Frank_Storming的博客

2、可以修改D:\anaconda\envs\yolov5\Lib\site-packages\matplotlib\mpl-data\matplotlibrc这个文件，添加你想呈现的字体类型。注意，SimHei这个字体的添加和前面Noto Serif CJK JP的字体添加步骤基本一致。文件中的字体名称来实现：命名为楷体的字体，实际中matplotlib中采用的却是黑体的骚操作。这个报错信息不一定是字体文件损坏导致的，也有可能是你的系统不支持这种字体。文件夹下，这里的地址是你的字体路径地址。

如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。在系统环境变量中添加你的Cmder.exe的所在文件夹的地址。Full版Cmder包含Git，Mini版本不包含。在启动–环境中加上一行代码解决Cmder中文乱码问题。将Cmder.zip解压到你喜欢的安装位置。打开Cmder，点击右下角的三横杠图标；win+R呼出cmder界面则配置成功。使用右键菜单就可以呼出Cmder。我的电脑–>属性–>环境变量；将界面语言设置成中文；以管理员方式打开cmd，

这几天看到一个github上的代码建议采用docker配置环境，就想着试试，这一安装果然不出所料，一堆报错。写个文章记录一下。

最近要在服务器上配置个跑深度学习的环境，查了许多教程，总结一下。

不知道有没有人和我遇到的是一种情况，在网上搜了好多方法都没有用，记录一下一个bug艰难的解决过程。我在命令行输入nvidia-smi时，跳出了这个错误我在网上看到的最简便、最高效的方法是sudo reboot，也就是重启一下，但是我当时没有看到这个方法，采用了重装驱动的方法，结果导致reboot也解决不了我的问题了。。试了许多方法之后，都解决不了我的问题，无奈去搜了下安装nvidia驱动1、查看可用驱动输出结果中带recommended是推荐版本，如果是服务器，选择-server的对应版本。

作为单阶段目标检测模型的中流砥柱，YOLO系列模型一直以简洁，快速出名。由于实际生产应用领域有着低硬件成本和高时效性的要求，YOLOV3成为了工业界使用的最多的目标检测模型之一。令人欣喜的是，新一代YOLO在YOLOV3的基础上应用了decoupled head, strong augmentation, anchor-free, multi positives, SimOTA等tricks，相比YOLOV3 ,MAP又有了大幅度提升。看论文感觉还是学的比较浅，所以我在YOLOX源码上学习一下代码。关于

刚到一台新电脑，感觉可以用来跑跑Deep Learning，久违的配置一下环境Visual Studio下载地址在官网下载2019专业版，按步骤安装下载的时候这里勾选使用C++的桌面开发没有勾选也没关系，下载成功，重启后点开Visual Studio，创建新项目后在上方工具栏选择 工具 – 获取工具和功能 下载下载成功后，要在路径中找到cl.exe将cl.exe所在路径添加到环境变量中在cmd中测试一下，弹出如下界面表示配置成功anaconda3官网在官网下载anaconda，在cmd测试一下

YOU ONLY LOOK ONCE 从原理至实现的细致分析背景最近在读目标检测领域的文章，一下就看到YOLO系列和R-CNN系列，打算每篇论文都精读一下，发个博客将来需要用的时候回顾一下。YOLO之前最流行的方法是RCNN系列，当时已经出了Faster-RCNN了，可是这种方法的训练时间和实际应用耗费时间有些长了，不能满足实时场景的需求。在渴望简单高效方法的环境下，YOLO应运而生。作为目标检测领域的必读论文之一，You only look once 这篇论文中所采用的神经网络结构平平无奇。

cv2识别指针式仪表（持续更新）问题描述解决方案效果预览python cv2实现1、模板匹配提升准确率的方法参考资料问题描述最近遇到一个仪表盘读数的问题，主要要识别三种仪表盘参考了许多博客论文之后，打算先用一种传统的方法试一下解决方案方案一：传统方法模板匹配直线拟合表盘读数方案二： 深度学习 (后续实现)YOLOX等目标检测方法识别表盘目标检测方法识别数字、指针、指针旋转原点欧式距离求相邻数字字符识别模型识别数字根据相邻数字求得指针所指数值效果预览1、原图2