10_28 + 10_29

1.递归与斐波那契数列->特点是:后一项等于前两项的和。————引申为前后项有固定关系

2.C99支持数组下标为参数,C11不支持(vs2022说的就是你)
还有:scanf  数组时也要加&

3.写出来一个东西,不要满足于能运行,有结果,想想能不能优化。

底层程序员确实不需要思考这些,但是你想成就高些,理应做到这件事

3.

指针

1.&a(int)-->首字节的地址

2.x86->4字节    x64->8字节        

3.sizeof返回的类型是无符号类型,->unsigned int->用%u接受

4.存十六进制的时候一个十六进制对应四个二进制位,两个十六进制数占用一个字节如0x11-->00010001

5.强制类型转换:int a=0;    (char)a ;即可

6.为什么指针变量大小相同但是却要分开写

        1..char*  int*   double*不同类型的指针大小相同,但解引用时有所不同,如:

int a = 0;(a有四个字节)

char* p = &a

对*p操作时,只会改变a的一个字节

float* p = &a

对*p操作时,以浮点数的形式更改变量

       2..指针变量的类型决定了对指针变量加减时它的变化幅度,

int*类型+1,跳过四个字节; char*为1;

可以把这项特性当作工具来使用,使内存访问更加方便(自由决定跳过几个字节以访问想访问的地址)

7.指针变量用%p接受

8.野指针

为初始化的指针变量,无法调用的指针变量

特殊情况:一个指针变量存的是一个已经销毁的变量的地址,这种情况相当不稳定,非法的

如何规避

       

补充

数组赋值的新方法

9.指针变量相减得到的是两个地址之间的元素个数

适用于:同一数组,相同类型的指针

10.标准细节(内存开辟是从高到低,低地址被用过,可能有问题

补充

11.二级指针int**

        分开理解: int 和 *; int* 和 *

        双层调用:**ppa才能对a进行操作

12.指针数组

存指针的数组

把*(parr[i])拆开来看从内到外逐层分析:
parr[i]表示*(parr + i),得到指针变量,
*(parr[i])对得到的指针变量再次解引用,得到变量本身

arr[i] ==>*(arr + i)(arr[]本身就表示一次解引用,arr本身就代表地址)

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
Unable to handle kernel paging request at virtual address 0000000200005401 [ 21.757454] Mem abort info: [ 21.760240] ESR = 0x96000004 [ 21.763286] Exception class = DABT (current EL), IL = 32 bits [ 21.769199] SET = 0, FnV = 0 [ 21.772245] EA = 0, S1PTW = 0 [ 21.775378] Data abort info: [ 21.778250] ISV = 0, ISS = 0x00000004 [ 21.782078] CM = 0, WnR = 0 [ 21.785038] [0000000200005401] user address but active_mm is swapper [ 21.791385] Internal error: Oops: 96000004 [#2] PREEMPT SMP [ 21.796951] Modules linked in: [ 21.800002] CPU: 0 PID: 1 Comm: swapper/0 Tainted: G S D 4.19.0-4.19.9-x100-0707+ #30 [ 21.808956] Hardware name: E2000Q TESTC DDR4 Board (DT) [ 21.814175] pstate: 20000085 (nzCv daIf -PAN -UAO) [ 21.818963] pc : __kmalloc+0xe8/0x248 [ 21.822618] lr : __kmalloc+0x48/0x248 [ 21.826272] sp : ffff000008003c50 [ 21.829580] x29: ffff000008003c50 x28: 0000000000000001 [ 21.834888] x27: ffff000009911158 x26: ffff000009c267cb [ 21.840196] x25: 0000000000000000 x24: 0000000000000001 [ 21.845504] x23: 0000000000016e00 x22: ffff000008733b0c [ 21.850812] x21: 0000000000480020 x20: 0000000200005401 [ 21.856120] x19: ffff8020ff803800 x18: ffffffffffffffff [ 21.861429] x17: 0000000000001800 x16: 0000000000000000 [ 21.866737] x15: ffff000009b696c8 x14: 0720072007200720 [ 21.872044] x13: 0720072007200720 x12: 0720072007200720 [ 21.877353] x11: 0720072007200720 x10: 0000000000000040 [ 21.882660] x9 : ffff000009b84f20 x8 : ffff8020ff400248 [ 21.887968] x7 : ffff8020ff4002b8 x6 : 0000000000000048 [ 21.893276] x5 : 00008020f6425000 x4 : 0000000000000000 [ 21.898584] x3 : ffff7e0083d67e00 x2 : 00008020f6425000 [ 21.903892] x1 : 0000000000000000 x0 : 0000000000000001 [ 21.909201] Process swapper/0 (pid: 1, stack limit = 0x(____ptrval____)) [ 21.915895] Call trace: [ 21.918335] __kmalloc+0xe8/0x248 [ 21.921646] __tty_buffer_request_room+0x7c/0x148 [ 21.926344] __tty_insert_flip_char+0x28/0x80 [ 21.930696] uart_insert_char+0xd4/0x140 [ 21.934613] pl011_fifo_to_tty+0x88/0x1b8 [ 21.938616] pl011_int+0x340/0x488分析一下这段内核报错
07-12
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值