前言：学习视频：中科大郑烇、杨坚全套《计算机网络（自顶向下方法第7版，JamesF.Kurose，KeithW.Ross）》课程该视频是B站非常著名的计网学习视频，但相信很多朋友和我一样在听完前面的部分发现信息量过大，有太多无法理解的地方，在我第一次点开的时候也有相同的感受，但经过了一段时间项目的学习，对计网有了更多的了解，所以我准备在这次学习的时候做一些记录并且加入一些我的理解，希望能够帮助到大

前言：学习视频：中科大郑烇、杨坚全套《计算机网络（自顶向下方法第7版，JamesF.Kurose，KeithW.Ross）》课程该视频是B站非常著名的计网学习视频，但相信很多朋友和我一样在听完前面的部分发现信息量过大，有太多无法理解的地方，在我第一次点开的时候也有相同的感受，但经过了一段时间项目的学习，对计网有了更多的了解，所以我准备在这次学习的时候做一些记录并且加入一些我的理解，希望能够帮助到大

小飞机_牛客题霸_牛客网(nowcoder.com)飞机翅膀12个*，第一行按5下空格，再按两下*，再按5下空格，最后一行按4下空格，再按一下*，再按两下空格，再按一下*，再按4下空格数格子就完了，本篇还是练格式。

牛牛学说话之-字符_牛客题霸_牛客网(nowcoder.com)总结：字符定义为char,对应%c整数定义为int，对应%d分数对应float，对应%f,内存小，速度快分数对应double,对应%lf，范围广，精度高保留几位小数就是.几f,保留3位小数就是%.3f,%.3lf

牛牛的第二个整数_牛客题霸_牛客网(nowcoder.com)注意输入的格式，%d空格%d空格%d

牛牛学说话之-浮点数_牛客题霸_牛客网(nowcoder.com)#includeintmain(){floata;//浮点数也就是小数，有两种定义形式，分别是float和doublescanf("%f",&a);//%f对应float,%lf对应double,就像%d对应整数int一样printf("%.3f",a);//保留3位小数为.3f,保留1位小数为.1freturn0;}float和d

Alex教程每一P的教程原代码加上我自己的理解初步理解写的注释，可供学习Alex教程的人参考此代码仅为较上一P有所改变的代码【Unity教程】从0编程制作类银河恶魔城游戏_哔哩哔哩_bilibiliClone_Skill.csusingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;publicclassClo

Alex教程每一P的教程原代码加上我自己的理解初步理解写的注释，可供学习Alex教程的人参考此代码仅为较上一P有所改变的代码【Unity教程】从0编程制作类银河恶魔城游戏_哔哩哔哩_bilibiliSkillManager.csusingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;publicclassSk

Alex教程每一P的教程原代码加上我自己的理解初步理解写的注释，可供学习Alex教程的人参考此代码仅为较上一P有所改变的代码【Unity教程】从0编程制作类银河恶魔城游戏_哔哩哔哩_bilibiliClone_Skill.csusingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;publicclassClo

翻看这一整个月的学习记录，突然感觉自己很能干。

#parametersnc:80#numberofclassesdepth_multiple:1.0#modeldepthmultiplewidth_multiple:1.0#layerchannelmultiple"nc:80"表示类别数量（numberofclasses），这里设定为80个类别。这通常用于目标检测任务中，表示模型需要检测的不同物体类别的数量。"depth_multiple:1.

文章目录一、目标检测简介二、Yolov3-tiny2.1anchorbox2.2NMS算法三、后记一、目标检测简介针对一张图片，根据后续任务的需要，有三个主要层次。

YOLO算法简介本文主要介绍YOLO算法，包括YOLOv1、YOLOv2/YOLO9000和YOLOv3。

文章大纲马赛克几种OpenCV实现马赛克的方法高斯模糊poseestimation定位并模糊：三角形的外接圆与膨胀系数实现实现代码实现效果参考文献与学习路径之前写过一个文章记录，怎么对人进行目标检测后打码，但是人脸识别有个问题是，很多人的背影，或者侧面无法识别出来人脸，那么我们就可以用姿态估计中的关键点信息进行补充，对人头进行打码，从而进一步的保护隐私信息。目标跟踪与检测后进行OpenCV人脸识别

前面的博文中，开发实践过海底相关生物检测识别的项目，对于海洋场景下的海洋生物检测则很少有所涉及，这里本文的主要目的就是想要开发构建基于YOLOv8的海洋场景下的海洋生物检测识别系统。

Shader"Custom/ShaderToy/进度条"{Properties{_MainTex("Texture",2D)="white"{}_Progress("Progress",float)=0.1}SubShader{Tags{"RenderType"="Opaque"}LOD100Pass{CGPROGRAM#pragmavertexvert#pragmafragmentfrag//m

训练COCO2017数据集namedescriptiondownloadurltrain2017.zip19G,118kimageshttp://images.cocodataset.org/zips/train2017.zipval2017.zip1G,5kimageshttp://images.cocodataset.org/zips/val2017.ziptest2017.zip7G,41k

yoloexportmodel=best.ptformat=onnxopset=12simplify=True2.解决错误在导出过程中，可能会出现错误，cmake版本问题安装好后，默认cmake版本为3.16

最近因项目需求（吃饱了没事干想迁移下看看有没有效率上的提高），目标检测功能从yolov5换成了yolov8，不换不要紧，v8的代码结构安排的太紧凑了，想要修改结果的导出目录，发现无从下手，只能一个一个试

图像标注1、按照以下的格式，将图片放入images中。（不限制文件夹路径）2、然后下载labelme标注工具，链接；按照我之前写的这篇博客进行操作，链接，如果没有下载到，可以联系我发给你。jsons转txt格式1、将以下代码用pycharm打开，修改输入路径、输出路径和classList列表。（classList就是标注的时候定义的类别）//importjsonimportosimportglob

训练结果查看1、在模型训练结束后，如下图所示，找到该文件夹。2、然后找到weights文件夹中的best.pt文件，这就是该数据训练后的模型。模型预测1、在assets文件夹下创建FPC-2文件夹，放入一些同类FPC预测结果。2、和训练同级文件夹，找到predict.py文件，即为模型预测文件。3、修改model路径，修改source文件夹名，改为我们刚才生成pt文件的文件夹和FPC-2图片文件夹

1、ributeError:‘str’objecthasnoattribute‘values’GTX16xx用户的大坑，基本上每个GTX16xx用户使用YOLO系列算法，都会遇到这些问题这个没办法，唯一的解决办法是使用

yolv8模型导出1、找到engine文件夹下的exporter.py文件。2、修改文件夹路径，改为我们训练结束后生成的文件夹。3、打开default.yaml文件夹,找到format参数，修改为onnx，找到batch改为1,然后返回exporter.py文件，运行，导出onnx模型，方便trt和onnxruntime部署。4、以上就是一个模型导出的完整流程；然而有人想要用openvino部署，

os.getcwd()得到当前路径os.chdir()改变当路径.是这个目录..是父文件夹os.makedirs()创建新文件夹os.path.join()在拼接路径的时候用的。举个例子，os.path.join(“home”,"me","mywork")在Linux系统上会返回“home/me/mywork"os.path.abspath(path)相对路径转为绝对路径os.path.isabs

一、实验功能描述使用一个定时器输出一路PWM，然后使用另一个定时器测量出占空比可频率二、参数配置1、配置RCC、SYS、USART1、时钟84MHz2、使用TIM2的CH1通道输出1kHz，占空比为40%的方波3、使用TIM3的CH1和CH2的输入捕获功能进行检测占空比和测量频率CounterSetting：Prescaler（时钟预分频数）：84-1最大捕获频率84MHz/(83+1)=1MHz

子曰：“人能弘道，非道弘人。”译文：孔子说人可以弘扬人生理想，而不是靠人生理想来弘扬人。这段话为什么重要？有一次一位记者问我，你能不能用一句话来代表孔子的理想，我就选的这一句话，为什么？这句话充分的体现了儒家的人文主义。他说人能弘道，非道弘人，这是什么意思呢？假设我是一个乡下人，没有受过教育，那请问我每天听过什么叫道啊，也不懂什么儒家，道家啊，那请问我这一生还有希望吗？儒家就是要肯定，你就算是一个

yolov8之训练、验证、预测、导出yolov8之训练、验证、预测、导出yolov8之训练、验证、预测、导出链接：https://pan.baidu.com/s/1_9hI8ZshNCJSMJVXNTVxbQ

YoloV8之环境配置YoloV8之环境配置YoloV8之环境配置1.视频教程：B站、网易云课堂、腾讯课堂2.代码地址：GiteeGithub3.存储地址：Google云前置环境安装：安装VistualStudio2022

YoloV8之数据集转为yolo格式1.分类数据集制作2.检测数据集制作3.分割数据集制作1.分类数据集制作1.1首先创建存放分类数据的文件夹-my_dataset1.2然后在其文件夹分别创建train

一、本文介绍本文给大家带来的改进机制是华为VanillaNet主干配合BiFPN实现融合涨点，这个主干是一种注重极简主义和效率的神经网络我也将其进行了实验，其中的BiFPN不用介绍了从其发布到现在一直是比较热门的改进机制，其主要思想是通过多层级的特征金字塔和双向信息传递来提高精度，我将其融合在一起，大家可以复制过去在其基础上配合我的损失函数，然后再加一个检测头如果在你的数据上有涨点效果大家就可以开

获取某个文件夹下的所有信息引用自：https://blog.csdn.net/m0_62323931/article/details/132532830constfs=require('fs');constpath=require('path');functiongetAllFilesInfo(dirPath){constitemsInfo=[];functiontraverseDirectory

这篇之前写的，主要是对P2B点云跟踪进行复现以及学习记录，里面也包含了一些对点云的理解P2B论文复现——点云学习记录_etw_pytorch_utils.git-CSDN博客对PTT代码是更为熟悉

YOLO(YouOnlyLookOnce)是一种目标检测算法，它使用了一个单独的神经网络来同时识别图像中的多个对象。它可以支持一下多种的训练数据集的格式。其中YOLO数据集格式是非常常用的一种。

Semi-SupervisedSemanticSegmentationwithCross-ConsistencyTraining1.1motivation一致性训练的目的是在应用于输入的小扰动上增强模型预测的不变性。因此，学习的模型将对这样的小变化具有鲁棒性。一致性训练的有效性在很大程度上取决于数据分布的行为，即集群假设，其中类必须由低密度区域分隔。在语义分割中，在输入中，我们没有观察到低密度区域

1.默认为刚安装的win11系统2.下载并安装Anaconda（无版本要求，最新版即可）网址：https://www.anaconda.com下拉，选择“FreeDownload”选择“Download”，等待下载完成打开下载的Anaconda3文件（上面的是pycharm后文提及下载与安装）选择“Next”选择“IAgree”选择“Justme”后选择“Next”安装位置要记住，不建议更改，选择

HR如何支撑战略的落地？组织战略是什么？顶层使命愿景与价值观经营目标中长期财务目标核心竞争场景哪些战场去打仗战场制胜核心且可持续竞争优势资源保障组织、文化、人力人才生态：组织战略（未来长期发展）-组织设计-人才供应链-人才招聘/发展/挖掘人才租用:内部讲师，咨询专家辅助同行。前瞻性的人才生态规划？（根据企业的生命周期）初创期：外聘人才掠夺快速发展：培养现有，快速复制传播稳定业务：人才规划和发展，细

Youarebreakingup.你的声音断断续续。1.poweroff关机2.speakup大声讲话3.cutoff切断4.slowdown放慢速度5.hearsb.well听清楚某人讲话6.outoforder有问题无法接通1.Thesubscriberyoudialedispoweroff.您所拨打的电话已关机。/səb'skraɪbɚ/n.订户；签署者；捐献者2.Thenumberyoud

其实搭建云存储的准备和安装软件相对比较容易些，再加上百度下，很容易解决。所以本篇主要记录配置方面的问题。也是作个留档，以后忘记时容易查找。一、准备：路由刷openwrt(或者lede,现在两个已合并），通过usb挂载硬盘。二、安装nginx、php7-fpm、kodexplorernginx就一个软件包。php7-fpm安装这些：

去年十一那会无意间刷到一个视频展示的就是德国机械收割机非常高效自动化地24小时不间断地在超广阔的土地上采摘各种作物，专家设计出来了很多用于采摘不同农作物的大型机械，看着非常震撼，但是我们国内农业的发展还是相对比较滞后的，小的时候拔草是一个人一列蹲在地里就在那埋头拔草，不知道什么时候才能走到地的尽头，小块的分散的土地太多基本上都是只能人工手工来取收割，大点的连片的土地可以用收割机来收割，不过收割机基

1.概述任务和模式设置：定义YOLO的任务（如检测、分割、分类、姿态识别）和模式（如训练、验证、预测、导出、跟踪、基准测试）。

p=2&spm_id_from=pageDriver关节点检测全流程YOLO:单阶段，快；MMPose：双阶段，准；标注工具Labelme用Labelme标注样本数据集

前言：学习视频：中科大郑烇、杨坚全套《计算机网络（自顶向下方法第7版，JamesF.Kurose，KeithW.Ross）》课程该视频是B站非常著名的计网学习视频，但相信很多朋友和我一样在听完前面的部分发现信息量过大，有太多无法理解的地方，在我第一次点开的时候也有相同的感受，但经过了一段时间项目的学习，对计网有了更多的了解，所以我准备在这次学习的时候做一些记录并且加入一些我的理解，希望能够帮助到大

上一节：详解yolo3整体网络代码本节代码所在文件pytorch_yolo3/train.py主程序pytorch_yolo3/nets/yolo_train

YOLO系列详解1.介绍2.YOLO原理3.YOLO版本4.在开发实践中使用YOLO1.介绍YOLO（YouOnlyLookOnce）是一种使用深度学习实现的端到端的目标检测系统，YOLO系列模型以其检测速度快

给自己制造反馈反馈的重要性如果能给别人讲明白一个东西，那叫真正学会了这个东西。当你觉得你学了一些东西之后，一定要想办法讲出来，或者应用出来，这是自己给自己制造的反馈。所以，你一定要积极地去给别人讲东西。制造文字类反馈看完一个你认为比较重要的东西，书也好，文章也好，任何文字的资料都可以，要写一份摘要出来。这个摘要如果你愿意的话，可以写好之后发个微博，或者在你的微信公众号里边推送一篇。事实上有没有读者

显而易见，一份高颜值的PPT，更能抓住观众的注意力，让信息更好地通过PPT传递出去。话是如此，不过个人感觉是：PPT在工作上用到的情况其实并不多。其实，正因频率低，PPT才更重要。但凡需要我们在众人面前演示PPT的场景，无不是一些重要的时间节点，如毕业答辩、项目提案、工作汇报等。每一次PPT，几乎都会影响、甚至重塑我们在某个群体中的形象。而他人（领导层）对我们的印象，也决定了我们是否有机会在职场中

Vim文本编辑工具压缩解压缩一、Vim文本编辑工具1.安装与使用，一般都有vim文本工具，如果没有yuminstall-yvim-enhanced进行安装。2.vim的三种模式：文本模式，编辑模式和命令模式。文本模式就是vim刚进去的时候，按i进去编辑模式，按完esc，:或者/开头就是命令模式。3.一般模式下的快捷操作：h或者:向右k:向上j:向下ctrl+B：文本向前翻一页ctrl+F：向后翻一

本博文仅作小白学习记录使用，论文原文在资料下载处可见，所有疑惑点均作了标注。欢迎各位大佬交流批评指正，侵删。

去年十一那会无意间刷到一个视频展示的就是德国机械收割机非常高效自动化地24小时不间断地在超广阔的土地上采摘各种作物，专家设计出来了很多用于采摘不同农作物的大型机械，看着非常震撼，但是我们国内农业的发展还是相对比较滞后的，小的时候拔草是一个人一列蹲在地里就在那埋头拔草，不知道什么时候才能走到地的尽头，小块的分散的土地太多基本上都是只能人工手工来取收割，大点的连片的土地可以用收割机来收割，不过收割机基

去年十一那会无意间刷到一个视频展示的就是德国机械收割机非常高效自动化地24小时不间断地在超广阔的土地上采摘各种作物，专家设计出来了很多用于采摘不同农作物的大型机械，看着非常震撼，但是我们国内农业的发展还是相对比较滞后的，小的时候拔草是一个人一列蹲在地里就在那埋头拔草，不知道什么时候才能走到地的尽头，小块的分散的土地太多基本上都是只能人工手工来取收割，大点的连片的土地可以用收割机来收割，不过收割机基