用require第一次导入模块后,所有Nginx 进程全局共享模块的数据和代码,每个Worker进程需要时会得到此模块的一个副本(Copy-On-Write),即模块可以认为是每Worker进程共享而不是每Nginx Server共享;另外注意之前我们使用init_by_lua中初
- java.lang.reflect.Proxy
liyonghui160com
1.简介
Proxy 提供用于创建动态代理类和实例的静态方法
(1)动态代理类的属性
代理类是公共的、最终的,而不是抽象的
未指定代理类的非限定名称。但是,以字符串 "$Proxy" 开头的类名空间应该为代理类保留
代理类扩展 java.lang.reflect.Proxy
代理类会按同一顺序准确地实现其创建时指定的接口
- Java中getResourceAsStream的用法
pda158
java
1.Java中的getResourceAsStream有以下几种: 1. Class.getResourceAsStream(String path) : path 不以’/'开头时默认是从此类所在的包下取资源,以’/'开头则是从ClassPath根下获取。其只是通过path构造一个绝对路径,最终还是由ClassLoader获取资源。 2. Class.getClassLoader.get
- spring 包官方下载地址(非maven)
sinnk
spring
SPRING官方网站改版后,建议都是通过 Maven和Gradle下载,对不使用Maven和Gradle开发项目的,下载就非常麻烦,下给出Spring Framework jar官方直接下载路径:
http://repo.springsource.org/libs-release-local/org/springframework/spring/
s
- Oracle学习笔记(7) 开发PLSQL子程序和包
vipbooks
oraclesql编程
哈哈,清明节放假回去了一下,真是太好了,回家的感觉真好啊!现在又开始出差之旅了,又好久没有来了,今天继续Oracle的学习!
这是第七章的学习笔记,学习完第六章的动态SQL之后,开始要学习子程序和包的使用了……,希望大家能多给俺一些支持啊!
编程时使用的工具是PLSQL