梦断代码阅读笔记01

今天读了《梦断代码》的前三章,读完第一章后,我感觉当修改窗体大小是出现闪烁:可怕。这感觉的是一个很可笑的总结,但是这是一个程序员在实践中真是遇到的真心体会到的问题。是的,我们编写程序时,常常修改bug的时间往往比编写代码的时间要长很多,而其中的一些看似小的问题,我们却不知道用多少时间来完成修改。

第二章    P2P是一个创新,这个想法虽然很简单,很多人都能够想到,但是最后有多少人能够做出来呢,又有谁能够亲身去努力的实现呢?这个让我们的发展会滞后很多年,这个也许也是制约软件发展的一个小小的原因吧。

莲花公司本来是一个很好的创新改革软件的一个触发点,但是,由于管理人员的原因或者是当时时代的原因,没有能够发挥让他本来的能够发挥的作用。一个好的想法有时候可以改变一个时代,但是有时候一个不合时宜的想法会让他的全部努力付诸东流。让人类适应适应机器这个是完全是不和适宜的,机器是为了人类的方便便意快键开发的,应该让机器适应人累。软件也是如此,我们做的软件应该人性化,让我们用户都能够很好的方便的使用。

程序应该做一个乐观派,因为在未来的路上会遇到很多很多的困难,如果不能乐观的面对,那么你就会一蹶不振。但是,我们也不应该盲目的相信未来遗忘过去,应该好好地总结反思,用更严谨的态度与思维对待我们的工作。

第三章

      弗里德力科建议到:准备丢弃一切吧,因为你大抵不能一次就作对。是啊,软件一定要根据用户或者现实需求来进行随时改进。这让我想到了老师课上讲的敏捷开发,先构造一个框架,然后根据要求一步一步的来完善这软件。这个才能够好的适应客户,让软件良好的发展。 将软件比喻成一个洋葱,可对我的现在认知来说觉得很恰当。

      读完这几章后感觉软件工程所面临的种种困难与艰难的描述,即便再过5年读也许都不过时。因为正如原作者所说,书中描写的是一队人马并肩扛起代码大石,虽历经磨难仍欲将其推上山顶的故事,而正是这种故事成就着今天全世界亿万台服务器和PC机上运行的各种软件,成就着人类不断超越实现更伟大的梦想。

转载于:https://www.cnblogs.com/likegg/p/5611441.html

【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
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