机器视觉 第二节 如何将文件上传至码云


声明:本系列博客为本人学习CSDN人工智能课程的学习笔记,仅供学习交流使用。
声明2:本文内容在参考码云和官方帮助文档和“廖雪峰的官方网站”中GIt教程的基础上,结合自己的学习过程,整理的笔记,如查看更多内容请访问 https://gitee.com/help#article-header0https://www.liaoxuefeng.com

注册码云账户

  1. 打开官方网址 https://gitee.com 再右上角点击“注册“,进入注册界面;
    打开官网
  2. 再注册界面填入个人信息;
    在这里插入图片描述
  3. 注册完毕后,我们将开始码云的使用之旅。

新建仓库

码云能够提供免费的Git仓库,并且集成了代码质量检测、项目演示等功能,最让我喜欢的是码云的免费版本提供私有库功能,虽然人员限制在5人内,但对于一般的小团队足够了。下面将简单介绍一下新建仓库的过程。

  1. 在登陆码云后,点击网页右上角”+“,会弹出包含”新建仓库“的下拉菜单,点击”新建仓库“进入新建仓库界面。
    新建仓库
  2. 在新建仓库界面填入相关信息,注意当选择公开模式时,所有人都可以对你上传的代码进行拷贝,请谨慎选择。

新建仓库

仓库管理及上传代码

建好仓库后,如果要实现代码的上传下载功能,首先要进行本地Git配置。

安装Git

  1. 在Git官网下载Git安装包 https://www.git-scm.com/download/
  2. 下载完毕后,在本地安装Git软件。

创建本地版本库

  1. 本地设置
    打开Git Bash,在命令行输入:
    $ git config --global user.name "Your Name"
    $ git config --global user.email "email@example"
    
  2. 创建SSH Key
    查看本地用户主目录下有没有.ssh目录,如果有,查看该目录下有没有id_rsaid_rsa.pub这两个文件,如果有执行下一步;如果没有,在本地创建SSH Key。
    $ ssh-keygen -t rsa -C "email@example"
    
  3. 初始化一个Git仓库
    使用git init命令初始化一个Git仓库。
  4. 添加文件到Git仓库
    使用git add <file>命令将文件添加到暂存区。
    使用git commit -m "此次更新的说明"命令,将文件提交到本地的Git仓库里。

在码云上传下载仓库

### 方法1:先将仓库clone到本地,然后修改后再push到码云的仓库
git clone https://gitee.com/用户个性地址/helloGitee.git

备注:此处在git push helloGitee master出现问题,目前还没解决,我将在以后进行更正,大家可以使用方法二进行操作。

方法2:本地初识化一个仓库,设置远程仓库地址后再做push

  1. 先创建仓库,然后绑定远程仓库地址
    $ git init
    $ git remote add origin https://gitee.com/用户个性地址/helloGitee.git
    
  2. 从远程仓库Clone文件
    $ git pull origin master
  3. 将修改后的文件push到目录下
    $ git push origin master
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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