当事情多了,我该怎么办

我是那种什么事情都想做好的人,可每个人的时间和精力终究是有限的。

大二一年,我是班级的班长,虽不能说为班级操碎了心,但大大小小的事始终都有我的参与,想让班里的同学对每件事都满意。本来,大二我是这么想的,什么事都不做,除了学习,就是在飞思团队里做小车,可是,大二,我当了班长,不仅如此,学院党建办改革,我又担任了宣传部的部长,可以说,这一年,学生工作就压了一身,专业的学习、学生工作、技术团队接踵而来,好在,这一年是平稳地过去了!

大三了,班长也没做了,在党建办虽说是个主任助理,平时没有多少事做,可是这个职务挂着,对于有强迫症的我来说,还是一种压力,没想到,大三是比大二还要忙,专业课太难了,其实,并不是如此,主要是我没时间再去认真看书、认真做作业了,一来,我现在是飞思的队长,要带着大二的去参加明年的比赛,因为信工好久没有好成绩了,所以,我下决心这次一定要拿好成绩,可是,好的成绩必然要有好的队员,有好的水平,这些我们真的欠缺,就这样我每天仍处于压力之中,还有,更重要地,是我的专业课,我不是那种搞技术就放下专业的人,虽然我对自己的专业并不感冒,学了它们以后可能也用不到,但是我还是放不下,总想认真完成作业,花上一整天去看书,可是,我没有这个时间,我知道,就算这样,我也不是最差的,但是,这句话听起来是多么可笑啊!现在,更忙了,我找到了一家实习公司,是我喜欢的单片机、嵌入式,所以,我一有时间就得去工作了,做作业的时间就更少了!总之,现在要做的事,很多很多,究竟是不可能每件事都做好的!

因此,一些事情必须舍弃,专业课上课认真听,跟不上就自己看书,课下尽量不要花太长时间,作业马马虎虎就行了,考试及格可以作为目标了,放下自己的包袱吧!别让自己的内心太强大,别想着每一件事做得都是最好,每一个人都有自己的擅长点!算了,有人说,单片机是个工具,不用专门学,有人说,学单片机没前途,工资低,我管他,自己喜欢的,就学下去,就从事这方面的工作,我不信,还能饿死我?

【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。
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