AnChenliang_1002的博客

第二种方法：DNS劫持：https://blog.csdn.net/jennycisp/article/details/136313738?然后再虚拟机上，点击：虚拟机->可移动设备->MediaTek Wielwss（网卡名称）->点击网卡即可连接。返回到监听wifi的界面，看到如下内容，就说明握手包抓取成功了，就可以去对应的目录下面找到cap的包了。使用wlan0mon还是wlan0，取决于你ifconfig的结果是wlan0mon还是wlan0；

在上搭建一个支持生日查询与录入的网页应用，涉及以下几个步骤，涵盖环境配置、服务器搭建、数据库配置及前后端开发的完整流程。

背景：最近在研究YOLOv8的应用，并且已经在自己的笔记本环境中跑通了YOLOv8的检测和分类算法，训练、验证、预测等功能均已实现；也通过自己的数据集训练出了自己的模型（权重）；且之前也做了一个webUI界面，对YOLOv8检测和分类的结果进行展示；但是如果在本地的GUI界面调用摄像头肯定比webUI调用摄像头要方便，因此想在电脑本地做一个GUI界面，对yolov8的分类结果进行展示。总体逻辑是，打开电脑的摄像头，然后需要分类时，抓拍，对抓拍的当前帧进行分类，并显示分类结果。

在腾讯云服务器上（ubuntu24.04），通过宝塔，运行cloud drive开源项目，搭建属于自己的个人网盘；先记录一下整个过程。有了它，随便一个设备有浏览器就可以上传和下载文件，不需要专门下载软件了；非常适用于向公司的电脑传输文件，因为公司的电脑是不允许使用百度云等网盘的。

我们知道，对于深度学习算法，要想训练出一个效果不错的模型，一个好的训练数据集是非常重要的；本文记录一下我制作YOLOv8分类算法数据集的过程；当然也适用于YOLOv8的其他算法，甚至其他深度学习算法也是可以使用的。在计算机视觉任务中，数据的多样性是提高模型性能的关键。为了训练一个高效的模型，我们需要一个丰富且多样化的数据集。对于训练所用数据集来说，图片数量越多，信息越丰富，训练的效果越好；但是如果我们希望数据集有一万张图片，那我们一张一张的去拍，拍一万张，显然是不现实的；

因为公司网络防火墙限制，所以在公司的电脑之间传输文件还是非常不方便的；所以自己搭建了一个文件传输服务器，用于多台电脑间的文件传输；

但是我为了避免重复性的工作，且为了避免重复安装之前（安装pytorch和yolov8时）已经安装好的库，因此写了一个python脚本进行安装；需要提前在有网络连接的电脑上下载所有必要的依赖项，然后将这些文件传输到离线的机器上进行安装。脚本将自动跳过已安装的包，并安装其余的 .whl 文件。在离线的机器上，切换到包含下载好的文件的目录。证明我们的streamlit安装成功了。证明你的streamlit安装成功了。第一步：在有网络连接的电脑上下载。第二步：将下载的文件传输到离线机器。文件）传输到离线的机器上。

我们都知道，通过 pip安装YOLOv8是非常方便的，但是有时候网络环境受到限制，比如公司的工作站（无法连接网络）或者机房的教学机器等等，只能通过离线的方式安装YOLOv8；今天就来记录一下离线搭建YOLOv8运行环境的过程。并记录了遇到的问题及解决过程。

我们都知道，通过 pip或conda在线安装Pytorch是非常方便的 ，但是有时候网络环境受到限制，比如公司的工作站（无法连接网络）或者机房的教学机器等等，只能通过离线的方式安装Pytorch；今天就来记录一下离线安装Pytorch的过程。并记录了遇到的问题及解决过程。对于深度学习 环境搭建来说，选择Pytorch的版本是非常重要的，尤其是对于GPU的机器，不同版本的CUDA也对应着不同版本的Pytorch；本文以CUDA11.8为例，离线安装CUDA11.8对应的Pytorch。

最近需要使用YOLOv8实现图像分类的功能，因此记录一下整个过程。

最近需要使用YOLOv8实现图像分类的功能，因此记录一下环境搭建的整个过程，本文记录的是通过Anaconda的方式搭建该环境，期间遇到了一些环境配置上的问题，也详细记录了解决过程。